地球变绿是好事？近一半地区的植被，其实没有长得更好

在陆地生态研究中，NDVI、EVI、LAI等遥感指数能捕捉植被的光谱反射、光吸收和冠层结构等信息，因此常被用来指示植被绿度、冠层结构和活动强度。部分指数还被进一步用于估算光合作用或生产力。所以，研究者常用它们来推断 productivity、GPP、carbon uptake 乃至 ecosystem functioning。

然而，这里隐藏着一个容易被忽视的代理过程。卫星直接记录的是辐射信号 X，经过指数构建或反演算法，得到 NDVI、EVI、LAI、NIRv 等遥感变量 R。随后，R 又被用来解释目标生态对象 O，即 productivity、GPP、carbon uptake 或 ecosystem functioning。于是，问题不再只是“X→R 是否准确”，更关键的是“R→O 是否成立”。换句话说：即便 NDVI、EVI 或 LAI 本身是可靠的，它们 在特定生态背景下能否稳定地表征 productivity 或 GPP，仍然需要被重新检验 。

01｜Greenness、cover 与 productivity 并不总是同步变化

如果 greenness、cover 和 productivity 可以被视为同一个 vegetation growth 信号的不同表述，那么全球尺度上的植被变化应当在较大程度上表现为同向变化：更绿、覆盖更多、生产力更高。但 Ding 等对 2000–2015 年全球植被 greenness、cover 与 productivity 的变化趋势进行比较后发现，事实并不是这样。

他们没有把 vegetation growth 简化为一个单一指标，而是把它拆成三个经常被混用、但生态含义不同的维度：greenness、cover 和 productivity。结果显示，45.6% 的全球植被区出现了三者之间的不一致变化。换言之，近一半区域中，“更绿”“覆盖更多”和“生产力更高”并没有同步发生 （Ding et al.，Earth’s Future，2020）。 这个结果告诉我们：greenness 变化不能自动概括 productivity 变化。 变绿，植被不一定长得更好。

图2 | 全球植被 greenness、cover 与 productivity 趋势组合的空间分布及面积比例。 该图显示， 2000–2015 年全球植被变化并不表现为单一的一致增强或一致减弱，而是存在大量 greenness、cover 与 productivity 彼此背离的区域。Ding 等发现，45.6% 的全球植被区出现了三者之间的不一致变化。该结果表明，以单一 greenness 指标直接概括 productivity 或 ecosystem functioning 的变化，在全球尺度上并不稳健 （Ding et al.，Earth's Future，2020，Fig. 3）。

02｜“ 不同步”不是噪声， 而是受生态背景约束

Hu 等进一步研究了 LAI 与 GPP 年际关系的全球空间格局。他们结合长期遥感数据、通量站 GPP 与多套陆面模型，发现 LAI 与 GPP 的关系沿干旱度梯度显著变化。在干旱草地中，年际 GPP 与 LAI 高度耦合，而在湿润常绿阔叶林中，二者关系显著减弱，甚至 出现 decouple （Hu et al.，Remote Sens. Environ.，2022）。 为什么会这样？ 在干旱草地中，水分限制强，植被结构变化往往与生产力变化高度同步，因此 LAI 可以较好表征 GPP 的年际变化。但 在湿润常绿阔叶林中，冠层往往较为闭合，LAI 的年际变化相对有限，GPP 的波动则更可能受到叶片生理状态、光合效率和环境胁迫等因素影响。 因此，LAI 的稳定或增加，都不能在所有生态背景下被自动解释为 GPP 的稳定或同步增加。所以，LAI → GPP 本身是一个受 aridity、biome type、canopy structure 与 leaf physiology 共同约束的conditional proxy relation。离开这些条件， 把 LAI 或 greenness 当作 productivity 的稳定 proxy，就会把一个条件性表征关系误写成普遍关系 。

图3 | LAI-GPP 年际耦合强度的全球分布及其沿干旱度梯度的变化。 观测约束结果表明，LAI 对 GPP 的表征能力在干旱区更强，在湿润森林中显著减弱。这一关系具有明确的环境梯度依赖，而非无规律波动（Hu et al.，Remote Sens. Environ.，2022，Fig. 2）。

写在最后

卫星可以很好地记录与植被绿度、冠层结构和光吸收有关的信号，但不能自动记录生态系统更能生产或更能固碳。 Greenness 不是 productivity 本身，LAI 不是 GPP 本身。NDVI/EVI/NIRv 也不是 ecosystem functioning 本身 。 因此，more productive 并不是 satellite 直接看见的事实，而基于遥感输入、生态假设和模型结构推断出来的结果。这个 distinction 很重要：satellite-derived 不等于 satellite-observed。

并且， greenness / LAI 到 productivity / GPP 的关系也不是一个稳定、通用、可自动继承的映射，而是一个受 aridity、biome type、canopy structure 和 leaf physiology 共同约束的 conditional proxy relation。 这正是 Proxy of a Proxy 在遥感在陆地系统中应用的关键问题：遥感研究不能止于证明自己“看准了 R”，还必须进一步证明 R 在特定条件下“确实代表了 O”。 否则，greener 不一定意味着 more productive。

References

Ding, Z., Peng, J., Qiu, S., Zhao, Y. Nearly Half of Global Vegetated Area Experienced Inconsistent Vegetation Growth in Terms of Greenness, Cover, and Productivity. Earth’s Future , 8, e2020EF001618 (2020).

Hu, J., Piao, S., Knapp, A. K., Wang, X., Peng, S., Yuan, W., Running, S., Mao, J., Shi, X., Ciais, P., et al. Decoupling of greenness and gross primary productivity as aridity decreases. Remote Sensing of Environment , 279, 113120 (2022).