NOAA-21 的两块“积木”:VJ209H1 地表反射率与 VJ213A1 植被指数,如何拼出 500 米尺度的陆地监测链条

简介: NOAA-21卫星VIIRS传感器新推两大500米陆地监测产品:VJ209H1(8天合成地表反射率,含红/NIR/SWIR波段及严格质量掩码)与VJ213A1(16天合成植被指数,含NDVI/EVI/EVI2及辅助反射率层)。二者构成“反射率→植被指数”完整链条,支持高精度、可比性强的长期陆地变化监测。(239字)


2026 年 11 月 11 日,Google Earth Engine 数据目录一次性加入了两个 NASA VIIRS 第 2 版产品:VJ209H1(8 天合成地表反射率,500 米)和 VJ213A1(16 天合成植被指数,500 米)。两者均来自 JPSS-2 / NOAA-21 卫星的 VIIRS 传感器,时间覆盖从 2023 年 2 月 10 日起,分别以 8 天和 16 天为合成周期,空间分辨率统一为 500 米(约 463 米) 。它们不是孤立的数据集,而是一条从大气校正后的反射率到可解释植被指数的完整陆地监测链条上的两个关键节点:VJ209H1 提供“原料”,VJ213A1 提供“经过合成的植被状态判断”。

VJ209H1:8 天合成的地表反射率,三个 I 波段

产品定位与合成逻辑

VJ209H1 是 VIIRS 地表反射率的 8 天 L3 全球 500 米合成产品。它的上游是 VJ209 系列的大气校正地表反射率条带产品(L2),原生分辨率为 375 米和 750 米;VJ209H1 将 375 米原生数据重采样到 500 米,再在 8 天窗口内逐像素挑选“最佳观测”进行合成。这里的“最佳”有明确的判据:高观测覆盖率、低传感器视角、无云或云影、以及低气溶胶负荷——四个条件共同决定了一个像素在 8 天中哪一次观测被保留。这意味着 VJ209H1 的每个像素值不是某一天的瞬时反射率,而是8 天内最干净、几何条件最有利的一次观测的代表值,对于减少云污染和观测几何差异带来的噪声至关重要。

数据已经应用了波段缩放系数,用户拿到的 DN 值不需要额外乘 scale factor 即可转换为反射率。

波段结构:三个反射率波段 + 两层质量标记

VJ209H1 的波段结构非常克制:只有三个地表反射率波段,外加两层质量控制信息。

波段名称

最小值

最大值

像素大小

波长

说明

SurfReflect_I1

-0.01

1.6

500 m

0.600 – 0.680 µm

红光波段地表反射率(I1)

SurfReflect_I2

-0.01

1.6

500 m

0.850 – 0.880 µm

近红外(NIR)波段地表反射率(I2)

SurfReflect_I3

-0.01

1.6

500 m

1.580 – 1.640 µm

短波红外(SWIR)波段地表反射率(I3)

SurfReflect_QC_500m

—

—

500 m

—

反射率波段质量掩码(位字段)

SurfReflect_State_500m

—

—

500 m

—

状态标记(云、云影、冰雪等)

I1(红光) 和 I2(近红外) 是计算 NDVI 的直接输入;I3(短波红外) 对水分含量和云/雪判别敏感,在合成过程中也参与“最佳像素”的筛选逻辑。三个波段的范围均设为 -0.01 到 1.6,下界略低于零是为了容纳大气校正后的微小负反射率,上界 1.6 则覆盖了极端亮目标(如云、雪、沙漠亮表面)的反射率。

质量掩码:不是装饰,是使用前提

VJ209H1 的质量层是使用这个数据集时绕不开的一步。SurfReflect_QC_500m 的 Bit 0–1(MODLAND QA) 直接告诉用户当前像素的校正产品是否可用:

  • 0:所有波段均以理想质量生成校正产品;
  • 1:部分或所有波段的校正产品质量不理想;
  • 2:因云影响,所有波段未能生成校正产品;
  • 3:因其他原因未生成,部分或所有波段可能为填充值。

官方文档特别提醒:Bit 2–3 的云状态“一律设为 11”,不应使用;云状态判断应依赖 SurfReflect_State_500m 层。如果跳过质量掩码直接对 SurfReflect_I1 做统计或时间序列,云污染像素会被当作真实低反射率值纳入计算,结果是系统性低估植被信号、高估地表暗化趋势。在 Earth Engine 中,标准做法是用 SurfReflect_QC_500m 的 Bit 0–1 等于 0 来筛选“理想质量”像素,再进行分析。

VJ213A1:16 天合成的植被指数,NDVI / EVI / EVI2 三选一

产品定位与算法设计

VJ213A1 的设计目标在官方文档中写得非常清楚:它是按照 MODIS Terra/Aqua 植被指数产品套件的架构来构建的,目的是促进 EOS 任务的连续性——也就是让 VIIRS 能够接过 MODIS 的植被监测接力棒。它的合成逻辑与 VJ209H1 同源:在 16 天的采集期内,逐像素选择“最佳可用像素”,分辨率为 500 米。但它的输出不是反射率,而是三个植被指数,外加一组辅助波段。

三个植被指数的分工

NDVI(归一化植被指数) 是三者中历史最长、应用最广的指数,使用红光和近红外波段。它的强项在于对叶绿素敏感,在植被中等覆盖条件下信号稳定,且与 MODIS NDVI 的跨传感器一致性已有研究支持:VIIRS NDVI 与 MODIS NDVI 在 500 米产品上的不确定性约为 0.014–0.056,两者在多数应用中可互换使用。

EVI(增强型植被指数) 使用红光、近红外和蓝光三个波段,对冠层覆盖度更敏感,在高生物量区域(如茂密森林)比 NDVI 更不容易饱和。

EVI2(两波段增强型植被指数) 是标准三波段 EVI 的重构版本:它只用红光和近红外,不依赖蓝光波段。官方文档明确指出,这一重构是为了解决 VIIRS EVI 与其他不含蓝光波段的 EVI 模型之间的可比性问题,并且EVI2 最终将成为标准 EVI。对于需要跨传感器(例如 VIIRS 与某些只有红/NIR 的传感器)比较植被指数的研究,EVI2 是更稳健的选择。

波段结构:指数层 + 反射率辅助层 + 质量层

VJ213A1 的波段数量明显多于 VJ209H1,因为它不仅要给出指数结果,还要保留计算指数所用的反射率输入,以及支撑质量判断的元数据。

波段名称

单位

最小值

最大值

像素大小

波长

说明

EVI

—

-1

1

500 m

—

3 波段增强型植被指数

EVI2

—

-1

1

500 m

—

2 波段增强型植被指数

NDVI

—

-1

1

500 m

—

归一化植被指数

NIR_reflectance

—

0

1

500 m

846–885 nm

近红外反射率

SWIR1_reflectance

—

0

1

500 m

1230–1250 nm

短波红外 1 反射率

SWIR2_reflectance

—

0

1

500 m

1580–1640 nm

短波红外 2 反射率

SWIR3_reflectance

—

0

1

500 m

2225–2275 nm

短波红外 3 反射率

VI_Quality

—

—

—

500 m

—

植被指数质量掩码(位字段)

三个指数的值域均为 [-1, 1],符合植被指数的数学定义。四个反射率辅助波段中,NIR 是 NDVI/EVI/EVI2 的共同输入,SWIR1–3 则为后续的归一化燃烧比(NBR)、归一化差值水分指数(NDMI)等衍生分析提供了直接可用的反射率层,不必再单独回到 VJ209H1 去取。所有波段的缩放系数已经应用,用户不需要额外处理 DN 到物理量的转换。

VI_Quality 的结构比 VJ209H1 的 QC 层更细:Bit 0–1(MODLAND QA) 给出“已生成 VI,质量良好”(0)到“因云以外的原因未能生成”(3)的四级判断;Bit 2–5(VI 有用性) 则从“最高质量”(0)到“质量下降”(6 及以上)逐级递减。在实际使用中,Bit 0–1 = 0 是最严格也最常用的过滤条件;如果样本量不足,可以放宽到 ≤ 1(“已生成,但请检查其他质量保证”),但需要接受一定的噪声。

代码:如何在 Earth Engine 中调用两者

两个数据集的调用方式一致,都是标准的 ee.ImageCollection,区别只在于集合 ID、时间窗口和波段选择。

VJ209H1:取一景 8 天反射率,并做质量掩码

var sr = ee.ImageCollection("NASA/VIIRS/002/VJ209H1");
// 选取 2024 年某 8 天窗口的一景
var image = sr
  .filterDate('2024-06-01', '2024-06-09')
  .first();
// 质量掩码:仅保留 MODLAND QA Bit 0-1 = 0 的像素
var qc = image.select('SurfReflect_QC_500m');
var mask = qc.bitwiseAnd(3).eq(0);  // Bit 0-1 等于 0
// I1 / I2 计算 NDVI,单位已是反射率,无需缩放
var ndvi = image.select('SurfReflect_I2')
  .subtract(image.select('SurfReflect_I1'))
  .divide(image.select('SurfReflect_I2').add(image.select('SurfReflect_I1')))
  .updateMask(mask)
  .rename('NDVI');
Map.addLayer(ndvi, {min: -0.2, max: 0.9, palette: ['brown', 'yellow', 'green']}, 'NDVI from VJ209H1');

这段代码的关键在 updateMask(mask):在计算 NDVI 之前就把云污染和非理想质量像素剔除,而不是等到展示时才处理。如果先算 NDVI 再掩码,云像素会先参与除法运算,掩码只能遮住输出,不能修正已经被污染的数值。

VJ213A1:直接取 NDVI 层,并做质量过滤

var vi = ee.ImageCollection("NASA/VIIRS/002/VJ213A1");
var image = vi
  .filterDate('2024-06-01', '2024-06-17')
  .first();
// VI_Quality Bit 0-1 = 0(质量良好)
var qa = image.select('VI_Quality');
var good = qa.bitwiseAnd(3).eq(0);
var ndvi = image.select('NDVI').updateMask(good);
Map.addLayer(ndvi, {min: -0.2, max: 0.9, palette: ['brown', 'yellow', 'green']}, 'VJ213A1 NDVI');

VJ213A1 的一个便利之处在于NDVI 已经计算好,不需要用户从反射率波段自行推导。但这也意味着用户需要信任上游合成和质量控制流程;如果分析对 NDVI 的计算细节有特殊要求(例如需要自定义红/NIR 波段的加权或大气校正残差处理),仍然可以退回 VJ209H1,用 SurfReflect_I1 和 SurfReflect_I2 自行计算。

两者如何协同:一条从“原料”到“指数”的链路

VJ209H1 和 VJ213A1 不是竞争关系,而是同一卫星、同一分辨率、不同时间合成粒度上的上下游关系。一个典型的协同工作流是:

第一步,用 VJ209H1 做自定义反射率分析。 当研究需要红光、NIR、SWIR1 的原始反射率来构建非标准指数(如 NDMI、NBR、自定义水分胁迫指标)时,VJ209H1 提供 8 天合成、质量可控的反射率层,用户可以完全掌控指数的计算逻辑。

第二步,用 VJ213A1 做标准化植被监测。 当研究目标是长期植被趋势、物候、干旱响应,并且希望结果与 MODIS 历史序列保持可比性时,VJ213A1 的 NDVI/EVI/EVI2 是现成的、经过合成和质量控制的标准化产品。它的 16 天合成窗口比 VJ209H1 的 8 天更长,在云污染频繁的地区(如热带)有更高的概率获得有效像素。

第三步,用 VJ213A1 的辅助反射率层做交叉验证。 VJ213A1 自带的 NIR、SWIR1–3 反射率层可以用于快速检查 VJ209H1 在相同区域、相近日期的反射率一致性,而不需要同时加载两个 ImageCollection 并做逐像素对齐。

一个需要注意的时间粒度差异:VJ209H1 的合成周期是 8 天,VJ213A1 是 16 天。在时间序列分析中,如果直接按日期合并两者,VJ213A1 的 16 天值会被重复匹配到多个 8 天窗口上,造成人为的自相关。正确做法是在各自的原生合成粒度上分析,或者先将 VJ209H1 聚合到 16 天窗口后再与 VJ213A1 对齐。

引用与使用建议

两个数据集均通过 NASA LP DAAC 发布,具有独立的 DOI,在学术写作中应直接引用数据集 DOI,而非仅引用 Earth Engine 目录页面。

VJ209H1:

Vermote, E., Franch, B., Claverie, M. (2023). VIIRS/JPSS2 Surface Reflectance 8-Day L3 Global 500m SIN Grid V002. NASA LP DAAC. doi:10.5067/VIIRS/VJ209H1.002

VJ213A1:

VIIRS/JPSS2 Vegetation Indices 16-Day L3 Global 500m SIN Grid V002. NASA LP DAAC. doi:10.5067/VIIRS/VJ213A1.002

在 Earth Engine 中的通用引用格式:

NASA LP DAAC. VJ209H1: VIIRS Surface Reflectance 8-Day L3 Global 500m / VJ213A1: VIIRS Vegetation Indices 16-Day 500m. Accessed via Google Earth Engine, 2026.

使用时需要留意的三个点:

第一,时间覆盖从 2023 年 2 月开始。 两个数据集都不是回溯性产品,不覆盖 NOAA-20 或 S-NPP 时期。如果需要 2023 年之前的 VIIRS 连续序列,需要与 VNP09H1(S-NPP)或 VJ109H1(NOAA-20)系列拼接,但跨传感器的反射率一致性和植被指数一致性需要单独评估。

第二,VJ209H1 的质量层有两个,用途不同。 SurfReflect_QC_500m 的 Bit 0–1 用于判断“校正产品是否可用”,SurfReflect_State_500m 用于判断云/云影/冰雪状态。不要用 QC 层的 Bit 2–3 做云判断,官方已明确该字段被固定为 11,不具备判别意义。

第三,VJ213A1 的 EVI2 是面向跨传感器可比性设计的。 如果研究涉及 VIIRS 与只有红/NIR 波段的传感器(或历史 EVI 产品)之间的比较,优先使用 EVI2 而非三波段 EVI;官方已将其定位为标准 EVI 的最终替代。

一句话总结:VJ209H1 给你 8 天、500 米、三个 I 波段的干净反射率,VJ213A1 给你 16 天、500 米、三个植被指数加辅助反射率层;前者适合自定义指数和质量可控的反射率分析,后者适合标准化植被监测和 MODIS 连续性应用。两者共用同一颗卫星、同一套合成哲学和同一套质量标记语言,拼在一起,就是 NOAA-21 在 500 米尺度上从“看到地表”到“判断植被状态”的完整链路。

相关文章
|
5天前
|
Linux Go 开发工具
手机上跑 DeepSeek 智能体:开源安卓客户端 DSH Go 安装与使用指南
DSH Go 是一款开源安卓客户端,将 DeepSeek Harness 智能体引擎装进手机:免 Root、免 Termux,一键安装即用;支持本机运行(内置 Ubuntu+Node.js)或远程接管电脑会话;具备插话打断、过程折叠、屏幕操控、端到端加密分享等特色功能,真正实现智能体“口袋化”。
5983 13
|
5天前
|
弹性计算 人工智能 API
Codex超详细入门指南(下载·安装·登录·上手,全版本覆盖,2026最新版)
建议收藏本教程,2026 全年各版本更新随时回来查阅。如果你在搭建过程中遇到任何问题,欢迎结合 阿里云工单系统 提交技术支持请求,或在 阿里云开发者社区 搜索 Codex 相关话题交流。 祝你编码愉快,效率翻倍!
2198 8
|
8天前
|
人工智能 前端开发 API
阿里云Qwen4-Max 大模型详解:定位、特征、能力、适用场景与相对Qwen3-Max差异解析
2026年11月11日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问AI平台Token Plan并接入千问办公、Qoder等入口。该版本聚焦知识理解、世界感知、编程与Agentic四项升级,主打复杂编程、专业办公、前端设计与专业软件操作等真实任务。预览期为11月11日10:00至11月25日24:00,仅支持Token Plan调用,到期后模型标识下线;限时2折、新用户再享5折,最低1折可体验。
|
8天前
|
JSON 前端开发 API
阿里云最新Qwen4-Max大模型介绍:模型定位、特征、能力、适用场景解析
2026 年 11 月 11 日,阿里发布第四代旗舰模型Qwen4-Max预览版,首发千问 AI 平台 Token Plan,并同步接入千问办公、Qoder 等入口。该版本聚焦知识理解、世界感知、编程与 Agentic 四项升级,主打复杂编程、专业办公、前端设计与专业软件操作。预览期至 11 月 25 日 24:00,到期后模型标识下线;限时 2 折、新用户再享 5 折,最低 1 折可体验。
|
3天前
|
传感器 安全 区块链
Windows 电脑运行安卓应用教程:开源工具 ApkStart 双击 APK 即装、独立窗口运行
ApkStart 是一款开源Windows工具,让安卓APP像原生软件一样运行:双击APK即安装、生成真实图标、独立窗口启动、开始菜单可搜索。无需传统模拟器,内置QEMU运行时,支持数据互通、ARM兼容与命令行操作。(239字)
|
20天前
|
Linux 开发工具 iOS开发
Codex保姆级教程(下载+安装+登录+使用,含所有版本,2026最新)
Codex是OpenAI推出的开源AI编程智能体,本地运行,可理解整个代码库,支持自然语言指令改代码、执行命令、跑测试、修Bug,兼容Win/macOS/Linux。(239字)
9951 59
|
3天前
|
人工智能 弹性计算 开发工具
零成本玩各大模型!DeepSeek Harness dsh-our-free-model 插件,13 个厂商模型直接用
总结一下:装这个插件,你不用注册、不用绑卡、不用填一个 Key,就能在 DeepSeek Harness 里用上 DeepSeek V4.1 Flash、Kimi K3 这一批前沿模型,而且是白嫖的、还不限量。三步搞定:下载插件,复制包含 `package.json` 的插件目录路径,在「添加插件」里粘贴路径安装并重启。无论是在阿里云 ECS 上通过命令行部署的 Web 版,还是本地的 Electron 桌面端,都能顺利跑通,快速搭建一套零成本的免费模型使用环境。
994 0
|
6天前
|
Linux API iOS开发
【DSH】DeepSeek Harness新手保姆教程(下载+安装+配置+使用,2026最新实测)
DeepSeek Harness(dsh)是DeepSeek AI开源的智能体框架,秉持“一切皆插件”理念,支持读文件、改代码、跑命令、处理表格、联网搜索等操作。免费开源,兼容Windows/macOS/Linux,提供桌面端与网页端,可灵活安装插件扩展能力。
|
15天前
|
Linux 开发工具 iOS开发
2026最新codex下载安装保姆级使用教程(下载+安装+登录+使用,含所有历史版本)
本文详解OpenAI Codex国内快速上手指南:提供Win/macOS/Linux全平台免安装包、npm/Homebrew等多方式安装、账号/API Key双登录、简体中文切换,覆盖下载、安装、汉化、使用及高频避坑(如微软商店失败、npm超时等),10分钟即可跑通。
3383 9

热门文章

最新文章