评估空间分辨率和聚合方法对西班牙本土草地Sentinel-2 NDVI时间序列的影响

《Remote Sensing》：Assessing the Impact of Spatial Resolution and Aggregation Method on Sentinel-2 NDVI Time Series in Grasslands of Mainland Spain

　　

高分辨率卫星影像已显著改进了植被动态监测；然而，空间分辨率和像素聚合对NDVI时间序列一致性的影响仍未得到充分量化，尤其是在单一传感器平台内的多个原生分辨率之间。本研究评估了Sentinel-2空间分辨率（10 m、20 m和60 m）以及两种像素聚合方法（纯像素和质心）如何影响西班牙本土14,031个草地地块在2018–2023年期间的NDVI时间序列。研究人员使用插值效率指标（Interpolation Efficiency Indicator, IEI）筛选高质量NDVI时间序列，并通过时间序列角度距离（Time Series Angle Distance, TSAD）和均方根误差（Root Mean Square Error, RMSE）量化相对于10 m纯像素基线的不一致性。敏感性检查确认，波段8（10 m）和波段8A（20/60 m）之间的辐射差异与真正的空间分辨率效应相比引入了可忽略的偏差。研究人员应用了正式的非参数统计检验——全盘Kruskal–Wallis检验（含ε平方效应量）和成对Cliff's Delta比较——以评估跨地块面积类别和K?ppen气候组（B、Cs、Cf）的观测差异的大小和实际意义。结果表明，较粗分辨率（60 m）显著降低了NDVI可靠性，在纯像素准则下排除了超过一半的地块，并平滑了时间变异性，而10 m和20 m分辨率保留了大部分光谱和时间信息。20 m分辨率引入了中等但非严重的物候畸变（中位数TSAD ≈ 0.05 rad，RMSE ≈ 0.026），同时数据量减少78%，处理时间减少72%。纯像素和质心采样之间的选择在10–20 m处影响可忽略，但在60 m处变得相关，其中纯像素选择通过以严重样本损失为代价减少了光谱混合引起的误差。地块面积强烈影响误差指标，在最小地块中具有大效应量（），而K?ppen气候分类决定了TSAD（高达），表明空间退化在不同气候类别中扭曲物候模式的程度不同。这些发现支持多尺度监测策略：10 m适用于破碎化、异质性草地（<3 ha），20 m作为同质区域（>10 ha）的计算高效替代方案，并概述了对共同农业政策（Common Agricultural Policy, CAP）等政策框架的潜在影响。

**论文解读：空间分辨率与聚合方法对Sentinel-2 NDVI时间序列在西班牙草地中的影响**

**研究背景与问题**

卫星遥感技术已从粗分辨率全球传感器发展为中等至高空间分辨率任务（如Sentinel-2），使生态系统动态监测更加精细。早期平台（如MODIS和AVHRR）提供长期全球记录，但其粗空间分辨率限制了捕捉复杂景观中细尺度异质性的能力。归一化差异植被指数（NDVI）已成为监测植被状况和物候最广泛使用的光谱指数。Sentinel-2任务通过提供10–60 m空间分辨率和5天重访周期的多光谱影像，实现了前所未有的空间细节和高时间分辨率NDVI时间序列生成。然而，空间分辨率仍是遥感分析中一个关键但常被低估的不确定性来源。粗像素倾向于过度简化景观异质性，导致混合信号，降低植被指数的生态可解释性，并可能掩盖细尺度动态。尽管先前研究表明空间聚合会改变NDVI值及其统计特性，但多数研究集中于单日期影像，忽略了这些效应如何随时间序列传播并影响衍生指标（如物候转换日期、季节振幅或干扰信号）。近期多尺度方法尝试通过融合多传感器数据来解决时空权衡，如MODIS与Landsat融合，但这些方法主要聚焦于生成跨传感器的合成产品，并未系统量化空间聚合本身如何扭曲时间信号——这一关键空白在像Sentinel-2这样提供多个原生分辨率的高重访平台上仍未解决。此外，高分辨率NDVI时间序列的生成和处理通常计算密集，需要大量数据存储、处理能力和噪声处理策略，因此粗分辨率分析常被用作生态细节与计算效率之间的权衡，但其对NDVI时间动态的影响尚未充分量化。本研究通过比较分析Sentinel-2三种空间分辨率（10、20和60 m）应用于西班牙本土草地NDVI时间序列，填补了这些空白，旨在评估分辨率和空间聚合方法如何影响植被动态、物候模式和生态变异性的解释，为优化分辨率选择提供方法学指导，并改进监测策略和可持续草地管理。草地因其全球覆盖面积（约24.7%陆地表面）、高生物多样性及关键生态系统服务（如碳储存、水分调节和土壤稳定）而成为理想研究案例。该研究发表在《Remote Sensing》期刊。

**主要关键技术与方法**

研究人员采用了以下关键方法：（1）基于Sentinel-2 L2A影像，提取2018–2023年5个100×100 km MGRS图幅（29TQH、30TYM、30SWG、30STJ、30TVL）内14,031个草地地块的NDVI时间序列，使用Savitzky–Golay滤波器平滑，并利用插值效率指标（IEI）筛选高质量序列（IEI≥90）；（2）通过纯像素（仅完全包含在地块边界内的像素）和质心（像素质心落入地块内）两种聚合方法，在10 m、20 m和60 m三种分辨率下提取像素；（3）以10 m纯像素为基线，采用时间序列角度距离（TSAD）和均方根误差（RMSE）量化分辨率降级对NDVI时间序列一致性的影响；（4）使用全盘Kruskal–Wallis检验（含ε平方效应量）和成对Cliff's Delta比较，评估地块面积类别（<1.5 ha、1.5–3 ha、3–5 ha、5–10 ha、>10 ha）和K?ppen气候组（B干旱、Cs地中海、Cf温带无旱季）对误差指标的调节作用。样本队列来源为西班牙农业担保基金提供的2020–2023年SIGPAC年度记录，并整合为SIGPAC Crono图层以筛选稳定草地。

**研究结果**

**3.1. 空间分辨率对地块面积和数量的影响**
通过描述性统计发现，10 m和20 m分辨率下，纯像素与质心方法的总面积和地块数量差异极小；60 m分辨率下，纯像素方法导致超过一半的地块丢失，最小地块面积显著增加，平均面积因小地块丢失而膨胀。这表明粗分辨率严重限制了小地块的代表性。

**3.2. 代表性及空间信噪比（SSNR）**
纯像素方法的代表性值低于质心方法，且变异性更大；10 m分辨率代表性最高，60 m最低。代表性随地块面积增大而提高。空间信噪比（SSNR）随分辨率提高而增大，且随地块面积增大而增加，10 m分辨率下SSNR最高，60 m最低。

**3.3. 空间分辨率对NDVI时间序列的影响**
以10 m纯像素为基线，20 m和60 m分辨率的TSAD和RMSE均值显著高于10 m（部分情况高出10倍），且60 m误差最大。质心方法通常比纯像素产生略高的TSAD和RMSE，小地块（<1.5 ha）在所有组合中误差最高。全盘Kruskal-Wallis检验显示，地块面积对10 m质心方法的TSAD和RMSE具有大效应量（ε²分别为0.273和0.234），而20 m时效应量缩小至小，60 m时又增大。K?ppen气候分类对TSAD具有大效应量（ε²高达0.447），但对RMSE影响较小至中等。成对Cliff's Delta分析表明，10 m与粗分辨率之间的比较效应量最大（接近-1），20 m与60 m之间效应量较小；小地块（<3 ha）的效应量最大，大地块（>10 ha）的效应量减小。气候分类中，Cs气候（地中海夏季干旱）在20 m与60 m比较中效应量最大，Cf气候（温带无旱季）次之，B气候（干旱）最小。TSAD对聚合方法比RMSE更敏感，在相同分辨率下纯像素与质心比较时TSAD呈现中等效应量。

**讨论与结论**

讨论部分指出，10 m和20 m分辨率适合小地块（<3 ha），能最小化地块数量损失并保持总草地面积。20 m分辨率引入中等但一致的物候畸变（中位数TSAD=0.05 rad，RMSE=0.026），但效应量在地块面积范围内保持“可感知但非严重”范围，支持其作为草地监测的实用折中方案。10 m分辨率提供最高空间和时间代表性，但计算成本高（118 GB，5.2 h处理）；20 m分辨率减少78%存储和72%处理时间，仍保留大部分植被信号。60 m分辨率在大地块中可能有用，但纯像素方法导致大量地块丢失，质心方法虽保留覆盖但引入边界效应，且NDVI信号过度平滑，低估植被变异性。气候分析显示，在干旱气候（B）中TSAD值较高，因NDVI时间序列形状不规则；在湿润温带气候（Cf）中，高生产力和季节变化导致更大的绝对差异。研究建议多尺度Sentinel-2策略：10 m用于破碎化、异质性草地（<3 ha），20 m用于大面积同质草地（>10 ha），60 m可能仅适用于干旱区的景观尺度评估。结论重申空间分辨率是主导因素，20 m在保真度与计算效率之间达到最佳平衡，并概述了对共同农业政策（CAP）的潜在影响。

**研究结论翻译**
本研究评估了Sentinel-2空间分辨率（10 m、20 m、60 m）和像素聚合方法（纯像素与质心）对2018–2023年西班牙本土14,031个草地地块NDVI时间序列一致性的影响。研究人员使用了描述性指标和正式非参数统计分析（包括全盘Kruskal–Wallis检验含ε²效应量和成对Cliff's Delta比较）来量化观测差异的大小和实际意义。结果表明，空间分辨率是地块尺度上控制NDVI时间序列可靠性的主导因素。20 m分辨率保留了大部分时间和光谱信息，仅引入中等物候畸变（中位数TSAD≈0.05 rad，RMSE≈0.026 NDVI单位），且无论地块大小均保持在可感知但非严重范围内。相比之下，60 m分辨率导致显著信息损失：纯像素准则下超过一半的地块被排除，剩余时间序列因亚像素异质性同质化而与10 m基线产生显著偏离。关于聚合方法，纯像素与质心方法在10 m和20 m处差异可忽略，但在60 m处纯像素方法显著减少了来自相邻地物的光谱混合误差，但代价是严重的样本损失。统计分析揭示，地块面积强烈影响误差指标，尤其在10 m质心配置（TSAD的ε²=0.273，大效应）和60 m分辨率（两种方法均呈中至大效应量）。成对Cliff's Delta矩阵证实，10 m基线与粗分辨率之间的不一致性在小地块类别（<1.5 ha和1.5–3 ha）中逐渐加剧，而大地块（>10 ha）的效应量减小。气候影响也呈现显著不对称性：K?ppen分类决定性塑造了NDVI的时间动态（TSAD），在20 m和60 m分辨率下均具有大效应量（ε²高达0.447）；相比之下，气候对RMSE的影响仅限于小至中等幅度。这种不对称性表明，在粗分辨率下，气候变异主要加剧时间序列形状的扭曲（TSAD），而非绝对幅度（RMSE）。操作上，20 m分辨率提供了空间保真度与计算可行性之间的最佳平衡，相比10 m减少78%数据量和72%处理时间，同时未严重损害植被信号。因此，本分析支持一种适应各地景观空间结构和气候背景的多尺度Sentinel-2监测策略：10 m分辨率推荐用于破碎化、异质性地块（<3 ha），典型见于湿润北部和山区（Cf气候）；20 m分辨率提供稳健且计算高效的替代方案，适用于地中海和半干旱南部区域（Cs和B气候）的大面积同质草地（>10 ha）；60 m分辨率通常不适用于地块级监测，但可能保留在干旱区景观尺度评估中的效用。从实践角度看，这些发现概述了对共同农业政策（CAP）等政策框架的潜在影响。尽管本研究未评估行政阈值或检查误差，但观测到的光谱和时间一致性表明，20 m Sentinel-2产品可在粗放放牧系统中提供可行的监测折中方案，而10 m数据可能仍为小规模集约化牧场所需。