植被生长节律约束下的高分辨率逐日FPAR/LAI重建与NPP空间降尺度插值方法

《Remote Sensing》：A Vegetation Growth Pattern-Constrained Interpolation Method for High-Resolution Daily FPAR/LAI Reconstruction and NPP Spatial Disaggregation

　　

高空间分辨率的光合有效辐射吸收比例（FPAR）与叶面积指数（LAI）对于刻画城市植被生产力至关重要，然而重建其连续的年际动态仍具挑战。本研究开发了一种物候约束插值方法，用于重建全年逐日10 m分辨率的FPAR与LAI，二者是基于MOD17算法的净初级生产力（NPP）估算的关键输入。以中国南京为研究区，整合了2023年6景Sentinel-2影像与8天合成、500 m分辨率的MOD15A2H FPAR/LAI数据。对农田采用四段Logistic函数拟合，对其余六种植被类型采用两段Logistic函数。拟合曲线在FPAR上取得R2为0.69–0.95，在LAI上取得R2为0.82–0.97，表明其能够刻画年内植被动态。与独立Sentinel-2反演结果的交叉比较显示，FPAR与LAI的平均相对差异分别为?0.23%与?1.32%，平均绝对相对差异分别为5.12%与7.43%。重建参数进一步用于展示NPP空间格局。区域平均10 m NPP与MOD17 500 m产品仅相差0.94%，同时展现出更强的空间异质性。最大NPP分别为1.31与0.87 kg C·m?2·a?1；低于0.2 kg C·m?2·a?1的像元占比分别为9.92%与0.84%，高于0.8 kg C·m?2·a?1的像元占比分别为12.2%与0.10%。由于气象强迫未进行降尺度处理，且缺乏独立的地基碳通量验证，绝对NPP估算结果应谨慎解读，并需进一步开展本地化校准；而重建的高空间分辨率FPAR与LAI为刻画城市植被生产力的精细格局提供了有价值的输入。

论文解读：植被生长节律约束下的高分辨率逐日FPAR/LAI重建与NPP空间降尺度

一、研究背景与问题提出

城市生态系统是人类活动最密集、土地利用与土地覆盖变化最剧烈的区域之一，是全球碳循环的重要组成部分。随着城市化推进，建设用地扩张、植被斑块破碎化及人为扰动加剧，显著改变了城市区域的陆地碳交换过程，使城市植被生产力呈现强烈的空间异质性和独特的时间动态。净初级生产力（NPP）指植被通过光合作用积累的有机碳扣除自养呼吸后的净量，是评估城市植被固碳能力、生态系统服务及区域碳收支动态的关键指标。与传统自然生态系统相比，城市地表组成高度复杂，建筑、道路、水体、裸地、绿地与农田等类型交错分布，植被斑块空间尺度小、边界破碎，传统中低分辨率数据难以准确刻画城市植被的精细分布与生产力差异。因此，发展高分辨率城市NPP数据集对于识别城市内部碳汇热点、量化不同植被类型固碳贡献及优化城市绿地空间布局具有理论与现实意义。

获取高分辨率、时间连续的年植被生长参数是估算高分辨率城市NPP的前提。主流NPP估算模型对植被参数的时间连续性要求严格：CASA模型需要连续年NDVI时间序列，NASA官方MOD17算法高度依赖连续年FPAR与LAI时间序列。当前获取这些参数主要有两条技术路径：一是直接利用高分辨率遥感影像逐期反演，但受卫星重访周期长、云污染等因素影响，尤其在生长季难以获得全年稳定连续的影像；二是基于有限高分辨率影像，采用时空融合或统计插值方法构建连续时间序列。时空融合模型以STARFM、ESTARFM、FSDAF为代表，统计插值方法主要包括SG滤波、Whittaker平滑及机器学习算法。两类方法在农田、森林等相对均质的自然景观中应用广泛且效果良好，但在城市环境中存在明显局限：城市地表地物混合、植被斑块小而破碎，空间异质性强、混合像元效应显著，可能系统性降低重建精度；且现有方法多关注短期时间变化，对不同植被类型年物候节律和季节性生长差异的表征能力有限，无法可靠捕捉城市不同植被类型不同步的年生长动态。

二、研究内容与核心结论

针对上述问题，本研究借鉴NASA官方MOD17 NPP算法框架，提出一种受植被物候动态约束的年内FPAR与LAI变化插值方法。研究以南京市为案例区，整合2023年6景全覆盖高质量Sentinel-2影像、7景部分覆盖验证影像、500 m分辨率MOD15A2H FPAR/LAI产品、MCD12Q1土地覆盖产品、MOD17A3HGF NPP产品及MERRA-2气象再分析数据与ERA5-Land VPD数据。研究首先利用Sentinel-2多时相NDVI与光谱波段进行K-means非监督分类，生成10 m分辨率土地覆盖图；其次基于MCD12Q1筛选纯植被像元，分别采用两段与四段Logistic函数拟合各植被类型FPAR/LAI年内动态；然后应用物候残差线性插值（PBRLI）方法重建全年逐日10 m FPAR/LAI；最后采用MOD17算法计算10 m分辨率年NPP。研究得出以下核心结论：第一，MCD12Q1产品在城市应用中存在严重局限，其将南京50.44%土地面积划分为稀树草原，而10 m土地覆盖图仅识别出2.39%，以10 m图为参照的跨尺度一致性仅25.90%；第二，两段与四段Logistic函数拟合FPAR的R2为0.69–0.95、LAI为0.82–0.97，PBRLI重建的FPAR与LAI平均绝对相对差异分别为5.12%与7.43%，显著优于三次样条插值的17.43%与21.29%；第三，10 m NPP与500 m MOD17产品区域均值仅相差0.94%，但频率分布差异显著，10 m数据能更好刻画城市NPP空间异质性。该研究为城市尺度高分辨率NPP估算及城市植被碳循环精细研究提供了稳定的技术框架。

三、主要关键技术方法

研究人员采用的主要技术方法包括：一是基于Sentinel-2多时相NDVI与蓝、绿、红、近红外四个波段的K-means非监督分类生成10 m分辨率土地覆盖图，参照天地图约0.5 m分辨率影像进行目视解译并归并为12类；二是利用MCD12Q1产品筛选像元纯度大于50%的纯植被像元，取各植被类型纯像元FPAR/LAI均值构建时间序列，采用两段Logistic函数拟合自然植被（常绿阔叶林、落叶阔叶林、混交林、木本稀树草原、稀树草原、草地）年内动态，采用四段Logistic函数拟合农田（双季种植制度）动态，参数通过非线性最小二乘估计并采用多重随机初值重启策略；三是应用PBRLI方法，对Sentinel-2观测值与物候基线曲线之间的残差进行线性插值并加回基线值，对首末日期之前或之后采用常数外推；四是采用SNAP软件S2_10m Biophysical Processor从Sentinel-2 Level-2A数据反演FPAR/LAI作为验证值；五是采用MOD17算法计算NPP，以FPAR计算吸收光合有效辐射（APAR），根据最低气温（Tmin）与饱和水汽压差（VPD）调整最大光能利用率，计算总初级生产力（GPP），以LAI为关键参数估算自养呼吸，NPP为GPP与自养呼吸之差。研究样本为南京市全域2023年数据。

四、研究结果

4.1 不同分辨率土地覆盖图对比

研究人员将生成的10 m分辨率南京2023年土地覆盖图与MCD12Q1 500 m产品对比。500 m数据受混合像元效应严重影响，难以反映城市景观精细空间变化；10 m数据总体分类精度为85.30%，500 m数据为62.70%。以10 m图为参照，500 m图跨尺度一致性仅25.90%，主要原因是500 m图中稀树草原占比高达50.44%，而10 m图中仅占2.39%，大部分500 m稀树草原像元在10 m图中被识别为森林、农田或建设用地。这一差异源于该分类系统中稀树草原的定义为树木覆盖占像元面积10%–30%，导致以建设用地或农田为主的像元仍可能被“正确”分类为稀树草原。

4.2 年FPAR与LAI动态拟合性能

两段Logistic函数对六种自然植被的FPAR与LAI拟合总体良好，R2范围为0.69–0.89（均值0.83），FPAR拟合RMSE为0.040–0.060（均值0.049），LAI拟合RMSE为0.11–0.40（均值0.22）。四段Logistic函数对农田FPAR与LAI拟合的R2分别达0.95与0.97，RMSE分别为0.035与0.13，拟合性能尤为突出，归因于农田受管理驱动的相对规律物候模式。K折交叉验证结果显示，FPAR的OOF R2为0.64–0.86，RMSE为0.045–0.064；LAI的OOF R2为0.773–0.919，RMSE为0.119–0.435，表明拟合模型具有良好的稳定性与泛化能力。

4.3 精度评估

以7景未参与插值的Sentinel-2影像反演值为观测值，PBRLI估算值的FPAR与LAI年平均相对差异分别为?0.23%与?1.32%，平均绝对相对差异分别为5.12%与7.43%，表明重建的年FPAR/LAI动态高度可靠。对比之下，三次样条插值的FPAR与LAI平均绝对相对差异分别为17.43%与21.29%，误差显著大于PBRLI，证明引入物候约束优于纯数学平滑插值。

4.4 不同分辨率年NPP对比

10 m NPP空间格局与500 m MOD17产品总体一致：城市中心建成区NPP接近零或处于低水平，城市中西部与中南部森林区域NPP显著较高。10 m数据能更清晰刻画城市内破碎景观斑块的精细差异。区域均值方面，500 m与10 m NPP分别为0.515与0.520 kg C·m^?2·a^?1，仅相差0.94%。但分布差异显著：500 m产品NPP主要集中在0.45–0.65 kg C·m^?2·a^?1，最大值仅0.87 kg C·m^?2·a^?1；10 m数据分布更广，最大值达1.31 kg C·m^?2·a^?1。NPP低于0.2 kg C·m^?2·a^?1的像元占比在500 m与10 m数据中分别为0.84%与9.92%，高于0.8 kg C·m^?2·a^?1的占比分别为0.10%与12.20%，表明10 m NPP能更好表征城市NPP空间异质性。

五、讨论与结论

讨论部分指出，现有主流时空融合算法依赖滑动窗口内相似像元匹配，假设不同土地覆盖类型呈同步线性时间变化，未考虑植被类型间物候节律差异，在高度异质的城市地表易出现精度下降与时间畸变；统计时间序列重建方法本质为数学统计平滑，缺乏植被生理生长机制约束，在关键物候转换期易出现曲线畸变与物候节律失真。本研究方法属于物候约束的时空插值框架，核心逻辑是利用低分辨率时间序列刻画不同植被类型年生长模式，通过高分辨率土地覆盖图校正空间幅度差异，实现时间与空间维度的解耦优化。相比现有方法有三点改进：以各植被类型独立物候拟合替代通用生长曲线；融合高分辨率土地覆盖图与Sentinel-2植被条件信息计算像元尺度参数；直接重建NPP估算所需的关键生物物理参数时间序列，避免“反射率融合—参数反演”两步流程的误差传播。研究还指出，由于气象强迫数据空间分辨率较粗，城市热岛效应影响下可能无法完全捕捉局地增温，敏感性分析显示日Tmin与Tavg各增加2 °C时，不同植被类型日NPP估算值下降约3.8%–9.5%，因此NPP估算结果应主要视为重建生物物理参数的应用示范而非绝对城市碳核算的验证产品。

研究结论翻译如下：（1）MCD12Q1产品作为MODIS-NPP估算的标准输入，在城市应用中存在关键且未充分认识到的局限：无法解析破碎分散的城市植被斑块精细空间分布，且存在分类偏差，该偏差既源于低分辨率影像刻画复杂城市地表的固有困难，也源于低分辨率土地覆盖产品所用分类系统的内在局限。对南京而言，MCD12Q1将50.44%土地面积分类为稀树草原，而10 m土地覆盖图仅识别出2.39%；以10 m图为参照，MCD12Q1跨尺度一致性仅25.90%。（2）两段与四段Logistic函数成功拟合了不同植被类型FPAR/LAI年内动态，PBRLI算法生成了10 m分辨率逐日FPAR/LAI时间序列，拟合FPAR的R2为0.69–0.95、LAI为0.82–0.97，平均绝对相对差异分别为5.12%与7.43%，证实该方法可在仅有有限数量高质量高分辨率影像的城市区域准确重建逐日高分辨率FPAR/LAI。（3）作为重建FPAR/LAI的示范应用，研究生成了南京10 m分辨率年NPP数据集。10 m NPP与500 m MOD17产品区域均值相对差异仅0.94%，但频率分布差异显著：年NPP低于0.2 kg C·m^?2·a^?1与高于0.8 kg C·m^?2·a^?1的像元在MOD17产品中分别占0.84%与0.10%，而在10 m数据集中分别占9.92%与12.20%。由于气象强迫未进行空间降尺度且NPP估算未与地基碳通量观测独立验证，该NPP数据集应主要视为重建FPAR/LAI应用潜力的展示而非绝对城市碳核算的验证产品，其绝对精度需进一步评估与本地化校准。总体而言，本研究提出的物候约束框架在南京高分辨率FPAR/LAI重建中表现出稳健性能，并具有推广至其他异质城市景观的潜力。