基于Terra 和NPP 卫星的NDVI 产品在呼伦贝尔地区植被监测中的对比

曲学斌，吴 昊，红 梅，辛孝飞，吕 淼

（1.呼伦贝尔市气象局，内蒙古 呼伦贝尔 021008；2.呼伦贝尔市农牧局，内蒙古 呼伦贝尔 021008）

植被在进行光合作用时会在可见光波段形成强吸收谷而在近红外波段形成强反射区，且这种差异会随着光合作用的增强而增强[1]。1973 年Rouse 等[2]基于植被的这一特点，通过计算近红外反射率和红光反射率的差与两者相加和的比值，建立了归一化植被指数（NDVI），该指数以极高的稳定性和可靠性已成为目前使用最广的植被指数之一[3]。

随着卫星遥感技术的快速发展，积累了较长时间序列的NDVI 数据，为分析区域生态环境变化，评估自然灾害影响等提供了重要的数据支撑[4]。付含培等[5]利用SPOT/NDVI 数据分析了黄河流域植被变化及其驱动因素，表明气候因素是影响黄河流域植被的主要因素。王思等[6]利用MOD13Q1 的NDVI 对2000—2020 年广东省植被覆盖时空变化特征进行分析，证明植被变化与土地利用变化之间存在响应关系。冯锐等[7]利用FY3/MERSI 数据重建了辽宁省近12 年的植被指数并对其时空变化进行分析。Kogan 等[8]在长序列NDVI 的基础上建立了植被状态指数（VCI），消除了不同生态系统、土壤类型等的影响，对干旱灾害影响开展监测。李新尧等[9]以VCI作为干旱监测指标，对2002—2016 年陕西农业干旱进行了识别和研究，表明陕西区域干旱易发生在春秋季。除此之外，NDVI 还是很多生态学模型的重要输入参数，例如估算净初级生产力的CASA 模型[10]等，稳定的NDVI 数据供应是这些模型能够长期运行的基石。

生态环境的变化一般都是长期缓慢的过程，需要长时间序列监测数据作为支撑，但用于提供数据的卫星寿命却十分有限。目前在轨时间最长的Landsat-5 卫星仅为29 a 左右[11]，未达到30 a的气候标准期，本次研究中的Terra 卫星已在轨23 a，存在随时退役的风险。随着卫星的退役，已产生的长时序NDVI 产品能否与后续卫星产品匹配，成为NDVI长时序数据集能否延续的关键[12]。呼伦贝尔是我国东北最重要的生态屏障之一，境内拥有森林、草原、耕地等多种生态区，在中高纬地区具有很高的代表性，适宜开展不同卫星NDVI 产品的差异对比研究，对未来延续退役卫星NDVI 产品集具有重要意义。

1 资料与方法

1.1 研究区概况

呼伦贝尔市位于内蒙古东北部（115°31′～126°04′ E，47°05′～53°20′ N），总面积为2.53×105km2。大兴安岭以森林植被为主，以东北—西南走向横贯呼伦贝尔，大兴安岭以东为松嫩平原边缘耕地，以西为林草过渡带形成的农牧综合经济带和享誉世界的呼伦贝尔大草原（图1）。呼伦贝尔的年平均气温为-1～3 ℃，自大兴安岭东西两麓向中北部山脊递减，年平均降水量为300～500 mm，自东向西依次递减。呼伦贝尔地处不同气候带的交错区，大兴安岭以东为中温带半湿润季风气候，以西为中温带半干旱大陆性气候，大兴安岭北部为寒温带半湿润气候[13]。

1.2 数据源与预处理

Terra 卫星是NASA 发起的地球观测计划（EOS）中的第1 颗卫星，发射于1999 年12 月18日，卫星过境时间为地方时10：30 左右。NDVITerra使用MOD13A1 数据集，是基于Terra 搭载的中分辨率成像光谱仪（MODIS）获取的NDVI 数据，也是目前应用最广泛的NDVI 数据集[14]。NPP 卫星是NASA和NOAA 联合的国家极轨运行环境卫星系统（NPOESS）预备计划卫星，发射于2011 年10 月28日，卫星过境时间为地方时13：30 左右。NDVINPP使用VNP13A1 数据集，是基于NPP 搭载的可见光红外成像辐射仪（VIIRS）获取的NDVI 数据[15]。Terra 与NPP 涉及NDVI 计算的卫星通道信息如表1 所示。

表1 2 种卫星计算NDVI 所需通道光谱信息μm

MOD13A1 和VNP13A1 数据集的NDVI 均采用逐16 d 最大值合成算法，空间分辨率均为500 m×500 m，每年23 期数据，期数与平年内对应日期如表2 所示，闰年对应日期则从第4 期以后向前移1 d。NDVINPP数据集从2012 年第2 期开始，因此研究期选取2012—2021 年，并使用2022 年第1 期填补2012 年第1 期数据的空白。使用MRT、ArcGIS 和Matlab 软件对2 种NDVI 数据进行拼接、裁剪、投影和分析制图。

表2 2 种NDVI 产品期数与平年日期对照

1.3 分析方法

采用相关系数（R）、中心型均方根误差（RMSE）和规范化标准差（SDV），结合泰勒图对2 种NDVI 产品在不同生态环境下年内各时期的差异进行综合评价[16]，R、RMSE和SDV的计算公式如下：

式中：Ni和Ti分别为第i 年同期的NDVINPP和NDVITerra和分 别 为 多 年 同 期NDVINPP和NDVITerra的均值。R 的取值范围在0～1，越接近1 表明2 种NDVI 产品的变化一致性越高，反之一致性越差；RMSE表明2 种NDVI 间的距离，值越小表明两者的数值越接近；SDV反映2 种NDVI 产品组成的时间序列数据离散程度的一致性，值越接近1 表明两者的离散程度越接近。通过R、RMSE和SDV构成的泰勒图，可直观评价2 种NDVI 产品的偏差情况。

同时为了更好地分析两者在不同时期的偏差程度和方向，使用空间数据的平均偏差（ME）进行分析，其公式为：

当ME＞0，表示年内某期NDVI 产品，NDVINPP

2 结果分析

2.1 2 种NDVI 产品的时间变化

呼伦贝尔NDVITerra和NDVINPP的多年均值分别为0.371 和0.384，全市及各植被类型的时间变化如图2 所示。其中草原NDVITerra和NDVINPP的多年均值分别为0.263 和0.287，最低和最高值分别出现在第2 和第15 期；耕地多年均值分别为0.328 和0.352，最低和最高值分别出现在第1 和第14 期；森林多年均值分别为0.455 和0.461，最低和最高值分别出现在第4 和第13 期。对于呼伦贝尔植被来说，第21 期至次年第6 期，草原和耕地常有积雪覆盖，森林积雪处于林下，第7、8、19、20 期是积雪融化和形成的过渡时期[17]，这段时期草原和耕地植被生长基本处于停滞状态，仅森林植被在缓慢生长，9～18期是呼伦贝尔植被的主要生长季。从NDVI 最高值出现的期数来看，森林首先达到生长最旺盛的时期，随后由于森林所处大兴安岭海拔和纬度较高，热量条件下降等因素影响，抑制了森林植被继续旺盛生长，而纬度和海拔相对较低的耕地和草原生长旺盛期较森林有1～2 期的滞后。图2 中两条NDVI 时间变化曲线基本处于重合状态，表明2 种NDVI 产品的一致性较高，但每年NDVINPP的最高值普遍略高于NDVITerra，说明NDVINPP的植被指数更为敏感，具有更宽的植被信息获取空间。

图2 呼伦贝尔不同植被类型2 种NDVI 产品的时间序列变化（a 为全市，b 为草原，c 为耕地，d 为森林）

2.2 2 种NDVI 产品的总体差异评价

利用呼伦贝尔全市及不同植被类型2 种NDVI产品的相关系数、均方根误差和规范化标准差综合绘制的泰勒图（图3）可知，全市NDVITerra和NDVINPP规范化标准差均在0.5～2（图5a），大部分期数的相关系数＞0.9，两者的整体差异不大。生长季内相关系数<0.9 的期数为第14、17 和18 期，均方根误差最大为0.024（第14 期），较大误差主要出现在植被生长的中后期。草原区的NDVITerra和NDVINPP的一致性最优且偏差最小（图5b），仅19 期的相关系数<0.9，均方根误差最大为0.016（第18 期），该时期处于草原植被的生长后期，受打草等因素影响草原植被长势的空间差异较大。耕地有7 个期数的相关系数<0.9（图5c），其中6 期位于植被生长季，第18 期的规范化标准差＞2。综合来看2 种NDVI 产品在耕地植被生长季初期的9 期、中期的13 和14 期，后期的16、17、18 期均存在较大差异，分别对应农作物播种期、生长旺盛期和成熟收获期。森林区NDVITerra与NDVINPP的差异明显大于草原和耕地（图5d），仅6个期数的相关系数<0.9，最大均方根误差达到0.035（第14 期），生长季内13、14、15 期的相关系数均<0.575，未通过0.05 的显著性检验。由于影响卫星遥感的因素非常复杂，目前科学分析不同卫星产品差异来源的工作面临较大挑战。对比Terra 和NPP 卫星计算NDVI 的过程，发现存在2 个明显差异。首先两颗卫星计算NDVI 所需的通道宽度和中心波长略有不同，在可见光（红）光波段，Terra 的中心波长为0.645 μm，NPP 为0.640 μm；在近红外波段，Terra 的中心波长为0.859 μm，NPP 为0.865 μm，Terra 的可见光（红）中心波长比NPP 略长而近红外波段却略短，根据郑奕等[18]、赵庆展等[19]利用地面或无人机高光谱遥感绘制的植被光谱曲线可知，植被在可见光（红）的反射率会随着波长的增加而减少；对于大部分山地草甸植被，0.8～0.9 μm 的近红外反射率是随波长增加而减少的。因此，这样的植被光谱曲线特点可造成Terra 近红外通道的反射率高于NPP，而可见光通道的反射率低于NPP，进而造成NDVITerra的均值略小于NDVINPP。其次是两颗卫星的过境时间不同，植被的NDVI 存在明显日变化，崔婷等[20]利用手持式光谱仪分析冬小麦NDVI 日变化发现，13—14 时是冬小麦每日NDVI 最低的时段，但其他植被的相关研究较少。同时北方地区夏季午后易出现对流云，相比上午过境的Terra，NPP 更易受云的影响，因此不同的卫星过境时间也可影响NDVI 的监测结果。

图3 呼伦贝尔不同植被类型2 种NDVI 产品的泰勒图（a 为全市，b 为草原，c 为耕地，d 为森林）

2.3 2 种NDVI 产品差异的空间分布

由年平均和年内各期NDVITerra与NDVINPP平均偏差分析可知，年平均NDVITerra＞NDVINPP的面积占整个研究区的48.1%，主要位于大兴安岭森林地区，其余地区的年平均NDVITerra< NDVINPP。从年内各期数看，在非植被生长季（第19 期至次年第8 期），大兴安岭森林NDVITerra与NDVINPP的平均偏差均＞0.1或<-0.1，存在以NDVITerra偏高为主的较大差异。草原和耕地由于在非生长季几乎没有植被生长，2 种NDVI 数据差异极小，基本可以直接替代使用。生长季内（图4），森林和耕地在第9、10 期的平均偏差较大，正负偏差分布零散且同时存在，11 期的平均偏差主要集中在大兴安岭两麓。12 期2 种NDVI 产品有79.4%区域偏差在-0.05～0.05，为年内各期数中整体偏差最小，金林雪等[21]研究表明，呼伦贝尔的降水集中期位于每年7 月下旬—8 月初，是呼伦贝尔夏季的主汛期，第12 和13 期位于主汛期前，天气条件较主汛期稳定，同时又处于植被生长的中期，植被长势相对稳定，因此该时期2 种NDVI 产品的相互替代性较高。14 期开始2 种NDVI 产品的正偏差逐渐增大，16 期的正偏差主要位于大兴安岭森林西北部，17 期位于大兴安岭岭东森林和耕地，18 期2 种NDVI 产品的正偏差有所减少。可见，在植被生长季初期NDVITerra与NDVINPP偏差呈现零散、随机分布，中期的偏差相对较小，生长季后期则以NDVITerra< NDVINPP的负偏差为主。对于整个植被生长季，草原区的差异普遍在-0.05～0.05，2 种NDVI 产品的可替代性较高，而耕地、森林的偏差相对较高且时空分布复杂，如何订正偏差并建立多源卫星长时序数据集仍需进一步研究。

图4 呼伦贝尔不同植被类型2 种NDVI 产品在生长季时的平均偏差

3 结论

利用相关系数、均方根误差、标准差和平均偏差等方法，结合泰勒图，对呼伦贝尔地区2012—2021年Terra 和NPP 卫星逐16 d 的NDVI 产品进行比较，得出如下结论：

（1）2 种产品具有相同的空间分辨率和时间尺度，在联合构建长序列NDVI 数据集方面具有较高潜力。通过2 种NDVI 产品在呼伦贝尔的相关性和偏差分析可知，NDVINPP的多年均值略高于NDVITerra，两者在草原植被类型的一致性最优，在考虑偏差订正的前提下基本可替代使用，而在耕地、森林植被的一致性较差，需谨慎开展2 种NDVI 产品的协同应用。

（2）植被生长季初期2 种NDVI 产品的偏差呈现零散、随机分布，中期的偏差相对较少，生长季后期以NDVITerra< NDVINPP的负偏差为主。在呼伦贝尔非植被生长季，NDVITerra与NDVINPP的偏差主要集中在大兴安岭森林，以NDVITerra偏高为主。

（3）影响2 种产品差异的因素是多方面的，其中近红外和可见光波段的中心波长、卫星过境时间差异等都会对卫星产品产生较大影响。为了更好地建立多源卫星产品数据集，开展长时间序列的业务应用，建议加强地面卫星校验站建设，并探索如何以此作为标准实况数据，对多源卫星数据进行订正。

4 讨论

中低分辨率极轨卫星积累的长期植被长势监测数据，对于了解生态环境变化，和监测评估自然灾害的影响具有重要意义。受单颗卫星寿命影响，来自同一卫星的监测数据长度有限，利用多源卫星协同反演将是未来重要的发展趋势之一。然而不同卫星和星载传感器存在过境时间、波段设置、空间分辨率等方面的差异，给多源卫星协同反演带来较大困扰。尽管本文分析表明，NDVITerra和NDVINPP产品在呼伦贝尔的整体植被监测过程中偏差不大，但当用2 种卫星产品联合开展NDVI 的距平分析或计算VCI 等指数时，较小的偏差会被放大，最终影响分析结论。

长远来看，将所有卫星产品校准到同一实况监测水平，是解决多源卫星产品协同应用的最好解决方案，然而目前的卫星遥感地面监测站较少，缺乏长期、可靠的地面光谱监测数据，对卫星校验的支撑能力有限。因此建议加快卫星遥感地面校验台站建设，增加固定、长期、规范的地面植被光谱监测设备，进而推动多源卫星的协同应用及历史长序列数据集的建立。