陸表物候監(jiān)測的遙感指數(shù)多維度評估

孫莉昕，朱文泉，謝志英，詹培，李雪瑩

1.北京師范大學(xué) 遙感科學(xué)國家重點實驗室,北京 100875;

2.北京師范大學(xué) 地理科學(xué)學(xué)部 北京市陸表遙感數(shù)據(jù)產(chǎn)品工程技術(shù)研究中心,北京 100875

1 引言

遙感觀測的陸表物候量化了植被綠度發(fā)展時間和程度，反映了陸表植被的季節(jié)動態(tài)（Tong 等，2019；Wang和Zhang，2020），是研究植被與氣候相互作用的重要參數(shù)。遙感指數(shù)時序數(shù)據(jù)因能有效反映植被冠層的季節(jié)變化特征（牟敏杰 等，2012），被廣泛用于監(jiān)測陸表植被的返青期、成熟期、衰敗期和黃枯期等重要生長節(jié)點。其中，生長季起始期SOS（Start of Season）和結(jié)束期EOS（End of Season）因與生態(tài)系統(tǒng)碳循環(huán)關(guān)系密切，是現(xiàn)今大部分物候產(chǎn)品或陸表物候研究中最常采用的關(guān)鍵物候指標(biāo)。利用遙感監(jiān)測植被SOS和EOS，其本質(zhì)在于從復(fù)雜的背景中（土壤、雪和干植被等）探測綠色植被信號出現(xiàn)和消失所對應(yīng)的時間。然而，不同的遙感指數(shù)對于綠色植被信號的識別能力存在差異（范德芹 等，2016），在不同的區(qū)域（Heumann等，2007；Hird和McDermid，2009；Beck等，2006；Sakamoto 等，2005）或不同的植被類型（de Beurs和Henebry，2004；Liu等，2016，2017；Pastick等，2020）中，其物候監(jiān)測能力也不盡相同。

目前，用于陸表物候監(jiān)測的遙感指數(shù)可概括為3大類。一是常用的增強植被信號的指數(shù)，主要包括NDVI（Normalized Difference Vegetation Index）（Rouse 等，1973）、EVI（Enhanced Vegetation Index）（Huete 等，2002）、EVI2（Two-band Enhanced Vegetation Index）（Jiang 等，2008）、NIRv（Near Infrared Reflectance of Vegetation）（Badgley 等，2017）等。該類指數(shù)通過增強背景信息中的綠色植被信號或光譜特征來實現(xiàn)對陸表植被物候的監(jiān)測（Badgley等，2017；Li等，2017；Wardlow等，2007；傅銀貞，2010）。二是專門設(shè)計用于提取植被物候的指數(shù)，該類指數(shù)是專門針對物候監(jiān)測需求、通過某種變換來弱化不必要的背景信息及其變化對物候監(jiān)測的干擾。例如，以降低雨雪導(dǎo)致的土壤濕度和亮度變化干擾而設(shè)計的PI（Phenology Index）（Gonsamo等，2012）、對土壤亮度變化不敏感的PPI（Plant Phenology Index）（Jin 和Eklundh，2014）、針對高寒地區(qū)積雪和融雪對物候監(jiān)測干擾而設(shè)計的NDPI（Normalized Difference Phenology Index）（Wang 等，2017）以及降低了秋季枯枝落葉影響的NDGI（Normalized Difference Greenness Index）（Yang 等，2019）等。三是其他反映植被冠層特征（如水分、色素）及地理環(huán)境（如土壤）的遙感指數(shù)。例如，表征植被冠層含水量的LSWI（Land Surface Water Index）（Gao，1996）、削弱土壤背景因素（土壤表面狀況，如粗糙度、秸稈殘留物等；土壤內(nèi)在物理和化學(xué)性狀，如有機質(zhì)、水分、顆粒大小等）影響的PVI（Perpendicular Vegetation Index）（Richardson 和Wiegand，1977）等。它們在提取低覆蓋植被信息時具有一定的優(yōu)勢，具備植被物候監(jiān)測潛力，被嘗試應(yīng)用于陸表物候提?。–handrasekar 等，2010；Pidgorodetska和Zyelyk，2015；徐丹丹和李文龍，2009）。

當(dāng)前大尺度的陸表物候監(jiān)測仍主要使用NDVI和EVI（Cao 等，2015；Clerici 等，2012；Pan 等，2012）。然而，這些遙感指數(shù)由于自身結(jié)構(gòu)的缺陷在某些方面存在一定的不足，如NDVI 指數(shù)在高生物量時呈現(xiàn)逐漸飽和的趨勢、EVI指數(shù)對融雪或積雪較為敏感（Jiang 等，2008），從而為物候提取引入了不確定性。其他遙感指數(shù)基于不同的研究目標(biāo)提出，其應(yīng)用于陸表物候監(jiān)測的能力也存在差異。雖然已有一些研究在特定區(qū)域針對某種或某幾種植被類型評估了部分遙感指數(shù)應(yīng)用于陸表物候提取的精度（Dong 等，2020；Dye 等，2016；Karkauskaite等，2017），但當(dāng)前仍缺乏針對不同遙感指數(shù)在大尺度、多種植被類型以及各種地理環(huán)境中的陸表物候監(jiān)測能力進行系統(tǒng)性分析，從而無法為陸表物候監(jiān)測時遙感指數(shù)的選擇提供更全面的參考。此外，以往的相關(guān)研究大多基于獨立的標(biāo)準(zhǔn)開展，這些研究的樣本選取方式、檢驗數(shù)據(jù)類型以及物候提取方法均存在較大差異，使得不同研究之間的可比性較弱。

針對現(xiàn)有研究存在的以上問題，本文旨在系統(tǒng)評估各遙感指數(shù)在大尺度區(qū)域、不同植被類型和不同地理環(huán)境下對陸表物候的監(jiān)測能力，以期為多維度及其組合情況下的陸表物候遙感監(jiān)測最佳指數(shù)選擇提供依據(jù)。本文選擇地面觀測站點豐富且植被生長季明顯的北半球中高緯度區(qū)域分布廣泛的4種植被類型（落葉闊葉林、常綠針葉林、草地和灌叢）為研究對象，在統(tǒng)一的檢驗數(shù)據(jù)（功能物候和結(jié)構(gòu)物候）下對比各遙感指數(shù)應(yīng)用于陸表植被春、秋季（SOS和EOS）物候提取及變化趨勢監(jiān)測的精度；綜合評估各遙感指數(shù)應(yīng)用于不同植被類型、不同地理環(huán)境、不同物候類型（結(jié)構(gòu)物候、功能物候）和不同物候事件（春季物候、秋季物候）的監(jiān)測能力。主要回答3個問題：（1）不同維度（植被類型、地理環(huán)境、物候類型、物候事件）及其組合情況下監(jiān)測物候的最佳遙感指數(shù)是哪一種或哪些？（2）最佳遙感指數(shù)下的陸表物候監(jiān)測精度如何？（3）不同精度評估視角（物候提取準(zhǔn)確度、物候變化趨勢一致性）的最佳遙感指數(shù)是否存在差異？

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)

2.1.1 碳通量數(shù)據(jù)

碳通量塔利用渦度相關(guān)技術(shù)連續(xù)觀測地表生態(tài)系統(tǒng)與大氣間CO2、水分和能量的交換?；谔纪克@取的GPP（Gross Primary Productivity）時序數(shù)據(jù)反映了植被光合能力的季節(jié)性變化，由其得到的植被物候被定義為“植被光合物候”，一般也稱為植被功能物候。目前，基于GPP監(jiān)測的植被功能物候已被廣泛用于陸表植被物候遙感監(jiān)測結(jié)果的驗證（牟敏杰 等，2012）。本文選擇匯集了全球通量觀測網(wǎng)絡(luò)數(shù)據(jù)采集結(jié)果的FLUXNET 2015 數(shù)據(jù)集（https：//fluxnet.org/data/fluxnet2015-dataset［/2021-03-17］），該數(shù)據(jù)集包含了北半球中高緯度區(qū)域212個站點，數(shù)據(jù)年份為1991年—2014年，但因站點而異。

2.1.2 物候相機數(shù)據(jù)

物候相機通常安裝在高塔上（通量塔或瞭望塔），以傾斜攝影的方式對地表植被進行連續(xù)觀測。通過處理分析物候相機拍攝的真彩色影像以獲得可以表征植被冠層動態(tài)的綠度指數(shù)，如相對綠度指數(shù)GCC（Green Chromatic Coordinate），其時序數(shù)據(jù)能夠反映植被冠層結(jié)構(gòu)的變化，因此該數(shù)據(jù)監(jiān)測的植被物候一般被稱為結(jié)構(gòu)物候，并被廣泛用于陸表植被物候遙感監(jiān)測結(jié)果的精度驗證（Schwartz，2013）。本文選用了最新版本的PhenoCam Dataset v2.0 數(shù)據(jù)集（https：//daac.ornl.gov/cgi-bin/dsviewer.pl？ds_id=1674［2021-03-17］），該數(shù)據(jù)集不僅包含逐日合成的GCC 指數(shù)時序數(shù)據(jù)，同時也提供了經(jīng)三次樣條插值法擬合重構(gòu)、使用相對閾值法（10%、25%和50%）提取的春秋季物候結(jié)果（Richardson 等，2018）。該數(shù)據(jù)集包含了北半球中高緯度528 個站點，數(shù)據(jù)年份為2000 年—2018 年，但因站點而異。

2.1.3 遙感指數(shù)數(shù)據(jù)

用于陸表物候監(jiān)測的衛(wèi)星遙感時序數(shù)據(jù)通常要求具有較高的時間分辨率，以準(zhǔn)確地反映植被整個生長季的生長變化。本文選擇8天合成、500 m空間分辨率的MOD09A1 地表反射率數(shù)據(jù)，其較高的時間分辨率和較長的在軌年限極大滿足了衛(wèi)星遙感指數(shù)評估需求。針對上述212個通量觀測站點和528 個物候相機觀測站點的中心位置，提取3×3窗口下9個像元的紅光、近紅外、綠光、藍光及短波紅外波段反射率，以均值作為中心像元各波段反射率值，并基于這些波段計算待評估的遙感指數(shù)（NDVI、EVI、EVI2、NIRv、PPI、PI、NDPI、NDGI、PVI、LSWI）（表1）。此外，本文還獲取MODIS 合成數(shù)據(jù)觀測時刻的DOY 信息用于構(gòu)建遙感指數(shù)時間序列。

2.2 方法

2.2.1 站點篩選

本文基于北半球中高緯度區(qū)域的212個通量站點，結(jié)合各站點—年對應(yīng)的遙感指數(shù)時序曲線，剔除通量數(shù)據(jù)集中不具備完整且明顯植被季節(jié)生長變化特征的站點—年數(shù)據(jù)，共篩選出406條質(zhì)量較高（年NEE_QC＞0.75）的站點—年數(shù)據(jù)。其包括了75 個通量站點（圖1（a）），各植被類型所包含的通量站點數(shù)及站點—年記錄數(shù)詳見表2。

圖1 通量和物候相機站點分布及對應(yīng)的植被類型Fig.1 Location of Flux sites and PhenoCam sites and the spatial distribution of vegetation types

表2 各植被類型所包含的通量塔與物候相機站點數(shù)及站點—年記錄數(shù)Table 2 The number of flux sites，PhenoCam sites and data records for different vegetation types

基于北半球中高緯度區(qū)域的528個物候相機站點，考慮該數(shù)據(jù)集存在一架物候相機在某一站點同時監(jiān)測了多種植被類型的情況，剔除了相機主要觀測類型與站點類型不一致的站點數(shù)據(jù)，并參考各站點—年對應(yīng)的遙感指數(shù)時序曲線，共篩選出485 條站點—年數(shù)據(jù)。其包括了129 個物候相機觀測站點（圖1（b）），各植被類型所包含的物候相機站點數(shù)及站點—年記錄數(shù)詳見表2。

為評估雪、水分以及枯枝落葉覆蓋3個常見影響因素形成的不同地理環(huán)境下遙感指數(shù)適宜性，本文針對北半球中高緯度區(qū)域的75 個通量站點和129 個物候相機站點（圖1），一方面基于K?ppen-Geiger 世界氣候分類圖（http：//koeppen-geiger.vuwien.ac.at/shifts.htm［2021-03-17］）篩選出符合4種地理環(huán)境（即：降雪、無雪、無雪且濕潤和無雪且干燥）的站點；另一方面根據(jù)植株生長變化導(dǎo)致地表覆蓋情況不同的現(xiàn)象又將其劃分兩種環(huán)境（春季換葉/秋季落葉（枯萎））站點（表3）。其中，春季換葉現(xiàn)象主要發(fā)生在常綠林和周圍依附的常綠型灌叢中，秋季落葉（枯萎）現(xiàn)象主要發(fā)生在草地、落葉林和周圍依附的落葉型灌叢中。6種地理環(huán)境及分布詳見圖2。

圖2 各地理環(huán)境劃分及空間情況Fig.2 Spatial distribution of different geographical environments based on different criteria

表3 各地理環(huán)境所包含的通量與物候相機站點數(shù)及站點—年記錄數(shù)Table 3 The number of flux sites，PhenoCam sites and data records for different geographical environments

2.2.2 物候期提取

現(xiàn)有研究表明雙Logistic 函數(shù)對衛(wèi)星遙感監(jiān)測物候的指數(shù)時序數(shù)據(jù)和通量站點監(jiān)測的GPP 時序數(shù)據(jù)重構(gòu)效果非常好（Busetto 等，2010）。本文采用雙Logistic 曲線對MODIS 遙感指數(shù)時序數(shù)據(jù)和通量塔GPP時序數(shù)據(jù)進行擬合（圖3、圖4），得到逐日MODIS 遙感指數(shù)和GPP 時序數(shù)據(jù)?；诖耍疚牟捎孟鄬﹂撝捣ǎ╓hite 等，1997）提取植被春、秋季物候指標(biāo)。

圖3 GPP時序數(shù)據(jù)重建和物候提取示意圖（以CA-Oas通量站點2007年為例）Fig.3 A schematic diagram for the reconstruction of GPP time-series data and the extraction of phenological metrics at site CA-Oas in 2007

圖4 遙感指數(shù)時序數(shù)據(jù)重建和物候提取示意圖（以UM-MMS通量站點2009年NDGI指數(shù)為例）Fig.4 A schematic diagram for the reconstruction of NDGI time-series data and the extraction of phenological metrics at site UM-MMS in 2009

考慮到不同研究中植被物候期定義的差異，且基于碳通量數(shù)據(jù)獲取的功能物候、基于物候相機獲取的結(jié)構(gòu)物候及利用遙感監(jiān)測的陸表物候之間并無明確的閾值對應(yīng)關(guān)系。因此，針對不同驗證數(shù)據(jù)，本文定義了多個提取春、秋季物候的相對閾值（表4）。PhenoCam Dataset v2.0 數(shù)據(jù)集本身提供了10%、25%和50%等3種相對閾值的物候提取結(jié)果（圖5），為保證交叉驗證時遙感指數(shù)所取閾值范圍與其一致，以GCC 時序數(shù)據(jù)獲取的結(jié)構(gòu)物候結(jié)果為參考時，本文對遙感指數(shù)的相對閾值略有調(diào)整（表5）。

圖5 基于GCC和遙感指數(shù)的物候提取閾值設(shè)置示意圖（以bbc7_DB_1000物候相機站點2016年NDVI指數(shù)為例）Fig.5 A schematic diagram for the extraction of phenological metrics based on GCC and NDVI time-series data with different relative thresholds at site bbc7_DB_1000 in 2016

表4 GPP及遙感數(shù)據(jù)中春、秋季物候提取的相對閾值定義Table 4 The relative thresholds for SOS and EOS extraction from GPP and remote sensing data/%

表5 GCC及遙感數(shù)據(jù)中春、秋季物候提取的相對閾值定義Table 5 The relative thresholds of SOS and EOS extraction from GCC and remote sensing data/%

2.2.3 精度評估及對比分析

精度評估指標(biāo)采用均方根誤差RMSE 和一元線性回歸的決定系數(shù)R2來度量。RMSE 度量物候事件發(fā)生日期的準(zhǔn)確性，RMSE 值越小則說明該指數(shù)提取的物候與參考數(shù)據(jù)（基于物候相機觀測的結(jié)構(gòu)物候和基于碳通量觀測的功能物候）偏差越小；R2度量物候變化趨勢的一致性，R2值越大則說明該指數(shù)提取的物候與參考數(shù)據(jù)的變化趨勢越相似。

為避免不同數(shù)據(jù)源使用同一閾值提取的物候事件不對應(yīng)或同一數(shù)據(jù)源使用單一閾值造成評估結(jié)果偏差的問題，本文采用多個閾值交叉組合的檢驗方式。針對每個遙感指數(shù)，分別利用通量站GPP數(shù)據(jù)和物候相機GCC 數(shù)據(jù)提取的物候期作為參考標(biāo)準(zhǔn)，通過GPP 數(shù)據(jù)相對閾值（表4 中的P1-P5）和遙感指數(shù)相對閾值（表4 中的S1-S5、E1-E5）交叉組合可分別獲得SOS 和EOS 各25 個精度評估指標(biāo)（RMSE 或R2），類似的GCC 數(shù)據(jù)（C1-C3）可獲得15個精度評估指標(biāo)。

此外，本文統(tǒng)計了每個遙感指數(shù)在多閾值下物候監(jiān)測精度評估指標(biāo)的范圍、均值和中值；并使用獨立樣本t檢驗來分析各遙感指數(shù)之間、功能物候和結(jié)構(gòu)物候之間是否存在顯著差異。以RMSE為例，結(jié)構(gòu)物候（樣本量為15；或功能物候，樣本量為25）中每兩個遙感指數(shù)間進行獨立樣本t檢驗，當(dāng)p＜0.05 時說明這兩個指數(shù)的物候提取準(zhǔn)確度具有顯著差異。

3 結(jié)果

3.1 總體對比

圖6 展示了各遙感指數(shù)物候監(jiān)測的最佳精度（最佳閾值詳見表A1，多閾值結(jié)果詳見圖A1）。綜合來看，各遙感指數(shù)在最佳閾值時所得到的最佳精度因物候類型、物候事件和物候評價指標(biāo)的不同而存在明顯差異?？梢园l(fā)現(xiàn)NDGI 除了對功能物候的EOS 提取誤差較大之外，是所有功能物候和結(jié)構(gòu)物候中提取SOS 與EOS 的最佳指數(shù)。NDGI 在多數(shù)情況下都能獲得精度較高的春、秋季物候監(jiān)測結(jié)果，但其監(jiān)測精度在SOS 與EOS 之間、功能物候與結(jié)構(gòu)物候之間卻有所不同。從SOS 與EOS的對比來看（圖6），結(jié)構(gòu)物候中，大多數(shù)遙感指數(shù)提取SOS 的RMSE 明顯低于其提取EOS 的RMSE、SOS 的R2高于EOS 的R2（圖6（a）和（b））；功能物候中，大多數(shù)遙感指數(shù)監(jiān)測SOS 的準(zhǔn)確度（RMSE）和物候變化趨勢一致性（R2）均明顯優(yōu)于EOS（圖6（c）和（d））。從結(jié)構(gòu)物候與功能物候的對比來看，結(jié)構(gòu)物候中大多數(shù)遙感指數(shù)提取SOS 和EOS 的準(zhǔn)確度均優(yōu)于功能物候中，但結(jié)構(gòu)物候中大多數(shù)遙感指數(shù)監(jiān)測的SOS 變化趨勢的一致性明顯低于功能物候中的監(jiān)測結(jié)果（圖6（b）vs.（d）），而結(jié)構(gòu)物候中監(jiān)測的EOS 變化趨勢一致性與功能物候中的監(jiān)測結(jié)果無明顯差異。

圖6 全樣本情況下各遙感指數(shù)物候監(jiān)測最佳精度對比Fig.6 Comparison of optimum accuracy of phenological monitoring using different remote sensing indexes based on the whole samples

3.2 不同植被類型下的對比

結(jié)構(gòu)物候中，大多數(shù)遙感指數(shù)在不同植被類型SOS 和EOS 提取準(zhǔn)確度上的差異較?。▓D7，最佳精度及閾值詳見表A2），多閾值的驗證結(jié)果也表明各植被類型中存在至少3種遙感指數(shù)提取SOS和EOS 的準(zhǔn)確度較高，且它們之間并無顯著差異（圖A2—A5）。其中，NDGI 是4 種植被類型SOS 提取準(zhǔn)確度均為較好的遙感指數(shù)（RMSE 較小且在多閾值驗證中與其他遙感指數(shù)無顯著差異）；也是除落葉闊葉林（監(jiān)測精度最高的指數(shù)為NIRv，如圖7（a）所示；而多閾值驗證時最佳指數(shù)為PVI，如附圖2 所示）外的其他3 種植被類型EOS 提取的準(zhǔn)確度最佳的指數(shù)。雖然遙感指數(shù)間的精度差異較小，但不同植被類型在最佳遙感指數(shù)下的監(jiān)測精度仍有所不同（圖7 和附圖2—5）：從SOS 監(jiān)測精度對比來看，落葉闊葉林SOS的RMSE 明顯低于其他植被類型，其他3種植被的R2無顯著差異，但明顯高于常綠針葉林；從EOS 監(jiān)測精度對比來看，草地EOS的RMSE明顯低于其他植被類型，草地與灌叢的R2明顯高于兩種森林。

圖7 各遙感指數(shù)在不同植被類型中物候監(jiān)測最佳精度對比（DB：落葉闊葉林；EN：常綠針葉林；GR：草地；SH：灌叢）Fig.7 Comparison of optimum accuracy of phenological monitoring using different remote sensing indexes in different vegetation types（DB：deciduous broadleaved forest；EN：evergreen needleleaf forest；GR：grassland；SH：shrub）

功能物候中，大多數(shù)遙感指數(shù)在監(jiān)測落葉闊葉林和草地物候時表現(xiàn)出較高的準(zhǔn)確度，但在監(jiān)測常綠針葉林和灌叢時表現(xiàn)較差；并且除了常綠針葉林外，大多數(shù)遙感指數(shù)能夠較好的監(jiān)測植被物候變化趨勢（圖7）。值得注意的是，部分遙感指數(shù)在監(jiān)測物候變化趨勢一致性時對植被類型和物候事件較為敏感。例如，PI在不同植被類型SOS和EOS 監(jiān)測中R2存在非常明顯的差異（圖7（d）（h）（l）（p））。此外，不同植被類型SOS 監(jiān)測的最佳遙感指數(shù)各不相同；監(jiān)測EOS 變化趨勢一致性最佳的遙感指數(shù)主要為NDGI 和NDPI，而提取EOS準(zhǔn)確度最佳的遙感指數(shù)均為PVI（圖A2—A5）。不同植被類型在最佳遙感指數(shù)下的物候監(jiān)測精度也不盡相同（圖7 和圖A2—A5）：從SOS 監(jiān)測精度對比來看，落葉闊葉林的SOS 提取準(zhǔn)確度最高，常綠針葉林的SOS 物候變化趨勢一致性明顯低于其他植被類型；從EOS 監(jiān)測精度對比來看，灌叢EOS 的提取準(zhǔn)確度和物候變化趨勢一致性均明顯優(yōu)于其他植被類型。

3.3 不同地理環(huán)境下的對比

各遙感指數(shù)在不同地理環(huán)境下監(jiān)測植被結(jié)構(gòu)物候的能力有限，即便是達到最佳監(jiān)測精度時，其監(jiān)測的準(zhǔn)確度和物候變化趨勢一致性仍然較低（圖8，最佳精度及閾值詳見表A3）。例如，在無雪且濕潤地理環(huán)境下監(jiān)測SOS 表現(xiàn)最佳的EVI指數(shù)（圖8（i）），其RMSE 接近20 d；而在無雪（圖8（f））、無雪且干燥（圖8（n））以及秋季落葉（圖8（v））環(huán)境下監(jiān)測SOS 表現(xiàn)最佳的NDGI 指數(shù)，其R2仍不足0.5。從多閾值對比分析來看，結(jié)構(gòu)物候中，不同地理環(huán)境SOS 監(jiān)測的最佳遙感指數(shù)相似，以PI、PPI 和NDGI 為主；除LSWI 和NDVI 外，其他指數(shù)在大部分環(huán)境的EOS 監(jiān)測中差異較??；EOS 提取準(zhǔn)確度最佳的遙感指數(shù)在大部分環(huán)境中幾乎相同，但監(jiān)測EOS變化趨勢一致性最佳的遙感指數(shù)主要為NDPI、NDGI 和PI（圖A6—A11）。從SOS 監(jiān)測精度對比來看，水分因素主導(dǎo)的地理環(huán)境差異使得植被結(jié)構(gòu)物候監(jiān)測存在明顯的差異；從EOS 監(jiān)測精度對比來看，6 種環(huán)境EOS監(jiān)測在物候提取準(zhǔn)確度上與SOS 監(jiān)測類似，在降雪和無雪且干燥環(huán)境的EOS 監(jiān)測在物候變化趨勢上明顯高于其他環(huán)境，但其精度仍然有限。

圖8 各遙感指數(shù)在不同地理環(huán)境中物候監(jiān)測最佳精度對比（SN：降雪；NS：無雪；HW：無雪且濕潤；LW：無雪且干燥；SLC：春季換葉；ALF：秋季落葉（枯萎））Fig.8 Comparison of optimum accuracy of phenological monitoring using different remote sensing indexes in different geographical environments（SN：Snow；NS：No Snow；HW：High Wetness based on NS；LW：Low Wetness based on NS；SLC：Spring Leaf Change；ALF：Autumn Leaf Fall）

功能物候中，各遙感指數(shù)在不同地理環(huán)境下監(jiān)測植被功能物候的能力仍然有限，但部分遙感指數(shù)在物候變化趨勢一致性監(jiān)測中精度相對較高，并對不同地理環(huán)境表現(xiàn)出一定的敏感性（圖8）。例如，PPI 指數(shù)的功能物候變化趨勢一致性監(jiān)測能力在無雪（圖8（h））、無雪且干燥（圖8（p））和春季換葉（圖8（t））地理環(huán)境中表現(xiàn)不佳，而在無雪且濕潤（圖8（l））和秋季落葉（圖8（x））地理環(huán)境中表現(xiàn)相對較好。不同地理環(huán)境SOS監(jiān)測的最佳遙感指數(shù)以PPI 和NDGI 為主；除監(jiān)測秋季落葉（枯萎）環(huán)境EOS的最佳指數(shù)為PPI外，其他環(huán)境EOS提取準(zhǔn)確度和監(jiān)測變化趨勢一致性的最佳指數(shù)主要為PVI、NDGI、PI（圖A6—A11）。從SOS監(jiān)測精度對比來看，最佳指數(shù)為PPI的秋季落葉（枯萎）和無雪且濕潤環(huán)境在監(jiān)測精度（RMSE、R2）上明顯優(yōu)于最佳指數(shù)為NDGI的其他4種地理環(huán)境。從EOS監(jiān)測精度對比來看，大多數(shù)遙感指數(shù)在降雪環(huán)境中的物候提取準(zhǔn)確度明顯高于在其他環(huán)境的提取準(zhǔn)確度，但在降雪和無雪環(huán)境的R2中無明顯差異。此外，在春季換葉和無雪且濕潤地理環(huán)境中植被EOS監(jiān)測在物候變化趨勢一致性上明顯高于在秋季落葉（枯萎）和無雪且干燥環(huán)境中的監(jiān)測結(jié)果。

各地理環(huán)境中功能物候和結(jié)構(gòu)物候監(jiān)測的最佳遙感指數(shù)及其精度并存在明顯差異。從SOS 監(jiān)測功能物候和結(jié)構(gòu)物候的最佳遙感指數(shù)和監(jiān)測精度對比來看（圖A6—A11），除水分主導(dǎo)的兩種環(huán)境外，其他環(huán)境中監(jiān)測功能物候和結(jié)構(gòu)物候的最佳指數(shù)基本不同，并且在大部分環(huán)境中功能物候和結(jié)構(gòu)物候在監(jiān)測精度方面均存在明顯差異。例如，降雪環(huán)境中監(jiān)測功能物候SOS 的R2明顯高于結(jié)構(gòu)物候監(jiān)測結(jié)果，秋季落葉（枯萎）環(huán)境中監(jiān)測SOS功能物候的RMSE和的R2明顯優(yōu)于結(jié)構(gòu)物候的監(jiān)測結(jié)果。而在其他多數(shù)情況下，結(jié)構(gòu)物候的監(jiān)測精度明顯更高。從EOS 功能物候和結(jié)構(gòu)物候監(jiān)測的最佳遙感指數(shù)和監(jiān)測精度對比來看（附圖6—11），除枯枝落葉主導(dǎo)的兩種環(huán)境外，功能物候和結(jié)構(gòu)物候提取準(zhǔn)確度最佳的遙感指數(shù)均相同（PVI 和PPI），并且在大部分環(huán)境中功能物候和結(jié)構(gòu)物候的監(jiān)測精度也均存在明顯差異。例如，在無雪且干燥和秋季落葉（枯萎）環(huán)境EOS 監(jiān)測中功能物候的RMSE 明顯低于結(jié)構(gòu)物候的RMSE，在除降雪和秋季落葉（枯萎）環(huán)境外的其他環(huán)境EOS 監(jiān)測中功能物候的R2均明顯高于結(jié)構(gòu)物候的R2。

4 討論

4.1 不同維度下的最佳遙感指數(shù)

雖然部分遙感指數(shù)（例如，NDGI 和PPI）在多數(shù)情況下均表現(xiàn)最佳，但不同植被類型、地理環(huán)境、物候類型（功能物候、結(jié)構(gòu)物候）、物候事件（春季、秋季）及其組合情況下的最佳遙感指數(shù)并不聚焦于少數(shù)幾種，而是散布于各類遙感指數(shù)之中。以植被類型這一維度為例，除LSWI 指數(shù)外，其余九種指數(shù)在物候提取準(zhǔn)確度最佳指數(shù)或變化趨勢一致性最佳指數(shù)中均有出現(xiàn)。雖然NDGI、PPI、PI 和NDVI 等指數(shù)在不同物候類型中適用性更廣，但其他指數(shù)在不同物候事件中也經(jīng)常出現(xiàn)，在其他維度中的最佳遙感指數(shù)分布特點類似（表A4）?，F(xiàn)有大多數(shù)遙感指數(shù)使用2—3 個波段的信息監(jiān)測植被的季節(jié)性變化。然而，有限波段所提供的信息不足以將不同類型的植被從復(fù)雜的背景信息中區(qū)分。近些年的研究致力于減少背景信息及其變化對植被物候監(jiān)測的影響。例如，NDPI和NDGI均利用3個波段的信息削弱背景變化（例如，融雪）對植被物候監(jiān)測的影響，均提升了植被物候監(jiān)測的精度；但在有秋季落葉的地理環(huán)境中，NDPI監(jiān)測植被物候的能力不及NDGI。這表明相比NDPI，NDGI所使用的波段信息及其組合方式能夠更好地區(qū)分綠色植被和干植被。目前已有研究認(rèn)為，NDGI 指數(shù)是新興物候指數(shù)中效果最好的（Yang等，2019；劉喜龍，2019），本文研究結(jié)果與其較一致。除此之外，本文也發(fā)現(xiàn)PPI 指數(shù)與NDGI類似，在大部分情況下均表現(xiàn)不錯（表A4）。例如，在落葉闊葉林SOS 和EOS 監(jiān)測和其他植被類型EOS 監(jiān)測中其物候提取準(zhǔn)確度最高，在無雪且濕潤、春季換葉和秋季落葉（枯萎）環(huán)境的SOS監(jiān)測中物候變化趨勢一致性最好等。

此外，現(xiàn)有大尺度陸表物候監(jiān)測產(chǎn)品大多基于NDVI、EVI和EVI2生產(chǎn)（如MCD12Q2 EVI（Zhang等，2003）、VIPPHEN EVI2（White 等，1997）、CMGLSP EVI2（Zhang 等，2014）、MOD09Q1P EVI（Tan 等，2011）和AVHRRP NDVI（Reed 等，1994））。雖然NDVI、EVI 和EVI2 在某些情況下確實為最佳指數(shù)（附表4），如常綠針葉林的功能物候SOS 監(jiān)測最佳指數(shù)為NDVI、灌叢的結(jié)構(gòu)物候EOS 監(jiān)測最佳指數(shù)為EVI 和EVI2，但這些產(chǎn)品常用的指數(shù)總體上并不如NDGI 和PPI。此外，Peng等（2017）的研究也表明這些陸表物候產(chǎn)品僅在局部或特定區(qū)域的RMSE 較高且年際變化差異不大，但在監(jiān)測大范圍區(qū)域時的物候變化趨勢一致性較差。因此，未來大尺度陸表物候產(chǎn)品生產(chǎn)中建議選擇普適性較高的NDGI 或PPI，而在某些特定環(huán)境下則需選擇該條件對應(yīng)的最佳指數(shù)。

4.2 基于最佳遙感指數(shù)監(jiān)測陸表物候的精度差異

本文研究結(jié)果表明（表A4），在兩個精度評估視角上，基于最佳遙感指數(shù)監(jiān)測不同維度及其組合情況下的陸表物候精度均存在差異，其中監(jiān)測精度最高時，RMSE 小于10天，R2大于0.8。例如，草地類和落葉闊葉林的功能物候SOS 監(jiān)測。但同時也發(fā)現(xiàn)，在某些情況下即使是采用最佳遙感指數(shù)，其用于陸表物候監(jiān)測的誤差仍較大（最低監(jiān)測精度：RMSE 接近60 d，R2不足0.1）。表明這些情況下的陸表物候監(jiān)測結(jié)果可能存在較大不確定性。例如，灌叢的結(jié)構(gòu)物候SOS 監(jiān)測、降雪環(huán)境的EOS 監(jiān)測等情況的物候提取準(zhǔn)確度較低；常綠針葉林的結(jié)構(gòu)物候監(jiān)測、無雪且濕潤環(huán)境的結(jié)構(gòu)物候EOS 監(jiān)測等情況的物候變化趨勢一致性較差。許多關(guān)于陸表物候提取的遙感指數(shù)研究的實驗結(jié)果也間接證實了這些情況的存在，如劉喜龍（2019）的研究結(jié)果也反映出所有遙感指數(shù)在降雪環(huán)境下的物候提取準(zhǔn)確度偏低，Wu 等（2014）針對常綠針葉林探究的幾種指數(shù)的物候趨勢一致性普遍不高。

值得說明的是，考慮到不同監(jiān)測手段所獲取的同名物候事件之間存在本質(zhì)差異，相同閾值下所估算的同名物候事件的發(fā)生時間并非完全對應(yīng)，本文采用了多組閾值交叉組合的方式，因此每個指數(shù)的精度結(jié)果（RMSE、R2）并非是在某一特定閾值下與驗證數(shù)據(jù)之間的偏差，而是多組閾值下的綜合結(jié)果。這一綜合結(jié)果所反映的誤差應(yīng)大于最優(yōu)閾值下的誤差，但本文的核心是利用精度指標(biāo)來比較不同指數(shù)監(jiān)測能力的高低，而非考察特定閾值下某指數(shù)的精度大小，因此并不影響各指數(shù)在精度上的排序結(jié)果。在實際應(yīng)用中，學(xué)者們往往會結(jié)合研究區(qū)和研究對象選擇最優(yōu)的閾值來提取物候，因此其指數(shù)的監(jiān)測精度通常較好。如Yang 等（2019）采用雙Logistic 方法并在其經(jīng)驗閾值下利用NDGI 監(jiān)測苔原物候，以通量塔監(jiān)測的功能物候為參考時，其SOS的RMSE為10.37 d、R2為0.92，EOS的RMSE為26.74天、R2為0.59。

4.3 不同精度評估視角下的最佳遙感指數(shù)差異

從不同的精度評估視角來看，物候提取準(zhǔn)確度高的遙感指數(shù)與物候變化趨勢一致性高的遙感指數(shù)并不完全相同，應(yīng)根據(jù)關(guān)注視角或研究目標(biāo)來選擇適宜的遙感指數(shù)。目前，已有大部分遙感指數(shù)精度評估研究主要考慮的是物候提取準(zhǔn)確度，也有少部分研究對比的是物候變化趨勢一致性（范德芹 等，2014；Peng 等，2017），但基于現(xiàn)有研究結(jié)果無法準(zhǔn)確針對具體研究目標(biāo)（短期的準(zhǔn)確提取或長期的變化趨勢監(jiān)測）來選擇合適的遙感指數(shù)。而本文綜合分析了這兩個精度評估視角，一方面對比發(fā)現(xiàn)了不同維度組合情況下兩種精度評估視角的最佳遙感指數(shù)異同（附表4）。例如，灌叢的結(jié)構(gòu)物候SOS 監(jiān)測中，物候提取準(zhǔn)確度最佳的指數(shù)為NDGI、PI和NDPI，而物候變化趨勢一致性最佳的指數(shù)為PI；無雪環(huán)境的功能物候EOS監(jiān)測中，物候提取準(zhǔn)確度最佳的指數(shù)為PVI、PPI和NIRv，而物候變化趨勢一致性最佳的指數(shù)為NDGI。另一方面基于評估結(jié)果可根據(jù)研究需求指導(dǎo)遙感指數(shù)的選擇，若關(guān)注短期內(nèi)（如當(dāng)年或近幾年）的植被物候提取準(zhǔn)確度時，則考慮根據(jù)該區(qū)域情況（植被類型、地理環(huán)境、物候類型、物候事件）選擇物候提取準(zhǔn)確度最佳的遙感指數(shù)，若關(guān)注植被物候的長期變化趨勢，則應(yīng)選擇該條件下物候變化趨勢一致性最佳的遙感指數(shù)。

4.4 基于多維度全面評估遙感指數(shù)的優(yōu)勢

本文從4個維度（植被類型、地理環(huán)境、物候類型、物候事件）對用于陸表物候提取的遙感指數(shù)開展了系統(tǒng)的評估，這一評估結(jié)果的優(yōu)勢在于可以指導(dǎo)多維度及其組合情況下的最佳遙感指數(shù)選擇。例如，本文發(fā)現(xiàn)落葉闊葉林和常綠針葉林的功能物候SOS 監(jiān)測最佳指數(shù)分別為PI 和NDVI，但其結(jié)構(gòu)物候SOS 監(jiān)測的最佳指數(shù)分別為PPI/NIRv/NDGI（落葉闊葉林）和NDVI/PI/NDGI（常綠針葉林），而Gonsamo 等（2012）僅以功能物候評價指數(shù)監(jiān)測精度，雖然也證明了PI和NDVI在監(jiān)測落葉闊葉林和常綠針葉林SOS 時表現(xiàn)不錯，但并未進一步探究其在結(jié)構(gòu)物候中是否同樣適用。本文則針對結(jié)構(gòu)物候和功能物候、SOS和EOS以及植被類型的組合情況精準(zhǔn)地提供適宜該條件的最佳指數(shù)。對于不同地理環(huán)境來說也類似，例如，本文發(fā)現(xiàn)降雪環(huán)境的結(jié)構(gòu)物候SOS 監(jiān)測的最佳指數(shù)為PI 和NDPI。Wang 等（2017）也發(fā)現(xiàn)結(jié)構(gòu)物候中NDPI 和PI 在降雪環(huán)境中顯著優(yōu)于NDVI、NDII 等指數(shù)，但本文同時探究得到功能物候中NDGI 在降雪環(huán)境SOS 監(jiān)測上也表現(xiàn)不錯，為降雪環(huán)境下不同維度物候監(jiān)測的最佳指數(shù)選擇提供了科學(xué)全面的依據(jù)。

此外，目前有關(guān)陸表物候遙感指數(shù)的評估大多在不同標(biāo)準(zhǔn)下開展，導(dǎo)致研究結(jié)果間可能存在互相矛盾的現(xiàn)象，且可比性差，無法根據(jù)不同區(qū)域選擇出最佳遙感指數(shù)。而本文在北半球中高緯度地區(qū)、統(tǒng)一標(biāo)準(zhǔn)（兩個精度評估視角和四個維度）下對比評估了10 種遙感指數(shù)，更為全面系統(tǒng)地提供了不同情況下的最佳遙感指數(shù)的選擇方案。例如，Wang 等人（2017）的研究認(rèn)為NDPI 抗雪性較好，而Jin 和Eklundh（2014）的研究中則表明PPI 指數(shù)在雪的干擾下也能準(zhǔn)確提取植被物候，由于兩者是在不同區(qū)域針對不同植被類型開展研究。因此，無法直接對比研究中提供的指數(shù)精度來評估哪個指數(shù)更適用于降雪環(huán)境物候監(jiān)測。根據(jù)本文研究結(jié)果可直觀看到，對于降雪環(huán)境下的春秋季物候提取，無論是功能物候還是結(jié)構(gòu)物候中NDGI和PI指數(shù)的監(jiān)測能力（物候提取準(zhǔn)確度和物候變化趨勢一致性）均最佳，而NDPI 和PPI 指數(shù)則是在某些情況下為最佳指數(shù)。例如，功能物候EOS監(jiān)測中，PPI的物候提取準(zhǔn)確度最佳，NDPI的物候變化趨勢一致性最佳。

4.5 本研究的不確定性及展望

用于計算遙感指數(shù)的基礎(chǔ)數(shù)據(jù)、后續(xù)的數(shù)據(jù)預(yù)處理過程以及最終的物候識別方法均可能會給陸表物候監(jiān)測精度評估結(jié)果帶來不確定性。本文基于MOD09A1數(shù)據(jù)計算并評估了10種遙感指數(shù)的陸表物候監(jiān)測能力和適宜性，但基于不同基礎(chǔ)數(shù)據(jù)的物候期識別精度存在顯著差異（Delbart 等，2006；Peng等，2017）。Yang等（2019）對比基于MCD43A4 和MOD09A1 數(shù)據(jù)提取的物候結(jié)果發(fā)現(xiàn)RMSE 差值最高10d，R2差值達0.3。因此，考慮不同基礎(chǔ)遙感數(shù)據(jù)（如NOAA/AVHRR、MODIS 和SPOT 等）對陸表物候監(jiān)測精度的影響對于完善遙感指數(shù)評估具有重要價值。

本文旨在統(tǒng)一標(biāo)準(zhǔn)下評估遙感指數(shù)的陸表物候監(jiān)測能力，對10 種遙感指數(shù)時序數(shù)據(jù)均選擇目前較常用的預(yù)處理方法（雙Logistic 擬合）進行擬合重構(gòu)。但目前大量研究表明，森林及農(nóng)作物監(jiān)測中，預(yù)處理方法的不同（例如，雙Logistic擬合、非對稱高斯線性擬合、最佳指數(shù)斜率提取、傅里葉變換以及Savitzky-Golay 濾波）確實影響了遙感指數(shù)物候提取精度（Hird和McDermid，2009；Beck等，2006；Sakamoto 等，2005；Wang 等，2014；Zhu 等，2019），Zeng 等（2020）也提出經(jīng)不同的去噪、插值方法處理后，遙感指數(shù)所提取物候結(jié)果存在顯著差異，并且尚未有哪種方法具有較好的普適性或顯著性優(yōu)勢。因此，為更全面客觀地評價遙感指數(shù)對陸表物候的監(jiān)測能力，應(yīng)在今后的研究中進一步嘗試不同的數(shù)據(jù)預(yù)處理方法以完善遙感指數(shù)的綜合評估。例如，針對本實驗中時序曲線呈現(xiàn)W 型或存在背景值的指數(shù)（如，PVI、LSWI 和EVI）無法直接被常規(guī)方法（例如，雙Logistic擬合、三次樣條插值）擬合重構(gòu)，利用解混合像元算法（Cardot等，2008）、數(shù)據(jù)統(tǒng)計值（Yuan等，2018）或時相篩選（例如，春季4—5月（Wang等，2011）、秋季9—11月（Wu等，2012））等手段可有效提高指數(shù)的物候提取精度（Guyon 等，2011；Wu等，2014）。

為避免不同數(shù)據(jù)源使用同一閾值提取的物候事件不對應(yīng)或同一數(shù)據(jù)源使用單一閾值造成評估結(jié)果偏差的問題，本文選擇了相對閾值法，并采用多個閾值交叉組合的檢驗方式。近年來，最大斜率法（Kaduk和Heimann，1996）、導(dǎo)數(shù)法（White等，1997）、曲率變化率法（Zhang 等，2003）、滑動平均法（Duchemin 等，1999）以及函數(shù)擬合法（雙Logistic函數(shù)、高斯函數(shù)、傅里葉函數(shù)等）也被廣泛應(yīng)用（Hudson 和Keatley，2010；林忠輝和莫興國，2006；Wang等，2014；張峰 等，2004）。目前，在森林、草地、灌叢以及農(nóng)作物類型物候監(jiān)測中均能較準(zhǔn)確地提取關(guān)鍵物候事件日期（Che等，2014；范德芹 等，2014；武永峰 等，2008；徐巖巖 等，2012）。但不同物候識別方法的春季物候監(jiān)測精度存在差異，并且在一定程度上受地理位置和區(qū)域氣候條件變化的影響（Schwartz 等，2002；Shen 和Piao，2013；Zhu 等，2019），若進一步開展與其他物候識別方法下遙感指數(shù)物候監(jiān)測精度的對比研究，有助于更客觀地評估遙感指數(shù)用于陸表物候提取的適宜性。

此外，除了本文所考慮的幾種地理環(huán)境之外，地形因素也會影響遙感指數(shù)的監(jiān)測能力，特別是在崎嶇的山區(qū)。各遙感指數(shù)因其計算方式的不同而具有不同的地形效應(yīng)。一般而言，非全比值遙感指數(shù)（例如，EVI）相比于全比值遙感指數(shù)（例如，NDVI）對地形條件更加敏感（Matsushita 等，2007）。因此，進一步的研究需要深入分析各遙感指數(shù)的地形敏感性，以期為山區(qū)植被物候監(jiān)測遙感指數(shù)的選擇提供可靠依據(jù)。

5 結(jié)論

本文在北半球中高緯度地區(qū)，以75 個碳通量塔站點的406 條記錄和129 個物候相機站點的482 條記錄為參考標(biāo)準(zhǔn)，通過雙Logistic 擬合重構(gòu)、相對閾值法識別物候期、多閾值交叉驗證評估精度的方式，對10種遙感指數(shù)（NDVI、EVI、EVI2、NIRv、PI、PPI、NDPI、NDGI、LSWI 和PVI）應(yīng)用于陸表物候監(jiān)測的能力進行了系統(tǒng)性評估，并從兩個精度評估視角（物候提取準(zhǔn)確度、物候變化趨勢一致性）、4個維度（植被類型、地理環(huán)境、物候類型、物候事件）對比分析了各種情況下的最佳遙感指數(shù)。主要有3方面發(fā)現(xiàn)：（1）雖然部分遙感指數(shù)（如NDGI、PPI）在多數(shù)情況下均表現(xiàn)最佳，但不同植被類型、地理環(huán)境、物候類型（功能物候、結(jié)構(gòu)物候）、物候事件（春季、秋季）及其組合情況下的最佳遙感指數(shù)并不聚焦于少數(shù)幾種，而是散布于各類遙感指數(shù)之中，如在不同地理環(huán)境中，十種指數(shù)均表現(xiàn)出物候提取準(zhǔn)確度最佳或物候變化趨勢一致性最佳；（2）即使是采用了最佳遙感指數(shù)，但在某些情況下（如灌叢的結(jié)構(gòu)物候SOS 監(jiān)測、無雪且濕潤環(huán)境的結(jié)構(gòu)物候EOS 監(jiān)測），其用于陸表物候監(jiān)測的誤差仍較大，說明這些情況的陸表物候監(jiān)測結(jié)果存在較大不確定性，應(yīng)考慮從基礎(chǔ)數(shù)據(jù)的選擇、數(shù)據(jù)預(yù)處理方法和物候識別方法等可能影響陸表物候監(jiān)測精度的方面進行改進；（3）從不同的精度評估視角來看，物候提取準(zhǔn)確度高的遙感指數(shù)與物候變化趨勢一致性高的遙感指數(shù)存在差異，因此在開展陸表物候監(jiān)測時，應(yīng)根據(jù)關(guān)注視角或研究目標(biāo)來選擇最佳遙感指數(shù)，若關(guān)注植被物候發(fā)生時間，則優(yōu)先選擇物候提取準(zhǔn)確度高的最佳遙感指數(shù)，若關(guān)注植被物候的長期變化趨勢，則應(yīng)選擇物候變化趨勢一致性最佳的遙感指數(shù)。

相比于已有研究僅在各自的研究區(qū)內(nèi)對比了多種指數(shù)，且其精度評估僅服務(wù)于數(shù)據(jù)處理方法改進或發(fā)展新的遙感指數(shù)，本文致力于為不同條件下的陸表物候遙感監(jiān)測最佳指數(shù)選擇提供系統(tǒng)的依據(jù)。一方面本文歸納總結(jié)了：（1）不同維度（植被類型、地理環(huán)境、物候類型、物候事件）及其組合情況下監(jiān)測其物候的最佳遙感指數(shù)；（2）基于最佳遙感指數(shù)的陸表物候監(jiān)測精度差異；（3）不同精度評估視角（物候提取準(zhǔn)確度、物候變化趨勢一致性）的最佳遙感指數(shù)的差異。另一方面基于本文最佳遙感指數(shù)監(jiān)測結(jié)果還可進一步分析：（1）功能物候和結(jié)構(gòu)物候的精度差異；（2）春季物候和秋季物候的精度差異；（3）不同植被類型或不同地理環(huán)境的精度差異。

基于本文對遙感指數(shù)開展的多維度全面評估結(jié)果和精度差異分析，不僅可以指導(dǎo)多維度及其組合情況下的最佳遙感指數(shù)選擇，同時也為大尺度、高精度的陸表物候監(jiān)測提供了新思路，即采取“先分區(qū)選擇最佳遙感指數(shù)、后匯總各區(qū)物候監(jiān)測結(jié)果”的研究方式，這樣既可避免單一遙感指數(shù)或陸表物候產(chǎn)品在不同區(qū)域的物候監(jiān)測精度差異對總體精度的影響，而且更有利于提高大尺度乃至全球陸表物候的監(jiān)測精度以及其不確定性評估。