《Agricultural and Forest Meteorology》:How well does MODIS GPP capture alpine productivity of a Tibetan grassland?
编辑推荐:
摘要:卫星反演的总初级生产力(gross primary productivity, GPP)与基于涡度协方差(eddy covariance, EC)的估算值之间的差异已在各类生态系统中被广泛报道。虽然EC通量足迹(flux footprint)随时间变化与
摘要:卫星反演的总初级生产力(gross primary productivity, GPP)与基于涡度协方差(eddy covariance, EC)的估算值之间的差异已在各类生态系统中被广泛报道。虽然EC通量足迹(flux footprint)随时间变化与固定卫星像元之间的空间及尺度失配常被引为潜在原因,但该假设鲜有定量检验。本研究量化了空间代表性(spatial representativeness)在解释中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer, MODIS) GPP与EC反演GPP差异中的作用。研究人员通过半小时通量足迹和高分辨率日归一化植被指数(normalized difference vegetation index, NDVI),显式考虑了单个EC足迹内及相应MODIS像元内的植被分布。MODIS GPP低估了站点EC衍生GPP,偏差(bias)和均方根误差(root mean square error, RMSE)分别为?8.73和9.19 g C m?28 d?1。在植被活跃期,MODIS GPP与EC衍生GPP呈中等时间一致性(R2= 0.60)但存在较大相对偏差(?65.30 %)。将EC观测限定于与MODIS像元植被相似度高的足迹后,时间一致性有所提升(R2= 0.69),但未显著减小偏差(?9.16 g C m?28 d?1; ?66.3 %)。结果表明,EC足迹与MODIS像元间的空间失配不太可能是导致低估的主要原因,MODIS GPP算法局限及卫星与塔站测量间的时间尺度差异更可能是该站点MODIS GPP偏低的主要贡献因子。
论文解读:MODIS GPP对青藏高原高寒草地生产力的捕捉能力评估——基于涡度协方差通量足迹与高分辨率NDVI融合的尺度效应分析
《Agricultural and Forest Meteorology》刊载的此项研究,针对卫星遥感反演总初级生产力(gross primary productivity, GPP)与涡度协方差(eddy covariance, EC)塔站估算GPP间普遍存在且原因不明的系统性偏差展开探讨。MODIS GPP产品虽被全球广泛使用,但在森林和高寒草地生态系统中常报告低估现象,既往归因多集中于算法参数(如最大光利用效率εmax、吸收光合有效辐射分量(fraction of photosynthetically active radiation, FPAR)、水汽压亏缺(vapor pressure deficit, VPD)水分胁迫标量等)及气象强迫数据的不确定性,而EC动态通量足迹(flux footprint)与固定MODIS像元间的空间尺度失配(scale mismatch)——即EC测量代表随时变化的下垫面子集而MODIS代表固定网格均值——是否驱动该偏差长期缺乏定量证据,尤其在空间异质性较强的高寒草原(alpine steppe)区。为此,研究人员在青藏高原纳木错(Nam Co)海拔4730 m的高寒草原(建群种紫花针茅 Stipa purpurea 与矮生嵩草 Kobresia pygmaea)布设19 m高EC系统以扩大通量足迹、减小与500 m MODIS像元的尺度差距,结合半小时足迹模型和MODIS–Sentinel-2融合生成的10 m日NDVI,定量分离空间代表性因素对MODIS–EC GPP比较的影响,检验"空间失配是低估主因"这一惯常假设。
主要关键技术方法:
研究人员于2018年7月至2019年6月在青藏高原纳木错站(30°46′ N, 90°57′ E, 4730 m a.s.l.)采用19 m高EC系统(CSAT3三维超声风速仪+Li-7500RS开路红外气体分析仪)获取半小时CO2通量,以白天法(daytime approach)经REddyProc包拆分净生态系统交换(net ecosystem exchange, NEE)获EC-GPP;下载MODIS Terra 8日GPP(MOD17A2H Collection 6)与日地表反射率(MOD09GA Collection 6.1)及Sentinel-2 L1C数据,用增强时空自适应反射率融合模型(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model, ESTARFM)融合生成10 m日NDVI;用Flux Footprint Prediction(FFP)模型(Kljun et al., 2004)计算90 %累积贡献的半小时EC通量足迹,以双样本Kolmogorov–Smirnov(KS)统计量量化足迹内与MODIS像元内NDVI分布相似性并筛选高相似度观测;将半小时EC-GPP换算为日总量再聚为8日累计值与MODIS 8日合成GPP比对,测试日总量、日最大值及卫星过境时刻GPP三种时间聚合方式,对比全样本与高植被相似足迹过滤后EC-GPP与MODIS GPP的一致性指标(偏差bias、RMSE、R2、相关系数r、相对偏差)。
3. Results(结果)
3.1. Comparing MODIS GPP with EC-GPP(MODIS GPP与EC-GPP的比较)
研究人员将EC-GPP按三种时间聚合方式与MODIS 8日GPP比较,发现MODIS GPP在所有聚合方式下均系统性低估EC-GPP。以日总量聚合时偏差最小(?8.73 g C m?28 d?1,RMSE = 9.19 g C m?28 d?1,R2= 0.60,r = 0.78),为最优匹配方案;日最大值聚合时间相关性最高(r = 0.84,R2= 0.71)但偏差剧增(?33.10 g C m?28 d?1);过境时刻聚合居中。表明最小化偏差的时间聚合方式未必最大化时间相关性,日总量累加至8日是MODIS 8日GPP较合理的对标基准。
3.2. Comparison of Footprint-Scale NDVI with MODIS(足迹尺度NDVI与MODIS像元NDVI的比较)
融合NDVI与Sentinel-2参考RMSE为0.027–0.034,验证了融合质量。KS统计量显示逐日足迹与MODIS像元NDVI分布差异范围为0.04–0.74,反映亚像元植被空间异质性与足迹动态变化;生长季初期异质性更大。仅保留日KS最小(高相似度,占33 %数据)的足迹观测拟合理化曲线(rectangular hyperbolic light response curve, LRC)重构日GPP后再与MODIS比对,偏差为?9.16 g C m?28 d?1,RMSE = 9.47 g C m?28 d?1,R2升至0.69(r = 0.83);加入中等相似度足迹偏差略减(?9.01)且R2微升至0.73。可见提高空间代表性改善了时间一致性,但系统性负偏差几乎未变,说明空间失配对偏差贡献很小。
4. Discussion(讨论)与 5. Conclusion(结论)翻译总结
讨论指出,前人多关注参数重校可减小MODIS GPP偏差,本研究通过抬高EC塔扩大足迹并借助高分辨率融合NDVI与KS检验定量排除空间代表性为主因假说——即便在较匹配的足迹–像元条件下MODIS仍低估约66 %生长季GPP,表明算法本身(εmax查表值、FPAR、温湿水分胁迫函数)及EC日/8日累计与MODIS 8日合成时间尺度差异才是主导因素,亚像元异质性主要影响二者时间相关性而非系统偏差。研究局限性含白天通量拆分、u阈值选取及足迹过滤后插补引入的不确定度,其中u阈值不确定度(5th–95th百分位1.48 g C m?28 d?1)最大但仍远小于观测偏差,且单年生长季数据限制需后续延长验证。
结论翻译:诸多研究假定通量足迹–像元失配致卫星GPP估算偏差,但罕有定量检验。本研究将青藏高原高寒草原19 m高架EC测得具更大足迹的EC-GPP与MODIS GPP比较,发现日总量聚合为8日总值最小化偏差与RMSE;MODIS GPP仅捕捉约35 %生长季EC-GPP。与前人用小足迹结果相比相对偏差相近,说明即便采样更大更具代表性区域低估仍存。经筛选植被分布近似MODIS像元的EC足迹再次比较,偏差基本不变(变动3 %),证实空间失配非该站点MODIS GPP低估主因。结果表明,虽然考虑足迹代表性提升EC–MODIS比较的物理一致性,MODIS对GPP的持续显著低估提示算法假定及时间尺度差异方为残余差异主要来源,高寒生态系统卫星GPP改进应优先关注模型参数化与时间表征而非单纯空间足迹校正。