《Remote Sensing》：Scale-Aware Interpretation of Vegetation Traits and SIF-Based Dynamics in Earth Observation
编辑推荐：
卫星植被监测已从单一时相的冠层属性制图发展为植被性状与过程变量的时序动态分析。反演得到的植被性状及太阳诱导叶绿素荧光(Solar-Induced Chlorophyll Fluorescence, SIF)本质上由传感器特定的空间分辨率、时间积分窗口和光谱响应
卫星植被监测已从单一时相的冠层属性制图发展为植被性状与过程变量的时序动态分析。反演得到的植被性状及太阳诱导叶绿素荧光(Solar-Induced Chlorophyll Fluorescence, SIF)本质上由传感器特定的空间分辨率、时间积分窗口和光谱响应函数所定义。改变这些特征会改变反演问题本身：在非线性反演与非均质景观条件下，聚合操作与反演过程通常不可交换，且误差分量随分辨率呈现差异化传播。因此，提高空间、光谱或时间细节并不一定能提升生态准确性；研究人员将这一现象称为分辨率–精度悖论(Resolution–Accuracy Paradox)。这些相互作用的过程定义了植被产品的有效尺度(Effective Scale)，该尺度可能不同于传感器的标称分辨率，并主导着对反演植被性状的解释。当合并具有不同分辨率或合成策略的产品时，尺度效应会在空间格局和衍生的动态指标中诱发系统性伪影，这些问题无法通过单纯提升像元级精度来解决。本综述建立了一个尺度感知的概念框架，将尺度视为连接观测特征、反演公式、性状定义和聚合算子的显式诊断维度。研究人员分析了尺度交互如何影响空间格局、时间动态、扰动信号和多分辨率数据融合，并推导了诊断原则、最佳实践指南和研究优先级，以实现跨时空尺度的植被性状动态及SIF约束的生产力与胁迫指标的尺度一致性解释。结合即将开展的CHIME和FLEX等高光谱任务，稳健解释植被产品需要尺度一致的分析和不确定性感知处理。对于从业者而言，这意味着植被产品应在其有效尺度上进行解释、验证和比较，而非假定更精细的空间、光谱或时间分辨率必然产生更可靠的生态信息。
- 1.
引言
卫星观测在区域至全球尺度的植被结构、功能与动态监测中发挥着核心作用。地球观测(Earth Observation, EO)技术的进步推动植被遥感从静态冠层状态制图转向植被性状与过程相关变量的时序动态分析。基于反射率的反演能够常规估算叶面积指数(Leaf Area Index, LAI)、光合有效辐射吸收比例(Fraction of Absorbed Photosynthetically Active Radiation, FAPAR)以及色素与水相关性状等冠层生物物理和生物化学属性。与此同时，太阳诱导叶绿素荧光(SIF)已成为光合调控与胁迫的补充约束，推动了总初级生产力(Gross Primary Productivity, GPP)和植被胁迫等高级变量的反演与建模。当前可用的卫星SIF产品缺乏即将发射的ESA荧光探测任务(FLEX)预期的空间与光谱分辨率，现有星载SIF数据集多源自大气成分监测传感器。未来的高光谱任务如FLEX和环境高光谱成像任务(CHIME)将大幅提升光谱分辨率与信息量，增强对细微生化与结构信号的敏感性，但也加剧了空间分辨率、结构异质性和尺度依赖性推断的挑战。辐射传输模型(Radiative Transfer Models, RTMs)如PROSAIL和SCOPE为观测光谱、SIF信号与底层植被属性提供了机理联系，但随着RTMs应用于更精细的时空采样，其关于冠层均质性、叶片-冠层解耦及聚合线性的假设在异质景观中可能不再成立。因此，确保物理一致且可解释的产品需要在基于RTM的反演框架中审慎考虑尺度效应。
植被动态分析日益依赖定量植被产品表征季节轨迹、物候转换、胁迫与扰动响应、恢复行为及长期生态系统趋势。在此背景下，尺度成为理解反演信号及其时间行为的核心要素。植被性状与SIF是受观测特征定义的被反演量，包括空间分辨率（传感器足迹）、时间积分、光谱响应及预处理选择。由于反演映射的非线性与景观异质性，聚合与反演通常不可交换；分辨率或时间积分的改变会修改反演问题本身，导致空间梯度、物候时机、扰动信号及趋势估计出现系统性偏差。本综述的核心前提是：提高空间、光谱或时间分辨率并不必然提升生态准确性。更精细的分辨率虽可减少混合效应，但也可能放大测量方差、暴露未建模的结构复杂性或改变像元尺度量的代表性。因此，准确性并非标称像元大小的单调函数。这种现象被描述为定量植被遥感中的分辨率–精度悖论：观测细节的增加可能改变反演问题本身，而非单纯改进其求解。这一悖论总结了尺度与分辨率效应、混合像元、聚合偏差及不可交换性等既定现象的实际后果，并非引入新的物理原理，而是对这些效应如何共同导致更高标称分辨率未必转化为更优生态准确性的统一概念描述。
- 2.
植被性状反演与SIF产品的尺度分类学
定量植被EO中的尺度本质上是多维的，不能简化为空间像元大小。植被性状反演与SIF产品受四个主要尺度维度共同影响：观测尺度（空间、时间、光谱和角度分辨率）、反演尺度（反演框架推导植被属性的组织层级）、性状定义尺度（目标变量本身的物理释义）以及聚合算子（用于跨分辨率聚合、重采样或比较观测值与反演值的数学算子）。这些要素共同决定了植被产品在衍生数据中体现的有效尺度，反映了观测特征及处理过程中应用的反演与聚合流程。
2.1 观测尺度
卫星遥感的观测尺度由传感器积分辐射信号的空间、时间、光谱和角度分辨率定义，受仪器点扩散函数(Point-Spread Function, PSF)、瞬时视场、时间积分或合成窗口以及定义波段通量的光谱响应函数(Spectral Response Function, SRF)控制。卫星观测本质上是辐射场的时空谱积分，而非地表状态的单点测量。空间采样距离（像元大小）不一定对应有效空间分辨率，仪器PSF和大气邻近效应会使辐射在相邻像元间重分布。时间合成通过改变积分窗口修改植被动态的表征，可能跨越物候转换或扰动事件。光谱域的有限带宽积分会平滑编码生化与结构信息的窄吸收特征，降低对色素、含水量等的敏感性。
2.2 反演尺度
反演尺度指反演或学习模型从卫星观测中估算植被属性的组织层级。部分方法针对叶片级生化或结构参数，另一些则直接估算冠层综合量或有效量，如LAI、FAPAR、植被覆盖度(Fractional Vegetation Cover, FVC)或冠层叶绿素含量(Canopy Chlorophyll Content, CCC)。SIF产品提供与光合活性相关的过程指标，源自荧光发射信号并受结构冠层性状影响。反演尺度不仅由目标变量决定，还受模型结构与观测值到状态变量映射的影响。反演尺度不一定与观测分辨率一致，例如冠层尺度性状可从精细分辨率观测中反演，而叶片级参数常在冠层尺度RTMs中隐含推断，使其成为依赖于冠层结构、光照几何和模型假设的有效参数，而非生化特性的直接测量。
2.3 性状定义尺度
性状定义尺度指植被变量的物理含义，独立于反演算法。植被性状并非固有的尺度不变量：叶片生化属性、冠层综合结构变量、辐射分数及生态系统尺度通量代理代表不同的生物物理构造。标称相同的变量在不同产品中定义可能不同，例如LAI可指真实结构叶面积、湍流介质假设下的有效LAI，或考虑非随机叶片分布的聚集校正LAI。时间聚合可混合物候阶段、光照条件和生理响应，从而改变被反演量的表观含义。
2.4 聚合算子
聚合算子描述了当观测值或被反演变量以更粗空间或时间分辨率表示时的组合方式，定义了从精细尺度信号到大像元或更长积分窗口的映射。空间聚合包括亚像元反射率的加权平均、基于PSF的辐射积分或跨异质土地覆盖比例的植被性状平均。时间聚合通常通过多日期观测的合成或平滑实现。由于植被反演通常是非线性的，聚合与反演一般不可交换：从聚合信号反演性状不同于聚合精细尺度反演结果。在异质景观中，聚合选择会影响跨传感器比较或融合植被性状与SIF产品时的空间梯度、时间振幅和趋势行为。
2.5 有效尺度
观测特征、反演尺度、性状定义尺度和聚合算子共同决定了植被产品的有效尺度，即在考量观测、反演和聚合过程后信息实际代表的时空水平。在异质景观和非线性反演映射下，有效尺度可能与标称像元大小或重访间隔存在显著差异。实践中，有效尺度不能仅从标称像元大小推断，而应结合观测分辨率、反演变量制定尺度、被反演量的生态释义尺度、产品对聚合的敏感性以及不确定性跨尺度传播来诊断。此外，除观测-反演-聚合链外，物理和计算因素均可影响有效尺度。观测驱动效应源于传感器特性和获取几何；工作流诱导效应则产生于数据存取和处理方式，在现代云原生EO环境中，分块策略、平铺方案和分布式处理范式隐式定义了观测存取与分析的时空支持，充当有效的聚合算子。
2.6 被反演植被量的尺度依赖性
大多数植被性状和SIF产品具有结构性尺度变异特性，根源在于RT和反演映射的非线性，使得聚合与反演不可交换。空间异质性与非线性RT过程相互作用，时间合成改变季节振幅和相位，光谱卷积修改有效吸收特征和敏感性。仅在线性的反演、均质冠层和与变量定义对齐的聚合算子条件下才接近尺度不变性，这些条件在业务产品中很少满足。可通过闭包测试评估聚合一致性，比较“反演-聚合”与“聚合-反演”工作流的结果，闭包误差量化了被反演量对聚合的敏感性。
2.7 空间均质性与代表性的诊断
空间均质性可通过高分辨率影像利用空间均质指数(Spatial Homogeneity Index, SHI)量化，定义为足迹内反射率的变异系数。低SHI值指示均质冠层，高值则预示异质性和增加的聚合偏差。聚集指数(Aggregation Index, AI)基于像元邻接关系量化足迹内相似土地覆盖类别的聚集或斑块化程度。空间代表性指数(Spatial Representativeness Index, SRI)量化原位观测与卫星估算之间的失配。地统计诊断如变异函数范围、空间自相关（如Moran's I）和分形缩放指标表征植被和反射率场的内在空间结构，有助于识别聚合保留或扭曲信号的条件。
- 3.
空间尺度效应作为性状与SIF产品的偏差源
3.1 空间分辨率与反演问题的条件设定
空间尺度从根本上塑造定量植被性状反演和SIF产品。偏差不仅源于标称传感器分辨率的差异，还源于空间异质性、非线性反演映射、冠层RT过程及观测值被聚合解释的时空尺度的相互作用。在混合植被-土壤像元中，从聚合反射率反演性状通常不产生精细分辨率反演结果的平均值，因为冠层RT过程和反演映射是非线性的。常见假设认为更精细的空间分辨率会带来更准确的植被性状反演，但反演性能必须相对于特定目标量及其空间表征来定义。不改变性状定义、观测算子（如PSF、BRDF归一化）和聚合策略而改变空间分辨率，实际上修改了反演目标本身，应被解释为反演有效尺度的改变，而非简单的空间细节细化。
3.2 异质景观中非线性反演的偏差
空间分辨率可通过非线性反演映射与场景异质性的交互引入系统性偏差。在异质冠层中，反射率-性状关系很少是线性的。从聚合反射率反演性状不等同于聚合精细分辨率反演结果。这种不可交换性源于非线性反射率-性状关系和贡献于观测信号的亚像元状态分布。植被反演问题通常被表述为推断问题：y = f(x, θ) + ε，其中y表示观测反射率或SIF，x为目标植被变量，θ为结构和干扰参数，ε为残差误差项。改变空间分辨率不仅细化观测y，还修改了推断问题本身。更精细的像元暴露更大的结构变异性，增加了潜在和结构参数的维度，可能降低参数可识别性。
3.3 复合冠层性状与尺度转换
多个常用反演植被变量是复合冠层性状，由叶片级生化属性与冠层结构组合而成，如冠层含水量(Canopy Water Content, CWC)、CCC和冠层氮含量(Canopy Nitrogen Content, CNC)，通常表示为叶片性状与LAI的乘积。由于复合性状结合了结构和生化组分，其在空间聚合下的行为具有固有的尺度依赖性。聚合混合植被状态和冠层结构条件，改变了主导冠层反射率的有效吸收和散射机制。复合性状继承了结构和生化组分的不确定性，其误差预算随空间分辨率非线性缩放，空间聚合可同时改变被反演值的大小和释义。
3.4 冠层结构、RT与尺度依赖性
冠层结构介导空间聚合如何转化为反演偏差。一维（1D）辐射传输模型将冠层结构表示为有效参数，水平异质性未被显式解析；三维（3D）辐射传输模型则显式表征树冠、间隙、阴影和邻接效应。结构效应的重要性具有尺度依赖性：在精细分辨率下，水平冠层结构可能主导反射率各向异性；随着分辨率变粗，多个冠层要素被集成到单个足迹中，反射率可能接近由垂直平均公式近似的“有效”冠层。简化的湍流介质模型如PROSAIL常在中-粗分辨率表现良好，但被反演参数代表吸收了未解析结构变异性而非显式描述冠层结构的有效量。
3.5 非线性反演过程：尺度变化下的SIF信号与机器学习模型
尺度效应也源于反演过程本身的非线性，影响基于SIF和反射率的产品。在SIF反演中，足迹平均信号集成了阳生和阴生叶片的发射，并受再吸收、散射和冠层结构的调制。随着足迹增大，冠层组成、光照条件和生理状态的亚像元变异性被日益聚合，可能改变SIF大小和表观SIF-GPP关系。机器学习反演表现出类似的非线性行为：学习到的输入-输出关系隐式反映了训练数据中存在的异质性和聚合特征，当模型跨空间分辨率应用时，亚像元混合和观测条件的分布发生改变，而训练中学到的底层关系保持不变，导致尺度依赖行为。
3.6 对空间一致性与释义的影响
空间尺度效应是定量植被性状反演和SIF产品的结构性偏差驱动因素。它们源于景观异质性、非线性反演映射、冠层RT过程和聚合算子之间的相互作用，即使反演在其原生像元大小是无偏的，也可能发生。准确性不是空间分辨率或模型复杂度的单调函数，而是取决于空间分辨率、反演公式、性状定义和聚合策略之间的一致性，即植被信息被代表的有效尺度。
- 4.
植被性状与SIF产品的时间采样与动态
4.1 时间分辨率、采样不规则性与混叠
时间采样决定了如何从离散卫星观测重建植被动态。植被性状和SIF动态并非连续观测，而是从获取序列推断。表观时间行为反映了生态变化与有效时间观测尺度之间的相互作用。准确的季节轨迹和长期趋势重建需要相对于主导过程时间尺度足够高的观测频率。当重访间隔超过这些时间尺度时，高频动态可能被遗漏或混叠为低频变异性。更高的采样频率可能揭示短期变异性，但也会增加噪声敏感性、反演不稳定性以及跨物候阶段的状态依赖性不确定性。
4.2 时间合成与平滑作为聚合算子
时间合成和平滑充当时间域的聚合算子。合成将不同光照和物候条件下获取的观测组合起来，有效拓宽了时间积分窗口。这些方法重塑信号振幅、时机和导数，从而修改重建动态的有效时间尺度。从尺度依赖角度看，合成和平滑重新定义了观测的时间分辨率。短期变异性可能被抑制，转换日期可能偏移，衍生指标成为聚合策略的函数而非底层过程的直接属性。
4.3 性状与SIF产品之间的时间失配
SIF产品引入了额外的时间尺度考量。与许多基于反射率的性状不同，SIF观测对光照、光合调控和环境胁迫的响应迅速，时间尺度涵盖亚日至季节。然而，受信噪比限制、轨道采样和反演约束，当前卫星SIF产品通常以跨越数天或更长时间的临时聚合合成形式分析和分发。这些积分窗口通常与基于反射率的产品不同，使得联合分析性状和SIF轨迹复杂化，特别是在SIF用于约束GPP或胁迫指标时。时间对齐不仅是重采样问题，不同的积分窗口意味着对底层植被状态的不同时间滤波。
4.4 算法演进与表观时间变化
时间不一致性也可能源于算法演进和卫星数据档案的重处理。大气校正、校准和BRDF归一化或跨传感器协调的更新可在长时间序列中引入间断或虚假趋势。此类变化有效地随时间修改了反演算子f，即使重访频率保持不变。分析就绪数据(Analysis Ready Data, ARD)倡议旨在通过一致的预处理和协调来缓解这些影响。
4.5 对时间一致性与释义的影响
时间尺度效应意味着从EO时间序列推断的植被动态不能独立于时间采样、积分窗口和合成策略来解释。物候、胁迫动态、扰动时机或趋势大小上的表观差异可能源于聚合选择而非底层生态过程。稳健分析需要明确报告时间支撑和合成方案，确保时间分辨率与目标过程的特征时间尺度一致，并评估替代时间聚合设置下的稳定性。
- 5.
跨尺度的过程级植被动态
5.1 尺度约束下的扰动与胁迫检测
扰动事件和胁迫动态是对尺度感知分析的严格检验，因为它们结合了快速的结构与生理变化、强烈的空间异质性和非平稳时间行为。事件的可检测性、时机和幅度强烈依赖于空间分辨率、时间积分和用于变化检测的建模框架。在粗分辨率下，受影响与未受影响植被的亚像元混合会稀释异常幅度并延迟检测。时间合成引入类似效应：平滑或多日积分可能偏移起始日期、抑制短暂胁迫响应或合并多阶段事件。
5.2 应用于性状的变化检测与时间分割
植被变量中扰动和恢复动态的检测与量化通常使用时间序列分割和变化检测算法。这些方法作用于重建的时间序列，因此继承了预处理中应用的采样、合成和平滑选择。检测到的断点和恢复指标反映了聚合施加的有效时间尺度，而非纯粹的植被内在动态。
5.3 基于SIF的早期胁迫检测与尺度依赖性释义
尺度依赖过程释义的一个典型案例是基于SIF产品的早期胁迫信号分析。这些应用旨在解析生理和结构响应之间微妙的超前-滞后关系，但本质上对时空聚合效应敏感。SIF产品通常对生理胁迫响应迅速，可能先于基于反射率的性状中可检测的结构变化。然而，SIF是受冠层结构、光照几何和再吸收过程塑造的足迹积分辐射信号。表观早期胁迫检测可能反映分辨率依赖的积分效应，而非真实的生理超前-滞后行为。
5.4 跨植被类型的模型分层与尺度效应
在大洲至全球尺度，许多生态系统级变量并非直接反演，而是通过结合植被性状、气象驱动因子及有时SIF约束的模型推断。这些模型继承了来自观测和模型结构的尺度依赖性。一个关键的建模选择是使用生物群落或植物功能型(Plant Functional Type, PFT)特定参数化还是通用连续模型。PFT模型旨在捕获生理差异，但依赖于源自土地覆盖图的分类假设，这些假设本身是分辨率依赖且不确定，可能引入人为间断并混淆时间释义。
5.5 对过程级一致性与释义的影响
植被性状和SIF产品过程级释义需要被反演变量的尺度与生态过程运行的尺度之间保持一致。观测、反演和过程表征之间的不匹配可能导致有偏或误导性的推断，特别是当非线性响应在异质条件下被聚合时。尺度感知建模应确保：性状定义与过程表征之间的对齐、模型-数据集成中对聚合效应的显式处理以及跨尺度不确定性传播。
- 6.
尺度感知数据融合与多分辨率建模
数据融合旨在一致建模框架下调和跨传感器和分辨率观测。融合可在处理链的不同阶段操作：观测级（辐射或地表反射率）、性状级（反演植被变量）或过程或潜态级（如联合性状-SIF反演）。每种级别对非线性、异质性和不确定性传播的假设不同，因此对尺度诱导偏差的暴露也不同。
6.1 观测级时空融合（反射率先）
观测级融合通过结合高频中分辨率观测（如Sentinel-3）与低频高分辨率数据（如Sentinel-2或CHIME）生成兼具空间精细和时间密集的影像时间序列。反射率先融合允许在整个时间内一致应用单一反演模型，减少算法非平稳性，并可从特征明确的辐射误差模型启动不确定性传播。然而，融合算子必须保持辐射和几何一致性，预存效应如BRDF、冠层各向异性、光照几何和土地覆盖异质性可能不与融合假设显式建模，尤其当组合不同观测几何、太阳-传感器配置或空间支撑的观测时。
6.2 性状级融合：反演-后-融合 vs. 融合-后-反演
性状级融合跨传感器和空间分辨率组合反演变量。在此背景下，不可交换性成为核心：对于非线性映射，从聚合反射率反演性状不等同于聚合精细分辨率反演的性状。反演-后-融合策略需要显式的尺度转换关系或考虑亚像元异质性、聚集和背景效应的聚合算子。反射率先方法通常在业务系统中更受青睐，以维持辐射一致性并允许在目标尺度使用单一反演模型。
6.3 SIF降尺度与GPP及胁迫的尺度一致约束
过去十年，卫星SIF观测主要在粗空间分辨率可用，催生了生成空间解析产品的降尺度方法。即使有即将到来的FLEX，SIF、反射率和生态系统过程之间的尺度失配仍将持续。现有方法通常通过回归或基于光利用效率(Light Use Efficiency, LUE)的公式将粗SIF与更高分辨率反射率或气象预测因子结合。关键问题不在于是否能生成更精细的细节，而在于重建场是否保持聚合一致性，即精细尺度估算通过适当算子（如PSF一致积分）重新聚合时是否能重现原始粗观测。
6.4 用于多分辨率建模的层次化和多保真方法
一些反演框架直接在推断公式中解决尺度效应。层次统计模型表征潜植被状态及传感器特定的观测算子。多保真建模通过结合不同分辨率或复杂度的观测或模拟，将高频粗观测与稀疏高分辨率数据集成，或耦合简化冠层模型与详细RT模拟。在这两种方法中，尺度行为成为显式建模维度，聚合一致性、跨尺度一致性和不确定性传播在推断框架内强制执行。
6.5 常见失败模式与实践指导
跨数据融合策略，反复出现的失败模式源于观测尺度、反演公式和聚合算子之间的不匹配，包括训练-应用尺度失配、聚合不一致以及未建模的各向异性（BRDF效应）。
- 7.
尺度感知性状与SIF动态的评价与验证
评估植被性状反演和SIF产品的可靠性需要明确考虑空间分辨率、时间采样、聚合算子和不确定性的评价框架。验证指与独立参考观测的比较，评估物理准确性；评价更广泛地包括跨传感器、分辨率、反演框架或处理策略的内部一致性测试。需要一系列互补的评价策略来诊断尺度效应，包括像素与野外测量间的空间代表性评估、通过重聚合测试的跨分辨率一致性、时间序列动态的时间一致性以及具有不同观测特征的传感器间一致性。
- 8.
尺度感知性状与SIF动态的最佳实践指南
稳健的定量植被监测依赖于在整个处理链中观测分辨率、反演模型结构、聚合算子和不确定性处理之间的显式对齐。业务上，尺度感知反演旨在维持三个相互作用要素之间的一致性：观测的时空分辨率、反演模型中嵌入的结构假设以及植被性状定义的生态尺度。有效尺度是这三个要素相互一致的尺度。当观测尺度、反演公式和性状定义尺度错位时，表观空间格局和时间动态可能反映分辨率伪影而非生态系统过程。
- 9.
CHIME和FLEX时代的展望：尺度感知植被动态的研究重点
尺度感知释义不仅是方法学上的必需，也是下一代植被监测的主要挑战。即将开展的高光谱任务将大幅扩展光谱信息量和时间采样，但增加的时空谱细节并不必然转化为改进的生态准确性。挑战在于将植被性状和SIF产品释义置于显式尺度和不确定性感知框架内。高光谱时代将瓶颈从数据可用性转移到尺度一致推断，其中释义由观测特征、反演假设和聚合过程的表征所主导。
- 10.
结论
本综述将基于卫星的植被性状反演和SIF产品释义构建为一个显式多尺度反演问题。观测特征、反演公式、性状定义和聚合算子共同决定了植被结构和功能被代表的尺度。尺度效应是观测-反演系统的结构性属性，源于场景异质性、非线性RT过程和聚合算子。核心贡献包括：有效尺度的形式化、分辨率-精度悖论的统一定义，以及连接EO反演、聚合算子和过程级建模的尺度感知诊断与方法框架。生态准确性不是空间、光谱或时间细节的单调函数，植被性状和SIF产品不能独立于其有效尺度来解释。对于用户，有效尺度应与标称分辨率一同明确报告，应通过闭包测试评估聚合一致性，不确定性应跨尺度传播和释义，验证应考虑代表性和尺度失配。在CHIME和FLEX时代，进步不仅取决于观测能力的提升，还取决于学界在尺度感知和不确定性感知反演框架内解释植被动态的能力。尺度不是需要纠正的限制，而是必须显式建模、评估和释义的反演问题的定义维度。
