基于Sentinel-3 SYNERGY数据与高斯过程混合反演吸收光合有效辐射比例与植被覆盖度:开发、验证及云就绪实现

《Science of Remote Sensing》:Hybrid FAPAR and FVC retrieval from Sentinel-3 SYNERGY with Gaussian processes: Development, validation, and cloud-readiness

【字体: 大 中 小 】 时间:2026年07月10日 来源:Science of Remote Sensing 7.1

编辑推荐:

  本研究旨在解决从Sentinel-3 SYNERGY 300米地表反射率产品(命名为SY_2_SYN)中稳健反演关键植被性状(EVTs)的需求。SY_2_SYN地表反射率由海洋与陆地彩色仪器(OLCI)和海陆表面温度辐射计(SLSTR)观测数据融合生成,可在云

  
本研究旨在解决从Sentinel-3 SYNERGY 300米地表反射率产品(命名为SY_2_SYN)中稳健反演关键植被性状(EVTs)的需求。SY_2_SYN地表反射率由海洋与陆地彩色仪器(OLCI)和海陆表面温度辐射计(SLSTR)观测数据融合生成,可在云平台上获取。为实现从SY_2_SYN影像中常规反演吸收光合有效辐射比例(FAPAR)和植被覆盖度(FVC)并推广至大陆尺度,研究人员开发并评估了基于Soil Canopy Observation of Photosynthesis and Evapotranspiration(SCOPE)模拟数据训练的高斯过程回归(GPR)模型。为跨多种植被类型进行验证,研究人员使用了哥白尼土地监测服务(CLMS)组成部分的Ground Based Observations for Validation(GBOV)服务,该服务提供多年、升尺度的原位参考数据。在相同GBOV验证站点上,研究人员还将GPR-SYN FAPAR/FVC产品与成熟的CLMS卫星估算产品进行了相互比较。总体而言,经GBOV数据验证,GPR-SYN与CLMS产品表现出高度一致性,且GPR-SYN略优于CLMS。对于FAPAR,GPR-SYN达到了R2为0.89(RMSE:0.13),而CLMS的R2为0.87(RMSE:0.13)。对于FVC,GPR-SYN的R2为0.83(RMSE:0.13),而CLMS的R2为0.81(RMSE:0.15)。尽管GPR-SYN FAPAR/FVC在与CLMS的相互比较中表现一致,但仍存在轻微的系统低估。研究人员通过在openEO平台上部署工作流程并经由PyEOGPR包开放获取,证明了GPR-SYN模型的可扩展性,成功制作了首幅附带贝叶斯不确定性估算的、基于Sentinel-3 SYNERGY的欧洲范围EVT地图。GPR-SYN的主要优势包括其卓越的产品质量、与云计算平台的无缝集成,以及作为专为Sentinel-3 SYNERGY产品定制的可扩展反演框架的创新性。
研究背景与意义
随着全球气候变化与粮食安全问题的日益严峻,对陆地植被动态进行连续、大范围的定量监测变得至关重要。欧洲航天局(ESA)的Sentinel-3(S3)卫星任务及其即将与Fluorescence Explorer(FLEX)组成的串联任务,为监测植被光合作用和碳固定提供了前所未有的机遇。然而,要有效解释FLEX获取的太阳诱导叶绿素荧光(SIF)数据,必须同步获取吸收光合有效辐射比例(FAPAR)和植被覆盖度(FVC)等关键植被性状(EVTs)。目前,尽管已有基于S3 OLCI仪器的植被参数反演研究,但直接处理顶部大气(TOA)辐射数据面临大气效应复杂、模型泛化能力受限等问题。此外,现有的SYNERGY产品反演研究往往缺乏严格的独立实地验证,且在云平台上的大规模部署能力不足。因此,本研究旨在开发一种基于S3 SYNERGY地表反射率产品(SY_2_SYN)的云端可扩展反演框架,以填补这一技术空白,并为全球植被生产力评估提供高精度数据支持。该研究发表于《Science of Remote Sensing》。
关键技术方法
研究人员采用混合物理-机器学习框架开展研究。首先,利用Soil Canopy Observation of Photosynthesis and Evapotranspiration(SCOPE)辐射传输模型模拟不同气象、叶片和冠层条件下的高光谱数据集,并通过拉丁超立方采样优化参数空间,生成包含500个样本的轻量级训练数据库。其次,将模拟的光谱反射率重采样至SY_2_SYN波段配置,并引入加性(0.01)和乘性(0.04)高斯噪声以增强模型泛化能力,同时加入非植被样本以处理异质表面。随后,研究人员采用具有各向异性平方指数核(ARD kernel)的高斯过程回归(GPR)算法训练独立的FAPAR和FVC反演模型,该算法不仅能提供预测均值,还能输出反映模型认知不确定性的标准差。最后,研究人员利用哥白尼土地监测服务(CLMS)旗下的Ground Based Observations for Validation(GBOV)网络提供的多年度升尺度实地测量数据对模型进行严格验证,并与CLMS业务化产品进行对比。技术实施层面,研究通过PyEOGPR软件包将工作流程部署于openEO云平台,实现了无需本地下载和处理的大尺度制图。
研究结果
理论模型性能与波段重要性
十折交叉验证结果显示,GPR-SYN模型在估算FAPAR和FVC方面表现出极高的理论精度。FAPAR的R2达到0.93,RMSE为0.07;FVC的R2为0.90,RMSE为0.08。模型对密集植被像素(FAPAR/FVC > 0.8)存在轻微的饱和效应导致的低估,且由于训练数据中零值或近零值样本较少,模型在预测无植被光谱时存在一定的高估倾向和较高的模型不确定性。通过自动相关性确定(ARD)分析发现,红边波段(如Oa10 681.25 nm和Oa16 778.75 nm)以及短波红外波段(如S5N 1610 nm和S6N 2250 nm)对反演结果的贡献最大,而前六个OLCI蓝绿波段(Oa01-Oa06)的重要性较低。这证实了SY_2_SYN产品中SLSTR与OLCI数据的协同作用显著提升了反演能力。
基于升尺度参考数据的GPR-SYN评价及其与CLMS的相互比较
在2020年至2024年期间,研究人员利用GBOV数据对GPR-SYN和CLMS产品进行了定量评估。结果显示,两者均能有效捕捉植被物候的时间变化。总体而言,GPR-SYN的FAPAR(R2=0.89, RMSE=0.13)和FVC(R2=0.83, RMSE=0.13)精度略高于CLMS(FAPAR: R2=0.87, RMSE=0.13; FVC: R2=0.81, RMSE=0.15)。在分植被类型统计中,GPR-SYN在草地和灌木丛中表现出更优的RMSE和用户一致性比率(UAR),而CLMS在农田和森林地区表现更好。相互比较分析表明,GPR-SYN的估算值相对于CLMS存在轻微的系统偏低,但这并未削弱其在特定生态系统中的适用性。
洲际云制图
研究展示了通过PyEOGPR/openEO工作流生成的欧洲范围FAPAR和FVC 10天合成图(2024年7月14日至23日)。制图结果清晰地反映了潜在的土地覆盖特征,森林地区数值较高,半干旱地区数值较低。伴随的不确定性地图显示了连贯的空间格局:地中海旱地和北非沙漠等异质或稀疏植被区域的不确定性较高,而大面积森林地区的不确定性较低且空间分布稳定。整个欧洲的制图过程耗时约4.5小时,验证了该框架在大尺度应用中的高效性与可扩展性。
讨论与结论
讨论
研究深入探讨了GPR-SYN产品的质量与挑战。与以往仅依赖OLCI数据的研究相比,SY_2_SYN凭借OLCI与SLSTR的光谱协同以及双向地表反射率特性,显著提高了反演精度。然而,研究也指出了若干局限性:首先,GBOV站点目前主要集中在欧美澳地区,热带地区样本不足,限制了模型的全球普适性评价;其次,SCOPE模型基于一维湍质介质假设,忽略了叶片聚集效应和亚像素异质性,且未完全考虑双向反射分布函数(BRDF)归一化;最后,GPR-SYN提供的是瞬时估算值,而CLMS是10天合成产品,两者的时间表征差异给直接对比带来挑战。未来的模型升级可考虑引入三维辐射传输模型数据或实验数据,并进一步探索1公里级SYNERGY产品的潜力。
结论
综上所述,本研究成功开发了基于Sentinel-3 SYNERGY影像的通用FAPAR和FVC反演模型。通过结合辐射传输模型模拟与机器学习灵活性,并利用GBOV升尺度数据进行广泛验证,证实了GPR-SYN模型在不同植被类型中均具有优异的性能,且与CLMS业务化产品相当甚至更优。云基处理流程的演示及附带不确定性区间的欧洲大范围地图,凸显了该模型在支持大尺度植被监测和生态系统评估方面的巨大潜力。随着FLEX任务的即将启动,常规生产这些S3 EVTs将对解释太阳诱导叶绿素荧光、推进全球陆地碳通量等生态过程的理解发挥关键作用。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号