NASA Harmonized Landsat and Sentinel-2 (HLS) 与 MODIS NBAR 地表反射率产品全球一致性评估及混合像元差异归因

《Remote Sensing of Environment》：Comparison of NASA Harmonized Landsat and Sentinel-2 (HLS) surface reflectance products with MODIS NBAR

　　

研究人员比较了 NASA Harmonized Landsat and Sentinel-2 (HLS) 地表反射率（surface reflectance, SR）产品与中分辨率成像光谱仪（Moderate Resolution Imaging Spectroradiometer, MODIS）天底双向反射分布函数调整反射率（Nadir BRDF-Adjusted Reflectance, NBAR）产品。在6个波段中，HLS 与 MODIS NBAR 之间发现高度一致性（R²：0.939–0.986）。可见光波段的全球平均绝对差异低于0.03。由于亚像元雪和冰，差异在极地地区达到峰值。较粗分辨率数据可能扭曲混合水体、雪或冰像元中的绿度趋势。归一化差值植被指数（Normalized Difference Vegetation Index, NDVI）等植被指数表现出强一致性（R² > 0.94）。

论文解读：NASA HLS 与 MODIS NBAR 地表反射率产品一致性评估

该论文由 Qiang Zhou、Min Feng、Junchang Ju、Joseph O. Sexton、Eric Vermote、Panshi Wang、Amit Angal、Margaret Wooten、Madhu K. Sridhar、Saurabh Channan、Nathan Thomas 和 Christopher S.R. Neigh 完成，发表于《Remote Sensing of Environment》。研究围绕 NASA Harmonized Landsat and Sentinel-2（HLS）与 MODIS 天底双向反射分布函数调整反射率（Nadir BRDF-Adjusted Reflectance, NBAR）产品的一致性展开。

研究背景方面，依赖光学遥感的农业、土地管理和灾害响应等陆地应用需要及时的地表反射率（surface reflectance, SR）数据。Landsat 系列长期是重要数据源，但两颗运行卫星组成的8天重访周期对灾害评估等时间敏感应用常显不足，也难以监测热带等持续云覆盖地区。European Space Agency 的 Sentinel-2 A、B、C 任务传感器与 Landsat 相当，可补充观测频率。NASA 的 HLS 项目整合 Landsat 与 Sentinel-2，生成30 m 协调 SR，全球平均重访约2天，并采用一致大气校正、视角效应归一化和波段通带协调，确保 L30 与 S30 兼容。尽管 HLS 内部一致性已通过近同时 Landsat 和 Sentinel-2 观测评估，绝对 SR 精度也经 RadCalNet 地面测量验证，但 HLS 与广泛使用的 MODIS SR 数据的一致性仍关键。比较 HLS 与已有产品有助于用户理解数据特性、有效使用数据，并评估与既往研究或集成应用的差异。先前生态研究发现空间尺度影响景观变化检测，尤其在异质环境中。Liu 等比较环北极苔原植被绿度趋势时，使用 Landsat、MODIS 和 AVHRR GIMMS，发现东俄罗斯和北加拿大一致性降低。Ju 和 Masek 也发现 Landsat 与 AVHRR 植被趋势不一致，Landsat 在 Quebec 和 Labrador 显示更广泛的 NDVI 增加。独立 Landsat 虽提供空间细节，但重访受限，可能错过关键物候期或无云窗口。HLS 将细空间分辨率与高时间重访结合，可捕捉复杂景观中的快速生物物理动态。因此，研究人员基于 Landsat–MODIS NBAR 一致性评估方法，评估采用新大气校正并纳入 Sentinel-2 的 HLS SR，为用户提供见解，并为生产化大规模自动评估建立参考基线。

研究人员利用545对同日 HLS 影像样本和18,476个 HLS 瓦片开展全球比较。总体结论是 HLS 与 MODIS NBAR 高度一致，六个共同波段 R² 为0.939–0.986；全球平均绝对差异（mean absolute difference, MAD）总体较低，可见光波段通常低于0.03 SR，多数地区 NIR 和 SWIR 波段低于0.05。差异具有波段依赖性，SWIR₁ 波段最高；极地高差异主要来自亚像元雪/冰和陆地-水体混合像元，粗分辨率数据可能误判绿度或褐变趋势。研究意义在于明确空间细节与时间连续性的操作权衡，并为 HLS 产品质量评估提供基线。

在技术方法上，研究人员使用 NASA HLS V2.0 L30/S30 30 m SR 和 MODIS NBAR（MCD43A4 V6.1）500 m 产品。样本包括2021–2022年545对同日 HLS 影像（73°N–40°S，四季）和18,476个 HLS 陆表瓦片（2024年同日 L30/S30，剔除云覆盖>50%或空间覆盖<30%的影像）。对 MODIS NBAR 应用线性波段通带调整；将 HLS 重投影至正弦投影并聚合至 MODIS 像元，采用算术平均，设置每像元≥180个有效 HLS 像元并进行异质性过滤。评估采用准确度、精密度和不确定度（Accuracy, Precision, and Uncertainty, APU）图，以及 R²、MAD、均方根偏差（root mean square deviation, RMSD）及其系统和非系统分量，并按 HLS 传感器和 IGBP 土地覆盖分层。处理使用 Python、GDAL、Docker、AWS Batch 和 NASA EarthAccess API。

结果方面，3.1 HLS 与 MODIS NBAR 影像样本比较：通过545对同日影像计算 APU，A、P、U 接近零，A 在2σ水平围绕零，总体偏差可忽略。六个波段呈强正相关，R² 从蓝波段0.939到红波段0.986，斜率接近1，截距接近0，平均偏差接近零；蓝波段 R² 最低且偏离1最大。RMSD 以非系统性噪声为主，占 SWIR₁ 总 RMSD 的85%至 SWIR₂ 的92.4%。差异与 NBAR 像元内 HLS %SR 标准差相关性随波段变化，SWIR₂ 最高 r=0.3047，但解释力有限。MAD 随太阳天顶角无显著变化，显示季节稳定性。

3.2 全球 HLS 与 MODIS NBAR 影像比较：全球 MAD 在可见光波段低于 NIR 和 SWIR 波段，多数地区可见光 MAD 小于3 %SR，NIR 和 SWIR₁ 部分地区小于5 %SR。低一致区域包括极地、赤道和阿根廷南部。极地异质性高，赤道尤其是亚马逊异质性低。极地差异发生于 NBAR 像元包含少量亮雪/冰时，因为 HLS 过滤雪冰而 MODIS NBAR 保留；赤道差异归因于密植被区高 NIR SR；阿根廷南部7月1日前后以雪冰为主，可比像元少且多为非植被。MAD% 在赤道和阿根廷南部多数波段高于20%，蓝和 SWIR₂ 在北方森林高相对 MAD 更广。HLS 内部 L30 与 S30 比较显示，可见光差异一般局地低于1 %SR，小于 HLS 与 MODIS 差异；红外波段差异更大，SWIR₁ 最常见大于3 %SR，但仍小于 HLS 与 MODIS。HLS 与 NBAR 最大差异主要在赤道热带如亚马逊，而 HLS 内部高差异在干旱区如美国中部、墨西哥、撒哈拉和澳大利亚中部。

3.3 按土地覆盖分层全球比较：HLS 与 MODIS NBAR 光谱差异总体低，为0.329–5.677 %SR。森林和灌丛中可见光 MAD 低于 NIR 和 SWIR，因植被区反射较低；NIR 和 SWIR 的相对 MAD% 较低。永久湿地所有波段 MAD 和 MAD% 一致性最低。差异随 MODIS 像元内亚像元水体比例增加而增大，因为 HLS 水体像元被掩膜，聚合 HLS 仅代表陆地部分，随水体比例上升，其空间平均对 MODIS 整体陆地-水体信号的代表性降低；永久湿地面积较小且常为水陆混合像元。

3.4 按 HLS 传感器分层全球比较：可见光差异最小，MAD 约0.78–1.24 %SR。NIR 和 SWIR 差异较大，NIR 和 SWIR₁ 峰值约2.32 %SR。MODIS 与 HLS Landsat 以及 MODIS 与 HLS Sentinel-2 之间存在分组差异，系统性不同但可忽略，约0.25 %SR。单个传感器 LC08、LC09、S2A、S2B 的 MAD 与合并平均接近。相对 MAD 方面，SWIR₁ 为中等且按传感器分组一致，可见光相对 MAD 更高，蓝和绿波段方差最大。

讨论部分总结：4.1 一致性表明 HLS 与 MODIS NBAR 总体强一致，R² 从蓝0.939至红0.986。MAD 随波段变化，蓝最低约0.85 %SR，SWIR₁ 最高约2.11 %SR；HLS 与 MODIS 的 MAD 约为 HLS 内部 MAD 的3.4倍，可见光相对差异较高与 HLS 内部评估一致。全球分析确认 SWIR₁ MAD 最高。按传感器分组，L30 与 S30 总体差异可忽略。HLS 内部差异在墨西哥中部明显，HLS Sentinel-2 在地形阴影和密植被区高于 HLS Landsat，提示太阳-传感器几何可能是因素，仍需进一步研究。MAD% 显示蓝和 SWIR₂ 高差异集中在赤道、阿根廷南部和北方森林，与 HLS 时间序列云百分比图一致，提示 MODIS 亚像元小云是主因，16天合成增加追踪难度。

4.2 差异原因包括：部分 MODIS SR 输入污染；时间获取差异；MODIS 传感器退化和轨道漂移；大气校正不确定；BRDF 归一化和算法约束；聚合方法。具体而言，归一化差值雪指数（Normalized Difference Snow Index, NDSI）标记的雪污染像元 R² 为0.10–0.26，而无雪像元为0.65–0.82，RMSD 高4–20倍，可见光负偏差为?7至?20%，SWIR₁/SWIR₂ 正偏差为+5至+13%，但占比小于0.02%，标准 QA 已捕获多数。MODIS NBAR 来自16天 Terra 和 Aqua 合成，HLS 为单次上午过境，SWIR₁ 受植物水分日内波动影响；太阳天顶角差异也起作用。Aqua 的 SWIR 探测器失效减少 BRDF 反演观测；Terra 和 Aqua 轨道漂移，Terra Collection 6.1 与 Aqua 有5–6%分歧；Collection 7 有缓解。大气校正中 HLS 和 MODIS 的辅助输入、反演机制和算法假设不同；HLS 从影像动态导出气溶胶光学厚度（aerosol optical thickness, AOT），MODIS 使用再分析输入，短波和极地低太阳高度角放大误差。MODIS 使用动态多日期 RossThick-LiSparse 核 BRDF 反演，HLS 用基于静态 BRDF 参数的简化 c-factor 归一化，在快速物候变化、复杂冠层或剧烈地形变化时偏离。聚合时 MODIS NBAR 像元并非精确500 m方形，受点扩散函数（point spread function, PSF）和邻近效应影响，但16天合成无法用单一 PSF 建模。

4.3 潜在影响显示，波段通带调整降低蓝和 SWIR₂ 差异。SWIR 波段常用于土壤和植被水分估算，可能影响水胁迫或生物量评估。全球单一系数是操作折中，不能处理特殊地表或动态调整局部水分和叶绿素变化。九个植被指数比较中，波段比值操作减轻波段通带差异；NDVI、增强植被指数（Enhanced Vegetation Index, EVI）、土壤调节植被指数（Soil-Adjusted Vegetation Index, SAVI）、修正土壤调节植被指数（Modified Soil-Adjusted Vegetation Index, MSAVI）、归一化差值水体指数（Normalized Difference Water Index, NDWI）等可见光和近红外植被指数一致良好，R²>0.94，斜率≈1，截距≈0；归一化燃烧比（Normalized Burn Ratio, NBR）和 NBR2 斜率偏离1且系统噪声高，波段调整仅略改善，仍需研究。长期趋势中系统差异引入偏差，极地雪冰和水导致粗分辨率 NDVI 负偏，可解释历史趋势分歧，如 Landsat NDVI 在加拿大东北部显示绿度增加而 AVHRR NDVI 未显示。MODIS NDVI 变化小、值域窄，差异随水体/雪冰比例增加。4.4 局限包括每瓦片仅一对影像，限制时间变化评估；比较方法对生产级评估较慢需优化；MODIS 退化，未来应探索 VIIRS。

研究结论翻译：本研究评估了 NASA HLS V2 SR 产品与已确立的 MODIS NBAR 数据集之间的一致性。研究人员的发现表明，两个产品之间整体具有高度一致性，六个共同波段均呈强正相关，R² 为0.939–0.986。全球范围内，MAD 通常较低，可见光波段通常低于0.03 SR，在多数地区 NIR 和 SWIR 波段低于0.05。尽管总体一致，仍观察到波段依赖差异，尤其 SWIR₁ 波段 MAD 较高。此外，高差异主要位于极地地区，归因于亚像元土地覆盖异质性，例如孤立的雪/冰或陆地-水体混合像元。虽然这些雪/冰和水体污染较粗的 MODIS 像元，但它们在 HLS 数据中被明确滤除。这一细节为不同空间分辨率卫星数据进行的植被趋势分析中的历史分歧提供潜在解释，表明较粗分辨率数据集可能误判受部分雪/冰覆盖或高度破碎陆地-水体边界区域的绿度或褐变趋势。研究还强调其他导致观测差异的因素，包括部分云污染、MODIS（16天合成，含上午和下午过境）与 HLS（约 Terra 上午过境时间附近的单次获取）之间的时间采集差异、大气校正挑战（尤其蓝波段）以及空间分辨率和聚合方法差异。这些因素导致用户比较由这些数据集衍生的科学结果时可能需要考虑的变化。通过详细理解这些差异，本研究使用户能够更有效地解释和整合 HLS 数据。具体而言，研究发现强调空间细节与时间连续性之间明确的业务权衡：对于地表反射率空间变异性高的区域，如包含小块水体、城市要素或局部积雪的破碎景观，推荐使用 HLS 的更高像元分辨率以减轻亚像元污染。相反，MODIS NBAR 产品在长期气候数据记录和快速监测方面具有关键优势，提供更长连续历史时间序列和更高观测频率。本研究还为 HLS 产品持续质量评估建立参考基线，增强其在地球科学研究中应用的信心。