基于MODIS和VIIRS植被产品的全球动态栖息地指数（DHIs）

《Remote Sensing of Environment》：Global dynamic habitat indices (DHIs) based on MODIS and VIIRS vegetation products

全球动态栖息地指数（DHIs）基于MODIS C6.1和VIIRS V2植被产品（NDVI、EVI、fPAR、LAI、GPP）生成，包含质量评估层和不确定性指标，经2013-2022年多时相分析验证，有效预测鸟类、哺乳类、两栖类及爬行类物种丰富度，VIIRS DHIs整体表现更优，但MODIS Terra GPP DHIs预测精度最高，成果被NASA纳入地球数据产品体系。

　　本研究聚焦于全球生物多样性监测中一个关键工具——动态栖息地指数（Dynamic Habitat Indices, DHIs）的更新与改进。随着土地利用变化、外来物种入侵和气候变化等多重因素对生物多样性构成严重威胁，迫切需要高精度的卫星数据产品来支持相关研究和保护行动。DHIs作为衡量植被生产力的三大维度（即可用能量、环境压力和环境稳定性）的代理指标，已被广泛应用于预测物种多样性，特别是在全球范围内，DHIs能够解释超过60%的两栖动物、鸟类和哺乳动物的物种丰富度变化。然而，目前的DHIs产品存在一些局限性，如基于较旧的MODIS Collection 5数据，缺乏质量标志和不确定性估计，这限制了其在实际应用中的可靠性与可操作性。

为了应对这些挑战，本研究提出并实施了四个核心目标：第一，利用MODIS Collection 6.1和VIIRS Version 2的最新植被数据产品（包括NDVI、EVI、fPAR、LAI和GPP）生成全球范围内的DHIs；第二，创建质量评估层和不确定性地图，以确保DHIs的准确性和可解释性；第三，比较不同传感器（MODIS和VIIRS）及不同植被产品（如NDVI、EVI、GPP等）所生成的DHIs在空间分布上的差异；第四，评估更新后的DHIs在预测全球范围内不同类群（两栖动物、鸟类、哺乳动物和爬行动物）物种丰富度方面的表现。这些目标旨在提高DHIs的科学价值，使其能够更有效地支持生物多样性研究和生态保护决策。

植被生产力是生态系统功能和生物多样性分布的重要驱动因素之一。根据不同的生态假说，植被生产力的不同方面对物种丰富度具有不同的影响。例如，可用能量假说认为，植被生产力越高，物种丰富度也越高；环境压力假说则指出，植被生产力在某些时间段较低的地区，物种丰富度也会相应降低；而环境稳定性假说强调，植被生产力在一年内波动较大的地区，其物种丰富度会相对较低。这些假说为理解生物多样性提供了理论基础，也促使科学家们通过遥感数据来量化植被生产力的三个关键维度，进而构建DHIs。

现有的DHIs产品主要基于MODIS Collection 5的植被数据，而MODIS传感器由于老化和性能下降，其数据质量在近年来受到了一定影响。为了解决这一问题，NASA推出了MODIS Collection 6.1，该版本通过改进大气校正和校准方法，提高了数据的可靠性与连续性。同时，VIIRS传感器自2012年起开始提供数据，其设计初衷是支持国家海洋和大气管理局（NOAA）和美国国防部（DoD）的监测需求，因此在植被数据产品方面具有较高的分辨率和更全面的覆盖范围。然而，由于MODIS和VIIRS在数据采集方式、传感器特性以及处理算法上的差异，其生成的DHIs在空间分布和统计特性上也可能存在显著不同。因此，有必要基于这些更新的卫星数据重新构建DHIs，以确保其在全球生物多样性研究中的适用性和准确性。

在数据处理过程中，研究团队首先对MODIS C6.1和VIIRS V2的植被数据进行了多年的复合处理，时间跨度为2013年至2022年，以确保DHIs在时间维度上的稳定性。这一处理方式有助于消除短期气候波动或传感器误差带来的影响，从而更准确地反映植被生产力的长期趋势。同时，为了提高DHIs的可靠性，研究团队还引入了质量控制（Quality Control, QC）元数据，这些元数据能够用于生成质量评估层（Quality Assessment, QA）和不确定性地图。通过这些评估手段，研究者可以更清楚地了解DHIs在不同区域的可信度，并据此选择最适合特定研究需求的数据产品。

研究结果显示，基于MODIS C6.1和VIIRS V2生成的新DHIs在空间分布上表现出高度的一致性。例如，累积DHI（Cumulative DHI）主要集中在赤道附近的热带和亚热带湿润阔叶林区，如巴西北部、刚果和印度尼西亚群岛，这些地区通常具有较高的植被生产力和丰富的物种多样性。相反，低累积和低最小DHI则主要出现在干旱沙漠、寒冷高原和极端环境区域，这些地方的植被生产力较低，因此可能支持较少的物种。此外，VIIRS生成的DHIs在大多数情况下表现优于MODIS，特别是在预测不同类群的物种丰富度方面。然而，MODIS Terra的GPP-based DHIs在预测所有四类动物（两栖动物、鸟类、哺乳动物和爬行动物）的物种丰富度时展现出最高的准确性，这可能与GPP数据在反映植被生产力方面的独特优势有关。

在质量评估方面，研究团队发现，MODIS Terra的EVI和NDVI-based DHIs在整体质量上优于其他产品，其不确定性较低，且质量标志较为可靠。这表明，在某些情况下，EVI和NDVI可能比GPP更适合作为DHIs的构建基础。然而，GPP-based DHIs在预测物种丰富度方面表现更为出色，尤其是在北美和亚洲的多个研究区域中，GPP数据能够更精确地捕捉植被生产力的变化，从而更有效地支持生物多样性研究。因此，研究团队建议，在不同的应用场景中，应根据具体需求选择合适的植被数据产品来构建DHIs。

此外，研究还发现，不同植被产品在构建DHIs时可能产生不同的空间分布模式。例如，NDVI和EVI主要反映植被的覆盖度和光合作用能力，而LAI和fPAR则更多地关注植被的结构和功能特性。GPP则直接衡量植被的初级生产力，能够更全面地反映生态系统的能量流动情况。这些不同的数据产品在构建DHIs时可能会导致不同的结果，因此在实际应用中，研究者需要充分考虑这些差异，并结合具体的生态研究目标来选择最合适的指标。

从生态学的角度来看，DHIs的构建和应用不仅有助于理解生物多样性与植被生产力之间的关系，还能够为全球范围内的生态保护提供科学依据。例如，通过分析DHIs的空间分布，可以识别出那些具有高植被生产力、低环境压力和稳定环境条件的地区，这些地区可能更适合作为生物多样性热点区域进行重点保护。同时，DHIs的不确定性评估也为研究者提供了重要的参考信息，使他们能够在不同的区域和不同的物种类群之间做出更合理的判断。

在全球尺度上，DHIs已被证明能够有效预测不同类群的物种丰富度。然而，由于爬行动物的全球评估工作直到2022年才完成，因此之前的DHIs研究并未包括爬行动物。本研究填补了这一空白，评估了DHIs在预测爬行动物物种丰富度方面的表现。结果显示，基于MODIS C6.1和VIIRS V2的DHIs在预测爬行动物丰富度时的误差率（RMSE）为13.40%，这表明虽然DHIs在预测爬行动物丰富度方面不如其他类群那么准确，但仍然具有一定的应用价值。因此，本研究不仅扩展了DHIs的应用范围，也为爬行动物的生态研究提供了新的数据支持。

在实际应用中，DHIs的高空间分辨率（500米）使其能够更精细地反映植被生产力的变化，这对于生物多样性监测和生态保护具有重要意义。传统的1公里分辨率DHIs可能无法捕捉到一些小尺度的生态特征，而500米分辨率的数据则能够提供更详细的信息，从而支持更精确的生态分析。此外，新的DHIs产品还包含了质量评估层和不确定性地图，这些信息能够帮助研究者更好地理解数据的可靠性，并在不同的区域和物种类群之间进行合理的比较和分析。

综上所述，本研究通过利用最新的卫星数据产品，成功更新了全球范围内的DHIs，并对其质量与不确定性进行了系统评估。研究结果表明，新DHIs在预测全球物种丰富度方面表现出较高的准确性，特别是在使用GPP数据构建的DHIs中，其预测能力得到了显著提升。同时，质量评估和不确定性分析为DHIs的进一步应用提供了重要保障，使其能够更广泛地用于生态研究和生物多样性保护。这些更新不仅提高了DHIs的科学价值，也为全球生物多样性监测提供了一个更加可靠和精确的数据工具。