导 言
植被指数（Vegetation Indices, VIs）已被广泛用于定性和定量监测植被活力和生长动态，植被指数的正确选择对于准确评估生态系统至关重要。众多研究表明，植被指数固有的饱和现象严重限制其在茂密植被区表征植被动态的能力。然而，仍缺乏对不同植被指数的饱和程度及其影响因素进行系统性量化评估。本研究通过多场景三维辐射传输模拟和实际卫星观测，对36种常用植被指数开展了饱和效应研究。研究基于新提出的两种定量化表达植被指数饱和效应的指标，对饱和效应的发生节点及其影响因素进行了定量评价，进一步讨论了饱和现象的产生机理及其对遥感应用的影响，可为最适性植被指数的选择提供借鉴。
该项研究成果近期以"Evaluating the saturation effect of vegetation indices in forests using 3D radiative transfer simulations and satellite observations"为题发表于《Remote Sensing of Environment》杂志 (IF=13.85)。该研究得到国家自然科学基金委三项项目的支持(442192580、42171305、42271356)。
方 法
(1) 三维场景模拟实验
我们选择了欧洲白桦树、苏格兰松树、落叶松和桉树作为落叶阔叶林、常绿针叶林、落叶针叶林和常绿阔叶林的四个代表物种。三维辐射传输LESS模型被用于三维森林场景的构建和二向性反射率因子（BRF）的生成。模拟数据考虑了不同的植被类型组合种类（四种单一树种林和两种混交林）、土壤背景(土壤背景（暗土、中土、亮土）、分布类型（均匀分布、"一半-一半 "分布和垄行分布），太阳-传感器几何（太阳天顶角（SZA）/观测天顶角（VZA）被设置为0°至70°，间隔为10°，太阳方位角（SAA）/观测方位角（VAA）被设置为0°至330°，间隔为30°）。模拟场景的LAI范围为0.25至7，间隔为0.25。
除了求敏感度、归一化后标准偏差这些常规方法外，我们提出了两个与LAI值相关的指标来评估VIs饱和效应，即饱和拐点（LAI.inf）和饱和临界点（LAI.sat）。LAI.inf的目的是为了找到VI和LAI之间的非线性关系的拐点，通过似然比检验(LRT)比较分段线性模型和线性模型来确定。而LAI.sat是饱和临界点，即在此阈值点之后VIs被认为无法刻画植被变化。
（2）卫星观测实验
我们基于Sentinel-2、Landsat 8 和MODIS的反射率数据集，构建了一个h12v04 tile 落叶阔叶林的VIs时间序列，并对每年的数值进行归一化处理，将阈值设定为0.9，将归一化VI值超过该阈值的时期（归一化VI值>0.9 & 归一化RCC<0.1）作为平台期（植被指数基本不发发生变化的时期）。对不同VI的平台期进行比较，可提供对真实卫星观测中VI饱和效应的粗略评价。
为了比较不同VIs表征植被空间变化的能力，我们随机选择了三块植被覆盖率较高的不同林地，计算相应VI图像的图像熵作为随机性的统计指标，来描述VI图像的纹理信息进而评价VI饱和效应。
结 果
（1）基于模拟数据的饱和评估
1.植被指数在不同场景下的饱和指标变化
结果表明，VI饱和效应与植被物种没有明显的相关性，而是受到复杂的树冠结构和组分光学特性的综合影响。然而，对于所有模拟的森林，这36种VI的饱和抗性的排名大多是一致的。总的来说，SR、RGBVI、NGRDI、MSR和SAVI2的饱和指标值最高，其次是EVI、NIRv、MNLI、RCC等，最后是TVI、NDVI705、TSAVI、NDVI。
2.饱和现象受非植被因素的影响
植被指数的饱和性能会受到土壤亮度、太阳观测几何、聚集等因素的影响。SR、ATSAVI、kNDVI、MSR、NGRDI、NLI和RCC的饱和现象对土壤亮度非常敏感，特别是在落叶松单株中。AVI、DVI、MTVI1、MNLI、EXGR、TriVI和PVI的饱和现象受土壤影响较小。
NLI、SR、RCC、kNDVI、MSR、NGRDI和VI700表现最好（用橙色突出显示），受太阳-传感器几何的影响较小。TSAVI（灰色显示）表现最差，最容易受角度影响。
比较三种树冠分布类型，我们发现均匀分布的场景下的SD显然更高，而且在不同的太阳角度下，差异更小。在均匀分布的植被场景中，归一化VI的SD随SZA增加而增加，并不随SAA的变化而变化。在"half-half"分布和垄行结构分布中，太阳位置对PVI和DVI的影响非常明显。
（2）基于卫星观测数据的饱和评估
1.空间变异性评价
SR、MSR、NIRv、MSAVl和SAVI2的图像熵在所有三个林地都是最高的。TSAVI表现最差，信息熵几乎都等于0，几乎不能刻画地表信息。
2.时间变异性评价
如图，所有三个传感器的大多数植被指数的平台期都小于60天，性能最好的是SR，性能最差的是TSAVI。
讨 论
植被指数饱和程度受两个因素的影响：波段反射率饱和度和数学公式形式，这在文献中已被广泛讨论。卫星观测到的反射率是植被、土壤、阴影和其他因素的非线性组合，通常由叶片反射率、土壤反射率、树冠结构和阳光传感器的几何形状决定，这也决定了VI饱和会受到这些因素的影响。图11展示了不同因素的影响排序。
最适性VI应具备准确描绘植被动态的能力和对非植被因素干扰的抵抗力。我们基于模拟和卫星的VI的综合排名结果进一步比较了36个选定的VIs的饱和度性能和对非植被因素的敏感度。大多数具有高抗饱和性的植被指数对非植被因素的敏感度更高，如NGRDI、SR和MSR。大多数指数无法平衡对土壤亮度、太阳传感器几何形状和分布类型的敏感度。
图12是基于模拟结果绘制的全球森林NDVI性能的三元相图，LAI.inf抓住了VI线性估计的最佳性能范围，而LAI.sat反映了VI的能力极限，LAI.sat和LAI.inf的组合可以更好地描述渐进式的饱和现象，为VI的实际应用提供了重要信息。这种比较旨在为饱和效应提供一个全球或区域性的视角，提醒从事植被监测的研究人员在进行大区域植被监测时，尤其需要考虑饱和现象及其时空差异。
总 结
植被指数（绿度指标）和植被参数（如：LAI（生物量指标））中存在的饱和现象是无法避免的，限制了其在遥感植被监测中的应用。本文基于三维辐射传输模拟和卫星观测，考虑到不同植被类型、分布类型、土壤亮度以及太阳传感器几何的影响，对植被指数饱和效应进行了较为全面的评估。从应用的角度，提出了两个指标来描述饱和现象。结果表明， SR、MSR、NGRDI的抗饱和能力最好，但也较容易受非植被因素的干扰。MNLI、TGI、TriVI综合表现良好。绿度本身是一个多维和复杂的概念，需要考虑质（叶绿素含量）和量（植被覆盖度、叶面积）的影响，这些影响可能是相互关联的，难以分开。未来将进一步探究植被指数饱和和更多植被参数的关系。
论文引用信息
引用方式：
Gao, S., Zhong, R., Yan, K.*, Ma, X., Chen, X., Pu, J., Gao, S., Qi, J., Yin, G., & Myneni, R. B. (2023). Evaluating the saturation effect of vegetation indices in forests using 3D radiative transfer simulations and satellite observations. Remote Sensing of Environment, 295, 113665.
原文链接：
https://doi.org/10.1016/j.rse.2023.113665
论文作者：
高思，钟润，闫凯*，马轩龙*，陈信坤，濮嘉彬，高思聪，漆建波，尹高飞，Ranga B. Myneni
通讯作者：
闫凯 kaiyan@bnu.edu.cn
马轩龙 xlma@lzu.edu.cn
基金资助：
National Natural Science Foundation of China Major Program (42192580) and the National Natural Science Foundation of China (42271356 and 42171305).
本文转载自微信公众号 VERSE植被与生态遥感
转自：“科研圈内人”微信公众号
如有侵权，请联系本站删除！
