《Discover Ecology》：Monitoring autumn leaf phenology at the individual tree scale using PlanetScope satellite imagery and ground-based observations
编辑推荐：
本研究针对传统地面观测耗时耗力、常用卫星影像空间分辨率不足的瓶颈，创新性整合3米分辨率PlanetScope卫星影像与无人机数据，系统评估了其在31种落叶树种单木尺度秋季叶色变化物候监测中的潜力。研究发现，近红外植被反射率（NIRv）和双波段增强植被指数（EVI2）能高精度捕捉叶色变化中期（MOA），阈值法提取的物候参数与地面观测一致性更高（RMSE=4.8–10.8天）。该研究为气候变化背景下森林生态系统碳循环精细模拟提供了关键技术支撑。
随着全球气候变暖持续加剧，森林生态系统的季节性节律正发生深刻变化。秋季叶片物候作为生长季结束的标志，直接调控森林碳汇功能与养分循环，但其对气候变化的响应机制仍存在较大不确定性。传统地面观测虽精度高却难以大范围推广，而Landsat（30米）、Sentinel-2（10米）等常用卫星数据因空间分辨率限制，无法捕捉单木尺度的物候差异。近年来，PlanetScope卫星星座以3米空间分辨率和近每日重访能力，为破解这一难题带来新机遇。
为验证PlanetScope在单木尺度秋季物候监测中的有效性，东京大学研究团队在北海道森林（UTHF） arboretum选取49株隶属31种落叶乔木，结合2012–2024年地面观测、无人机正射影像与PlanetScope地表反射率数据，系统比较了阈值法与三阶导数法在提取叶片变色起始期（SOA）、中期（MOA）与结束期（EOA）的精度。研究通过计算归一化植被指数（NDVI）、核NDVI（kNDVI）、近红外植被反射率（NIRv）、增强植被指数（EVI）、双波段EVI（EVI2）和绿红植被指数（GRVI）等六种植被指数（VI），并利用Savitzky-Golay滤波与Beck模型拟合时间序列，最终通过RMSE（均方根误差）、相关系数（r）和偏差（Bias）评估与地面数据的一致性。
关键技术方法概述
研究依托东京大学北海道森林（UTHF）长期物候观测网络，选取49株冠层完整乔木，通过无人机高分辨率影像（2厘米）手动勾画单木冠层边界作为感兴趣区（ROI）。利用PlanetScope Level-3B地表反射率产品（蓝、绿、红、近红外波段），采用子像元采样法提取冠层VI值，经线性插值与Savitzky-Golay滤波去噪后，使用Beck模型拟合VI时间序列，分别基于阈值法（SOA、MOA、EOA对应VI振幅下降至80%、50%、20%）和三阶导数法（局部极值点）提取物候参数。
研究结果
1. PlanetScope影像追踪秋季叶色变化的能力
表面反射率与植被指数均能有效反映叶色变化进程，其中近红外（NIR）波段与叶色进展负相关性最强（r=-0.767），可见光波段（红、绿、蓝）呈正相关。植被指数中，EVI相关性最高（r=-0.791），其次为EVI2（r=-0.787）和NIRv（r=-0.785）。时序曲线显示，植被指数自9月中旬（DOY 260）开始下降，与地面观测的叶色变化同步，但12月因林下植被干扰出现信号滞后。
2. 物候参数提取方法的比较
阈值法整体优于三阶导数法，尤其在MOA阶段表现稳定。NIRv、EVI和EVI2在阈值法下与地面观测一致性最高（MOA阶段r=0.774–0.780，RMSE=9.2–10.8天）。三阶导数法对SOA和EOA的估计偏差较大，SOA普遍提前（偏差最高-58.3天），EOA延迟（偏差最高+93.7天）。
3. 物种差异对监测精度的影响
落叶松（Larix kaempferi）、千金榆（Carpinus cordata）等渐变色明显、林下干扰少的物种一致性高（平均RMSE=19.3–21.0天），而山杨（Populus suaveolens）、大山樱（Prunus sargentii）等变色快、冠层结构复杂的物种误差较大（RMSE>27天）。无人机影像对比证实，PlanetScope对冠层色调渐变且无遮蔽的树种监测效果更优。
4. 最优植被指数与物候阶段
NIRv在MOA阶段精度最高（r=0.780，RMSE=9.2天），但EVI2在阈值法下误差最小（RMSE=4.8天）。MOA是所有物候阶段中估计最稳定的节点，SOA易被提前捕捉（可能与光合活性下降早于可见变色有关），EOA受林下植被干扰显著延迟。
结论与讨论
本研究首次系统验证了PlanetScope影像在单木尺度秋季物候监测中的可行性。结果表明，结合阈值法与NIRv、EVI2等含近红外波段的植被指数，可有效捕捉叶片衰老的结构性变化（如细胞结构解体导致的NIR反射率下降）。物种特异性变色模式（如花青素积累的红色叶片与类胡萝卜素主导的黄色叶片）是影响精度的关键因素，未来需结合高光谱数据深化生理机制解析。研究为全球变暖背景下森林碳汇模拟提供了高分辨率技术方案，但云覆盖、传感器一致性及林下干扰仍是提升精度需解决的挑战。
