多源卫星遥感归一化植被指数一致性及定量解析

Satellite derived NDVI (Normalized Difference Vegetation Index) provides invaluable data for global change studies. However, the reliability can be greatly compromised by the NDVI inconsistency due to sensor differences. In recent two decades, the improvement of NDVI consistency primarily relies on linear regression, quadratic regression and Bayesian analysis. Because these statistically based methods are generally associated with difficulties in error analysis and poor physical mechanism. The main object of this project is to develop a radiative transfer based NDVI intercalibration method by incorporating sensor, atmospheric and surface parameters. The method first decomposes multi-sensor NDVI differences into differences in spectral match, atmospheric and BRDF (Bidirectional Reflectance Distribution Function) effects and illumination/observational geometry with an analytical relationship. Once validated, the relationship will be used to investigate the major factors of NDVI inconsistency and the application conditions of statistical methods with Monte Carlo simulation. With the relationship and global products, global differences in MODIS (MODerate-resolution Imaging Spectroradiometer) versus AVHRR (Advanced Very High Resolution Radiometer) and VIIRS (the Visible Infrared Imaging Radiometer Suite) NDVIs will be analyzed and their dependencies on Land Use/Land Cover type and vegetation phenology discussed. Overall, the results will provide insight into multi-sensor differences and provide basis for new NDVI intercalibration methods.

卫星遥感归一化植被指数（NDVI）是全球变化研究的重要数据，由传感器差异导致的NDVI数据不一致性极大影响了全球变化研究的可靠性。针对统计型方法的在误差分析难度大、物理机制不明确等方面的局限性，本研究拟考虑传感器参数、大气参数和地表参数，发展一种基于辐射传输方程的多源遥感NDVI一致性校正方法。该方法将NDVI差异分解为传感器光谱匹配、大气效应、地表二向性反射效应和光照/观测几何等差异，建立解析型的多源遥感NDVI定量关系。在验证定量关系的基础上，采用蒙特卡罗模拟方法确定NDVI不一致性的主导因素，探讨数理统计方法的适用条件；采用全球遥感产品模拟MODIS/AVHRR/VIIRS NDVI数据，分析NDVI差异的时空分布特征及其与土地利用/土地覆被类型、植被物候之间的关联性。研究结果为理解多源遥感数据差异，发展新的NDVI一致性转换方法提供研究基础。

卫星遥感归一化植被指数（NDVI）是全球变化研究的重要数据源。自上世纪八十年代以来，近四十年的全球NDVI数据涉及多平台、多波段、多分辨率遥感观测，多源遥感数据的兼容性和一致性问题备受关注。卫星传感器的光谱性能差异是影响NDVI数据一致性的根本原因，如何量化传感器光谱性能差异对数据一致性的影响是亟待解决的关键问题。为此，本项目基于辐射传输基本理论和方程，综合考虑地表覆被特征、大气效应和传感器定标等因素的影响，发展了全球光谱匹配因子简化算法，采用解析型表达式，构建了多源遥感NDVI数据一致性校正的通用模型，在此基础上综述了近三十年来NDVI一致性校正方法的发展脉络，提出了大数据前景下NDVI一致性校正的发展方向。研究成果包括全球每8天500米分辨率的光谱匹配因子数据，定量刻画了不同地表覆被类型下多种传感器观测数据的差异，为多源遥感NDVI一致性校正及传感器交叉辐射定标提供高频高分辨率基础数据。在多源遥感数据的生态水文学应用方面，以鄱阳湖流域为例，评价了当前多源NDVI数据在流域植被变化研究和湖泊水面积提取方面的应用潜力，研究表明，具有一致性的多源遥感数据可增加对地观测频率，提高变化检测研究的可靠性水平。植被指数也是其它生态水文参数反演的中间变量，在全球尺度上，基于模式、遥感和融合土壤水分数据，定量评价了NDVI数据一致性对微波土壤水分遥感产品反演精度的影响，研究发现，当前的植被参数化方案可能低估土壤水分含量。随着卫星发射成本降低，无人机技术推广，物候相机等近地遥感的长足发展，多源遥感数据量大幅增加。本项目取得的研究成果可为大数据框架下多源遥感数据融合提供底层算法，有望提高多源遥感数据在生态水文学领域的应用价值。