英文题目：Spatiotemporal variation of spring phenology and the corresponding scale effects and uncertainties: A case study in southwestern China
中文译名：春季物候时空变化及其尺度效应与不确定性——以中国西南部地区为例
发表时间：2024年
发表期刊：JAG
第一作者：Chongjing Zhu et al
第一单位：西南大学
DOI：10.1016/j.jag.2024.104294
精选理由：本研究聚焦于中国西南地区金佛山的春季物候变化，深入探讨了不同空间分辨率卫星数据对植被物候监测的影响。通过分析30米Landsat、250米MODIS、500米MODIS等多种遥感数据，研究揭示了春季物候存在普遍的提前趋势（每十年提前6-8天），但不同分辨率的卫星数据对这一趋势的捕捉存在差异。研究发现，数据质量而非物候提取方法是影响结果不确定性的主要因素，且海拔高度是引发偏差的关键因素。此外，MODIS与Landsat数据的物候时间偏差并非所有粗分辨率与细分辨率比较中都普遍存在。这些发现为西南地区植被物候研究提供了重要数据支持，强调了空间分辨率和传感器特性在准确监测物候变化中的关键作用。该研究为未来类似地区的物候监测提供了宝贵的参考和方法论指导。
理解陆地植被物候——即生命周期事件的时序——对深入了解生态系统的能量和物质循环至关重要。从卫星观测中获取的陆地表面物候（LSP）数据已成为追踪大尺度植被物候的重要工具。然而，来自较粗空间分辨率的LSP数据常常混合了多个土地覆盖类型的物候信号，这一限制可以通过高分辨率卫星数据来克服。近期研究表明，由500米分辨率的中分辨率成像光谱仪（MODIS）数据得到的春季物候较来自30米分辨率的Landsat数据的物候偏早，原因在于尺度效应。然而，这种偏差在其他卫星传感器上的表现程度及其对长期物候趋势的影响尚不明确。此外，基于中到高分辨率LSP数据研究中国西南地区的物候变化的研究较少，部分原因是数据可得性有限，这可能加剧了LSP观测中的尺度效应相关的不确定性。为填补这些空白，我们选择了中国西南的金佛山地区——一个具有高空间异质性的区域——来分析春季物候的时空模式，并检验相关的尺度效应和不确定性。我们应用了两种物候反演方法，分析了来自不同传感器的多分辨率LSP数据：30米分辨率的Landsat（1984–2023），250米分辨率的MODIS（2002–2021），500米分辨率的MODIS（2000–2023），1公里分辨率的SPOT（1999–2019），以及8公里分辨率的AVHRR（1982–2022）。我们的研究发现，所有传感器一致地捕捉到了春季物候的空间模式，表明春季物候呈现出每十年提前6至8天的趋势，尽管该趋势的幅度在不同传感器之间有所不同。数据质量而非反演方法，成为表征物候动态的不确定性主要来源，而海拔则由于其与清晰观测次数的负相关，显著地影响了偏差。此外，我们还发现，MODIS与Landsat之间的春季物候偏差可能并不适用于其他粗细分辨率LSP数据的比较。本研究为中国西南地区的物候研究提供了宝贵的见解，突出了空间分辨率和传感器特征对准确植被物候绘制和监测的重要性。
金佛山地区进行了分析，该区域位于中国西南部重庆市和贵州省交界处。
选择金佛山作为案例研究有三个主要原因。
首先，该地区的土地覆盖和地形表现出相当大的空间异质性，与更精细的尺度相比，这可能会降低粗空间分辨率 LSP 观测的代表性。
其次，云层覆盖普遍存在，使从卫星观测中获取一致的物候学变得复杂。全年只有 10% 到 30% 的日子是无云的（Xiao 等人，2021 年），高海拔地区云层覆盖尤其常见，可能会在评估物候变化时引入偏差。
最后，我们对该地区的环境条件和植被物候学有广泛的先验知识。金佛山植被类型多样，以落叶林和常绿阔叶林为主。
本研究揭示了中国西南部金佛山地区春季物候的时空变化，使用了多分辨率的遥感数据（包括30米Landsat、250米MODIS、500米MODIS、1千米SPOT和8千米AVHRR），并运用两种物候提取方法。结果表明，所有传感器都捕捉到了春季物候的空间模式，且春季物候在过去几十年内普遍呈现出6–8天/十年的提前趋势。
研究发现，使用500米MODIS数据提取的春季物候比30米Landsat数据提前，但并非所有粗分辨率与精细分辨率的LSP数据之间都存在一致的尺度效应。尺度效应对不同分辨率数据的影响表现不同，因此，粗分辨率数据并不总是导致物候提前。
通过对不同分辨率的遥感数据进行分析，研究发现，数据质量在物候动态变化中的不确定性比物候提取方法更为重要。地形（如高程）对物候估算有显著影响，尤其是在较高海拔地区，因清晰观测的数量较少，导致SOS（春季绿化开始时间）估算出现偏差。
本研究表明，所有使用的遥感传感器均捕捉到了春季物候的提前趋势，平均速率为6-8天/十年。然而，不同的遥感数据源（如Landsat和MODIS）显示了不同的提前幅度，这反映了空间分辨率的差异和数据质量的影响。
尽管MODIS和Landsat数据之间的物候偏差显示了粗分辨率数据通常会导致物候提前，但这一规律并非普遍适用于所有传感器。尤其是在复杂的地形区域，尺度效应的影响较为复杂，粗分辨率数据并不总能简单地推断为比精细分辨率数据提前。
本研究指出，数据质量（如观测云量和清晰观测的数量）比物候提取方法对物候估算结果的影响更为显著。在复杂地形区域，特别是高海拔地区，较少的清晰观测数据可能引入较大的估算偏差，因此，准确的物候估算依赖于高质量的遥感数据。
图2. (a)不同分辨率下多年平均可用观测数的空间分布。(b) 航天飞机雷达地形测绘任务SRTM DEM 值与不同分辨率下可用观测数之间的相关性。显著性水平用星号表示：*p < 0.05。
图3. 使用贝叶斯陆地表面物候 (BLSP)模型对(a)30米双波段增强植被指数(EVI2)时间序列和(b)8公里归一化差异植被指数(NDVI)时间序列进行拟合的示例，以及(c)使用传统Beck模型对8公里NDVI时间序列进行拟合的示例。
图4. 2002年至2019年期间，根据不同分辨率的植被指数(VI)时间序列得出的平均季节开始(SOS)值。
图5. 相邻分辨率产品的季节开始(SOS)值的比较。图6. 2002年至2019年不同分辨率的季节开始(SOS)值的箱线图。
图7. 不同空间分辨率下年度平均季节开始时间(SOS)的时间趋势。
图8. 季节开始(SOS)的频率分布在不同空间分辨率上的斜率。显著性水平:p<0.05。
表1. 用于陆地表面物候检索的数据集摘要。
E N D
获取方式：关注我们的微信公众“地学韦丰吉司长”。后台回复关键字“36英文”，即可直接获取原文PDF。
温馨提示
声明：本推送文章来源于公开渠道，我们已注明相关信息来源，版权归原作者或出处所有。本推文仅用于学术交流和信息分享，无商业用途。如有侵权，请联系删除。
以上内容为韦丰小编个人论文阅读笔记，内容摘录自原文，中文翻译部分源自AI，如有翻译不准确或详细内容请查阅原始文献。感谢大家花时间阅读本文，小编水平有限，如有错误之处，敬请指正！
