光学遥感因其观测范围广、时空连续成像的特点，为区域或全球山区植被监测提供了便利。然而，地形会使光学影像产生畸变，进而影响生物物理参数反演的准确性，阻碍了山区遥感的业务化应用。基于遥感影像的地形效应量化受到研究区域条件变化的限制。本文采用模型模拟，评估了地形对反射率、植被指数和LAI反演的影响。结果表明，反射率的地形效应具有波长依赖性，并受到坡度、坡向和太阳位置等多种因素的调节。地形对植被指数的影响呈现出明显的差异性。此外，地形对LAI反演的影响与特定太阳天顶角下的地形配置和冠层密度有关。在极端条件下，LAI反演的相对误差将超过100%。

研究背景

山区占地球总陆地面积的25%，占中国陆地面积比超过60%，在地球系统中具有独特的地位。山区栖息着世界上85%以上的两栖动物、鸟类和哺乳动物物种，对于维持全球生物多样性至关重要。山区还在全球水和碳循环中发挥着关键作用，为周围低地提供了大量的水源，因此通常被称为世界“水塔”。山区也是重要的碳库，储存了全球相当数量的陆地碳。光学遥感因其覆盖全球和时间采样重复性的特点，在监测地表特征方面发挥着至关重要的作用。然而，在山区进行遥感监测并不是一项简单的任务，因为卫星观测到的反射率易受地形诱导的辐射畸变影响。地形主要以两个关键途径影响光学遥感成像过程：（1）地形通过对太阳下行短波辐射的再分配，影响山地冠层的入射条件；（2）地形调制冠层结构特征，影响冠层内的辐射传输过程，使冠层固有双向反射特性发生畸变。两者分别改变了入射辐射量和反射辐射量，共同使传感器接收的辐亮度发生变化进而影响地表信息提取精度。

植被指数是反射率的简单数学转换，旨在增强对植被特性的监测。在现有的VI中，归一化植被指数NDVI是应用最广泛的。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，进而限制其应用。在山区，VI也会受到崎岖地形的显著影响。之前的研究发现NDVI对地形影响轻微敏感，而SAVI、EVI和NIRv受地形影响较大。然而，这些研究都是针对特定光学遥感影像进行的，不同地形配置对VI的影响尚未得到系统评估。此外，地形对最近开发的新型VI（如归一化差异绿度指数NDGI和核归一化差异植被指数）的影响仍不清楚。

除了地形效应外，光学遥感影像通常还受到大气效应、视场效应等的影响。因此，获得专门关注地形效应的定量结果可能具有挑战性。计算机模拟为验证活动提供了一种有效的替代方法。它们提供了一个高度可控的环境来进行验证，并允许明确指定可能影响遥感观测/VI的地形因素。此外，通过专门设计的场景，计算机模拟模型可以涵盖现实世界中存在的各种条件，从而提高量化结果的代表性。

基于此，本文的主要目的是基于计算机模拟模型，即路径长度校正模型PLC，探究地形对光学遥感的影响。

研究思路与实验方法

（1）获取土壤和植被组分光谱曲线，设计实验场景和实验输入参数，模拟不同地形配置和观测几何下的光谱反射率和植被指数；

（2）通过反射率或植被指数与太阳入射角余弦值（cosi）的相关系数量化地形效应的大小；

（3）通过等效平地下（即坡度和坡向均为0°）的LAI与不同地形配置和观测几何下的LAI之间的相对误差来量化地形对LAI反演影响的大小。

主要结果

地形对400-2500 nm波段反射率的影响随坡度和太阳天顶角的变化如图1所示。结果表明，所有波段反射率的地形效应都会随着坡度和太阳天顶角的增大而增大。仔细观测发现，不同波段的反射率并不是恒定的。总体而言，700和1400 nm处的地形效应较大，而650、1900和1700 nm处的则较小。

不同坡度和太阳天顶角下VI的地形效应如图2所示。结果表明，总体而言，VI的地形效应随着坡度和太阳天顶角的增大而增大。但不同VI之间存在显著差异。对于SR、DVI、MSR、EVI、EVI2、NIRv和kNDVI，其地形效应较大并随着坡度和太阳天顶角的增大而明显增大。相比之下，NDVI、GRVI、SAVI、PRI、NDGI对地形的敏感性较弱。

LAI反演的相对误差在坡度-坡向空间中的分布如图3所示。值得注意的是，不同冠层密度的相对误差表现出不同的特征。地形对稀疏冠层LAI反演的影响很小，随着冠层密度的增加，反演误差也会增加。结果还表明，较小的误差位于坡度较小的区域，并且随着坡度的增加而增加。阳坡出现正的反演误差而阴坡则相反。此外，反演误差还受到太阳天顶角的影响，太阳天顶角越大，反演误差越大。

研究结论

本研究基于PLC模型探究了地形对400-2500 nm波段反射率和植被指数的影响，同时量化了地形对LAI反演影响的大小。结果表明，坡度和坡向扭曲了反射率的角度分布。随着坡度和太阳天顶角的增大，地形效应明显增强；地形对光谱反射率的影响随后会影响VI进而影响LAI的反演精度。这些发现揭示了地形对山区遥感观测和LAI反演的影响，可为地形校正的应用提供科学依据。

气候变化在过去几十年中引发了秋季物候的显著变化。然而，迄今为止，大多数有关秋季植被生长的研究仅仅关注特定事件节点，如生长季结束日期的变化，而忽略了植被衰落过程的动态发展。因此，本研究以叶片凋落速度（LSV）作为植被衰落过程的代理，分析了青藏高原草地在2001-2018期间，LSV的时空动态及其与气候变化之间的关系。结果表明，青藏高原草地的秋季衰落过程存在明显的区域差异，具体表现为东部主要呈现减速趋势，且主要受温度限制；西部呈现加速趋势，主要受降水限制。此外，本研究还发现LSV与当年NPP和下一年度年返青期存在密切关联，凸显了秋季衰落过程对整个植被生长周期中的重要影响。

研究背景

秋季物候对于植被的生长季长度以及碳积累等有重要影响。鉴于近几十年来全球气候的剧烈变化，厘清秋季物候与气候变化间的交互作用有利于我们准确预测未来情景下的碳-气候反馈。

目前关于秋季物候的研究大多关注特定日期，如生长季结束日期的变化，对于植被生长在秋季的动态变化了解较少。因此，本文以叶片凋落速度（LSV）为代用指标，探究了过去20年间青藏高原草地秋季衰落过程的时空变化及其与气候变化间的关系，旨在通过突出植被衰落的动态过程来加深我们对在气候变化下植被动态生长的理解。

研究方法

LSV提取：

首先对原始NDGI时间序列进行滤波处理，以消除噪声对植被生长曲线的影响，随后提取了NDGI日变化率（NDGI_rate）以进行后续分析。其中，NDGI_rate的表达式如下：

式中，t为年积日，NDGI_max和NDGI_min分别代表NDGI的最大值，最小值。LSV则定义为NDGI的最大日下降率，即NDGI_rate的最小值。

归因分析：

首先使用Sen-MK方法分析了LSV多年变化趋势。随后使用偏相关分析量化了各气象要素（包括温度、降水和辐射）与LSV的关系，并根据偏相关系数的绝对值的大小确定了LSV的主控因子。

主要结果：

在空间分布上，LSV的多年平均值呈现出从西向东递减的空间格局，且这种空间格局主要受到季前辐射的调控。

对于年际变化而言，LSV呈现出西部加速、东部减速的空间格局。通过偏相关分析和主要控因子分析，我们发现东部地区LSV的降低主要是由于秋季增温增强了植被在秋天的光合作用，从而减缓了植被的衰落速率；而西部地区LSV的增加主要是由于西部地区比较干旱，秋季增温会加深植被受到的水分胁迫，进而使得植被衰落速率加快。

植物光合作用在调节全球碳循环中发挥着至关重要的作用，因此，阐明气候对植物光合作用的资源限制是理解气候变化对陆地碳动态影响的关键。本研究结合EC-LUE光能利用率模型及因子分析方法，量化了1983年至2018年期间青藏高原草地光合作用受温度和水分限制强度的时空演变。结果表明，青藏高原草地光合作用的温度和水分限制具有明显的东西差异，东部主要受温度限制而西部主要受水分限制。此外，研究揭示青藏高原光合作用存在由温度限制向水分限制的转移，强调了全球变暖背景下，蒸散发增大引起的VPD升高或将加剧植物水分胁迫，成为影响全球碳循环的重要因素。

研究背景：

光合作用受温度、太阳辐射、水分有效性等气候因素调控，是支撑地球上绝大多数生命生长和存活的主要碳同化机制。植物对特定环境的长期适应性导致不同气候因素对光合作用的限制具有明显的时空差异。近年来，全球气候发生了显著变化，这或将改变气候对光合作用的限制状态。本研究重点关注的科学问题是植物光合作用的主要气候限制因素如何随空间和时间演变。

青藏高原是全球最敏感和脆弱的地区之一，其植物光合作用受温度和水分的共同限制。然而，温度和水分在调控青藏高原草地光合作用中的相对重要性仍不清楚。青藏高原变暖速度约为全球平均水平的两倍，而降水无显著变化。因此，量化温度和水分对青藏高原草地光合作用的相对重要性及其时间演变对生态系统碳循环预测具有重要意义。本研究旨在评估温度和水分对青藏高原草地光合作用相对重要性的时空变化。

研究方法：

EC-LUE 模型：

EC-LUE 模型整合了大气二氧化碳浓度、水分（大气水汽压亏缺，VPD）、辐射组分和温度对总初级生产力（GPP）的调控。在本项研究中，对模型进行了简化，不考虑辐射组分对GPP的影响，即GPP可表示为：

式中，PPFD（mol m^-2 mon^-1）表示光合光子通量密度，FPAR为光合有效辐射吸收比。ε_max（g C mol^-1）表示没有环境压力时的潜在光能利用效率。C_s、T_s和W_s的取值范围从0（完全压力）到1（无压力），分别表示大气CO2浓度压力、温度压力和水分压力。f是组合函数，在本研究中为最小法。C_s、T_s和W_s的表达式如下：

式中φ为无暗呼吸时的CO₂补偿点，C_i为叶片细胞间隙中的CO₂浓度;T_min、T_max和T_opt分别代表陆地植被生长的最低、最高和最适气温;VPD₀为VPD约束方程的半经验饱和系数。

因子分析：

分别进行三次模拟实验，即GPP_all：所有驱动因子随时间变化；GPP_T：温度控制在初始基线水平（即1982年），而其他驱动因子随时间变化；GPP_VPD：VPD控制在初始基线水平（即1982年），其他驱动因子随时间变化。基于此，温度和水分引起的GPP异常可分别表示为：GPP_all – GPP_T (GPP_all-T)和GPP_all – GPP_VPD (GPP_all-VPD)。其中GPP异常绝对值最大对应的气候变量(温度或VPD)被认为是光合作用的主要限制因子。

主要结果：

在空间分布上，青藏高原东部草地光合作用主要受温度限制，而西部主要受水分限制。在季节变化上，生长季早期和晚期，大多数草地光合作用主要受温度限制；而在夏季，青藏高原受水分限制区域的面积占比较大甚至超过受温度限制区域的面积占比，且主要分布在西部。

青藏高原草地光合作用受水分主控的面积占比具有显著的增长趋势（p < 0.05），且7月和8月分别为以每年0.51%和0.57%的速度显著增加，表明水分对光合作用的限制在加剧。此外，研究结果揭示，在整个生长季，光合作用存在由温度限制向水分限制的转移，且在夏季更加明显。

山区占地球总陆地面积的25%，占中国陆地面积比超过60%，在地球系统中具有独特的地位。崎岖地形使光学遥感观测产生畸变，进而影响山区的土地覆盖分类和生物理化参数反演精度。因此，地形校正是山区遥感应用的先决条件。从20世纪80年代开始，国内外学者就开始研究山区遥感辐射订正技术，建立了多种地形校正方法来缓解遥感影像中的地形效应。但目前还没有从文献计量角度对地形校正相关研究进行系统梳理，从而限制了对地形校正研究现状的全面认知。本文结合1980到2022年426篇地形校正相关文献，系统梳理了地形效应产生的机制，分析总结了常用地形校正方法的优缺点，对地形校正相关文献进行了概述，探讨了地形校正的关键科学问题并展望了地形校正未来主要发展方向。

研究方法

文章基于Web of Science和Scopus数据库的文献数据，检索了1980年到2022年与光学遥感地形校正相关的文献（426篇）。首先基于VOSviewer对关键词进行共现网络分析，就当前地形校正研究的热点进行讨论。然后提取每篇文献中的各类信息并借助Meta分析方法对上述信息进行科学量化分析，构建光学遥感地形校正研究的知识图谱，主要就文献的发展历程、时空模式等展开讨论，目的是定量揭示地形校正的研究现状（图1）。

主要研究结果

1. 时空分布特征分析

地形校正研究整体上呈现逐年增加趋势，这显示出对山地生态系统研究的兴趣日益浓厚和卫星数据可用性的增加（图2）。免费开放的数据政策（Landsat卫星数据于2008年免费开放获取）极大地促进了地形校正的研究。

不同国家发文量和研究站点的空间分布在全球尺度上表现出明显的不平衡，大部分研究集中在亚洲，其次为欧洲（发文量和研究站点占比分别为28.9%、19.4%和16.9%）（图3）。从具体的分布来看，研究区主要集中在喜马拉雅山脉、阿尔卑斯山脉和落基山脉；从所处的海拔来看，研究区主要集中在低海拔地区（0-1000 m），其平均海拔（1298 m）略低于全球山区的平均海拔（1467 m）。

2. 研究热点分析

关键词共现网络分析结果直观地揭示了遥感观测（红色集群），地形校正方法和数字高程模型（绿色集群），以及地形校正应用（蓝色集群）的相互关系（图4）。关键词的时间趋势也表明未来的地形校正研究更趋向于基于物理的地形校正方法开发和基于google earth engine云平台的时间序列分析等。

3. 地形校正方法性能Meta分析

文章系统评估了地形校正方法在不同地点、地形和季节中缓解地形效应的综合性能（图5）。R²的范围和均值表示了抑制干扰因素（不同照明条件、地形和传感器）的能力，其范围和平均值越小则性能越好。结果表明经验方法（如SCS+C何SE）、物理方法以及通过简化辐射传输模型发展的PLC方法对照明条件，地形和传感器配置等的敏感性较低。

总结及未来展望

地形校正是山区开展一系列研究的先决条件。考虑到不同地形校正方法的性能和适用性，本研究强烈建议在未来的研究中优先选择对照明条件，地形和传感器配置等的敏感性较低的地形校正方法，并进行多准则评估，以增强其可靠性。文章研究结果定量展示了光学遥感地形校正的发展历程和研究热点，将有助于后续研究更明确地开展研究选题、创新研究方法，并为其他领域开展此类研究提供一定借鉴。

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。

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。

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。

我们还比较了南北坡NDVI的温度敏感性（S_T），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）。

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。

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)）。

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。

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S_t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。

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。

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。