遥感何以看见，又何以未见：Proxy of a Proxy

即使遥感反 演方法的精度R²高达0.90，但是你的论文结论却不一定对？这就是遥感研究中一个几乎都会踩到、却很少有人点破的陷阱——Proxy of a Proxy。 01｜什么是 Proxy of a Proxy？ 遥感应用研究通常并不能直接观测研究所关心的环境对象。 传感器首先记录电磁信号，研究者再借助反演模型从观测信号中估计某个可测变量，并进一步据此讨论更高层级的环境对象、生态状态或过程。 基于此，我在 上一篇推文（ 遥感反演的是 Chl-a，论文却写浮游植物生物量：Proxy of a Proxy ）中 提出 Proxy of a Proxy （图1）。该框架 概括了遥感研究中的双层代理推断过程：先进行“参考变量反演”，再进行“环境对象解释” 。 该过程可形式化表示为： X -> R ≈ M → O 其中“≈”表示“R 是 M 的可靠估计”，“→”表示“推断出”。 图1 | Proxy of a Proxy 框架。 遥感应用研究的认知结构，由两个阶段组成：遥感反演（从观测信号到参考变量）与环境解释（从参考变量到目标对象）。 具体过程 分两步： 1. 遥感反演 ：观测信号 X 通过反演算子 F，生成对参考变量 M 的估计 R（即 R ≈ M）。 2. 环境解释 ：在某个已知的表征关系 P 及其成立条件 C 下，由 M 推断目标环境对象或状态 O（即 M → O）。 也就是说，R 是 M 的代理，M 是 O 的代理。因此，遥感关于 O 的知识，本质上是一种以参考变量为中介的双层代理知识。

该框架包含三个核心命题：

1. 反演对象 ：遥感反演直接对应的是 M 而非 O； 2. 间接 推断 ： 从 X 到 O 不是直接观测，而是经由 M 的间接推断 ； 3. 联合有效性 ： 关于 O 的结论的成立， 必须同时满足两级有效性： ① R 可靠地近似了 M（R≈M）；② 在条件 C 下 M 能够合理地 表征或推断 O（M→O∣C）。 02｜何以看见？反演精度 在实际研究中， 当前的大量验证工作 都集中在遥感“看见”的部分，即遥感反演精度：R 是否逼近 M。精度指标（如 RMSE、R²、MAE）的达标往往被默认为研究结论的可靠。然而，这实际上隐含了一个未经检验的前提：M → O 的表征关系是稳定成立的。 很多人以为：只要遥感反演精度够高（R²>0.8），结论就天然可靠。——这是遥感应用研究中最危险的一种幻觉。因为你还缺一个东西：第二级代理的稳定性。 03｜何以未见？表征关系 事实上，M → O 的关系（即表征关系 P 及其成立条件 C）并非普遍恒定 ， 而是依赖于特定的条件背景。区域差异、季节变化、生态系统类型、观测尺度以 及环境因子的扰动，都可能改变参考变量对目标对象的表征能力 （Paul-Limoges et al., Remote Sens. Environ. , 2018） 。 一个典型例子， 叶绿素 a 浓度常被用来讨论浮游植物生物量，但单位生物量对应的 Chl-a 含量会随光照、营养盐、温度及群落组成变化而显著波动 （Cloern et al., Limnol. Oceanogr ., 1995） 。在这种情况下，即使遥感对 Chl-a 的反演已经达到很高精度，也不能直接推出对浮游植物生物量的判断同样可靠。类似的问题同样存在于 NDVI 对植被覆盖度或生产力的解释、SIF 对光合作用或总初级生产力的解释之中。 在此情境下，即便第一级代理 R ≈ M 高度精确，第二级代理 （M→O∣C） 的不稳定性仍可能导致关于 O 的结论出现系统性偏差。 许多研究风险并不出现在反演模型本身，而是出现在从参考变量走向环境解释的那一步。 何以未见？未完待续～～ 在后续推文中，我们将具体讨论几个常见表征关系的不稳定性案例 ，包括：叶绿素 a 浓度（Chl-a）与浮游植物生物量、归一化植被指数（NDVI）与植被覆盖度或生产力、日光诱导叶绿素荧光（SIF）与光合作用或总初级生产力等。我们将分析这些表征关系在实际研究中的变异来源、诊断方法及应对路径。 敬请持续关注。

Reference Paul-Limoges, E., Damm, A., Hueni, A., Liebisch, F., Eugster, W., Schaepman, M. E., & Buchmann, N. Effect of environmental conditions on sun-induced fluorescence in a mixed forest and a cropland. Remote Sensing of Environment , 219, 310–323 (2018). Cloern, J. E., Grenz, C., & Vidergar-Lucas, L. An empirical model of the phytoplankton chlorophyll a:carbon ratio—the conversion factor between productivity and growth rate. Limnology and Oceanography , 40(7), 1313–1321 (1995).

Appendix