全球陆地表面物候（LSP）产品的相互比较与评估

《Remote Sensing of Environment》：Intercomparison and evaluation of global land surface phenology (LSP) products

　　

专业术语翻译 卫星衍生的陆地表面物候（Land Surface Phenology, LSP）产品被广泛用于量化植被季节性，然而植被指数、物候定义和反演算法的差异使其解释复杂化。本研究通过空间相互比较以及利用92个通量塔（flux towers）、251个PhenoCam站点和来自PEP725与USA-NPN的超过3800个原位物候观测数据进行独立评估，评价了三种全球LSP产品：MODIS MCD12Q2（Collection 6.1）、VIIRS VNP22Q2（Collection 2.0）和哥白尼土地监测服务（Copernicus Land Monitoring Service, CLMS）LSP（Version 2.0）在2021–2023年期间的表现。 与MODIS和CLMS LSP相比，VIIRS始终估计的生长季开始（Start of Season, SOS）早2–2.5周，生长季结束（End of Season, EOS）晚2–3周，导致更长的生长季。在温带和寒带生态系统中一致性最高，但在热带和亚热带地区较低。在均质的LANDVAL站点，MODIS和CLMS LSP显示出最接近的产品间一致性（SOS和EOS的均方根差（Root Mean Square Deviation, RMSD）分别为18.0和23.6天，斯皮尔曼秩相关系数分别为0.72和0.64），而VIIRS显示出更大的偏差。 在通量塔和PhenoCam站点，CLMS LSP总体上显示出最强的一致性，其与通量塔对比的SOS RMSD最低（34.7天），与PhenoCam观测对比的SOS和EOS RMSD也最低（分别为24.8和32.9天）。与PEP725和USA-NPN的对比显示，春季物候阶段的一致性优于秋季，SOS的斯皮尔曼秩相关系数范围为0.40至0.85，而EOS的相关性仍然较低（≤ 0.3）。 尽管空间格局总体一致，但物候定义和反演方法的差异导致了跨生态系统的系统性时间偏移，并且在与地面观测的比较中也同样明显。在为生态、农业和碳循环研究选择LSP产品时，应考虑这些差异。

论文解读文章

1. 研究背景与研究问题

物候学是研究生物周期性事件及其与环境条件相互作用的学科，是生态系统功能的关键指标。虽然地面观测能提供详细的过程信息，但其空间覆盖范围有限，难以支撑大尺度分析。卫星遥感通过提供区域乃至全球尺度的连续植被动态监测，克服了这一局限。陆地表面物候（Land Surface Phenology, LSP）产品通过从植被指数时间序列中提取物候指标，如生长季开始（Start of Season, SOS）和生长季结束（End of Season, EOS），被广泛应用于生态学、碳循环分析和陆面过程建模。

目前，已有多个业务化的全球LSP产品可供使用，包括基于MODIS数据的MCD12Q2、基于VIIRS数据的VNP22Q2以及基于PROBA-V/Sentinel-3的CLMS LSP产品。然而，这些产品在源传感器、上游数据产品、植被指数、时间处理方法和物候反演算法上存在显著差异。例如，MODIS和CLMS LSP采用基于振幅阈值的方法识别物候转换期，而VIIRS则基于拟合轨迹的曲率和变化率特征。此外，使用的植被指数也不同（MODIS/VIIRS使用增强型植被指数2（Enhanced Vegetation Index 2, EVI2），CLMS LSP使用植物物候指数（Plant Phenology Index, PPI））。这些差异导致不同产品定义的SOS和EOS并不等价，使得它们在应用中的可比性和可靠性成为亟待解决的问题。

此前的研究多集中于MODIS和VIIRS产品的比较，而对CLMS LSP这一新兴的全球产品缺乏系统性的评估。特别是，尚未有研究在同一分析框架下，结合多种独立的地面观测数据集，对这三种主流LSP产品进行全面的相互比较与验证。因此，本研究的目的是填补这一空白，量化不同LSP产品间的时空一致性，并评估它们与地面观测的吻合度，为后续的生态、农业和碳循环研究提供产品选择的科学依据。该论文发表于《Remote Sensing of Environment》。

2. 关键技术与方法

研究人员为开展此项研究，采用了以下关键技术方法：

• •
  LSP产品选取与预处理：选取了三个全球LSP产品：MODIS MCD12Q2（Collection 6.1）、VIIRS VNP22Q2（Collection 2.0）和CLMS LSP（Version 2.0）。为进行像素级比较，将所有产品统一重采样到MODIS的500米地理网格，并使用最近邻法以避免插值引入误差。
• •
  多源地面观测数据收集：收集了来自AmeriFlux（n=52）和ICOS（n=40）网络的92个通量塔站点的总初级生产力（Gross Primary Productivity, GPP）时间序列；来自PhenoCam网络的251个站点的绿度坐标（Green Chromatic Coordinate, GCC）时间序列；以及来自泛欧物候网络（Pan European Phenology Network, PEP725）的2835个站点和美国国家物候网络（USA National Phenology Network, USA-NPN）的3392个站点的原位人工物候观测数据。
• •
  空间相互比较与统计分析：在2021-2023年间逐年进行像素级比较，计算产品间的均值、标准差（Standard Deviation, SD）和变异系数（Coefficient of Variation, CV）以表征一致性。同时，在均质区域（LANDVAL站点）评估产品间的一致性。
• •
  地面验证与统计指标：将卫星LSP产品与通量塔、PhenoCam及原位观测数据进行比较，采用均方根差（Root Mean Square Deviation, RMSD）和斯皮尔曼秩相关系数（Spearman rank correlation）等统计指标定量评估产品与地面观测的吻合程度。

3. 研究结果

3.1 空间格局与产品间一致性

研究发现，三种LSP产品在空间分布上呈现出大体一致的模式，但在具体时间上存在系统性偏移。与MODIS和CLMS LSP相比，VIIRS估算的SOS平均早2-2.5周，EOS平均晚2-3周，从而导致更长的生长季长度。这种差异在温带和寒带生态系统中较小，产品间一致性较高；而在热带和亚热带地区，由于植被季节信号较弱或不规则，产品间差异显著增大。在均质的LANDVAL站点，MODIS和CLMS LSP展现出最高的产品间一致性（SOS和EOS的RMSD分别为18.0和23.6天），而VIIRS与其他产品的偏差较大。

3.2 与通量塔和PhenoCam观测的对比

在与通量塔GPP衍生物候的对比中，CLMS LSP表现最佳，其SOS的RMSD最低（34.7天）。在与PhenoCam GCC衍生物候的对比中，CLMS LSP同样表现出最强的一致性，其SOS和EOS的RMSD均为最低（分别为24.8和32.9天）。这表明，基于PPI指数的CLMS LSP产品在捕捉与生理活动相关的物候转换点上可能更具优势。

3.3 与原位人工物候观测的对比

与PEP725和USA-NPN的原位观测对比结果显示，所有LSP产品对于春季物候（SOS）的估算准确性普遍高于秋季物候（EOS）。SOS的斯皮尔曼秩相关系数范围在0.40到0.85之间，表明卫星产品与地面观测在春季物候启动时间上具有中等至强相关性。然而，对于EOS，所有产品的相关性均很低（≤ 0.3），这反映出秋季物候过程的复杂性以及卫星与地面定义之间的巨大差异。

4. 讨论与结论

讨论部分总结：研究指出，尽管三种LSP产品在宏观空间格局上基本一致，但由于它们采用了不同的物候定义和反演方法，导致在不同生态系统和与地面观测的比较中都产生了系统性的时间偏移。这些差异并非源于单一因素，而是输入数据、反演算法、空间尺度和生态条件共同作用的结果。特别是在季节性变化不明显的区域，微小的算法差异可能导致巨大的物候期估算偏差。因此，在选择LSP产品用于特定研究时，必须充分考虑这些方法论上的差异。

研究结论部分翻译：尽管空间格局总体一致，但物候定义和反演方法的差异导致了跨生态系统的系统性时间偏移，并且在与地面观测的比较中也同样明显。在为生态、农业和碳循环研究选择LSP产品时，应考虑这些差异。