针对现有全球植被覆盖度（FVC）产品时空不连续、精度不高的问题，肖志强等(Xiao et al., 2016)发展了利用冠层透过率近似计算FVC的方法。和MUSES FAPAR算法相同，LAI是该算法中计算FVC时最重要的输入参数。基于不同空间分辨率的MUSES LAI产品，计算得到对应分辨率的MUSES FVC产品。

图1为1km分辨率的MUSES FVC产品7月份2001−2005年均值的全球空间分布图。MUSES FVC产品空间上完整，没有缺失数据。

图1 1km分辨率MUSES FVC产品（a）1月份和（b）7月份2001−2005年均值的空间分布

图2是不同植被类型站点上1km分辨率MUSES和GEOV1 FVC产品的时间序列曲线。MUSES FVC产品的时间序列曲线连续平滑。

图2 不同植被类型站点1km分辨率MUSES和GEOV1 FVC产品的时间序列曲线

图3是北京地区2021年第1和193天的30m分辨率的MUSES FVC空间分布图，图4是30m分辨率的MUSES FVC时间序列曲线。可以看出，30米空间分辨率的MUSES FVC产品空间上完整，时间序列上连续平滑。

图3 北京地区2021年第1和193天30m分辨率的MUSES FVC空间分布图

图4 30m分辨率的MUSES FVC时间序列曲线

图5为1km分辨率MUSES和GEOV1 FVC产品与FVC地面测量数据的散点图。显然，MUSES FVC产品的精度明显优于GEOV1 FVC产品的精度。

图5  MUSES和GEOV1 FVC产品与FVC地面测量数据的散点图比较

参考文献

Xiao Zhiqiang, et al., Estimating the Fractional Vegetation Cover from GLASS Leaf Area Index Product. Remote Sensing, 8, 337, 2016. (下载)