✦+
+
点击蓝字 关注我们
A global estimate of monthly vegetation and soil fractions from spatiotemporally adaptive spectral mixture analysis during 2001–2022
背景介绍
中国农大新闻网讯 近日，土地学院孙强强副教授、孙丹峰教授等在地学和生态学领域最具影响力的数据期刊《地球系统科学数据》（Earth System Science Data）发表论文《基于时空自适应光谱混合分解模型的2001-2022 年全球逐月植被和土壤丰度值产品》。
本研究使用时空自适应光谱混合分解框架创建了一套全球尺度逐月的具有物理意义的植被及土壤丰度值时间序列产品，以综合刻画多要素互动下的陆地生态系统演化路径及驱动机制。
孙强强副教授为论文第一作者，孙丹峰教授为论文共同通讯作者。
受到全球气候变化和人类活动的影响，全球呈现多样的地表演化过程。这些演变过程极大改变了全球碳收支、能量平衡和生物地球化学循环，需要更多中等复杂层次的地表要素来支撑多时空尺度陆地生态系统过程的理解和可持续管理。
本产品旨在将地球陆地表面表征为五个具有物理意义的植被和土壤端元丰度值，包含了光合植被（PV）、非光合植被（NPV）、裸土（BS）、冰或雪（IS）和暗色表面（DA）。并分析了这些丰度之间的动态交互变化，揭示了具有重要意义的多类型稳态转换。
本研究以MCD43A4数据集为基础，在Google Earth Engine（GEE）平台上生成了2001至2022年的月度合成反射率数据集。考虑到全球端元内部和不同端元之间光谱的时空变异性，开发了一种考虑时空变异性端元选择的嵌套框架，在考虑气候和土地覆被多样性的基础上选择了10个典型区域进行了端元选择，以确保时间序列光谱混合分解的准确性和可靠性。为了确保 GEE 中逐像元操作的可行性，考虑光谱曲线之间的相似性，选择层次聚类方法对每个端元的光谱曲线进行聚类。将聚类之后的端元光谱进行组合，得到 692 个组合模型，在 GEE 平台利用完全约束光谱混合分析模型来估计每个组合模型的RMSE，通过RMSE最小原则确定最优组合，实现端元丰度值的估计。
图1 端元选取框架
研究将本产品预测的植被与土壤端元丰度和植被指数（NDVI）和植被连续场产品（MOD44B、GLASS、LAI）以及传统全约束线性光谱混合分解的进行比较，本产品具有较高精度和低不确定性的优势。从时间演变上看，从2001年至2022年，全球光合植被呈现增加趋势9.35×105km2，伴随着NPV减少了2.19×105km2，BS减少了5.14×105km2，DA减少了2.27×105km2。植被和土壤要素时间序列演变趋势在不同气候区呈现明显时空异质性。寒带、旱区及温带光合植被呈现增加趋势，而热带区域光合植被减少带来裸土的增加。本研究采用非参数季节性M-K检验的丰度动态变化识别了不同端元之间的动态交互关系，能够揭示许多具有重要意义的陆地生态系统多稳态转换。例如植树造林活动期间，中国中部和西南部的PV和NPV同时增加；中国和印度农田的PV由于农业集约化的发展而增加；热带地区与由于森林砍伐引起了PV减少和BS增加。该数据集为研究全球近20年的地表演化过程和不同专业领域的综合分析、区域对比提供了相对一致的端元比较空间，可以为陆地系统模型建设提供支撑。
图2 全球植被和土壤要素丰度值空间分布
图3 全球植被和土壤要素丰度值变化特征
图 4 全球植被和土壤要素互动演变典型类型
论文及数据引用：Sun, Q., Zhang, P., Jiao, X., Lin, X., Duan, W., Ma, S., Pan, Q., Chen, L., Zhang, Y., You, S., Liu, S., Hao, J., Li, H., and Sun, D.: A global estimate of monthly vegetation and soil fractions from spatiotemporally adaptive spectral mixture analysis during 2001–2022, Earth Syst. Sci. Data, 16, 1333–1351, https://doi.org/10.5194/essd-16-1333-2024, 2024.
全文链接：https://essd.copernicus.org/articles/16/1333/2024/
数据连接：https://doi.org/10.57760/sciencedb.132873
代码链接：https://doi.org/10.5281/zenodo.10796386.
图文收集 | 林 昕 孙强强
本期编辑 | 李沂珊
统筹策划 | 孙强强
