本科毕业设计（论文）

外文翻译

基于MODIS的地表物候学研究：C5全球土地覆盖动态产品特征

作者：SangramGanguly^a,MarkA.Friedl^b,BinTan^c,XiaoyangZhang^d,ManishVerma^b

国籍：美国

出处：RemoteSensingofEnvironmentVolume114,Issue8, 16August2010,Pages1805-1816

中文译文：

摘要：陆地表面物候相关信息对于各种应用研究都很重要。例如物候学被广泛用来诊断生态系统对全球变化的响应。此外，物候影响着陆地表面和大气之间的水、能量和碳的季节尺度通量，人们也越来越认识到物候对生境和生物多样性研究的重要性。虽然许多与植物物候相关的数据集都是在特定的地点或以单个植物或监测网络针对某一类植物物种为重点进行的，但遥感是在大范围和定期观察和监测物候的唯一途径。开发MODIS全球土地覆盖动态产品是为了支持需要与陆地表面物候的时空动态相关的从区域到全球尺度信息的调查。我们描述了MODISC5产品，它相对于C4产品有了实质性的改进。这个新版本有着比C4(500米比1公里)更高的空间分辨率以提供与陆地表面物候相关的信息，并且C5是基于8天而不是16天的输入数据。本文简要地概述了该算法，并对该产品进行了评估。为此，我们比较了跨越一系列气候和生态条件的选定格网的MODISC5和C4产品数据，描述了2001年至2006年北美的C4和C5数据的年际变化，并将C5的结果与美国东北部两个森林地点的地面观测结果进行了比较。结果表明，C5在性质上与C4相似，但C5在有持续云层和大气气溶胶的区域之外有较少的缺失值。C5数据的年际变率与预期的方差范围一致，表明该算法是可靠和稳健的，除非在热带地区观察到一些系统差异。最后，与地面数据的比较表明，该算法执行良好，但与植被衰老和休眠相关的季末度量比季节开始度量具有更高的不确定性。

关键词：MODIS物候学；土地覆盖动态；土地覆盖；植被动态；MODISC5；

简介

以监测和模拟生物圈过程为重点的研究需要准确的生态系统属性的时空动力学相关的准确信息。由于植被物候对生态系统和气候体系中的陆地碳循环影响广泛(Baldocchi等人，2001年；Churina等人，2005年；Richarson等人，2009年)，与物候相关的准确信息对于从区域到全球碳收支的研究非常重要。树叶的存在也影响地表反照率(Moore等人，1996年；Ollinger等人，2008年)，并对地表辐射收支和净辐射在潜热和显热通量之间的分配施加强有力的控制(Chenamp;Dudhia，2001年；Yang等人，2001年)。因此，植被生态系统的物候动态影响一系列生态生理过程，这些过程影响水文过程(Hogg等人，2000)、营养循环(Cookeamp;Weih，2005年)和陆地-大气相互作用(Heimann等人，1998年)。

近年来，在生态系统对气候变化的反应背景下，对生长季节的动态，包括芽发时间的变化、叶片发育、衰老和生长季长度的变化，已经得到了广泛的研究(Cleland等人，2007年)。基于AVHRR数据的研究表明，在1981年至1999年期间，北半球温带和北部地区(约40°-70°N)经历了与地表变暖相关的生长季绿度增加(Myneni等人，1997年；周等人，2001年)。最近利用AVHRR数据记录的较长期研究表明，在加拿大阿拉斯加南部和俄罗斯内陆的北方森林中，“褐化”趋势的模式更为复杂(Angert等人，2005年；Gangully等人，2008年；Goetz等人，2005年；张等人，2007年)。在对照实验中也观察到了复杂的物候反应，在这些实验中，其中变暖加速了植物冠层的绿化，但二氧化碳和氮肥的增加延时开花(Cleland等人，2007年)。这些生物物理和生化过程既影响生态系统-气候相互作用又诊断生态系统-气候相互作用。因此，迫切需要准确描述生态系统的物候，进而准确描述生态系统对气候变化的反应(Morisette等人，2009年)。

中分辨率卫星遥感提供陆地表面特性的全球高时态频率测量，因此非常适合于监测从区域到全球物候的季节到年代际模式和趋势(deBeuramp;Henebry，2005年；Reed等人，1994年；White等人，1997年；Zhang等人，2003年)。陆地卫星MSS是第一个用于描述景观和区域尺度植被季节性的星载传感器(Thompsonamp;Wehmanen，1979)。然而，探测物候转换日期需要比陆地卫星类仪器提供的更高的时间分辨率，而粗到中等的空间分辨率传感器，如AVHRR（Goward等人，1985年）、MODIS（张等人，2003年）和SPOT-VEGETATION（Delbart等人，2006年）更普遍用于此目的。事实上，这种传感器用于研究陆地表面物候已有20多年的历史(Justice等人，1985年)。在过去的二十年里，已经为此目的开发了许多不同的方法。这些方法中最常用的包括基于阈值的技术(Jonssonamp;Eklundh，2002年；White等人，1997年)、基于光谱分析的方法(Jakubauskas等人，2001年；Moodyamp;Johnson等人，2001年)，以及植被指数时间序列中的拐点估计(Moulin等人，1997年；Zhang等人，2003年)。所有方法都使用植被指数的时间序列来确定物候转换日期的时间，如生长季的开始和结束。

自2000年以来，中分辨率成像光谱仪(MODIS)为区域到全球尺度的陆地表面物候研究提供了良好的基础(Ahl等人，2006年；Fisheramp;Mustard，2007年；Zhang等人，2003年,2006年)。本文的目的是介绍新的C5(C5)MODIS全球土地覆盖动态(MLCD)产品的概况和特征，该产品是在全球范围内以500m的空间分辨率生产的，从2001年到现在可用。下面我们描述对MLCD算法的改进，并通过与C4(C4)数据的比较，C5结果在多年中的可变性评估，以及C4和C5数据与现场数据进行比较来呈现C5产品的特性。

MODIS土地覆盖动态算法及产品

产品概述、输入数据和预处理

张等人(2003年,2006年)中提出的MLCD算法用于此项工作。该算法利用MODIS增强植被指数（EVI）时间序列估计的4个过渡日期来描述植被生长周期：(1)绿期：EVI增加的开始日期；(2)成熟期：EVI最大值的开始日期；(3)衰老期：EVI下降的开始日期；(4)休眠期：EVI最小值的开始日期。这些过渡日期对应于与MLCD产品相关的前四个科学数据集(SDS)(表1)。特别需要注意的是，SDS名称使用“绿色”，而不是EVI。更准确地说，因为这些过渡日期是根据EVI中的时间动态估计的，所以我们在这里专门指的是EVI中的过渡(EVI增加的开始等)。在第3.4节中，我们将这些数据与地面收集的森林冠层物候测量结果进行比较。

表1MODIS土地覆盖动态产品中包含的科学数据集(Terra和Aqua产品标识符MCD12Q2合并)。

为了说明这些数据的潜在应用，图1显示了从MLCD数据中派生的北美平均生长季节长度。为了得到这个图，我们用EVI开始时间的增加与EVI最小开始时间的差值来计算每年每个像素的生长季节长度。由于生长季节长度是影响光合作用发生时间的一个重要变量，因此MLCD产品的信息有助于理解季节和年际气候如何加速影响植物生长，进而在大尺度上影响总生态系统和净生态系统交换。最近，Medvigy等人(2009年)和Richardson等人在出版中分别证明了MLCD数据在基于模型和季节尺度碳预算的实证研究中的效用。在第3.3节中，我们展示了基于MLCD产品量化北美生长季节长度年际变化的性质和幅度的样本结果。

图1从MLCD产品得出的2001-2006年期间北美的平均生长季长度(以天数为单位)

该C5MLCD产品以单独的科学数据集（SDS）的形式分布在以分层数据格式存储的单个文件中。在MODIS正弦投影中，所有SDS层均以500m的空间分辨率生成。如表1所示，该产品包括8个SDS。特别需要注意的是，在任何12个月的时期内，植被可以有多个生长周期。因此，每个SDS字段包括两个16位值，对应在12个月时期内的两个可能的周期中的一个。为了适应北半球和南半球季节性的差异，MLCD产品是按6个月的时间步长创建的。

如上所述，植被生长周期是使用MODISEVI数据估算的。然而，MLCD产品不是使用标准的MODISEVI产品(Huete等人，2002年)，而是使用从MODIS最低点双向反射分布函数(BRDF)调整后的反射率(NBAR)数据计算出的EVI来生成的(Schaaf等人，2002年)。在C5中，NBAR数据是以500m的空间分辨率和8天的时间步长生成的，间隔为16天。在NBAR数据中，云、可变视角和大气气溶胶的影响被最小化。使用EVI是因为它提供了比归一化差值植被指数更大的动态范围(Huete等人，2002年)。

NBAR产品还在其质量保证领域提供了冰雪标志，表明数据是在被雪覆盖的表面上获取的还是在无雪的表面获取的。这一信息对我们的方法至关重要，因为雪的存在降低了冬季月份的EVI值(Delbart等人，2006年；Dyeamp;Tucker，2003年)。此外，我们使用了每隔8天获得一次的1公里C5MODIS地表温度(LST)产品(wan等人，2002年)。在每个像素和时间步长中，标识为包含雪的EVI值将被替换为背景EVI值，该背景EVI值被定义为最近的无雪EVI值。由云和大气气溶胶造成的空隙使用一个居中的三日期移动窗口平均值来填充。作为最后一步，EVI时间序列使用局部中值移动窗口技术进行平滑(Zhang等人，2006年)。最后一步的效果是通过去除与时间序列中局部趋势显著不同的EVI值来平滑时间序列。

算法概述

张等人描述了MLCD算法(2006年)。这里我们提供

剩余内容已隐藏，支付完成后下载完整资料

附：外文原文

Land surface phenology from MODIS: Characterization of the Collection 5 global land cover dynamics product

Abstract

Information related to land surface phenology is important for a variety of applications. For example, phenology is widely used as a diagnostic of ecosystem response to global change. In addition, phenology influences seasonal scale fluxes of water, energy, and carbon between the land surface and atmosphere. Increasingly, the importance of phenology for studies of habitat and biodiversity is also being recognized. While many data sets related to plant phenology have been collected at specific sites or in networks focused on individual plants or plant species, remote sensing provides the only way to observe and monitor phenology over large scales and at regular intervals. The MODIS Global Land Cover Dynamics Product was developed to support investigations that require regional to global scale information related to spatio-temporal dynamics in land surface phenology. Here we describe the Collection 5 version of this product, which represents a substantial refinement relative to the Collection 4 product. This new version provides information related to land surface phenology at higher spatial resolution than Collection 4 (500-m vs. 1-km), and is based on 8-day instead of 16-day input data. The paper presents a brief overview of the algorithm, followed by an assessment of the product. To this end, we present (1) a comparison of results from Collection 5 versus Collection 4 for selected MODIS tiles that span a range of climate and ecological conditions, (2) a characterization of interannual variation in Collections 4 and 5 data for North America from 2001 to 2006, and (3) a comparison of Collection 5 results against ground observations for two forest sites in the northeastern United States. Results show that the Collection 5 product is qualitatively similar to Collection 4. However, Collection 5 has fewer missing values outside of regions with persistent cloud cover and atmospheric aerosols. Interannual variability in Collection 5 is consistent with expected ranges of variance suggesting that the algorithm is reliable and robust, except in the tropics where some systematic differences are observed. Finally, comparisons with ground data suggest that the algorithm is performing well, but that end of season metrics associated with vegetation senescence and dormancy have higher uncertainties than start of season metrics.

Keywords

MODIS；phenologyLand；cover；dynamicsLand；coverVegetation dynamicsMODIS；Collection 5

1. Introduction

Investigations focused on monitoring and modeling biospheric processes require accurate information related to spatio-temporal dynamics in ecosystem properties. Because vegetation phenology affects terrestrial carbon cycling across a wide range of ecosystem and climate regimes (Baldocchi et al., 2001, Churkina et al., 2005, Richardson et al., 2009b), accurate information related to phenology is important to studies of regional-to-global carbon budgets. The presence of leaves also influences land surface albedo (Moore et al., 1996, Ollinger et al., 2008) and exerts strong control on surface radiation budgets and the partitioning of net radiation between latent and sensible heat fluxes (Chen amp; Dudhia, 2001, Yang et al., 2001). Thus, the phenological dynamics of vegetated ecosystems influence a host of eco-physiological processes that affect hydrologic processes (Hogg et al., 2000), nutrient-cycling, (Cooke amp; Weih, 2005), and land–atmosphere interactions (Heimann et al., 1998).

In recent years, growing season dynamics including shifts in the timing of bud burst, leaf development, senescence, and changes in growing season length have been widely studied in the context of ecosystem responses to climate change (Cleland et al., 2007). Studies using AVHRR data have concluded that northern hemisphere temperate and boreal regions (sim; 40°–70° N) experienced increased growing season greenness related to surface warming during the period 1981 to 1999 (Myneni et al., 1997, Zhou et al., 2001). More recent studies utilizing a longer record of AVHRR data suggest a more complex pattern with evidence of “browning” trends in the boreal forests of Southern Alaska, Canada, and in the interior of Russia (Angert et al., 2005, Ganguly et al., 2008, Goetz et al., 2005, Zhang et al., 2007). Complex phenological responses have also been observed in controlled experiments where warming accelerated greening of plant canopies, but elevated CO2 and nitrogen fertilization delayed flowering (Cleland et al., 2007). These biophysical and biochemical processes both influence and are diagnostic of ecosystem–climate interactions. As a consequence, there is substantial need to accurately characterize the phenology of ecosystems, and by extension, the response of ecosystems to changes in climate (Morisette et al., 2009).

Moderate resolution satellite remote sensing provides global high temporal frequency measurements of land surface properties and is therefore well suited for monitoring seasonal-to-decadal patterns and trends in regional-to-global phenology (De Beurs amp; Henebry, 2005, Reed et al., 1994, White et al., 1997, Zhang et al., 2003). Landsat MSS was the first space-borne sensor used to characterize the seasonality of vegetation at landscape and regional scales (Thompson amp; Wehmanen, 1979). However, detecting phenological transition dates requires higher temporal resolution than is afforded by Landsat-class instruments, and coarse-to-moderate spatial resolution sensors such as the AVHRR (Goward et al., 1985), MODIS (Zhang et al., 2003) and SPOT-VEGETATION (Delbart et al., 2006) are more commonly used for this purpose. Indeed, the utility of such sensors for studies of land surface phenology has been established for over 20 years (Justice et al., 1985

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[268467]，资料为PDF文档或Word文档，PDF文档可免费转换为Word