编辑推荐：
为解决野外观测与遥感像素的空间不匹配和尺度效应问题，研究人员开展基于空间异质性和时间一致性的粗分辨率 AVHRR 森林物候产品验证研究。开发 MSPT 框架评估观测数据空间代表性，结果显示其显著提升验证性能，为解决尺度不匹配提供新视角。
植被物候作为气候变化最敏感的生物指标，与生物多样性、生态系统碳循环和水循环等紧密相关。卫星遥感虽能提供大尺度物候数据，但粗分辨率产品（如 AVHRR）与野外观测之间存在空间不匹配和尺度效应，直接对比会导致误差和不确定性增加。如何评估野外观测数据在粗分辨率下的空间代表性，成为制约遥感物候产品准确验证的关键问题。
为攻克这一难题，研究人员开展了针对全球森林物候野外观测数据的空间代表性评估研究，并探索其在粗分辨率 AVHRR 物候产品验证中的应用。该研究由多个机构合作完成（文中未明确第一作者单位具体信息），相关成果发表在《Ecological Informatics》。
研究主要采用以下关键技术方法：首先构建 MSPT（Main land cover type, Spatial heterogeneity, Point-area consistency, Temporal consistency）评估框架，结合 MODIS 土地覆盖产品（MCD12Q1、MCD12Q2）和 MOD13Q1 植被指数数据，从主要土地覆盖类型、空间异质性、点面一致性和时间一致性四个维度，对 8 个常用物候数据集（如 USA-NPN、PEP725、FLUXNET2015 等）进行分析。通过计算主土地覆盖类型比例（MLCTP）、空间异质性标准差（sd）、相对绝对误差（RAE）和瞬时相位同步性（IPS）等指标，筛选出空间代表性强的观测点。
4.1 空间代表性评估结果
- 4.1.1 主要土地覆盖类型：筛选出森林覆盖超 60% 的观测点作为 Level 1 数据，SOS 和 EOS 分别有 2577 和 1691 条观测数据，以落叶阔叶林（DBF）和混交林（MF）为主。
- 4.1.2 空间异质性与点面一致性：SOS 的 sd 中位数为 5.48 天，EOS 为 4.24 天，多数站点异质性低。通过百分位阈值法筛选出 sd 和 RAE 低于 60% 的数据，分别得到 872（SOS）和 584（EOS）个站点进入 Level 2。
- 4.1.3 时间一致性：利用 NDVI 时间序列和瞬时相位同步性分析，选取 MIPS>0.9 的站点作为 Level 3，最终筛选出 574（SOS）和 396（EOS）个空间代表性强的观测点，主要分布在欧美和中国。
4.2 方法可靠性验证
与传统方法相比，MSPT 显著提升验证精度。SOS 的 RMSE 从 49.70 天降至 33.75 天，PBIAS 从 - 0.14 改善至 0.03；EOS 的 RMSE 从 83.42 天降至 42.53 天，PBIAS 从 0.15 降至 0.08。Taylor 图分析显示，MSPT 所选数据与卫星产品的相关性（R）和一致性显著提高。
研究结论表明，MSPT 框架通过多维度量化评估，有效解决了粗分辨率遥感验证中野外观测的空间代表性难题。即使在森林覆盖区域，空间异质性和点面不一致性仍普遍存在，而 MSPT 能精准筛选出高代表性站点，将验证误差降低 31.05%-51.37%。该方法无需先验生态知识，适用于全球观测网络，为遥感物候产品验证提供了可重复、可扩展的新范式。研究同时指出，未来可结合物种组成遥感反演和升尺度技术，进一步提升观测数据的利用率，为全球生态监测和气候变化研究提供更可靠的支撑。
