全球干旱区植被物候数据集（GDPD）的构建与验证：基于动态阈值的高分辨率遥感监测新方法

本研究针对全球干旱区植被物候监测的挑战，开发了基于MODIS NBAR数据（500米/日）和动态像素级振幅阈值算法的全球干旱区物候数据集（GDPD）。通过整合PhenoCam GCC和通量塔GPP数据验证，GDPD在88.4%的干旱区实现高精度物候提取（SOS/EOS相关系数分别达0.88/0.72和0.96/0.90），显著优于现有LSP产品。该成果为理解干旱区碳汇年际变异机制提供了关键数据支持，发表于《Scientific Data》。

　　

在全球气候变化背景下，干旱区作为碳汇年际变异的主导区域，其植被物候动态对理解陆地生态系统响应机制至关重要。然而，由于植被稀疏、异质性高，现有卫星物候产品（如MODIS MCD12Q2）在干旱区的监测存在显著缺陷——固定振幅阈值导致39.5%的干旱区数据缺失，粗时空分辨率（如0.05度/16天）难以捕捉降雨驱动的快速植被响应。这些问题严重制约了干旱区生态过程模拟的精度，亟需开发专门针对干旱区特性的物候监测方法。

中国科学院空天信息创新研究院可持续发展大数据国际研究中心的研究团队通过创新算法和高质量数据融合，构建了2001-2019年全球干旱区植被物候数据集（GDPD）。该研究采用每日500米分辨率的MODIS NBAR数据计算双波段增强植被指数（EVI₂），突破性地将固定振幅阈值改进为动态像素级阈值——仅当EVI₂峰值超过滑动窗口均值时才触发物候提取。这种自适应策略有效解决了传统方法（如MCD12Q2要求EVI₂振幅≥0.1）对低振幅信号敏感度不足的问题。研究还通过Savitzky-Golay滤波和样条插值优化时间序列重建，并利用PhenoCam网络169.5站点年和24个通量塔的GPP数据开展多尺度验证。

关键技术包括：（1）基于30弧秒干旱指数（AI<0.65）划定研究区，排除农田和城市干扰；（2）采用动态阈值算法提取生长季始期（SOS）和末期（EOS），定义SOS为EVI₂上升至左侧振幅50%的点；（3）通过泰勒图分析比较GDPD与MCD12Q2等产品的统计性能；（4）设计时空分辨率对比实验（500米/日 vs 0.05度/16天）评估尺度效应。

【研究结果】

1. 干旱区物候提取覆盖率提升
   GDPD实现88.4%的全球干旱区物候监测，较MCD12Q2（39.5%）提升2.2倍。在澳大利亚和北美西南部等典型干旱区，GDPD成功填补现有产品的监测空白（图3）。动态阈值算法使低振幅植被（如灌木）的物候提取成功率提高47%。

2. 地面验证显示优越性能
   与PhenoCam GCC相比，GDPD的SOS/EOS相关系数达0.88/0.72，显著优于VIPPHEN（r=0.68/0.59）。通量塔GPP验证进一步证实，GDPD捕捉光合活动始末期的能力最强（SOS/EOS: r=0.96/0.90），且时间误差最小（±5天 vs AVH12的±26天）（图6）。

3. 时空分辨率影响显著
   对比实验表明：16天时间分辨率会导致SOS提前13天、EOS延后11天（图8）；而0.05度空间分辨率在稀疏植被区会遗漏第二生长季信号。500米/日数据最能匹配GPP动态，证实高分辨率对异质性干旱区监测的必要性。

【结论与意义】
该研究首次构建了专用于干旱区的全球物候数据集GDPD，其动态阈值算法和500米/日分辨率解决了传统LSP产品在低植被覆盖区的失效问题。验证表明GDPD能准确反映植被结构（EVI₂）与生理活动（GPP）的耦合关系，为解析干旱区占全球碳汇变异76%的现象（Ahlstr?m et al., 2015）提供了关键数据支撑。未来可通过融合SIF（太阳诱导荧光）数据进一步缩小物候与光合作用的监测差距。数据集已开源（Figshare: 10.6084/m9.figshare.27160602），将推动干旱区生态模型发展和土地管理策略优化。