摘要
Advanced Very High-Resolution Radiometer (AVHRR) satellite observations have provided the longest global daily records from 1980s, but the remaining temporal inconsistency in vegetation index datasets has hindered reliable assessment of vegetation greenness trends. To tackle this, we generated novel global long-term Normalized Difference Vegetation Index (NDVI) and Near-Infrared Reflectance of vegetation (NIRv) datasets derived from AVHRR and Moderate Resolution Imaging Spectroradiometer (MODIS). We addressed residual temporal inconsistency through three-step post processing including cross-sensor calibration among AVHRR sensors, orbital drifting correction for AVHRR sensors, and machine learning-based harmonization between AVHRR and MODIS. After applying each processing step, we confirmed the enhanced temporal consistency in terms of detrended anomaly, trend and interannual variability of NDVI and NIRv at calibration sites. Our refined NDVI and NIRv datasets showed a persistent global greening trend over the last four decades (NDVI: 0.0008 yr−1; NIRv: 0.0003 yr−1), contrasting with those without the three processing steps that showed rapid greening trends before 2000 (NDVI: 0.0017 yr−1; NIRv: 0.0008 yr−1) and weakened greening trends after 2000 (NDVI: 0.0004 yr−1; NIRv: 0.0001 yr−1). These findings highlight the importance of minimizing temporal inconsistency in long-term vegetation index datasets, which can support more reliable trend analysis in global vegetation response to climate changes.
甚高分辨率辐射计（AVHRR）卫星观测提供了自1980年代以来最长的全球每日记录，但植被指数数据集在时间上的不一致性阻碍了对植被绿化趋势的可靠评估。为了解决这个问题，我们生成了新型的全球长期归一化植被指数（NDVI）和植被近红外反射率（NIRv）数据集，这些数据集来源于AVHRR和中分辨率成像光谱仪（MODIS）。我们通过三步后处理来解决残余的时间不一致性，包括AVHRR传感器间的交叉传感器校准、AVHRR传感器的轨道漂移修正以及基于机器学习的AVHRR与MODIS之间的协调。在应用每一步处理后，我们确认了NDVI和NIRv在校准站点上的时间一致性得到了增强，包括去趋势异常、趋势和年际变化。我们的改进版NDVI和NIRv数据集显示，在过去40年中，全球呈现出持续的绿化趋势（NDVI：0.0008 yr−1；NIRv：0.0003 yr−1）；而未经过这三个处理步骤的数据集则显示出2000年前的快速绿化趋势（NDVI：0.0017 yr−1；NIRv：0.0008 yr−1）和2000年后的减弱的绿化趋势（NDVI：0.0004 yr−1；NIRv：0.0001 yr−1）。这些发现凸显了尽量减少长期植被指数数据集的时间不一致性的重要性，这有助于对全球植被对气候变化的响应进行更可靠的趋势分析。
亮点
Showed persistent global greening from 1982 to 2021 after addressing temporal inconsistency（解决时间不一致性后，显示了1982-2021年全球持续绿化的趋势）
Revealed the substantial impact of temporal inconsistencies in vegetation index datasets on global long-term trends（揭示了植被指数数据集中的时间不一致性对全球长期趋势的重大影响）
主要图表
表1用于处理 AVHRR LTDR V5 的卫星列表。
图1 1982-2021年间，伪不变校准站点（PICS）上交叉校准和原始LTDR AVHRR近红外（NIR）（a-b）、红光反射率（c-d）、NDVI（e-f）和NIRv（g-h）的平均比较。总共使用了26个PICS进行校准（左图，20个站点）和验证（右图，6个站点）。灰色点表示原始LTDR AVHRR数据，黑色点表示交叉校准后的AVHRR数据。
图2 原始 LTDR、交叉校准和轨道校正的 AVHRR 光谱反射率（a-b）和植被指数（c-d）在伪不变校准点（PICS）站点上 1982-2021 年间的去趋势异常对比。蓝色虚线表示 LTDR 数据，橙色虚线表示交叉校准数据，绿色虚线表示轨道校正后的年平均 AVHRR 数据。黑色虚线则表示 PICS 的年平均太阳天顶角。
图3 1982-2021年间，在伪不变校准站点（PICS）上轨道校正的AVHRR数据与协调AVHRR数据的去趋势异常（a-b）、趋势（c）和年际变率（d）的比较。（a）和（b）中的粗线表示平均去趋势异常。不同颜色分别代表轨道校正数据（绿色）和协调数据（红色）。
图4 2000-2021年间，协调后的AVHRR与MODIS NDVI（a）和NIRv（b）之间月度决定系数（R²）的空间分布。具有统计显著趋势的像素（Mann-Kendall检验，p < 0.1）用不同颜色表示。统计上不显著的像素以及非植被像素用白色标记。
图5 协调后的AVHRR（蓝色）（a-f）与MODIS（红色）（g-l）NDVI和NIRv的季节性模式比较。细线表示2000-2021年间每年的季节性模式，粗线表示平均的季节性模式。
图6 2000-2021年协调后的AVHRR与MODIS NDVI （a）和 NIRv （b）的一致性空间分布。红色表示一致，黄色表示不一致，白色表示无植被像素。
图7 全球长期AVHRR NDVI （a）和 NIRv （b）不同处理水平的时间动态。不同颜色分别表示原始LTDR（蓝色）、交叉校准（橙色）、轨道校正（绿色）和协调（红色）的NDVI和NIRv。
图8 1982-1999年和2000-2021年长期AVHRR NDVI （a-b）和 NIRv （c-d）不同处理水平的年异常值。不同颜色分别表示原始LTDR（蓝色）、交叉校准（橙色）、轨道校正（绿色）和协调（红色）的NDVI和NIRv。
图9 长期趋势中不同处理效果的相对比较，涉及NDVI和NIRv，涵盖1982-1999年和2000-2021年。处理效果的最大影响用以下颜色标记：交叉校准（红色）、轨道校正（黄色）和协调（绿色）。
引用方式
Jeong, S., Ryu, Y., Gentine, P., Lian, X., Fang, J., Li, X., ... & Prentice, I. C. (2024). Persistent global greening over the last four decades using novel long-term vegetation index data with enhanced temporal consistency. Remote Sensing of Environment, 311, 114282. https://doi.org/10.1016/j.rse.2024.114282
