![]()
![]()
近日，《Remote Sensing》上刊发我组师生参与的最新成果：“Matching spring phenology indicators in ground observations and remote-sensing metrics”。本文基于Sentinel-2和USA-NPN数据调查了遥感物候指标SOS与春季地面各种植被物候指标的相关性，建立了叶展程度(LUD)与SOS之间的定量关系。本文作者为Junfeng Xu（共同一作），Ting Wu（共同一作），Dailiang Peng（通讯作者），Xuewei Fu，Kai Yan，Zihang Lou，Xiaoyang Zhang。
基于传统观测方法得到的地面物候数据是开展遥感物候产品真实性检验的重要基础。然而，由于观测尺度和指标定义上的不同，大部分研究均发现两者之间存在巨大差异。遥感物候产品实际表征的植被物候信息仍然存在不确定性，需要选取合适的物候指标以进一步开展质量评估与验证工作。本篇研究调查了春季遥感植被物候与地面植被物候之间的关系，尝试寻找可用于验证或评估遥感物候产品的指标。
卫星遥感是开展高时空分辨率大尺度物候观测的重要手段。由于观测指标和尺度的差异，许多遥感物候产品的精度与可靠性难以直接通过地面观测数据进行验证，进一步阻碍了这些产品的推广应用。本研究基于Sentinel-2卫星数据和美国国家物候网络(USA-NPN)数据开展了春季地面所有物候阶段指标与基于遥感的植被生长季开始日期(SOS)之间关系的全面探究，并讨论了温度、降水、太阳辐射等环境因子及不同生态区域对两者表现差异的影响。 卫星遥感数据：Sentinel-2地表反射率，研究时段为2016-2021年；地面物候观测网络：USA-NPN (USA National Phenology Network)，研究时段为2016-2021年；气候数据集：DaymetV4（Daily Surface Weather and Climatological Summaries Version 4）。 本研究基于Sentinel-2地表反射率数据，使用S-G滤波和多项式曲线拟合(PCF)得到逐日NDVI数据集，结合动态阈值法和最大斜率法获取植被SOS信息。通过相关分析确定与SOS显著相关的物候指标，然后将其细化为展叶程度(LUD)，利用Weibull分布量化到1%的精度，进而模拟与分析LUD和SOS之间的关系以及各环境因素的影响。![]()
本研究使用的四个生态分区与土地覆盖类型的叠加
春季地面观测物候数据的统计结果以及将原始17种物候阶段整合为7种的具体细节
![]()
![]()
基于Weibull分布模拟LUD的流程
![]()
SOS与地面各植被物候指标的相关性
![]()
2016-2021年叶片（生长）阶段和叶片增大阶段的地面观测和遥感春季物候趋势
![]()
(a)叶片增大阶段和(b)叶片（生长）阶段的SOS与地面LUD之间的关系
![]()
(a)SOS与相应模拟LUD之间的差异，(b)模拟LUD的不同值与SOS对应的频率分布
![]()
SOS与6种最常见的LUD值的关系
![]()
平均温度、季前累计降水、季前累计辐射分别与SOS–LUD13%的散点图
不同种类植被的SOS–LUD13%与环境因素的相关性
![]()
不同生态区SOS–LUD13%与环境因素的相关性
![]()
基于遥感获取的SOS与地面春季物候具有显著相关性，尤其在叶片（生长）阶段和叶片增大阶段等方面，其与13%的LUD最接近。遥感与地面春季物候结果的一致性随植被种类和生态环境而变化，季前累计辐射是影响两者匹配程度的主要因素。本文建立了基于地面观测的LUD与遥感物候指标SOS之间的量化关系，能够为选取合适指标进行遥感物候产品的质量评估提供支持，但地面观测与遥感之间的尺度差异仍然存在，需要对地面物候数据进行合理的尺度转换以更好应用本研究的结果。此外，为了提高从不同地区和时间段获得的物候参数结果的可比性和时空一致性，需要进一步研发普遍适用的物候提取算法。
XU, J., WU, T., PENG, D., FU, X., YAN, K., LOU, Z. & ZHANG, X. 2024. Matching Spring Phenology Indicators in Ground Observations and Remote-Sensing Metrics. 16, 2309.https://doi.org/10.3390/rs16132309受笔者水平所限，
本解读难免存在不足之处，
内容仅供学术探讨！
文稿：黄 诚
遥感模型构建 | 地表参数反演
遥感产品验证与分析 | 植被与气候动态响应
