NASA Harmonized Landsat and Sentinel-2项目植被指数产品全球不确定性评估：基于同日期观测对的多因子影响分析

《Remote Sensing of Environment》：Global uncertainty assessment of vegetation indices from NASA's Harmonized Landsat and Sentinel-2 Project

　　本研究针对NASA Harmonized Landsat and Sentinel-2 (HLS)项目生产的植被指数(VIs)产品，首次系统评估了其L30与S30传感器间的全球不确定性。研究人员利用2021-2022年间545对同日期影像的1.36亿个无云观测对，评估了21种植被指数（包括9种HLS官方产品）的传感器一致性。研究发现大多数VIs具有高度一致性(R2>0.94)，但气溶胶水平、太阳高度角(SZ>60°)和视角方位角差(VAD>125°)等因素显著影响不确定性。研究确定了各VI的可靠值域范围，为HLS算法优化和科学应用提供了重要依据。

　　

随着对地观测技术的飞速发展，卫星遥感已成为监测全球植被动态不可或缺的手段。美国地质调查局（USGS）的Landsat系列与欧洲空间局（ESA）的Sentinel-2系列共同构成了中分辨率遥感数据的主力军。然而，单一卫星星座的重访周期（如Landsat在赤道区域最长8天）难以捕捉植被的快速变化，特别是在多云雨林地区。为了解决这一瓶颈，NASA牵头实施了Harmonized Landsat and Sentinel-2 (HLS)项目，旨在将Landsat 8/9（提供L30产品）和Sentinel-2 A/B/C（提供S30产品）的数据进行融合处理，生成全球一致的地表反射率（SR）数据，从而将全球平均重访周期缩短至2天以内。HLS V2.0数据集通过统一的大气校正、网格映射、双向反射分布函数（BRDF）归一化和波段调整等处理流程，确保了数据的一致性。

尽管HLS项目极大地提升了数据的时间分辨率，但一个关键的科学问题悬而未决：由不同传感器（L30与S30）衍生出的植被指数（VIs）究竟在多大程度上是可靠和一致的？各种因素，如观测几何（卫星视角、太阳高度角）、大气条件（尤其是气溶胶）以及地形效应，会如何影响这些VI产品的不确定性？这种不确定性若未被量化，将直接影响其在作物生长监测、森林扰动与恢复、火灾严重度评估等科学应用中的准确性，可能导致对植被变化的误判。因此，对HLS VI产品进行系统性的不确定性评估，不仅是评价其科学应用适用性的必要步骤，也是指导未来算法改进的关键依据。

为了回答这些问题，由Qiang Zhou和Christopher S.R. Neigh等人组成的研究团队在《Remote Sensing of Environment》上发表了他们的研究成果。他们开展了一项迄今为止最全面的HLS VI不确定性评估研究。

本研究的关键技术方法主要包括：1) 数据准备：从全球范围内选取2021-2022年间的545对同日期（获取时间相差约30分钟内）、云量低于10%的HLS V2.0 L30和S30地表反射率影像对，覆盖从73°N到40°S的不同气候带和季节，确保数据集的全球代表性。2) 样本提取与过滤：对每对影像进行4%的随机采样，并利用HLS质量评估（QA）层剔除云、云影、水、雪/冰像元，再应用Hampel滤波器进行时间序列异常值检测，最终获得超过1.36亿个有效像元对。3) 植被指数计算：基于地表反射率数据计算了21种植被指数，包括HLS产品中的9种（如NDVI, EVI, SAVI等）和另外12种常用指数。4) 不确定性量化：使用归一化四分位距的均方根误差（RMSDIQR）和平均绝对差异（MAD）作为不确定性度量指标，并通过简化主轴回归（RMA）计算决定系数（R²）评估一致性。5) 多因子分析：系统分析了视角方位角差（VAD）、太阳天顶角（SZ）、气溶胶水平（低、中、高）以及土地覆盖类型（基于ESA WorldCover 2021产品）对VI不一致性的影响。6) 机器学习建模：使用LightGBM模型量化VAD、SZ和气溶胶等因素对不一致性的相对贡献度。

研究结果

3.1. 总体一致性

大多数植被指数（VIs）在L30和S30传感器间表现出高度一致性，简化主轴回归（RMA）的决定系数R²大于0.94。然而，叶绿素植被指数（CVI）的一致性最差（R² = 0.5）。归一化四分位距的均方根误差（RMSDIQR）分析显示，大部分VIs的RMSDIQR低于0.1，但CVI、叶绿素指数-绿色（CIG）、修正的荧光校正植被指数（FCVI_VIS）和比值植被指数（RVI）表现出较高的不一致性。这些VI通常在其分母中只使用了可见光波段，而可见光波段（尤其是蓝光）的地表反射率较低且大气校正不确定性较高，从而放大了差异。

3.2. 按土地覆盖类型划分的差异

当按ESA WorldCover 2021土地覆盖类型对观测对进行分层分析时，CVI在稀疏植被和灌丛地带表现出相对较高的R²值，但其RMSDIQR仍然很高，表明变异较大。CIG在大多数植被类型中表现良好，但草本湿地和红树林除外。其他VIs在广泛的植被覆盖类型中均显示出高R²值，表明其适用性更广。

3.3. 按视角方位角差划分的差异

研究发现，当两个传感器的视角方位角差大于约125°（即近似前向-后向散射观测对）时，大多数VIs的平均绝对差异（MAD）会轻微增加（增幅<0.01）。Welch's t检验证实了这种差异的显著性。这表明尽管HLS产品进行了BRDF调整，但在大视角差情况下仍存在残余的不一致性，提示BRDF算法有待进一步完善。

3.4. 按太阳天顶角划分的差异

太阳天顶角是另一个重要影响因素。当SZ大于约60°（通常发生在高纬度地区冬季）时，所有VIs的MAD均显著增加（p值<0.05），增幅通常小于0.07，但CVI和CIG的增幅最大，分别达到0.386和0.203。高SZ增加了大气路径长度，使大气校正更具挑战性，从而增加了传感器间的差异。不过，这类观测仅占总样本的6.3%，且集中在冬季。

3.5. 按气溶胶水平划分的差异

气溶胶水平对VI一致性有显著影响。以低气溶胶观测为基准，研究发现低-低气溶胶水平的观测对差异最小。中气溶胶水平（低-中或中-低组合）的观测对差异略有增加，而高气溶胶水平（高-低或低-高组合）的观测对则表现出显著更大的差异。例如，在NDVI值介于0.1-0.94之间时，低-低气溶胶对的平均差异在±0.02以内，而高气溶胶对的平均差异范围扩大。即使对于低气溶胶观测，在VI值的两端（极高或极低值）不确定性也会增加。

3.6. 不确定性因素的相对贡献

通过LightGBM模型进行特征重要性分析发现，对于大多数VIs，视角方位角差是最主要的影响因素，其次是太阳天顶角，气溶胶水平的影响相对较小。这突显了观测几何（与BRDF校正相关）和光照条件（与大气校正相关）在驱动VI不确定性方面的核心作用。

结论与意义

本研究首次对HLS V2.0衍生的植被指数进行了全球尺度的、系统的传感器间不确定性评估。结果表明，尽管大多数VIs在L30和S30间具有良好的一致性，但其不确定性受到气溶胶水平、太阳高度角、视角几何以及VI本身数值范围的显著影响。研究确定了各VI的可靠值域范围（例如，NDVI为0.1-0.94，EVI为0.09-0.95），在此范围内VI的不确定性较低。这些发现对HLS数据使用者具有重要指导意义：建议优先使用低或中气溶胶水平下、且在推荐值域范围内的VI值进行科学分析；对于高气溶胶条件或冬季高纬度地区的观测数据，应谨慎使用并考虑其不确定性。此外，该研究为HLS算法未来的改进指明了方向，特别是针对BRDF校正（改善大视角差下的表现）和大气校正（提高高气溶胶和高太阳高度角条件下的精度）环节。研究者提供的分层不确定性信息（按气溶胶水平和VI值划分的标准差）使用户能够在后续分析（如时间序列合成、变化检测）中有效地纳入不确定性信息，例如通过逆方差加权等方法，从而提升基于HLS VI的科学研究的稳健性和可靠性。这项工作标志着在理解和量化全球协同中分辨率遥感产品不确定性方面迈出了关键一步，为更可靠地监测地球植被动态奠定了坚实基础。