点击蓝字 关注我们
文章推荐
今天要推荐的这篇文章来自马一川的：
“Quantifying how topography impacts vegetation indices at various spatial and temporal scales”
作者简介：马一川，2024届武汉大学博士，主要研究方向为复杂山地遥感反演。
摘要
<
遥感植被指数已广泛应用于监测区域和全球尺度的植被动态变化。尽管许多研究探究了影响植被指数性能的多种因素，但考虑到现有植被指数均未考虑地形起伏带来的辐射异质性，其在山地是否仍能准确表征地表植被状况还需进一步探索。本研究通过对十种植被指数进行了山地多时空尺度的系统评价，填补了这一空白。研究采用了三种独立的评估策略，包括解析辐射传输模型，三维辐射传输模型和MODIS产品用于评估。两种辐射传输模型在特定地形条件下提供了理论评估结果，有助于首次探索山地阴影和空间尺度效应对植被指数的影响。基于MODIS的评估分别对比了MODIS-Terra和MODIS-Aqua在平坦和崎岖地形上植被指数的差异，提供了多时间尺度（从日尺度到多年尺度）卫星数据的评估结果。本研究在模型模拟和卫星影像评估中表现出一致的结果，有三个主要发现：（1）归一化差值植被指数（NDVI）对地形最不敏感，但所有植被指数在阴影区域表现不佳（如NDVI在非阴影区域的平均相对误差（MRE）达到14.7%，在阴影区域则为26.1%）。（2）地形影响在多时空尺度都不容忽视。例如，日尺度NDVI在30米和3公里分辨率下的MRE分别达到28.5%和11.1%。MODIS-Terra和MODIS-Aqua之间的季度和年度植被指数偏差随坡度增加。（3）研究发现地形会带来植被指数多年趋势计算的偏差。在青藏高原区域，2003–2020年期间，随着坡度增加，基于MODIS-Terra和MODIS-Aqua的植被指数趋势偏差增加（即NDVI和增强型植被指数（EVI）在坡度＞15°区域的趋势偏差是坡度＜5°区域的一倍以上）。总体而言，地形起伏导致的太阳-地表-传感器几何变化，造成了山地阴影和传感器观测的问题，削弱了现有植被指数的可靠性。该研究强调了地形效应，特别是阴影，对多时空尺度植被指数的影响，建议在山地谨慎使用植被指数进行应用分析。
图1展示了地形效应对植被指数的影响机制，地形起伏改变了太阳-地表-传感器的几何关系进而影响了山地区域卫星信号。
图1 地形起伏导致的太阳-地表-传感器几何变化示意图（子图b和c分别对应a中两个观测方向接收到的信号）
为系统探索和量化地形效应对植被指数的影响，研究选取了三种独立的评估策略（如图2）：（1）解析辐射传输模型，其可以模拟不同太阳、地表、大气和地形条件下的地表反射率，进而量化受地形影响和不受地形影响的植被指数的差异。（2）三维辐射传输模型（LESS模型），其相对解析辐射传输模型可以进一步模拟冠层结构和地形起伏对植被指数的复杂作用机制，同时在不同空间尺度开展评估。（3）基于MODIS产品的评估，考虑MODIS-Terra和MODIS-Aqua不同的过境时间（不同的太阳角度和观测角度），量化两者植被指数的差异随地形的变化，可以量化日尺度（日内无云影像）到多年尺度（合成植被指数）受地形的影响程度。为保证评估的可靠性和鲁棒性，选取了全球分布的典型山地区域开展研究（图3）。
图2 本研究所用的三种评估策略（不同颜色）
图3 研究区（8个红色叉号为3 km×3 km三维辐射传输模拟区域，4个蓝色方框为1°×1°MODIS评估范围，青藏高原区域被用于长时序MODIS评估区）
基于解析辐射传输模型的评估
<
图4展示了非阴影条件下，多种大气、太阳角度、地物光谱组合模拟的植被指数随天空可视因子（SVF）和相对入射角度变化的平均相对误差（MRE）。总体来说，多种植被指数随地形逐渐陡峭误差逐渐增大，NDVI对地形最不敏感（最大MRE达到14.7%）。图5展示了阴影条件下多种植被指数的误差变化。类似地，NDVI表现出最好的性能，但所有植被指数在阴影条件下都有更不容忽视的地形效应（NDVI最大MRE为26.1%）。
图4 非阴影条件下多种植被指数平均相对误差（MRE）随地形条件的变化
图5 阴影条件下多种植被指数平均相对误差（MRE）随地形条件的变化
基于三维辐射传输模型的评估
<
图6基于三维辐射传输模拟，直观展示了地形效应对年内NDVI的影响。随着太阳角度变化，植被指数受地形控制明显，且在冬季这一影响更大（阴影效应更加明显）。图7展示了3 km分辨率下植被指数在不同场景和不同时间条件下受地形影响的程度。结果表明，太阳角度、观测角度、冠层结构等信息与地形共同影响植被指数在山地的可靠性，普遍来说，地形效应在冬季对植被指数的影响更大。另外，即使是NDVI，在公里分辨率下受地形的影响程度也会超过10%，证明了多空间尺度地形对植被指数的影响都不容忽视。
图6 三维辐射传输模拟的NDVI时序变化（青藏高原局部，仅改变太阳角度，保持地表状态不变）
图7 全部8个三维辐射模拟研究区（无冠层和有冠层）不同植被指数MRE随DOY的变化（3 km分辨率下）
基于MODIS产品的评估
<
上述辐射传输模型提供了理论评估结果，而真实的遥感产品往往有更复杂的场景，其如何受地形影响还需进一步探索。本研究利用MODIS不同时刻观测得到的植被指数差异来评估多时间尺度植被指数在山地的鲁棒性。图8展示了MODIS-Terra和MODIS-Aqua的NDVI差异示例，NDVI差异随坡度明显增大。图9展示了在全球分布的四个典型地区的MODIS-Terra和MODIS-Aqua对比结果，所有植被指数在地形陡峭地区都有更大差异。且与辐射传输模型结果相同的是，NDVI对地形最不敏感，NIRv对地形最敏感，说明本研究所用三种独立评估策略的一致性。
以上评估分析都针对日尺度无云植被指数，但在实际应用中，常用经过合成的植被指数以减小云的干扰。本研究对比了季度尺度、年度尺度到多年时间序列植被指数是否会受地形影响（图10）。研究表明，即使是年度平均和长时间趋势，MODIS-Terra和MODIS-Aqua的差异都随坡度增大，即坡度>15°的NDVI和EVI差异约为坡度<5°的两到三倍。这一结果说明地形起伏导致的太阳-地表-传感器几何变化（图1）带来的植被指数计算的问题在更长的时间尺度仍然存在，建议在未来研究中谨慎应用植被指数开展山地相关应用。
图8 中国张掖地区（1°×1°）MODIS-Terra和MODIS-Aqua的NDVI差异（左上角为坡度图）和不同坡度范围NDVI差异的箱型图（蓝色为坡度小于5度，红色为坡度大于5度）。
图9 全部4个1°×1°MODIS选取MODIS-Terra和MODIS-Aqua的植被指数差异随坡度的变化（蓝色为坡度小于5度，红色为坡度大于5度）
图10 青藏高原地区2003-2020年MODIS-Terra和MODIS-Aqua最大值合成NDVI和EVI的差异(a, c)以及长时序趋势差异(b, d)
1、利用辐射传输模型和MODIS产品量化了植被指数的地形效应
2、在多时空尺度（30 m到3 km，日尺度到年尺度）地形对植被指数的影响都不容忽视
3、NDVI相对其他植被指数对地形更不敏感，但所有植被指数在阴影区域都表现不佳
4、地形会导致基于植被指数的长时序趋势分析存在偏差
Ma, Y., He, T., McVicar, T.R., Liang, S., Liu, T., Peng, W., Song, D.-X., & Tian, F. (2024). Quantifying how topography impacts vegetation indices at various spatial and temporal scales. Remote Sensing of Environment, 312, 114311
https://doi.org/10.1016/j.rse.2024.114311
编辑丨韩佳璇
校审丨马一川
点击“阅读原文”查看完整文章
