全球首套30米分辨率土地生产力动态数据集（2013-2022）助力SDG 15.3精细监测

《Scientific Data》：A 30-meter resolution global land productivity dynamics dataset from 2013 to 2022

编辑推荐：针对全球土地退化评估中250米分辨率数据难以满足精细尺度需求的难题，中国科学院团队基于GEE平台融合Landsat-8与MODIS影像，采用GF-SG算法和FAO-WOCAT方法，首次生成2013-2022年全球30米LPD数据集，为SDG 15.3.1指标监测提供高精度支撑，显著提升小岛屿国家等区域的退化干预能力。

　　

土地退化是当今全球最严峻的环境挑战之一，直接影响着人类的粮食安全、生态平衡和可持续发展。2015年联合国通过的可持续发展目标（SDG 15.3）明确提出"到2030年实现土地退化零增长"的愿景，而土地生产力动态（Land Productivity Dynamics, LPD）作为核心子指标，其监测精度直接关系到政策制定的科学性。然而，现有全球LPD产品的最高空间分辨率仅为250米，难以捕捉小尺度土地退化特征——特别是在耕地碎片化严重或生态敏感区域，这种"粗颗粒度"数据可能导致关键退化信号被掩埋，使干预措施错失最佳时机。

面对这一技术瓶颈，中国科学院国际可持续发展大数据研究中心的李孝松、沈彤团队联合联合国粮农组织（FAO）等13家机构，在《Scientific Data》发表了突破性研究成果。研究团队创新性地将云计算与多源遥感数据融合，通过Google Earth Engine（GEE）平台处理了超过140万景Landsat-8和459幅MODIS影像，构建出全球首套30米分辨率LPD数据集（2013-2022）。该成果不仅将空间分辨率提升近8倍，更通过先进的时空一致性算法解决了高分辨率数据固有的云污染和时空不连续问题，为全球土地退化治理提供了前所未有的精细尺度工具。

关键技术方法上，研究采用三步走策略：首先通过分区计算（全球划分为2,687个3°×3°网格）和间隙填充-萨维茨基-戈雷滤波（Gap-filling and Savitzky-Golay filtering, GF-SG）算法融合多源数据，生成基础NDVI时序；继而利用改进的时空滤波校正异常值；最终基于FAO-WOCAT方法论，整合稳定性（steadiness）、初始生物量（initial biomass）和状态（state）三项指标完成LPD分类。其中GF-SG算法通过40×40像素窗口的相似像元匹配（相关系数>0.8）和双向立方插值，有效解决了Landsat与MODIS的时空分辨率不匹配难题。

研究结果部分呈现四大发现：

1. ?数据质量验证：在高低纬度对比区域（如北欧与赤道地区），GF-SG算法使NDVI异常值比例降低63%，时空滤波进一步消除残余条带噪声，最终产品与中值滤波后的250米LPD一致性达91%。
2. ?全球LPD分布：分析193个联合国成员国的数据显示，20.73%为掩膜区（非植被），7.27%属退化区（LPD=1），24.85%呈现早期退化迹象（LPD=2）。南美洲同时集中了最高比例的退化区（12.1%）和改善区（8.3%），反映其剧烈的土地利用变化。
3. ?驱动机制解析：通过GLC_FCS30D和LCLUC土地覆盖数据交叉验证，发现退化区主要伴随森林-耕地转化（2.39%），而改善区以耕地-森林逆转（1.72%）为主。ERA5-Land降水数据表明，退化区年均降水斜率-10.01 mm/yr，显著低于改善区的+9.11 mm/yr。
4. ?典型过程验证：针对森林火灾、城市化等典型退化过程，30米LPD的识别准确率达84.28%（森林损失）和80.09%（城市扩张），但对造林等恢复过程的识别存在5-10年滞后效应。

讨论部分强调，该数据集首次实现SDG 15.3指标在景观尺度的可操作性。以加勒比海岛国为例，30米数据可清晰区分甘蔗种植园与天然林的不同退化轨迹，而传统250米产品则将其混合为同质斑块。研究也指出NDVI在稠密植被区饱和、稀疏区土壤干扰等固有局限，建议未来整合EVI（增强型植被指数）、NPP（净初级生产力）等多指标提升精度。

这项研究标志着全球土地退化监测进入"亚公顷时代"，其数据已通过Zenodo开源（DOI:10.5281/zenodo.14512248）。正如联合国防治荒漠化公约（UNCCD）技术官员Xiaoxia Jia在文中所言，该成果不仅为2023年全球土地退化评估提供基准数据，更将助力《2030议程》实施中期评估。团队开发的HiLPD-GEE工具（GitHub开源）支持各国自主生成区域尺度LPD产品，体现了中国科学家在全球环境治理中的技术引领作用。