王金英　范文義

摘要總結(jié)了當前國內(nèi)植物物候遙感監(jiān)測的數(shù)據(jù)和方法，介紹了國內(nèi)外最新的研究成果，針對目前研究中存在的問題，指出未來植被物候遙感監(jiān)測研究的主要方向。

關(guān)鍵詞遙感物候；數(shù)據(jù)集；模型

中圖分類號S127；Q948.1文獻標識碼A文章編號0517-6611（2014）09-02780-03

基金項目國家自然科學(xué)基金項目（41101399）。

作者簡介王金英（1989- ），女，河南開封人，碩士研究生，研究方向：植被物候遙感監(jiān)測。*通訊作者，教授，博士后，博士生導(dǎo)師，從事遙感和地理信息系統(tǒng)研究。

物候?qū)W是研究自然界植物和動物的季節(jié)性現(xiàn)象同環(huán)境的周期性變化之間的相互關(guān)系的科學(xué)[1-2]。植被的物候相被認為是環(huán)境條件季節(jié)和年際變化最直接、最敏感的綜合指示器[3-5]。隨著全球氣候變暖，植物物候也發(fā)生著變化，例如物候期的開始、結(jié)束和持續(xù)時間的改變。植被物候的研究不僅有助于增進植被對氣候變化響應(yīng)的理解[6-8]，而且對提高氣候—植被之間物質(zhì)與能量交換的模擬精度、準確評估植被生產(chǎn)力與全球碳收支具有重要意義[9]。開始于20世紀60年代的遙感技術(shù)至今已獲取到大量的數(shù)據(jù)，這些數(shù)據(jù)具有多時相、覆蓋范圍廣、空間連續(xù)、時間序列長的特點，為宏觀尺度的植物物候變化的研究提供了有效途[6，10]?；谶b感數(shù)據(jù)的物候監(jiān)測是對傳統(tǒng)物候?qū)W的有效補充與發(fā)展，它將觀測對象從植株個體提升到植被生態(tài)系統(tǒng)層面，實現(xiàn)了植物物候觀測由點到面的空間轉(zhuǎn)換[11]。這種轉(zhuǎn)變使植被物候的研究具有了新的意義，使其在更多領(lǐng)域發(fā)揮著不可估量的作用[12-13]。為此，筆者在介紹植物物候遙感監(jiān)測數(shù)據(jù)和方法的基礎(chǔ)上，總結(jié)了近幾年基于遙感數(shù)據(jù)的植被物候監(jiān)測的主要模型和研究現(xiàn)狀，針對當前研究中存在的困難和不足，探討了可行的辦法和今后的發(fā)展方向。

1遙感物候監(jiān)測指標

1.1植被指數(shù)（VIs）自從第1顆地球觀測衛(wèi)星發(fā)射，植被指數(shù)（NDVI）就開始用于植被物候的遙感監(jiān)測[2]。植被指數(shù)是基于植物葉綠素在0.69 μm的強吸收特征，通過紅外和近紅外波段比值或線形組合實現(xiàn)對植被狀態(tài)信息的表達。VIs可以用來診斷植被一系列生物物理參量：葉面積指數(shù)LAI、植被覆蓋度、生物量、光合有效輻射吸收系數(shù)FPAR等。在眾多的植被指數(shù)中，NDVI被廣泛應(yīng)用于遙感物候?qū)W的研究，是遙感物候?qū)W的基礎(chǔ)[12]。

針對NDVI降噪處理不充分和容易飽和的問題，學(xué)者們提出增強型植被指數(shù)EVI，它與不同覆蓋程度植被的線性關(guān)系得到明顯改善，尤其在高覆蓋區(qū)表現(xiàn)良好。標準化差異水指數(shù)（NDWI），是基于綠波段與近紅外波段的歸一化比值指數(shù)，與NDVI相比，它能有效地提取植被冠層的水分含量；在植被冠層受水分脅迫時，NDWI指數(shù)能及時地響應(yīng)，這對于旱情監(jiān)測具有重要意義。此外，Dominique等利用垂直植被指數(shù)PVI對高山地區(qū)植被物候進行了研究，發(fā)現(xiàn)其也能夠反映物候隨海拔的粗略變化[14]。

1.2植被光學(xué)厚度（VOD）VOD是用來衡量地表植被對地表的上行微波輻射存在衰減作用的大小的，它與植被含水量、觀測角度、植被類型和結(jié)構(gòu)以及頻率有關(guān)。VOD通常利用微波輻射傳輸模型反演獲得，其最大的優(yōu)勢在于數(shù)據(jù)的獲得不受天氣影響[15]。微波極化差異指數(shù)（MPDI）與NDVI的變化有高度的相關(guān)性。 Matthew 等利用AMSRE上18.7 Hz通道的MPDI和一些輔助數(shù)據(jù)反演的植被光學(xué)厚度，對全球2003～2008年的物候變化進行了分析。結(jié)果表明，獲取的VOD數(shù)據(jù)結(jié)果與來自MODIS的VIs和LAI都具有很好的對應(yīng)性，與基于簡單的生物氣候模型的GSI指數(shù)得到的物候周期，也在全球超過82%的地區(qū)相一致，并且生物量越低，植被越均一，它們的相關(guān)性越高[16]。與VIs和LAI相比，VOD獨特地反映了生長季結(jié)束特征，既獨立于光學(xué)遙感的植被指數(shù)，同時又是對其的很好配合，將有利于開辟遙感物候?qū)W綜合研究的新思路。

1.3多種數(shù)據(jù)指標的結(jié)合基于遙感物候?qū)W與傳統(tǒng)物候?qū)W的聯(lián)系，許多遙感物候模型都會用到地面物候記錄數(shù)據(jù)。例如，NDVI閾值法中閾值確定、物候-遙感外推法等。大量研究表明，NDVI與溫度和降水都有一定的相關(guān)性，在遙感物候研究中常常用到這些氣象數(shù)據(jù)。在大尺度植被遙感監(jiān)測研究中由于缺乏統(tǒng)一的氣象資料，人們轉(zhuǎn)向了遙感反演方法，如利用遙感反演獲取地表亮溫、土壤含水量等數(shù)據(jù)與NDVI和EVI相結(jié)合。植被物候與植被類型是密不可分的，這種關(guān)系在大尺度上表現(xiàn)為不同土地覆蓋類型和植被覆蓋度具有的物候特征存在很大差別，所以在進行植被物候遙感監(jiān)測時往往會依據(jù)土地覆蓋數(shù)據(jù)以及直接反映葉密度的LAI數(shù)據(jù)確定模型參數(shù)。

2遙感植被物候提取方法

2.1閾值法閾值法是通過設(shè)定閾值條件來實現(xiàn)植被物候監(jiān)測的，又分為：①靜態(tài)閾值法，指人為設(shè)定固定的生長季開始與結(jié)束時的NDVI值。Fisher和Markon在各自的研究中分別設(shè)定NDVI達到0.17和0.09時記為植物生長期開始[17-18]。不難理解，這些閾值結(jié)果僅適用于各自的專題問題研究，有很強的地域和物種依賴性，難以推廣到其他地區(qū)[19]。②動態(tài)閾值法，是基于遙感圖像的統(tǒng)計學(xué)特征而確定植被的物候變量的，它能有效地識別不同土地覆蓋類型的特點，得出有針對性的閾值。于信芳等應(yīng)用時間序列諧波分析法重構(gòu)每天的時間序列數(shù)據(jù)影像，采用動態(tài)閾值法獲取了東北森林物候期及其空間分布格局[20]。③NDVI比率閾值法，是White等將傳統(tǒng)氣象物候模型與遙感物候觀測結(jié)合起來而提出的[21]，它對不同生物群落和生態(tài)系統(tǒng)做了區(qū)分[22]。

2.2滑動平均法滑動平均法是以實際NDVI時間序列曲線為基礎(chǔ)，使用自回歸滑動平均模型計算生成一條滯后的滑動平均曲線，將新生成的滑動平均曲線與標準NDVI曲線進行疊加，依據(jù)疊加情況確定植物的返青期。運用此方法需要注意的是，滑動平均時間間隔的確定需考慮不同植被類型及其生長季長度[22]。Schwartz等使用NOAAAVHRR數(shù)據(jù)對美國大陸1990～1993和1995～1999年落葉林與混交林站點植被生長季的春季開始日期（SOS）進行監(jiān)測研究時，分別采用了延遲滑動平均方法（DMA）、季節(jié)性NDVI中點方法（SMN）和地表物候模擬方法（Spring Indices），比較結(jié)果表明，DMA方法優(yōu)于其他兩種方法[23]。

2.3求導(dǎo)法求導(dǎo)法是利用時間序列的NDVI值，對其進行平滑后，求出曲線的最大變化率，并結(jié)合經(jīng)驗系數(shù)或者條件閾值來確定生長季起始期或植被返青期。余震基于NOAA/AVHRR從1982～2006年的雙周歸一化植被指數(shù)NDVI，采用基于樣條平滑的最大斜率法計算了中國東部南北樣帶的植物物候，對主要植被類型的物候過程進行模擬，并計算了主要物候現(xiàn)象（包括返青起始期、 休眠起始期和生長季長度）的發(fā)生時間和演變趨勢[24]。Moulin等從全球尺度上獲取植物物候定量信息，以全球經(jīng)緯度1°×1°空分辨率大小的NDVI時序數(shù)據(jù)為基礎(chǔ)，通過求導(dǎo)經(jīng)驗系數(shù)計算出了植物生長的開始期、結(jié)束期、最大NDVI日期和生長季長度，并詳細分析了全球植物候的季相模式和空間變化模式[25]。

2.4擬合法擬合方法是根據(jù)植被的生長模型選取合適的擬合函數(shù)，根據(jù)擬合函數(shù)數(shù)學(xué)特征和具體植被類型的生長特點求算植被的物候信息。Zhang等利用1 km 的MODIS NBAR數(shù)據(jù)計算了時間序列的EVI，并用分段Logistic函數(shù)進行數(shù)據(jù)擬合，去除了冰雪的干擾，結(jié)合MODIS地表亮溫數(shù)據(jù)，對全球植被2000～2004年的物候變化進行了研究。研究得出的全球1 km分辨率的物候分布圖包括了7個常用的物候參數(shù)：綠度開始期、最大值期、開始減小期、最小值期以及生長季最長、最短時間和期間的MODISEVI總量[26]。

2.5諧波分析法諧波分析法基于離散數(shù)據(jù)傅立葉變換（DFT）的數(shù)學(xué)分析方法，常用來分析呈周期性波動的時間序列的波動特征以及對高噪聲時間序列數(shù)據(jù)進行除噪[27]。NDVI時間序列諧波分析可以反映出植被動態(tài)的始末時間、延續(xù)時間以及波動情況。如植被生長季的起始點可以通過分析諧波的位相來確定，振幅和位相可以表征植被生長因為溫度和降水等環(huán)境因素導(dǎo)致的季相變化。諧波的特征值（諧波余項、振幅和位相）與地表植被動態(tài)之間存在相關(guān)性，諧波余項表征NDVI時間序列的均值，諧波振幅表征NDVI年內(nèi)波動幅度大小，不同諧波的位相可以表征NDVI季節(jié)變化的時間特征，利用這些參數(shù)可以獲取地表植被物候信息，并可用于土地覆被和土地利用分類研究以及全球變化研究。

3結(jié)語

植被物候遙感監(jiān)測研究在過去20多年取得了長足的進步，它不僅對傳統(tǒng)物候?qū)W的不足進行了有效補充，而且也大大促進了傳統(tǒng)物候?qū)W的發(fā)展。但研究中存在著各方面的不足：①就遙感數(shù)據(jù)源來看，從Landsat、AVHRR、MODIS、MERIS 到微波輻射計AMSRE，雖然都有應(yīng)用，但仍以較低空間分辨率不同尺度的研究較多，高分辨率影像的應(yīng)用較少，并且微波遙感數(shù)據(jù)的應(yīng)用探索很少。②就研究方法來看，目前的遙感植被物候監(jiān)測方法大多拘泥于利用植被指數(shù)的時序變化或輔以地面物候和氣象數(shù)據(jù)共同確定植物物候及其變化模式，這些植被指數(shù)雖然在一定程度上保證了數(shù)據(jù)質(zhì)量，但是卻降低了數(shù)據(jù)對植物物候變化的敏感性，特別是最大合成法（MVC）合成的NDVI時間序列數(shù)據(jù)實際上是不等間隔的，這更增加了變化監(jiān)測的難度。③就地表覆蓋類型來看，對農(nóng)作物、落葉林的研究相對較多，而對其他覆蓋類型（如常綠林、沙漠、凍原等）的探索則較少。④由于遙感監(jiān)測結(jié)果與基于地面的實測數(shù)據(jù)之間在物候定義上的差別、空間尺度上的巨大差異以及時間上的不一致，絕大部分計算結(jié)果沒有得到有效的驗證。

針對這些不足，今后植被物候遙感監(jiān)測的重點應(yīng)放在：①充分發(fā)掘高光譜遙感數(shù)據(jù)的優(yōu)勢，開發(fā)主被動微波遙感在植被物候研究中的應(yīng)用價值，選擇適宜的數(shù)學(xué)方法和模型，實現(xiàn)各種不同分辨率遙感數(shù)據(jù)的融合。②進一步擴大植被物候遙感監(jiān)測的范圍，增大對自然植被尤其是生態(tài)脆弱區(qū)植被的研究力度。③通過開展植物群落的物候觀測和選擇合適的尺度轉(zhuǎn)換方法，統(tǒng)一地面與遙感的空間信息。④結(jié)合遙感技術(shù)，利用生態(tài)學(xué)和氣象學(xué)等相關(guān)領(lǐng)域的最新研究進展，尋找植被遙感物候監(jiān)測的新途徑。

參考文獻

[1] 竺可楨，宛敏渭.物候?qū)W[M].長沙：湖南教育出版社，1999：1-4.

[2] LIETH H.Phenology and seasonality modeling[M].New York：SpringerVerlag，1974：4.

[3] CHEN X Q，HU B，YU R.Spatial and temporal variation of phenological growing season and climate change impacts in temperate eastern China[J].Global Change Biology，2005，11（7）：1118-1130.

[4] IPCC.Climate change 2007：Synthesis report[M].Geneva：Intergovernmental Panel on Climate Change，2007.

[5] MORISETTE J T，RICHARDSON A D，KNAPP A K，et al.Tracking the rhythm of the seasons in the face of global change：Phenological research in the 21st century[J].Frontiers in Ecology and the Environment，2009（7）：253-260.

[6] WHITE M A，THORNTON P E，RUNNING S W.A continental phenology model for monitoring vegetation responses to interannual climatic variability[J].Glob Biogeochem Cycle，1997，11：217-234.