为什么“查表法”不够精确？
传统的陆面模式（如 CLM、JULES）常用查找表（LUT）方式，根据土壤颜色或植被类型分配一个固定反照率值。但现实中，组分反照率会因土壤湿度、地表粗糙度、太阳高度角、叶面积指数、甚至是落叶残留等因素发生显著变化。
遥感产品虽能提供动态的“表观反照率”，但这些数据只反映综合的地表反射效果，无法区分土壤、绿植、枯枝落叶等不同部分的贡献。而许多基于 NDVI 的经验性分解方法，往往把低植被区的 NPV 错当成裸土，从而低估了干旱区实际的反照率。
图1. 全球陆表组分分布图：（a）裸土（SL）、非光合植被（NPV）与光合植被（PV）比例，（b）地表类型覆盖情况，（c）土壤类型分布。
本文在全球范围采样分析发现，在很多生态系统中，NDVI数值与绿色植被和非绿色植被之间的关系中并不一致。在个别植被类型中，NDVI < 0.2 的数值区域其实主要由非光合植被（NPV）主导，而非裸土，显示出非光合植被在低NDVI区间的广泛分布。
图2. 全球不同植被类型中，NDVI与各类植被组分覆盖度的定量关系图。
因此，为进一步推动地表反照率产品在陆面模式和水文生态模型中的应用，本文采用动态参数化方法取代静态组分反照率LUT，并显式剥离非光合植被对裸土反照率估算的干扰。
怎么做？结合物理模型和像元解混，重建三类组分反照率
研究团队基于MODIS提供的BRDF参数产品和植被组分覆盖数据，构建了一个结合物理建模与像元解混的双层框架：
参数化建模：借鉴MODIS的Ross-Thicke Li-Sparse (RTLS)核函数模型，分别为SL、NPV、PV构建了响应于太阳天顶角、土壤湿度、地形粗糙度的解析半物理表达式。
图3. 全球典型土壤类型下主要物理参数与RTLS核函数之间的统计关系。
像元级优化：以上述模型为初值，在全球范围内逐像元进行反照率分解拟合，从而获得每个像元的组分反照率值。
多波段支持：该方法支持可见光、近红外、短波三类宽波段以及MODIS的七个具体窄波段，可广泛应用于多源遥感模拟。
图4. 全球陆表组分反照率动态参数化的主要方法流程示意图。
结果可靠吗？多角度验证显示表现优于现有方法
为了验证方法效果，本文精选了若干单一地表类型的实测站点，重建出其表观反照率并与 MODIS 产品进行对比。同时，本文也复现了多个已有研究方法，与本研究结果进行系统性比较。全球站点验证结果显示，SL反照率的RMSE为0.043，NPV为0.051，PV为0.029，优于现有方法。
图5. 全球组分反照率分布图：（a）裸土反照率，（b）非光合植被反照率，（c）光合植被反照率，以及（d）重构表观反照率与MODIS产品的差异。
此外，本文还分析了不同纬度、不同生态系统下的组分反照率随时间和太阳高度角的变化特征，进一步证明了动态参数化建模的必要性。
图6. 不同纬度带中动态参数化土壤反照率的年内变化特征。
图7. 不同生态系统中绿叶冠层与枝干反照率对太阳高度角变化的敏感性分析。
一个重要发现：NPV不再“隐身”，干旱区蒸发明显被下调
这项研究的另一个重要贡献，是首次明确识别并建模了 NPV 的生物物理反射特性。传统方法常将 NPV 归入裸土，导致在干旱与半干旱地区低估了实际反照率。
图8. 基于传统与更新后裸土反照率驱动，采用双源地表能量平衡模型估算的土壤蒸发差异：（a, b）春季，（c, d）夏季，（e, f）秋季。
本文在全球尺度的双源能量平衡模型（TSEB）模拟中发现：
更新后的裸土反照率显著高于传统估计，尤其是在非洲草原、澳洲内陆等干旱与半干旱过渡区。
净辐射下降约 7.8 W/m²，使得估算的土壤蒸发明显减少，有效缓解了TSEB模型在干旱区高估土壤蒸发的问题。
应用：为高分辨率模拟与生态监测提供重要输入数据
本文的组分反照率产品和模型具备广泛的适用潜力：
为亚公里级气候模拟和陆面模式提供动态组分反照率输入；
支持TSEB、SPARSE 等水文与生态模型在干旱半干旱区的精细化能量分配；
可作为基础变量，拓展用于日间反照率非对称性分析、生态系统昼夜节律研究、干旱监测与碳通量建模等多种领域。
组分反照率数据集将通过Zenodo平台公开发布，供全球研究者使用。
总结
本文系统构建了首套全球尺度、三组分、动态响应的地表反照率参数化方案，填补了现有方案中“无法量化组分”“缺失动态机制”的两大核心短板。通过遥感数据与物理建模的结合，本文不仅揭示了土壤–非绿–绿植在地表能量过程中的差异性，也为未来高分辨率水文、气候与生态建模提供了坚实的数据支撑。
文献参考
Jia, A., Wang, D., Peng, J., Ma, Z., & Liang, S. (2025). Dynamic parameterization of global land surface albedo components: Bare soil, non-photosynthetic vegetation, and photosynthetic vegetation. Remote Sensing of Environment, 329, 114943. https://doi.org/https://doi.org/10.1016/j.rse.2025.114943
产品链接：https://doi.org/10.5281/zenodo.14861561
