MODIS/VIIRS系列 LAI/FPAR是应用最为广泛的植被气候数据集（CDR）之一。然而，受观测条件等影响，基于单一传感器所生产的全球时间序列CDR产品必然存在一定的时空不一致性，影响到下游数据应用。综合利用不同过境时间、不同传感器的对地观测数据，是解决上述问题的可行手段。本研究发现上下午星的MODIS产品、下午星VIIRS产品在主算法分布、数据可获取性方面存在较好的互补性，进而研发了一种基于时空张量的多传感器产品信息融合算法，据此算法研发了新一代不依赖特定传感器的高精度全球LAI/FPAR再处理数据产品。该产品相较于MODIS原始产品展现出明显的时空连续性改善和整体精度提升，在诸如植被动态（Vegetation Dynamics）监测等众多应用领域该新一代产品可视为MODIS业务化产品的最佳替代产品。该产品的多个时空分辨率版本均已在GEE上免费发布

该研究成果近期以“Sensor-Independent LAI/FPAR CDR: Reconstructing a Global Sensor-Independent Climate Data Record of MODIS and VIIRS LAI/FPAR from 2000 to 2022”为题发表于国际知名期刊Earth System Science Data杂志（IF=11.4）。

一、研究背景

叶面积指数（leaf area index, LAI）和光合有效辐射吸收比（fraction of photosynthetically active radiation, FPAR）是描述陆地生态系统特征的关键生物物理参数。MODIS和VIIRS 等长期全球 LAI/FPAR 产品为了解植被动态和研究气候变化提供了基本数据集。然而，现有的全球 LAI/FPAR 产品存在一些局限性，包括时空不一致和精度问题。考虑到这些局限性，本研究以Terra-MODIS、Aqua-MODIS和VIIRS LAI/FPAR标准产品为基础，开发了独立于传感器（SI, Sensor-Independent）的 LAI/FPAR 气候数据记录（Climate Data Record, CDR）。相比于MODIS&VIIRS LAI/FPAR产品，该气候数据记录在地面实测验证精度，时间序列稳定性等方面均有显著提升，该气候数据记录有助于对植被动态气候变化进行全面分析。

二、数据构建方法

图1. 数据构建流程图

如图1所示，SI LAI/FPAR CDR的构建过程包括四个关键步骤：1) 根据质量评估文件（quality access, QA）过滤掉低质量LAI/FPAR反演值；2) 将过滤后得到的 Terra/Aqua/VIIRS LAI/FPAR 合并为过滤后的 SI LAI/FPAR 时间序列；3) 利用时空张量（spatial-temporal tensor, ST-Tensor）填补模型填补缺失值，该模型是较为先进的时空填补模型，其性能在各种方面得到验证；4) 以不同的投影、空间和时间分辨率生成 SI LAI/FPAR CDR，SI LAI/FPAR CDR 时间覆盖范围为2000 年至2022年，空间分辨率为500米/5千米/0.05度，时间频率为8天/半月，投影为正弦投影/ WGS1984 投影。

三、结果分析

1）地面实测验证

与DIRECT地面实测数据的验证结果显示, 相比于Terra/Aqua/VIIRS LAI标准产品，SI LAI CDR 的增加了0.04/0.14/0.02，而 RMSE 值则减少了 0.04/0.19/0.02。同样，FPAR的增加了0.09/0.05/0.06，RMSE值减少了 0.02/0.01/0.02。其中，从Aqua LAI产品到 SI LAI CDR的提升效果最为明显，从 0.46 上升到 0.62，RMSE 从 1.19 下降到 1.00。从Terra FPAR产品到 SI FPAR CDR，FPAR的改进则最为明显，从0.71上升到 0.82，RMSE从0.13下降到0.11。这也反映在 SI LAI/FPAR CDR与 DIRECT LAI/FPAR的对比结果更接近 1:1 线。

图2. 基于DIRECT地面观测的验证结果

2）全球尺度交叉验证

图3. 半月时间分辨率LAI产品TSS对比

图4. 8天时间分辨率FAPR产品MAE对比

本研究基于两个指标（时间序列稳定性（Time series stability，TSS）和绝对标准误差（Mean absolute error，MAE））来进行全球尺度的交叉验证。其中，TSS越小代表时间序列越稳定，MAE越小则代表LAI/FPAR与高质量反演结果越接近。结果表明，与MODIS-Terra/MODIS-Aqua/VIIRS LAI/FPAR标准产品相比，SI LAI/FPAR CDR 有了明显改善。如图所示，SI LAI/FPAR CDR的蓝色像元数量较多，红色像元数量较少，表明TSS 值和MAE值较低。这表明，与MODIS-Terra/MODIS-Aqua/VIIRS LAI/FPAR标准产品相比，SI LAI/FPAR CDR的时间序列稳定性更强，也更接近于高质量LAI/FPAR反演。此外，TSS/MAE 随纬度的变化也证实了这些改进, SI LAI/FPAR CDR的TSS/MAE平均值和标准差都较小。

3）重访“全球变绿”

以往的相关研究表明，全球植被有明显的绿化趋势。然而，传感器退化、大气干扰等因素对植被信号的污染影响了以往的研究。因此，本研究旨在通过分析高质量的SI LAI/FPAR CDR，进一步深入了解全球变绿现象。本研究的结果清晰表征了植被的绿化趋势。根据SI LAI CDR，全球近三分之一（30.71%）的区域植被呈显著增加趋势（变绿），而只有6.67% 的植被区域显著减少（变黄）。就全球植被的总体状况而言，从2001年到2022年，植被的绿化程度显著提高，LAI 每十年增加2.33%，FPAR每十年增加1.93%。SI LAI/FPAR CDR还凸显出了中国和印度对全球绿化趋势的重要贡献，这两个地区的植被明显增加。而北半球高纬度地区、南非和亚马逊森林地区则出现了零星的变黄趋势。

图5. 基于SI LAI/FPAR CDR的2001-2022年LAI/FPAR趋势

四、数据信息

表. SI LAI/FPAR数据信息

数据下载链接：

1. https://doi.org/10.5281/zenodo.8076540 (空间分辨率: 5km/0.05°；空间分辨率: 8天/半月)

2. https://code.earthengine.google.com/?asset=projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_500m_8d (空间分辨率: 500m；空间分辨率: 8天)

3. https://code.earthengine.google.com/?asset=projects/sat-io/open-datasets/BU_LAI_FPAR/wgs_500m_bimonthly (空间分辨率: 500m；空间分辨率: 半月)

   
   

数据详情以及相关代码：

https://github.com/JiabinPu/Sensor-Independent-LAI-FPAR-CDR

https://gee-community-catalog.org/projects/fpar/?h=

五、论文信息

该研究成果以“Sensor-Independent LAI/FPAR CDR: Reconstructing a Global Sensor-Independent Climate Data Record of MODIS and VIIRS LAI/FPAR from 2000 to 2022”为题发表在Earth System Science Data期刊上。Boston University博士生 濮嘉彬为第一作者，北京师范大学卫星应用创新研究中心 闫凯副教授为通讯作者。本研究在波士顿大学Ranga B. Myneni教授和Yuri Knyazikhin教授、亚利桑那大学Samapriya Roy博士、北京大学朱再春教授、芬兰阿尔托大学Miina Rautiainen教授等学者的支持与合作下完成。

原文链接：https://doi.org/10.5194/essd-16-15-2024, 2024

   Pu, J., Yan, K.*, Roy, S., Zhu, Z., Rautiainen, M., Knyazikhin, Y., and Myneni, R. B.: Sensor-independent LAI/FPAR CDR: reconstructing a global sensor-independent climate data record of MODIS and VIIRS LAI/FPAR from 2000 to 2022, Earth Syst. Sci. Data, 16, 15–34, https://doi.org/10.5194/essd-16-15-2024, 2024.