基于LST-hc特征空间归一化的地中海森林湍流通量遥感估算新方法

《Science of Remote Sensing》：Combining Landsat optical/thermal and LiDAR High Definition data to estimate turbulent fluxes over Mediterranean forests

为解决地中海森林因冠层高度( hc )异质性导致LST-fgv特征空间估算蒸散发( EF )的偏差问题，本研究提出LSTnorm-fgv新方法。通过LiDAR获取 hc 数据并构建LST-hc特征空间，定量分析 hc 对LST的影响规律，进而对LST进行 hc 效应归一化。在法国南部两个典型站点验证表明，新方法显著提升感热通量( H )和潜热通量( LE )估算精度，为复杂地形区域能量平衡研究提供可靠技术支撑。

　　

在地中海地区，森林生态系统面临着日益严峻的水分胁迫和气候变化挑战。准确估算地表能量通量，特别是感热通量( H )和潜热通量( LE )，对于理解植被水分利用效率、预测干旱响应以及管理水资源至关重要。遥感技术，尤其是基于地表温度( LST )与植被指数(如 f_gv )的特征空间方法，已成为区域尺度估算蒸散发( EF )的有效工具。然而，在地形复杂、植被结构异质性高的地中海森林中，传统的LST-f_gv特征空间方法面临着一个关键挑战：冠层高度( hc )的显著空间变异会强烈影响LST的观测值，从而干扰对地表水分状况的准确解读。较高的冠层通常具有更低的LST，这并非 solely 源于更好的水分状况，而是与冠层结构相关的湍流交换效率改变有关。这种“ hc 效应”若未被充分考虑，会导致基于LST的 EF 估算产生系统性偏差，限制了该方法在复杂生态系统中的应用可靠性。

为了克服这一局限，本研究发表在《Science of Remote Sensing》上，提出了一种创新的方法：通过整合机载激光雷达(LiDAR)获取的高分辨率 hc 数据，对LST进行 hc 效应的归一化处理，进而构建新的LST_norm-f_gv特征空间来估算 EF 。研究旨在定量评估 hc 对LST的影响，开发相应的归一化方法，并与经典方法进行比较验证。

研究人员在法国南部两个典型的地中海森林站点——Puechabon（以冬青栎为主的常绿阔叶林）和Fontblanche（以阿勒颇松和冬青栎为主的混交林）——开展了深入研究。研究时段覆盖了2013年至2022年的暖季（4月至10月）。关键技术方法包括：利用Landsat系列卫星影像反演LST和 f_gv；通过机载LiDAR数据提取高精度的 hc 信息；结合地面涡动相关(EC)通量塔的连续观测数据（包括 H 、 LE 、净辐射 R_n 、气温 T_air 、风速 WS 、相对湿度 RH 等）进行验证和模型驱动；采用基于能量平衡(EB)原理的模型辅助确定特征空间的干边；以及运用统计方法（如分位数回归）界定LST-hc和LST-f_gv特征空间的干湿边。

LST随 hc 的递减规律分析

研究首先构建了LST-hc二维特征空间。结果显示，在所有研究日期和两个站点上，LST均随 hc 的增加呈现明显的线性递减趋势，形成了清晰的上边界（干边）。该干边的斜率代表了LST随 hc 增加的递减率，平均约为-0.53 ± 0.14 K m^-1。通过线性外推该干边至与气温( T_air )相等的位置，定义了一个关键参数 hc_max ，其值在两个站点的中位数分别为42米（Puechabon）和35米（Fontblanche），所有数据的整体中位数为39米。这表明当冠层高度超过 hc_max 时，LST将与 T_air 接近，湍流通量与LST的解耦程度增加。这一发现得到了基于莫宁-奥布霍夫相似性理论的能量平衡模型模拟的支持，模拟结果同样显示了 T_vd （植被干端温度）随 hc 增加而降低的趋势，验证了观测到的LST-hc关系的物理合理性。

湍流通量估算结果与比较

基于上述发现，研究提出了新的估算框架：首先利用估算的干边斜率将原始LST归一化到参考高度（ hc = 0 ）的理想状况，得到LST_norm 。然后，在LST_norm-f_gv特征空间内，采用三种方案估算 EF ：1）经典上下文法LST-f_gv(context)；2）新上下文法LST_norm-f_gv(context)，使用统计方法确定干边；3）新能量平衡法LST_norm-f_gv(EB)，使用能量平衡模型确定干边。

对两个站点EC测量值的验证表明：

• ••
  与经典LST-f_gv(context)方法相比，两种新方法（特别是LST_norm-f_gv(EB)）显著提高了 H 和 LE 估算的准确性。例如，在Fontblanche站点，LST_norm-f_gv(EB)方法将 H 估算的均方根误差(RMSE)从经典方法的约110 W m^-2降低至约75 W m^-2，相关系数( R )从0.6左右提升至0.8以上。
• ••
  新方法有效缓解了经典方法因 hc 变异引起的高估或低估问题。特别是在冠层高度变化较大的Fontblanche站点，改进效果更为明显。
• ••
  敏感性分析显示，新方法对输入气象数据（如来自站点观测或SAFRAN再分析数据）的不确定性具有一定的稳健性，但采用更准确的气象输入能进一步提升估算精度。使用固定的区域代表性 hc_max 值（All-Site）或站点特定值（Per-Site）对结果影响较小，表明该方法具有一定的普适性。

研究结论与意义

本研究的核心结论是，冠层高度( hc )是影响地中海森林地表温度( LST )空间格局的关键因子，其效应是系统性的且可量化。忽略这一效应会导致基于LST-f_gv特征空间的蒸散发( EF )和湍流通量( H , LE )估算产生显著偏差。

本研究发展的LST_norm-f_gv方法，通过整合LiDAR衍生的 hc 信息对LST进行归一化，有效剥离了冠层结构效应，使特征空间更能真实反映地表水分胁迫状况。这不仅提高了遥感估算湍流通量的精度，更重要的是，为在植被结构复杂的生态系统（如山地森林、混交林）中可靠应用热红外遥感技术开辟了新途径。

该方法的成功应用，对于改进区域水循环模型、评估生态系统对气候变化的响应、以及指导干旱半干旱地区的水资源管理和生态保护具有重要的科学意义和实践价值。未来研究可进一步探索该方法在不同气候带、不同植被类型区的适用性，并考虑将其与更高时空分辨率的遥感数据（如Sentinel系列）相结合，以提升监测能力。