作者归档：vegremotesensing

青藏高原北坡草地的“变绿”趋势强于南坡

发表回复

坡向差异形成了不同的小气候，例如在北半球，南坡比北坡接收更多辐射，使南坡旱热、北坡湿冷。这种小气候差异会影响植被生长及其对气候变化的响应，不妨称该现象为坡向效应。本研究提出了一种坡向效应的量化指标——绿度非对称指数(GAI)，定义为给定空间窗口内北坡和南坡的平均归一化植被指数（NDVI）之间的比值。我们发现，青藏高原的坡向效应受背景气候影响，寒冷地区南坡植被优于北坡，干旱地区北坡植被优于南坡。但不管在何种气候区，北坡变绿趋势(greening)强于南坡。坡向效应形成的“天然实验室”可以指示植被生长的水热权衡，有利于加深植被对气候变化响应机制的理解，增强地球系统模型对未来植被动态的预测能力。

研究背景

高纬度和高海拔地区的生态系统受到低温的强烈限制。卫星观测表明，气候变暖促使植被出现明显的“变绿”趋势，进而增加了植被吸收的光合有效辐射，提高了生产力。然而，未来全球变暖对植被生长的积极影响是否会持续尚不确定。

坡向作为一个重要的地形变量，能够影响植被接收的太阳辐射量和时间，这种辐射差异形成了不同的小气候。因此，坡向是植被绿度的关键决定因素。南北坡之间的绿度差异取决于水和温度限制之间的权衡，绿度在不同坡向之间的差异可以看作“天然实验室”，用于研究温度和水对植被生长的相对影响。目前已有部分样地实验表明，北坡植被比南坡植被生长得更好，这在干旱和半干旱生态系统尤为显著。然而，由于采样点分布稀疏，这种现象在区域尺度内是否普遍存在尚不清楚。目前也没有针对南北坡绿度非对称性年际变化的研究，而这对于更好地理解植被的气候变化响应具有至关重要意义。基于此，本研究使用绿度非对称指数(GAI)，分析了青藏高原草地生长坡向依赖性的空间分布和年际变化规律。

主要结果

在空间分布上，63.6%青藏高原草地GAI > 1（北坡绿度强于南坡），主要分布在青藏高原西部和东北部。相比之下，GAI < 1.0（南坡强于北坡） 的区域较少 (36.4%)，主要分布在东部和中部。

图1 多年平均(1991-2020)绿度不对称指数空间分布 (a)和 (b)平均GAI∕= 1显著性检验结果。P值分为P < 0.01、0.01 < P < 0.05和P > 0.05三个水平。，GAI > 1.0代表面向极地的斜坡比面向赤道的斜坡更绿色，而GAI < 1.0代表相反的情况。灰色背景表示非草地。

GAI的空间格局主要由温度和降水量共同决定的，在温暖和干燥的地区，北坡植被生长优于南坡，而在寒冷和潮湿的地区，情况相反。

图2 1991-2020年青藏高原草地绿地不对称指数(GAI)在气候空间上的分布(a)年平均气温和年平均降水量区间内的GAI。(b) GAI与温度关系，GAI为降水区间内的平均值。(c) GAI与降水关系，GAI为温度区间内的平均值。

此外，1991至2020间，南北坡的 NDVI均增加，但北坡增幅大于南坡，即北坡植被在气候变化中受益更多。

图3 1991 – 2020年青藏高原草地面向赤道(红线)和面向极地(蓝线)斜坡平均NDVI的时间变化趋势。实线和阴影区域分别表示估计斜率的线性回归和95%置信限。

我们还比较了南北坡NDVI的温度敏感性（ST），以量化坡向是否会调节植被对气候变暖的响应。结果表明，北坡St显著高于南坡（P < 0.01）。

图4 NDVI对温度表观敏感性差异的空间分布(a)及其箱形图(b)。ST定义为1991-2020年NDVI与温度线性回归的斜率。(a)中的灰色背景表示非草地。(b)中的星号表示面向赤道(EFSs)和面向极地(PFSs)之间NDVI速率的显著差异(P < 0.01)。误差条表示均值的标准误差。

Gaofei Yin, Xinyu Yan, Dujuan Ma, Jiangliu Xie, Rui Chen, Huiqin Pan, Wei Zhao, Changting Wang, Aleixandre Verger, Adrià Descals, Iolanda Filella, Josep Peñuelas (2023). Polar-facing slopes showed stronger greening trend than equatorial-facing slopes in Tibetan plateau grasslands. Agricultural and Forest Meteorology, 341, 09698.

文章链接：https://www.sciencedirect.com/science/article/pii/S016819232300388X?dgcid=author

供稿：严欣钰

审核：尹高飞

编辑：谢江流

课题组顺利完成川西北野外科学考察

发表回复

2023年8月，课题组联合中国科学院空天信息创新研究院、生态环境部卫星环境应用中心赴阿坝羌族藏族自治州开展野外科学考察。野外考察主要目的是采集相关项目所需野外数据、同时深入了解高山植被的生长状况，增强专业知识，提升野外实践能力。

8月6日，考察人员顺利抵达红原县。随后，以若尔盖塔基平台（102.53°E，32.81°N）为中心，进行为期两天的实地考察和草地观测实验，开展植被盖度、高度、叶绿素含量、生物量等参数的测量。为了保证观测结果对塔基平台搭载的光谱仪视场的空间代表性，本次实验以塔基平台为中心，在东西-南北垂直布设样方内开展野外观测。

图1 塔基平台（左）及地面样方（右）
图2 植被盖度（左）和植被高度（右）测量
图3 叶绿素含量测量（左）和鱼眼相机拍照（右）

通过本次实验，我们深刻体会到理论知识与实际操作的紧密联系，为日后的研究和科研实践奠定了基础；实验中的分工合作让我们能高效完成任务，培养了团队协作意识，这对未来的合作研究大有帮助。最后，本次野外实验不仅培养了我们野外实践能力还加深了我们对高山植被生态的认识，对后续小组开展的植被生态相关研究具有重要意义。

8月12日考察人员顺利返回成都，川西北野外考察圆满结束。

供稿：谢江流

审核：尹高飞

绿-红植被指数可以有效追踪青藏高原草地秋季光合物候变化

发表回复

准确监测秋季光合物候是了解碳循环的关键。绿-红植被指数（the green-red vegetation index，GRVI）是基于宽波段红光和绿光反射率计算得出的指数，被越来越多地用作估算植被光合物候。然而，GRVI在大范围上的表现仍然不清楚。本文系统评估了归一化差异植被指数（NDVI）、归一化差异绿度指数（NDGI）、植被近红外反射率指数（NIRv）、太阳诱导叶绿素荧光（SIF）和GRVI在追踪站点和区域尺度高寒草地秋季光合物候的表现。结果发现，GRVI在提取站点和整个青藏高原尺度草地秋季光合物候的表现与SIF相当。然而，用于刻画植被光合生理的SIF的使用会受到空间分辨率和时间跨度的局限。相比之下，GRVI因其数学形式简洁且便于获得，在估算大范围秋季光合物候上具有独特优势，对碳吸收研究具有重要意义。

1.研究背景

植被通过光合作用将二氧化碳转化为有机化合物，从而调节全球碳循环和能量交换。光合物候是指由周期性变化的环境触发的光合活动节律变化，光合物候的转变极大地影响了陆地生态系统的碳平衡。秋季光合物候在决定植被光合作用持续时间方面起着关键的作用。因此，提高对秋季光合物候的理解对于准确识别陆地生态系统中的碳源和碳汇至关重要。

植被通过光合作用吸收的碳量可以通过总初级生产力（GPP）直接量化。然而，直接利用GPP监测光合物候的时空动态并不是一项简单的任务，因为基于光能利用效率理论的卫星GPP模型仍未得到良好的校准和验证，无法以高可靠性实现全球时空连续的光合物候监测。SIF是光合作用光反应过程中重新发射的小部分能量，可作为区域到全球尺度上植被光合作用的探针。然而，包括低时空分辨率和短时间跨度等在内的几个技术问题限制了SIF在追踪秋季光合物候方面的广泛应用。近几十年来，NDVI、NDGI和NIRv等遥感卫星植被指数（VI）已被广泛应用于提取秋季光合物候。然而，大部分的植被指数都只捕捉到冠层绿度，从而衡量了潜在的光合作用，而在衰老期间，潜在光合作用通常与实际光合作用脱离。相反，绿红植被指数（GRVI）虽然是一种简单的光学指数，但其可以量化叶片光合速率，并成功捕捉到了植被生长季结束期的光合作用下调。然而，现有的对GRVI的研究都只基于通量站点尺度，其在追踪大范围尺度秋季光合物候方面的表现仍不清楚。

作为“世界屋脊”，青藏高原（TP）在区域生态系统碳循环中起着关键作用。高寒草地占据了青藏高原总面积的60%以上，是其主要植被类型，对气候变化和人类活动非常敏感。因此，监测高寒草地秋季光合物候的动态变化将有助于改善未来气候变化情景下青藏高原草地生态系统碳循环的预测。基于此，本研究旨在评估GRVI在提取青藏高原高寒草地秋季光合物候方面的性能。

2. 研究思路与实验方法

2.1植被指数的计算

式中，NIR、R、G分别表示为近红外、红光、和绿光波段反射率。

2.2 秋季光合物候提取

本文分别采用具有代表性的三种方法：50%动态阈值法、最大变化率法和分段逻辑函数法，对各指标进行秋季光合物候的提取。同时为了避免因某种方法偶然性引入的误差，我们以三种方法提取结果的平均值作为最终的物候值。

2.3 评估方法

（1）以通量站点GPP为基准，比较了NDVI、NDGI、NIRv、GRVI和SIF在站点尺度提取秋季光合物候的表现；

（2）在青藏高原范围内，评估NDVI、NDGI、NIRv、GRVI追踪SIF代表的秋季光合物候期及其变化趋势的能力。

3. 重要结果

结果显示基于NDVI、NDGI、NIRv和GRVI提取的EOS相比于GPP都普遍延迟（图1）。其中，NDVI的R2最低，偏差最大，分别为0.15和20.72天（图1(a)）。虽然NDGI和NIRv提供了令人满意的R2（分别为0.40和0.42），但偏差较大（13.62天和6.56天）。与NDVI和NDGI相比，GRVI和SIF估计的EOS的滞后明显减轻。偏差分别减少到4.39天和0.71天。结果表明，SIF可以作为提取秋季光合物候的可靠代理，GRVI与SIF的表现相当。

图1. 站点尺度植被指数、SIF与GPP秋季物候提取结果关系图。

进一步，我们以SIF为基准，分析了四种植被指数在区域尺度提取秋季光合物候的表现（图2）。结果显示在NDVI和NDGI的结果中，EOS普遍晚于SIF（分别为总面积的96％和95％），并且这些差异显示出从青藏高原东部到西部逐渐减小的空间梯度（图2(a)和2(b)）。不同的是，GRVI的与SIF结果的差异明显较小（图2(d)，2.97±5.67 d，平均值±标准差）。而在趋势分析中，NDVI和NDGI都在青藏高原东部/西部高估/低估了EOS的变化（图2(e)和(f)）。与NDVI和NDGI相比，GRVI和NIRv的结果中这种空间模式得到了缓解（图2(g)和(h)）。

图2. 植被指数与SIF秋季物候差值（ΔEOS）及其趋势差值（ΔTrend）的空间分布

4. 研究结论

植被绿度与生理在秋季的脱钩导致常用结构植被指数如NDVI、NDGI和NIRv估算EOS的严重滞后，而GRVI可以成功捕捉到秋季光合作用的下调，与SIF提取的秋季光合物候相当。同时红光和绿光波段的反射率在大多数现有光学传感器（如Landsat和Sentinel）上很容易获取，具有高分辨率和长时间跨度的优势，因此GRVI可以作为秋季光合物候监测的一个有效工具。随着遥感产品分辨率的不断提高，GRVI有潜力在米乃至亚米尺度上实现光合物候监测，这可能最终实现对全球陆地碳平衡更准确的估计。同时借助于GRVI对植被生理变化的独特敏感性，我们甚至可以利用GRVI监测植被对极端气候事件的响应以及全球高精度植被生产力的估算。

Wangchao Li, Rui Chen, Dujuan Ma, Changjing Wang, Yajie Yang, Cong Wang, Huai Chen, Gaofei Yin (2023) Tracking autumn photosynthetic phenology on Tibetan plateau grassland with the green–red vegetation index. Agricultural and Forest Meteorology,399.

文章链接：https://www.sciencedirect.com/science/article/pii/S0168192323002642?dgcid=author

供稿：李望超

编辑：陈瑞

审核：尹高飞

祝贺VEGRS小组四位硕士顺利毕业！

发表回复

连雨不知春去，一晴方觉夏深；秋风迎来新涩，烈日送别青春。

时光荏苒，春去夏来，在这烈日酷夏，VEGRS小组首届硕士生毕业啦！

回往过去，有太多难忘的瞬间。是凌晨 十二点半实验室仍然明亮的灯光，是早上 六点大步向前的徐徐阳光；是每月两次的组会水果狂欢盛宴，是闲暇之余的夏日黑夜中的捉鬼大战，是迎着晚霞的羽毛球老年人休息场，是紧张刺激的户外真人 CS；是论文投稿被拒的失望，是论文接收后的希望！VEGRS小组就是一个大家庭，它见证了我们的成长与蜕变，也承载了我们的欢笑和泪水。愿我们带着美好的记忆，拥抱明天的太阳，成为更好的我们！

天涯海角有尽处，只有师恩无穷期。匆匆三年，感谢尹老师对我们的谆谆教诲，感谢您在科研中对我们的每一次指导，感谢您让我们在人生旅途中更加成熟和坚定，衷心的祝愿您生活愉快，工作顺利！最后，请让我们再道一声：尹老师，您辛苦啦！

夏天的蝉声连绵不绝，我们的未来洒满阳光。愿毕业生们保持心中的热爱，奔赴山海，载梦飞翔！下次再见时，可以鲜活又明亮！

昔日的场景心中回荡，从前的欢笑耳边回响。毕业不是终点，前方路还长，愿有岁月可回首，且以今朝共叙旧！

VEGRS小组全体祝：古洪凡、潘慧勤、杨雅洁、付锐四位硕士毕业快乐!愿你们无畏风雨，纵马扬鞭，谱写更精彩的人生新篇章！

供稿：陈樟锴、谢江流

编辑：谢江流

川西北生态遥感实验记实2

发表回复

2023年6月11日，博士研究生王昶景、硕士研究生李望超和唐愉松等多人组成的团队，前往四川阿坝州红原县国家若尔盖高原湿地生态站展开野外科研考察。本次野外考察的主要目标为：①收集增温梯度对高原草甸物候的影响实验的阶段性数据，并对仪器进行保养维护；②试飞搭载高光谱传感器的无人机。

团队成员在检查物候相机
团队成员在检修实验仪器

在专业人员的指导下，团队接受了无人机操作培训，并亲自操作无人机采集了高原草地的高光谱影像数据。这些数据能够提供关于草地生态系统的丰富信息，如植被覆盖度、植物物种分布和草地生理状况等，为团队开展基于无人机平台的草地生态监测实验提供了基础。

此后，可以利用无人机遥感技术对实验样地进行定期监测，以了解高原草甸的动态变化情况，进行草地的生态环境评估，分析植被生理特征和结构差异，评估草地健康状况，为高原草甸管理和保护提供科学依据。

团队成员接受无人机操作培训
无人机拍摄的近地面草地RGB影像

供稿：唐榆松、王昶景

编辑：谢江流

审核：尹高飞

路径长度校正PLC可以缓解光照对NIRv衍生的秋季光合物候的影响

发表回复

路径长度校正PLC可以缓解光照对NIRv衍生的秋季光合物候的影响

准确估算光合物候对了解陆地植物对气候变化的响应具有重要意义。植被近红外反射率植被指数(near-infrared reflectance of vegetation，NIRv)被越来越多地用作估算光合物候。然而，崎岖地形使照明条件产生畸变进而影响NIRv衍生的光合物候。本文以涡度协方差GPP估算的物候指标为参考，系统评估了光照对三种形式的NIRv即原始NIRv、NIRvP（NIRv与太阳入射辐射PAR的乘积）和地形校正NIRv（即TCNIRv）衍生的物候指标的影响。结果表明，NIRv在光合物候提取中存在明显的季节性差异（SOS基本和GPP保持一致，EOS存在明显的滞后性），NIRvP中的辐射约束纠正了基于NIRv的EOS估计的偏差。路径长度校正PLC减轻了原始NIRv的照明影响，使TCNIRv在估计SOS和EOS方面与NIRvP相当。本文对理解物候对气候变化的响应和气候-碳反馈具有重要意义，特别是在地形复杂的山区。

01研究背景

植物的光合作用具有明显的季节性，可以通过光合物候来表征，例如光合作用季节的开始（start of season, SOS）和结束（end of season, EOS）。全球变暖通常会导致SOS提前和EOS延后，这种变化极大地影响陆地生态系统的碳吸收。因此，更好地了解光合物候对于更准确地预测未来的气候变化是必要的。

物候监测可以通过三种不同的测量尺度来实施：原位观测、近地观测和遥感观测。涡度协方差网络提供了一种直接获取光合物候的方法。然而，涡度协方差通量塔的光合物候往往受到其相对较小的覆盖足迹和稀疏分布的限制。近地表面传感器，如“PhenoCams”网络，可以提供植被状况的永久和定期的视觉记录并通过光谱指数对物候进行量化。然而，近地表面传感器观测到的范围较小同样不适合大规模的物候监测。遥感提供了另一种获取光合物候的手段。近几十年来，从遥感观测中获取的植被指数（VIs）广泛用于提取物候及其对气候变化的响应。

VIs在提取光合物候年际变化的性能取决于VI定义、植被类型及其季节性和提取物候指标的方法等因素。因此，选择合适的VIs是准确提取光合物候的先决条件。归一化差异植被指数NDVI被广泛用于估算物候。然而，大气条件、土壤背景和饱和效应等因素会强烈影响其值。与NDVI相比，植被的近红外反射率NIRv通过最小化土壤背景的影响来代表植被组分的近红外反射率，并且对高植被区不敏感。因此，NIRv目前被视为GPP的可靠代理。最近的研究表明，NIRv在跟踪GPP的季节动态方面优于NDVI。然而，从NIRv提取的光合物候已被证明在季节性表现上存在明显的差异，即NIRv导出的SOS估计与基于GPP的估计具有良好的一致性，而EOS滞后于基于GPP的EOS。Dechant等开发的NIRvP作为NIRv和太阳入射辐射的乘积包含有关辐射的信息，是提取EOS的一种有前景的替代方法。

在山区，地形显著影响照明条件，从而扭曲由遥感观测中得出的非波段比值型植被指数。因此，NIRv所估算的光合作用物候在山地地区存在相当大的不确定性。然而，据我们所知，地形对照明条件的影响是否改变了在山地地区估算的NIRv光合作用物候尚未进行评估。

路径长度校正PLC是一种通过简化辐射传输方程推导出来的地形校正方法，可以有效补偿不同坡度和坡向区域之间太阳辐照度的差异。因此，我们假设由Chen等开发的经过地形校正的NIRv（TCNIRv），可能会缓解光照条件对NIRv衍生光合物候的影响。然而，它在光合作用物候提取方面的表现仍不清楚。

基于此，本文的主要目的是评估光照效应对NIRv、NIRvP和TCNIRv估算的光合作用物候指标（即SOS和EOS）的影响。

02研究思路与实验方法

A. 三种不同形式的NIRv植被指数：

式中，NIR和R分别表示为近红外和红光波段反射率。PAR为光合有效辐射。Ω1和Ω2分别为太阳和观测方向；S和St分别为水平表面和倾斜表面上的路径长度。

B. 实验方法

首先，根据Landsat-8影像、光合有效辐射PAR和DEM计算离散的NIRv、NIRvP和TCNIRv（图1）。然后，采用CACAO方法生成时间连续的NIRv、NIRvP和TCNIRv序列。采用留一法验证重建的NIRv、NIRvP和TCNIRv时间序列的可靠性。然后评估照明条件对NIRv、NIRvP和TCNIRv的影响。最后，将NIRv、NIRvP和TCNIRv提取的物候指标（即SOS和EOS）与GPP的物候指标进行比较来评价光照条件对物候提取的影响。

图1实验流程图

03重要结果

在图2中，分别展示了BE-Bra和CH-Lae站点重构的NIRv、NIRvP、TCNIRv和GPP时间序列。NIRv、NIRvP和TCNIRv有效地捕捉到了GPP的季节动态和年际变化。此外，更仔细的观察发现，春季的NIRv、NIRvP和TCNIRv曲线与GPP的曲线相似，而秋季的曲线则非常不同。在秋季，NIRv明显滞后于GPP，而NIRvP和TCNIRv能够很好地纠正这种季节性的偏移，并与GPP高度一致。

图2 GPP与重构植被指数NIRv、NIRvP和TCNIRv的季节变化

图3展示了2014年至2018年期间从GPP和重建的NIRv、NIRvP和TCNIRv中得出的平均SOS和EOS的差异。对于BE-Bra/CH-Lae站点，NIRv、NIRvP导出的SOS估计值与GPP导出的估计值具有良好的一致性，而EOS估计值差异非常明显。对于CH-Lae站点，TCNIRv导出的SOS和EOS与GPP导出的物候值具有良好的一致性。

图3植被指数NIRv、NIRvP和TCNIRv多年平均的SOS和EOS。虚线和阴影分别表示GPP估计的物候值及其不确定性

04研究结论

NIRvP中的辐射约束缓解了NIRv估算的EOS偏差。耦合在TCNIRv中的路径长度校正PLC同样缓解了光照条件对NIRv的影响，使TCNIRv在估计SOS和EOS方面与NIRvP相当。TCNIRv的主要优点是它是一种完全基于影像的VI，无需额外的辅助信息，公式简单，是一种准确监测山区植被物候的有用工具。

文章信息

Rui Chen, Gaofei Yin, Guoxiang Liu, Yajie Yang, Cangjing Wang, Qiaoyun Xie, Wei Zhao & Aleixandre Verger (2023) Correction of illumination effects on seasonal divergent NIRv photosynthetic phenology. Agricultural and Forest Meteorology, 339.

论文链接：https://www.sciencedirect.com/science/article/pii/S0168192323002332

供稿：陈瑞

审核：尹高飞

青藏高原草地春季物候对温度的敏感性在降低

春季物候是表征植被动态对气候变化响应的重要指标。然而，作为全球气候变化最敏感的地区之一，青藏高原春季物候对气候变化的响应机制尚不明确。本研究利用卫星太阳诱导叶绿素荧光（Solar-induced Chlorophyll Fluorescence，SIF）数据，探究了青藏高原草地2001-2020年春季物候，即生长季开始日期（start of growing season, SOS），及其温度敏感性的时空变化特征。研究发现，青藏高原草地温度敏感性以每年0.14 day/℃的速率在显著降低。降水和气温对温度敏感性的空间分布影响较大，降水每减少1 mm，气温每增温1 ℃，温度敏感性分别减少0.02和0.54 day/℃。本研究在一定程度上提高了我们对高原草地春季物候对气候变暖响应的认识，有助于更好地理解全球变暖下草地春季物候变化对气候变化响应和反馈的潜在机制。

01 研究背景

在全球气候变暖背景下，气候变化对春季物候产生了显著影响。然而，目前我们对全球变暖如何调节青藏高原草地春季物候与温度之间关系的认识仍然有限。基于此，本研究利用日光诱导叶绿素荧光（SIF）和气象再分析数据（ERA5-Land），估算了青藏高原草地SOS及其对温度的响应变化指标（即温度敏感性，St），分析气候因子对温度敏感性的调制影响，旨在阐明青藏高原春季物候对全球气候变暖的响应机理。

02 研究方法与数据

青藏高原草地春季物候提取

本研究使用阈值法、双逻辑函数法来提取青藏高原春季物候，以两种方法提取的平均值作为最终的春季物候值来探究其温度敏感性的时空变化特征。

阈值法主要是利用生长季观测阈值来划定生长季物候时间节点，从而确定物候期，数学形式为：

式中，CSIFts为平滑后的时间序列（ts）的CSIF值；CSIFmax和CSIFmin分别为当前年CSIF时间序列中的最大值和最小值。SOS则被定义为当CSIFratio值超过0.2时所对应的日期的第一天。

逻辑函数法主要是基于植被生长季曲线遵循标准的逻辑函数的思想而实现对物候期提取。因此，植被生长季的遥感观测（本研究中为CSIF）的时间序列可以用一条标准的双逻辑函数拟合，其数学形式如下：

式中，f（ts）为年月日（表示为DOY）的时间序列（ts）拟合后的CSIF值，CSIFw为冬季背景CSIF值，αS和αA分别为春季变绿平台和秋季衰落平台的振幅。δS和δA分别为对应生长季春季和生长季秋季）拐点曲率参数，S和A分别为变绿和变黄的拐点DOY中点。此外，利用最小二乘法对式（2）中参数（αS，αA，δS，δA，S，A）与实际观测值进行拟合。最后，利用一阶导数、二阶导数和三阶导数的最小值和最大值来估计SOS，即:

温度敏感性的计算

温度敏感性（St）是评估物候对气候变暖响应的有效方法。我们利用春季物候提前的天数与季前温度的线性回归的斜率作为春季物候温度敏感性。

03 研究结果

1. 青藏高原草地春季物候东部提前，西部延后

2001-2020年青藏高原草地多年平均SOS表现出明显的空间分布格局（图 1（a）），且青藏高原东部和西部的SOS呈现出相反的年际变化趋势（图 1（b））。整体来看，青藏高原草地生态系统的SOS平均每10年提前0.29天。

图 1 2001 – 2020年青藏高原草地（a）多年平均SOS的空间格局和（b）SOS的时间趋势

2. 青藏高原草地温度敏感性的空间分布

青藏高原草地温度敏感性的空间分布如图 2所示。平均温度敏感性约为0.66 day/℃，即季前温度每增加1 ℃，SOS平均提前0.66天。

结合季前气候因子（即季前温度、降水和辐射），我们进一步研究了温度敏感性的区域分布。我们观察到，在由温度和降水组成的气候空间中，温度敏感性存在明显的分布差异（图 3（a））。季前降水与温度呈高度正相关（R2 = 0.81），而与季前温度呈负相关（R2 = 0.78）。此外，在辐射和降水中也观察到类似的关系（图 3（b）），但在温度和辐射中则未发现（图 3（c））。总体而言，温度和降水对温度敏感性空间分布的影响大于辐射，降水减少1 mm和升温1℃分别导致温度敏感性减少0.02和0.54 day/℃。

图 2 2001 – 2020年青藏高原草地温度敏感性的空间格局
图 3 2001 – 2020年青藏高原草地温度敏感性在（a）季前温度和降水（b）季前降水和辐射（c）季前温度和辐射构成的气候空间中的分布

3. 青藏高原草地温度敏感性在降低

研究结果发现，2001-2010年的温度敏感性的平均值远远高于2011-2020年的（+ 1.38 day/℃ vs + 0.16 day/℃）（图 4（a）、（b）、（c））。2001年到2020年的5年滑动窗趋势分析显示，温度敏感性的平均降低速率为0.14 day/℃/year（p = 0.1）（图 5）。以上结果表明，近20年来青藏高原草地春季物候温度敏感性在降低。

图 4（a）2001 – 2010年和（b）2011 – 2020年间青藏高原草地温度敏感性空间格局，（c）2个代际的温度敏感性的数值分布
图 5 2001 – 2020年间青藏高原草地温度敏感性（5年滑动窗）的时序变化

4. 温度敏感性时序降低的归因

基于5年滑动窗方法，我们进一步探讨季前气候因子对温度敏感性降低的贡献。结果表明，青藏高原草地温度敏感性受季前温度、辐射和降水限制的区域占比分别为37.9%、34.4%和27.7%（图 6（d））。

图 6 青藏高原草地温度敏感性与（a）季前温度，（b）季前降水和（c）季前辐射的偏相关关系的空间分布。（d）青藏高原温度敏感性变化的主要限制因子的空间分布

04 结论

本文基于日光诱导叶绿素荧光和气象再分析数据，探究了青藏高原草地春季物候与其温度敏感性对气候因子的时空变化特征。研究结果表明，2001-2020年青藏高原草地SOS变化趋势具有明显的空间格局：提前趋势（58.1%）和延后趋势（41.9%）分别分布在青藏高原东部和西部。在此期间，温度敏感性以每年0.14 day/℃的速度显著降低。从空间上看，青藏高原东部表现为正温度敏感性（即温度升高，SOS提前），西部表现为负温度敏感性（即温度升高，SOS延后）。降水和气温对温度敏感性的空间分布影响较大，降水每减少1 mm，气温升高1℃，温度敏感性分别减少0.02和0.54 day/℃。从时间上看，季前气候因子协同控制温度敏感性的降低。我们的发现对理解青藏高原春季物候对气候变化的响应具有重要意义，并进一步证实了在春季物候研究模式中考虑季前气候因子的重要性。

文章信息

Zhangkai Chen, Rui Chen, Yajie Yang, Huiqin Pan, Qiaoyun Xie, Cong Wang, Baodong Xu, and Gaofei Yin（2023）. Decreased Sensitivity of Grassland Spring Phenology to Temperature on the Tibetan Plateau. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, doi: 10.1109/JSTARS.2023.3269908.

论文链接：https://ieeexplore.ieee.org/document/10107767

供稿：陈樟锴

编辑：陈瑞

审核：尹高飞

卫星探测到冠层结构和叶片生理对干旱的迥异响应

厘清干旱对植物光合作用的影响对于预测未来陆地生态系统固碳能力的变化至关重要。干旱可以通过两种途径来影响植物光合作用：在冠层结构方面，干旱会导致叶片衰老和脱落，进而影响叶片对光的截获能力；在叶片生理方面，干旱会导致叶片气孔部分关闭同时抑制光合作用的酶活性，从而影响光的转换效率。常用基于反射率的植被指数作为冠层结构的代理指标来探究其对干旱的响应，而目前还难以通过遥感手段有效刻画叶片生理特性。因此，本文提出了一种从SIF中解耦叶片生理分量的新方法。基于该方法，比较了冠层结构和叶片生理对2011年西南地区夏季干旱的响应，并探究干旱对生态系统光合作用的净影响。由于在夏季干旱时期辐射限制的缓解，冠层结构（NIRv）增加了14.0%，而叶片生理则减少了12.6% – 19.3%。结构增强和生理抑制之间相互权衡后，干旱对生态系统光合作用强度影响低于预期（-2.96% – 7.5%）。

01 研究背景

在全球变暖背景下，干旱事件的频率和强度将持续增加。干旱对植物光合作用的影响主要是通过冠层结构和叶片生理的变化两种机制实现。冠层结构和叶片生理分别与光合作用中植物吸收的光合有效辐射（Absorbed Photosynthetically Active Radiation, APAR）和二氧化碳（Carbon Dioxide, CO2）同化率有关，两者共同决定了生态系统的光合作用速率。目前，日光诱导叶绿素荧光（Solar-induced Chlorophyll Fluorescence, SIF）被证明具有监测和评估干旱对植被光合作用影响的潜力，其可被分解为APAR、荧光的冠层逃逸率（fesc）和荧光激发效率（Φf），其中前两项表示冠层结构，第三项表示叶片生理。

基于此，本文的主要目标是，从SIF中解耦出表征叶片生理的Φf，比较2011年夏季西南地区极端干旱事件对冠层结构和叶片生理的响应以及探究此次干旱对生态系统光合作用的净影响。

02 理论基础

从SIF中解耦叶片生理分量（Φf）

本研究使用NIRv来描述冠层结构对干旱的响应，NIRv表示为NDVI和近红外反射率的乘积：

式中，NIR和Red分别为近红外和红波段反射率。NIRv与植物反射的近红外光子数量直接相关，代表植被捕获光的能力，是冠层结构的可靠代理。

从SIF中能够提取叶片生理信息，SIF可以表示为：

式中，PAR为光合有效辐射，fPAR为植物吸收光合有效辐射的比例，Φf为叶尺度的荧光激发效率，fesc为冠层逃逸概率。由于Φf与光合作用的光能利用效率呈正相关关系，因此我们将Φf作为叶片生理的代理指标，通过对式（2）求逆得：

其中fesc可以近似为：

因此Φf可以由式（3）和式（4）简化为：

本研究以ERA-5数据集中的地表太阳下行短波辐射作为PAR的代理，为了增加我们结果的稳健性，CSIF和GOSIF数据集都被用来探究冠层结构和叶片生理对干旱的响应。

相对变化计算方法

本研究比较了西南地区2011年夏季与2007、2008年正常夏季的各变量的异同，为了提高比较的稳健性，我们采用最为简单的方法，即干旱年份和正常年份之间的相对变化(ΔI)，来表征干旱年各指标的变化情况：

其中Id为2011年干旱年NIRv和Φf的夏季 (6、7、8月)平均值，Ir为基准值，由2007-2008年各指标的夏季平均值计算得到。

03 研究结果

从NIRv的相对变化（ΔNIRv）可以看出，植被冠层结构对干旱总体上呈正响应（图1）；基于CSIF和GOSIF的叶片生理分量（Φf）则在空间上显示出相似的负响应（图2）。相较于CSIF，GOSIF的响应更加强烈（对于GOSIF和CSIF，ΔΦf分别为-19.3%和-12.6%）。

图1 西南地区植被冠层结构（NIRv）对2011年夏季干旱的响应
图2 西南地区基于（a）CSIF和（b）GOSIF的叶片生理（Φf）对2011年夏季干旱的响应

对于不同植被类型，ΔNIRv均随干旱加剧（SPEI减小）而增加，而由CSIF和GOSIF衍生的Φf均随干旱加剧而降低。其中，ΔNIRv或ΔΦf与草地SPEI的相关性最强（绝对相关系数R > 0.7）（图3），可能是由于其根系较浅。

图3 SPEI与耕地、森林和草地ΔNIRv、ΔΦf（CSIF）、ΔΦf （GOSIF）的关系

利用偏相关分析法分析了气候变量对冠层结构和叶片生理变化的贡献。辐射对冠层结构（NIRv）和叶片生理变化（Φf（CSIF）和Φf（GOSIF））的贡献最大，但方向相反（图4）。辐射的增加增强了冠层结构（R = 0.16），抑制了叶片生理变化（Φf（CSIF）和Φf（GOSIF）的R分别为-0.13和-0.18）。与辐射相比，温度和降水的影响较小。降水的减少往往伴随着辐射的增加，因此降水与辐射的贡献相反。

图4 不同气候变量（温度、降水和辐射）对各参数的贡献

在考虑了干旱对叶片生理的影响后（图2），14.0%（图1）的冠层结构增加导致了7.5%（CSIF）和1.2%（GOSIF）的光合作用增加（图5）。为了更准确地量化干旱对植物光合作用的净影响，我们基于EC-LUE GPP数据研究了干旱对2011年夏季GPP的影响。结果表明，EC-LUE GPP在干旱期间下降了-2.96%（图6）。

图5 西南地区（a）CSIF和（b）GOSIF对2011年夏季干旱的响应
图6 西南地区EC-LUE GPP对2011年夏季干旱的响应

04 结论

本论文研究了2011年夏季干旱对中国西南地区植被冠层结构（NIRv）和叶片生理（Φf）的影响。通过使用一种兼顾机理的简单方法实现了从SIF中解耦Φf。结果表明，卫星探测到了冠层结构和叶片生理对干旱的截然相反响应：由于在夏季干旱时期辐射限制的缓解，冠层结构增加了14.0%（降水减少导致云量减少、辐射增加），而叶片生理则减少了12.6%（CSIF）或19.3%（GOSIF）。结构增强和生理抑制之间的权衡导致生态系统光合作用略有变化（CSIF：7.5%；GOSIF：1.2%；EC-LUE GPP：-2.96%）。本论文提供了对植物光合作用对干旱的复杂响应的新见解，并有助于解释多云雾地区所观察到的植物对干旱的差异性响应。

文章信息

Hongfan Gu, Gaofei Yin, Yajie Yang, Aleixandre Verger, Adrià Descals, Iolanda Filella, Yelu Zeng, Dalei Hao, Qiaoyun Xie, Xing Li, Jingfeng Xiao, and Josep Peñuelas (2023). Satellite-detected Contrasting Responses of Canopy Structure and Leaf Physiology to Drought [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2023: 1-10.

论文链接：https://ieeexplore.ieee.org/document/10049612

供稿：古洪凡

编辑：陈瑞

审核：尹高飞

基于Sentinel-1交叉比指数的落叶林春季物候提取新方法

落叶林春季物候对碳循环具有重要作用。与光学传感器相比，合成孔径雷达(Synthetic Aperture Radar，SAR)不受天气条件的影响，可以更频繁地观测植被物候。然而，基于SAR数据所计算的指数与森林不同生长阶段的内在关联仍不清楚。本文探讨了由Sentinel-1雷达数据计算得出的交叉比(Cross Ratio，CR)指数与落叶林生长过程的关系，提出了一种基于CR的落叶林春季物候提取新方法。本研究阐明了利用SAR数据提取落叶林春季物候的机制，为改进SAR数据在多云雨地区森林物候的提取能力提供了参考。

01 研究背景

落叶林春季物候是研究气候变化对森林生态系统生物影响的重要指标。光学卫星数据质量受天气条件的影响，相比之下，微波比可见光具有更长的波长，SAR可以独立于天气条件定期获取图像，为植被物候监测提供了新的机遇。然而利用SAR数据提取物候期的研究多集中在农田上，SAR数据用于大规模森林物候提取的潜力还有待研究。此外，由SAR计算的CR与落叶林物候的物理联系尚不清楚。因此，了解CR在不同生长阶段的变化及其驱动因素具有重要意义。

我们研究了SAR数据与传统光学遥感数据在森林春季物候期提取中的应用潜力，提出一种基于CR提取落叶林春季物候新方法，并验证其在大陆尺度物候提取上的表现。

02 理论基础

我们发现CR在展叶前增加，在叶片成熟前降低，这与冠层结构和木质部分(树干、树枝等)含水量的变化有关。这一发现为基于CR时间序列提取物候指标提供了理论基础。综上所述，CR的季相变化如图1所示，展叶在CR最大值最小值之间出现，因此可以设置合适的阈值来提取春季物候。

图1 CR随落叶林物候期的变化。曲线表示CR。曲线颜色的变化表示木质部分含水量的变化，深蓝和浅蓝色分别表示木质部分含水量高和低。

03 结果

以PhenoCam站点实测春季物候为基准，对比了CR和NDVI各自计算的SOS。结果表明，CR可以准确刻画落叶林春季物候。我们进一步使用CR计算了大陆尺度的春季物候，所得结果与NDVI具有较好一致性。

图2 大陆尺度落叶林SOS分布图：(a) CR所得结果；(b) NDVI所得结果。(c) SOS的纬度分布。

04 结论

本文研究了提出了SAR卫星数据提取落叶林春季物候的新方法。结果表明，Sentinel-1 CR时间序列很好地反映了落叶林生长过程中树木结构和含水量的变化，证明了基于Sentinel-1的CR指数进行物候期提取的潜力。该研究为提高利用SAR数据监测多云雾地区落叶林春季物候的能力提供了参考。

文章信息

Huinan Yu, Yajie Yang, Changjing Wang, Rui Chen, Qiaoyun Xie, Guoxiang Liu, and Gaofei Yin. Extracting Deciduous Forests Spring Phenology from Sentinel-1 Cross Ratio Index [J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2023: 1-11.

论文链接：https://ieeexplore.ieee.org/document/10050014

供稿：于慧男

编辑：陈瑞

审核：尹高飞

基于PROSAIL模型的草地地上生物量时空连续制图新方法

地上生物量(above ground biomass，AGB)是表征植被生长状况及生产力的重要指标，对草地AGB进行准确的时空连续监测有利于实现草地可持续发展。然而，现有的草地AGB反演方法大多基于经验方法，可移植性不强，难以支持大范围时空连续监测。考虑到草本植物的地上生物量主要来自于叶片，因此AGB可以近似为叶面积指数(leaf area index，LAI)和叶片干物质含量(dry matter content，Cm)的乘积。同时，LAI与Cm均为PROSAIL模型的输入，据此，本文提出了一种基于PROSAIL模型的草地AGB物理反演新方法。进一步依托于谷歌地球引擎(Google Earth Engine, GEE)云平台，实现了青藏高原草地AGB高精度时空连续性制图。

01 研究背景

草地是最重要的陆地生态系统之一，具有重要的生态和经济功能（生物多样性保护、气候调节、牲畜饲料供应等），在全球碳循环中起着重要作用。草地地上生物量AGB，即单位面积草地地上有机质总量，是衡量草地生长状况和生产力的重要指标。因此，刻画AGB的时空动态特征对草地可持续发展具有重要意义。

人工测量方法可以提供准确的草地AGB估计值，但其耗时耗力和破坏性测量的特点点，阻碍了大规模应用。光学遥感为区域乃至全球尺度的草地AGB反演提供了一种新的途径。现有的基于遥感的方法主要可以分为两类：经验法和物理法，前者由于易于实现而更受欢迎。然而，由于难以采集具有时空代表性的实地AGB测量值，经验法通常难以直接应用于大范围和长时序的AGB反演。因此，利用遥感技术实现草地AGB的时空连续监测仍然具有很大的挑战性。

PROSAIL模型通过解释冠层内的辐射传输过程，建立了植被生物物理参数与遥感观测之间明确的物理关系。草地是草本植物，其AGB可以表示为LAI和Cm的乘积，即AGB = LAI × Cm，两者均是PROSAIL模型的输入，因此，草地AGB的物理反演在理论上是可行的。然而，基于该理论的相关研究大多是在相对较小的范围内进行的。AGB的物理反演在整个青藏高原大面积草地中的实用性尚不清楚。

基于此，本文的主要目标是，基于PROSAIL模型提出一种草地AGB物理反演新方法，并通过该方法实现青藏高原草地AGB的时空连续制图。

02 数据与方法

通过PROSAIL模型反演获得LAI和Cm，并将其相乘得到草地AGB。借助GEE平台提供的MCD43A4反射率数据、MCD12Q1地表覆盖数据和随机森林算法，实现青藏高原2000-2021年逐日草地AGB生产（图1）。

图1 地上生物量反演流程

03 结果

分析发现，AGB的估算值与实测值具有较高的一致性（R2=0.87，RMSE=14.29 g/m2）（图2），证明了所提方法在草地AGB估算上的可靠性和准确性。

图2 基于新方法的地上生物量估计值与实测值之间的关系

生产的AGB产品很好的刻画了青藏高原草地AGB的空间、季节和年际变化特征。空间上，草地AGB呈现由东南向西北递减趋势（图3）；季节上，草地AGB在休眠期因放牧影响仍呈下降趋势（图4）；年际上，2000到2021年，青藏高原草地AGB整体呈增加趋势，且主要集中在东部（图5）。

图3 2000 ~ 2021年青藏高原月平均地上生物量的空间分布
图4 青藏高原草地干物质总重的季节变化
图5 2000 – 2021年青藏高原草地月平均地上生物量年际变化趋势

04 结论

本文提出了一种基于PROSAIL模型的青藏高原草地AGB物理反演新方法。结果表明，该方法估算的AGB与实测AGB具有较高的一致性，且准确刻画了草地AGB的时空动态变化。本研究为区域乃至全球尺度草地AGB的时空连续监测提供了一种有效途径。

文章信息

Jiangliu Xie, Changjing Wang, Dujuan Ma, Rui Chen, Qiaoyun Xie, Baodong Xu, Wei Zhao, Gaofei Yin (2022). Generating Spatiotemporally Continuous Grassland Aboveground Biomass on the Tibetan Plateau Through PROSAIL Model Inversion on Google Earth Engine. IEEE Transactions on Geoscience and Remote Sensing, vol. 60, pp. 1-10, 2022.

论文链接：https://ieeexplore.ieee.org/document/9975281

供稿：谢江流

编辑：陈瑞

审核：尹高飞