MODIS 这摊子事，玩遥感的几乎没有不知道MOD44B的。这个产品全名叫 Vegetation Continuous Fields，中文圈一般叫“植被连续场”或者干脆叫“植被覆盖百分比”。我这次做的是把 2000 到 2020 年中国区域的 MOD44B 数据整理成一套干净可用的植被覆盖百分比数据集，周期长、瓦片多、坑也不少。整个过程走下来，从下载、拼接、投影处理到时间序列分析，每一步都有最容易被忽略的细节。这篇文章我把整套操作思路、遇到的问题和现在的处理方案都写出来，想碰这套数据的人应该能少走不少弯路。
先说清楚这东西适合谁看。如果你是要做长时序植被变化、荒漠化监测、生态工程评估，或者只是想给论文补一张像样的植被覆盖趋势图，那么 MOD44B 会是一个比 NDVI 阈值法更省心也更靠谱的选择。当然，如果你从来没接触过 HDF 文件、MODIS 正弦投影和瓦片拼接，这篇文章也足够带你走完一个完整流程，不需要额外翻太多文档。
1. 为什么拿 MOD44B 当主角：给中国植被覆盖长时段监测做底稿
1.1 一个植被覆盖研究中绕不开的产品
用遥感做植被覆盖，有一条经典路线是拿 NDVI 算覆盖度，公式现成、工具也多。但这条路有个让人头疼的地方：需要自己定阈值、定像元二分模型参数，不同区域不同传感器结果还不一样。MOD44B 的逻辑完全不同，它用训练好的回归树模型，直接输出“每个像元里树木覆盖、非树木植被、裸地分别占百分之多少”，把覆盖度这个本来要靠估算的变量变成了一种标准化的观测值。
这个产品来自 NASA 的 MODIS 传感器，搭载在 Terra 卫星上。卫星从 2000 年起持续回传数据，所以它天然就是做 2000 年至今长时序分析的骨干数据源。空间分辨率 250 米，一个像元相当于地面 250×250 米的范围，对省域、国家级别的生态环境监测来说很合适，既不会粗糙得看不了细节，也不像 30 米 Landsat 那样需要海量存储和计算资源。
MOD44B 最核心的一点是它把“植被覆盖”这个问题分段处理：不再笼统地说“这里植被多那里植被少”，而是把覆盖结构拆成树覆盖、低矮植被和裸地。这种分层在西南林区、西北荒漠区、华北农田区之间做对比时特别有用，比如同样是 60% 的覆盖度，纯草地和混交林在结构和生态功能上完全不同，但如果只看总数就很容易被误导。
1.2 MOD44B 对中国区域意味着什么
中国的地形和植被类型跨度大，从热带雨林到温带荒漠都有分布，这对任何一个全球尺度覆盖产品都是一个考验。MOD44B 在很多地区的表现比较均衡，尤其在大尺度森林监测中已经被广泛验证。它对中国区域的覆盖是完整的，只要把覆盖中国的 MODIS 瓦片下载齐全，再经过拼接裁剪，就能得到一张完整的 250 米分辨率的全国图。
时间范围方面，2000 到 2020 正好跨越了 21 年，足够支撑趋势分析和突变检测。这些年里，中国经历了退耕还林、天然林保护等一系列重大生态工程，也经历了部分区域的城市扩张和荒漠化。用 MOD44B 算出的树覆盖趋势图，可以直接看到哪些地方在变绿、哪些地方在退化，不用再靠定性描述或者小区域样地推断。
我从实际处理中得到的一个直接经验是：MOD44B 非常适合当做“底图”或者“主变量”来用。你可以把它和气象数据、土壤数据、夜间灯光数据叠加，做驱动因子分析；也可以把它简化成“植被覆盖度大于多少”的图，来制作宏观生态区划。它的语义清晰、可解释性强，基本上任何后续分析都能接得住。
2. MOD44B 数据集结构与背后算法深度拆解
2.1 四个子数据集就是四张“体检表”
打开一个 MOD44B 的 .hdf 文件，里面不是一张单波段影像，而是一堆子数据集。一般你能看到四个主要的层：树木覆盖百分比（Percent_Tree_Cover）、非树木植被覆盖百分比（Percent_NonTree_Vegetation）、裸地/非植被百分比（Percent_NonVegetated）以及一个质量控制层（Quality）。
数值范围是 0 到 100，代表百分比。要注意的是，这三个覆盖百分比加在一起并不一定严格等于 100，因为算法本身存在不确定性和噪声，加上云污染、传感器视角等影响，像元内会有残差。处理的时候不要强行对三个波段做归一化加和，否则会人为引入误差。
质量控制层是很多人下载完就忽略的，但它恰恰是最有价值的一个波段。质控层用位标志（Bit Flag）记录了像元质量、水体、云、雪等情况。比如某些像元是水体、某些像元被云覆盖，如果不加过滤就直接参与统计，最后出来的趋势图会被严重干扰。这一点后面分析处理时我会专门展开讲。
算法层面，MOD44B 使用的是回归树模型，每个树节点会根据光谱反射率、纹理信息等特征把训练样本分成不同类别，最终输出的是连续覆盖度而不是离散类别。这种做法的好处是抗噪能力强，训练样本中混合像元的覆盖度能被更平滑地估计出来，比单纯的最大似然分类要稳定得多。
2.2 投影、瓦片与文件命名的几个硬知识点
MOD44B 默认采用 MODIS 正弦投影（Sinusoidal），并且按瓦片（tile）组织全球数据。整个全球网格横向从 0 到 35，纵向从 0 到 17，一共 36×18 个瓦片，每个瓦片约 10 度经度、约 8 度纬度。中国区域大概覆盖了 h23 到 h28、v03 到 v07 这个范围的瓦片，具体到不同研究区还需要再确认。
文件名也有一套固定的逻辑，比如MOD44B.A2000001.h25v05.006.2015167203617.hdf。拆开看就是：产品名 + A + 年份加儒略日 + 瓦片编号 + 数据版本 + 生产时间。这里有个容易被忽视的点：虽然文件名里写的是 A2000001（表示 2000 年第 1 天），但 MOD44B 实际是年度合成产品，不是每天的影像，你展开来看会发现这个“1 月 1 日”其实是代表一整年的结果。所以做年度趋势分析的时候，直接按年份来组织文件就行，不要纠结具体日期。
下载前建议先用 MODIS 瓦片分布图或者工具算出自己研究区涉及的瓦片编号。别凭感觉猜，我之前就吃过亏，一开始只下了 h25v05 一个瓦片，结果图一拼出来发现缺了一大块。工具方面，可以直接用 MODIS 官方的 Tile Calculator，或者打开一个全球瓦片索引矢量文件，把你的研究区 Shapefile 叠上去，一目了然。
2.3 与其他植被覆盖产品对比，选它的理由
市面上能拿来做植被覆盖的数据不少，我试过几类，简单说下体验：
- 基于 NDVI 的覆盖度提取：灵活，但需要自己标定像元二分模型，阈值换一个区域就得重新调，不好做横向比较，也不适合大范围自动处理。
- MODIS 土地覆盖产品 MCD12Q1：分成离散类型，比如常绿针叶林、落叶阔叶林、草地，但没有连续的覆盖比率，生态学计算中往往需要转成连续量，转换过程容易损失精度。
- GLASS 植被覆盖度产品：是另一个不错的连续覆盖产品，时间序列也长，但下载路径和多数据源融合流程对初学者不够友好。
- Landsat 系列：空间分辨率高，但 30 米数据覆盖全国需要处理太多景影像，2000 年以前的还好说，做 20 年长序列的存储和算力需求比较大。
MOD44B 的 250 米分辨率、连续百分比输出、单一来源卫星持续观测，让它在大尺度生态监测里成了一个“性价比”很高的选择。尤其适合做国家级或省域级别的时空变化分析，以及配合气候变量做驱动分析。如果你是做小流域精确制图的，那 MOD44B 的分辨率不够，还是回到 Landsat 更实用；但如果你需要快速拿到一套中国的长时序植被底图，它就是当前最省事的方案之一。
3. 2000-2020 中国区 MOD44B 数据获取全流程
3.1 前置准备：账号、工具和网络节奏
去 NASA 的 Earthdata 官网下载 MODIS 数据，第一步是注册一个 Earthdata 账号。这个账号是免费申请的，但别想着绕过登录直接抓链接，现在官方数据分发基本都要求带登录凭证。注册时填好邮箱和机构信息即可，选学科方向时可以选“Ecology”或者“Earth Science”，审批一般很快，我那次是几分钟之内就收到了确认邮件。
工具方面，建议备齐这几个：一个支持 HDF4 读取的 GDAL 环境，一个支持断点续传的下载器或脚本，再加一个影像拼接与裁剪工具。GDAL 可以通过 Anaconda 安装，也可以用 OSGeo4W 包。国内玩家如果在 Windows 环境下用 pip 安装 GDAL 遇到兼容问题，建议直接装gisinternals或osgeo的预编译版本，省去自己编译 HDF4 驱动的痛苦。
下载节奏也是经验之谈。NASA 服务器在国内的响应速度不稳定，高峰期经常几十 KB 每秒，一个瓦片传半天。我后来基本选择凌晨或上午下载，成功率明显更高，也建议用支持断点续传的下载脚本，别断了就从头再来。
3.2 官方下载路径的选择与细节
MOD44B 的官方下载路径主要有两条，一条是 NASA Earthdata Search（search.earthdata.nasa.gov），另一条是 AppEEARS（appeears.earthdata.nasa.gov）。
Earthdata Search 适合下瓦片原文件。搜索框里输入 MOD44B，然后在时间面板选择 2000-2020，再在地图上画出中国大致的范围，系统会把涉及的所有瓦片列出来。你可以添加到购物车后批量下载。缺点是它给的是原始 HDF 瓦片，后面还需要自己做投影转换和拼接。
AppEEARS 更适合做点采样和区域提取。你上传一个 Shapefile 或者直接在图上画范围，选择要的产品和年份，系统会自动裁剪、重投影（可以指定 WGS84），输出 GeoTIFF。这种方式的用户体验好，但局限是如果研究区特别大、时间序列特别长，提交任务后等待时间会很长，而且返回的数据组织方式有时候需要再整理。
真正追求批量自动化的人，我建议直接用脚本下载。Earthdata 提供了wget或curl配合 token 的方式，也有现成的 Python 第三方库比如pyModis和modis-tools。我个人现在的习惯是写一个小脚本，自动读取瓦片列表、逐条下载并校验文件大小，如果下载失败就自动重试三次，这比在网页上手工点上万次鼠标要靠谱得多。
3.3 批量下载规划：瓦片清单与命名规则
中国区域要下载全 21 年，如果使用瓦片方式，一年大概需要 15 到 25 个瓦片，全部下来文件总数可能会接近四五百个。单个 HDF 文件几十到上百 MB，整套数据完整落盘可能要几十 GB。下载前最好按照“年份/瓦片”的目录结构存放，后面处理时检索会快得多。
我整理瓦片清单的办法是：先准备一个全国 Shapefile，然后转成 MODIS 正弦投影，和全球瓦片网格叠加，把相交的瓦片编号提取出来，导出成tiles.txt。再用一个循环逐一拼 URL 下载。这种办法虽然第一次准备有点麻烦，但以后你再下别的 MODIS 产品可以直接复用同一份瓦片清单，一步到位。
下载完一定要抽查文件是否完整。HDF 文件损坏时，GDAL 打开会报错，但有些文件表面能打开、内部却缺层。稳妥的做法是写一个检查脚本，遍历所有.hdf，尝试用 GDAL 打开并统计子数据集数量，小于预期数量的文件直接标记为异常重新下载。别小看这一步，我在东北地区的瓦片中真的碰到过几个文件，下载中途断了但大小看着正常，结果一打开全是空数据。
4. 数据处理与质量控制的核心操作
4.1 数据可以这样处理：拼接、裁剪、重投影
拿到一堆瓦片以后，处理链路一般固定为“拼接瓦片→重投影→裁剪到研究区→按年份合成时间序列”。
拼接这一步用 GDAL 的gdalbuildvrt很方便，它不会真的拷贝像素，而是生成一个虚拟栅格，把多个瓦片链接在一起。等做完投影转换后再输出成实际文件，可以省掉一次中间文件的转换时间。举个例子，把 2001 年的多个瓦片拼接并转换到 WGS84，可以用这几条命令：
gdalbuildvrt mod44b_2001.vrt MOD44B.A2001001.*.hdf gdalwarp -t_srs EPSG:4326 -te 73 18 135 54 -tr 0.0025 0.0025 mod44b_2001.vrt mod44b_2001_wgs84.tif这里-te指定的是范围（中国大致经纬范围），-tr指定输出像元大小。0.0025 度大概对应 250 米左右，和原始分辨率保持一致。
裁剪到行政区时，可以直接用-cutline参数加一个中国省级边界矢量：
gdalwarp -cutline china.shp -crop_to_cutline mod44b_2001_wgs84.tif mod44b_2001_china.tif需要注意，gdalwarp在处理多波段 HDF 子数据集时，要先拆出你需要的那个覆盖度层。HDF4 里的子数据集不能像普通 GeoTIFF 一样直接整个文件扔给 GDAL，得用HDF4_EOS:...子数据集路径，或者用 Python 先把子数据集转成 GeoTIFF 再继续处理。这也是新手最容易卡住的一步。
4.2 质量图层和数值缩放，怎么用才不掉入陷阱
MOD44B 的覆盖度层虽然是 0-100 的百分比，但在原始 HDF 中存储类型通常是整型，可能还带缩放因子。有些处理软件会自动应用缩放，有些不会，这就要你看数据说明文档确认scale_factor。如果确实有缩放，使用前要乘以系数，别把原值直接当百分比，否则时间序列会整体偏低或偏高。
质量层的使用更要谨慎。它不是简单的“0好1坏”，而是位标志编码，不同 bit 位代表不同含义：有的是像元质量等级，有的是水体掩膜，有的是云/雪覆盖，有的是气溶胶程度。想过滤像元，需要把质控值转换成二进制，按位读取对应标志位。我见过不少人在 GEE 里直接写quality == 0，这样很可能把大量边界区域或山区像元误删。
我的做法是：把质量层读出来，然后根据产品说明，把需要屏蔽的像元集合（云、水、雪、低质量）统一设为 NoData。对 MOD44B 来说，一般会去掉水体和云污染的像元，保留陆地和非云区。这样处理后年际间像元覆盖更加一致，趋势分析时不会因为某一年的云污染而出现局部异常。
为了不丢数据，处理时建议用一个栅格数组保存数据，一个布尔数组保存掩膜。每一年先把未通过质控的像元填充为 NaN，再参与后续统计。否则直接把 NoData 记成 0，会让裸地区域的比重被系统性抬高，整张趋势图直接失真。
4.3 时间序列统计和趋势计算要留意的细节
21 年序列的统计工作，最经典的是算每像元的趋势斜率。常见方法是最小二乘线性回归，更稳健的选择是 Theil-Sen 估计，因为它对异常值不那么敏感。下面这段 Python 思路可以复用：
from osgeo import gdal import numpy as np from scipy import stats slope = np.ones((rows, cols)) * np.nan for i in range(rows): for j in range(cols): vals = series[:, i, j] mask = np.isfinite(vals) & (vals >= 0) & (vals <= 100) if mask.sum() > 12: res = stats.theilslopes(vals[mask], years[mask]) slope[i, j] = res[0]在写循环之前，记得先把所有年份数据读入一个三维数组，维度是（年份，行，列），并且统一所有年份的 NoData 表达。还有一个容易忽略的问题是，不同年份的边界范围可能因为裁剪和投影精度略有偏差，必须把所有年份重采样到完全相同的网格（相同的范围、行列数、分辨率），否则数组逐像元比较时会错位。
做显著性检验时，我建议同时输出 p 值。p 值小于 0.05 的像元才标记为显著变化，否则很多弱趋势会被图上颜色放大成“大片变绿”，误导读者。实际写论文、画图时，把“显著变绿”“显著退化”“无显著变化”三类的面积统计出来，比只扔一张斜率图更有说服力。
5. 被问爆的相关 MODIS 产品：气象信息系列与 NPP
5.1 MODIS 里能拿到的“气象相关”数据集
有段时间很多人在后台问我：MODIS 到底有哪些产品能获取气象相关的信息？这里统一说清楚。
严格意义上，MODIS 不是气象卫星，它是遥感对地观测平台，很多产品更偏“地表状态”而不是“气象观测”。但以下产品和气象研究密切相关的变量直接挂钩：
- MOD07_L2：大气剖面产品，包含温度廓线、湿度廓线、大气可降水量等，是做大气校正和天气过程分析的常用辅助数据。
- MOD05_L2：近红外可降水量产品，能反演大气中的水汽总量，对研究降水过程和水循环也很有用。
- MOD06_L2：云产品，包含云顶温度、云顶气压、云相态、云光学厚度等，是天气分析里常用的参数。
- MOD11A1 / MYD11A1：地表温度产品（LST），虽然叫地表温度，但和近地表气温关系密切，很多山区气温插值研究都会用 LST 做协变量。
- MOD13A1：植被指数产品，NDVI/EVI，虽然不是直接的气象变量，但做干旱监测时经常和降水、温度数据联合使用。
这些数据同样可以通过 Earthdata 和 AppEEARS 获取，处理链路和 MOD44B 相似，都是 HDF 瓦片、正弦投影，需要重投影和裁剪。如果你做植被-气候相互作用分析，一般会拿 MOD44B 做植被覆盖变量，再配 MOD11A1 的地表温度和 MOD07 的水汽变量，作为气候侧的解释变量，效果很好。
5.2 MOD17A3H NPP 下载实操记录
MOD17A3H 是年度的 NPP（净初级生产力）产品，空间分辨率 500 米，版本现在以 MOD17A3HGF 为主。很多做碳循环、植被生产力评估的朋友都来问“MOD17 NPP 怎么下载”，其实流程和 MOD44B 一模一样，只是产品代码不同。
走 AppEEARS 的步骤很简单：
- 登录 AppEEARS，点新建任务；
- 在数据列表里搜
MOD17A3HGF，选年份（比如 2000-2020）； - 上传你的研究区 Shapefile，或者在地图上框选范围；
- 指定输出格式为 GeoTIFF、投影为 WGS84；
- 提交任务，等邮件通知下载。
要注意的是，MOD17A3HGF 子数据集不止一个，有 GPP、NPP、NPP_QC 等，需要按需勾选。NPP 的单位是 kg C/m²/year，下载后要先确认数值范围，遇到特别大的值需要查看是否包含填充值。产品说明里通常给了scale_factor，不按缩放直接出图的话，数值会有量级偏差。
另外，MOD17 产品经常更新有不同版本，老版本的数据可能在服务里已经下线。如果你用的是 Earthdata 直接搜 HDF 瓦片，注意把版本号对清楚，.061和.006在文件名里都会有体现。
5.3 一份能少走弯路的 MODIS 数据获取清单
很多新手一上来就埋头下载，结果后期分析时发现缺少气候数据、缺少辅助验证数据，又得重新补。这里分享一份我常用的清单：
- 核心植被覆盖：MOD44B（树覆盖、非树植被、裸地）
- 植被生产力：MOD17A3HGF（NPP/GPP）
- 植被指数：MOD13A1 或 MOD13Q1（NDVI/EVI）
- 地表温度：MOD11A1（逐日）或 MOD11A2（8 天合成）
- 大气水汽：MOD05_L2
- 土壤湿度：SMAP 产品（不是严格 MODIS，但与 MODIS 常配合使用）
- 夜间灯光：NPP-VIIRS（做城市扩张和人类活动影响评估时用）
这套组合基本覆盖了“自然+人为”两类驱动因子的主流变量。做 2000-2020 的中国植被覆盖研究，我建议先把这个清单里的变量下载到本地，后续不管做回归分析还是机器学习驱动因子识别，都不用再为数据来源发愁。
6. 实操过程问题排查与避坑记录
6.1 下载和处理中途最容易暴雷的地方
把实际操作里遇到最多的几个问题整理成一张速查表，遇到相似问题可以直接对症下药：
| 现象 | 原因 | 解决思路 |
|---|---|---|
| HDF 文件打不开 | GDAL 没有编译 HDF4 驱动 | 安装完整版 GDAL，或改用 gisinternals 包 |
| 下载到一半就断 | NASA 服务器连接不稳定 | 使用断点续传脚本，设置失败重试机制 |
| 数据全是 0 或 255 | 没做 NoData 和缩放处理 | 检查产品文档里的 _FillValue 和 scale_factor |
| 拼出来的图有黑缝 | 瓦片边界有重叠或填充值没统一 | 在 gdalbuildvrt 里设置-srcnodata，拼接后统一处理 |
| 不同年份边界对不上 | 重投影范围不一致 | 所有年份在同一个-te和-tr下重采样 |
| 植被覆盖百分比加起来超过 100 | 算法本身存在残差 | 不要强制归一化，保留原始输出做分析 |
| 趋势图上出现大片异常 | 没有用质量层过滤云和水 | 按位解析 Quality 层，建立统一的掩膜 |
这些问题的核心共同点是：你当它是普通图片，但它是科学观测数据。每个产品都带着自己的坐标系、缩放系数、填充值和质量标志，拿到新数据的第一件事绝对不是开心地画图，而是先读产品文档，把元数据搞明白。
6.2 一个典型的全年数据提取流程
这里给一个可以直接参照的全年数据提取流程，它综合了下载、处理和质量控制的关键步骤。
第一步，确定研究区和瓦片号。我一般直接用全国范围的 Shapefile，叠加 MODIS 瓦片网格，自动提取出要下载的瓦片列表。第二步，写下载脚本从 Earthdata 拉取 HDF，每个文件下载后自动校验大小，小于阈值的重新下载。第三步，将每个 HDF 的子数据集拆出来，树覆盖、非树植被、裸地、质量层分别存成 GeoTIFF。第四步，逐年用 gdalbuildvrt 拼接，再统一重投影到 WGS84 并裁剪到研究区。第五步，根据质量层生成掩膜，把云、水体、低质量像元设置为 NaN。第六步，把所有年份堆叠成一个三维数组，做趋势分析、统计面积和画图。
这六步听起来挺线性，实际执行中会有很多循环和调试。比如拆子数据集那一步，HDF4 的路径经常因为文件名里版本号变化而改变，需要写正则表达式去匹配；又比如掩膜处理时，不同年份有效像元数差异较大，后续趋势计算要把有效像元数少于一半的年份像元剔除掉，否则回归结果不稳定。
6.3 我反复踩过、也反复修改的几条心得
第一，不要迷信“一个产品走天下”。MOD44B 确实好用，但它是年度的，只反映一年内覆盖状态的综合，不能看出植物猛然变绿或者叶片凋落的季节变化。如果要做物候分析，需要补充 MOD13Q1 等 16 天合成的植被指数产品。
第二，下载数据时要带着“验证需求”去下。如果你只是为了构图，下载三五年就够用了；但做趋势分析建议把 2000-2020 的完整序列都下齐，因为后续要补某一年的数据是非常痛苦的，NASA 的数据档案虽然保留完整，但下载服务器有速率限制，临时补一两年数据的等待时间比一次下载完整序列更闹心。
第三，质控图一定要留档。很多论文要求提供像元有效数量和掩膜情况的说明，如果处理时没留质控图，后面补绘会非常麻烦。我在处理时会给每一年都出一张“有效像元占比”图，做成一个逐年变化小动画，既能检查数据质量又能给报告添彩。
第四，处理中间文件尽量选择 GeoTIFF 而不是继续用 HDF。HDF 文件虽然保留了最完整的信息，但读取速度慢，而且很多软件对它的支持不完全。拆成 GeoTIFF 后，以后用 QGIS、ArcGIS、Python 都能顺畅操作。当然，原始 HDF 还是要备份一份，防止处理过程出错后无法回头。
最后再分享一个小技巧：做别把全中国放进一幅图里出趋势结果。这个大区域里气候差异太大，同一套趋势参数在东南湿润区和西北干旱区解释力完全不同。我实际操作时是按八大生态区或者省域分区分别统计的，效果比全国一刀切要清楚得多。这个处理方式在写结论时也更有说服力。
