基于遙感數據的植被物候監測進展

王金英　范文義

摘要總結了當前國內植物物候遙感監測的數據和方法，介紹了國內外最新的研究成果，針對目前研究中存在的問題，指出未來植被物候遙感監測研究的主要方向。

關鍵詞遙感物候；數據集；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：植被物候遙感監測。*通訊作者，教授，博士后，博士生導師，從事遙感和地理信息系統研究。

物候學是研究自然界植物和動物的季節性現象同環境的周期性變化之間的相互關系的科學[1-2]。植被的物候相被認為是環境條件季節和年際變化最直接、最敏感的綜合指示器[3-5]。隨著全球氣候變暖，植物物候也發生著變化，例如物候期的開始、結束和持續時間的改變。植被物候的研究不僅有助于增進植被對氣候變化響應的理解[6-8]，而且對提高氣候—植被之間物質與能量交換的模擬精度、準確評估植被生產力與全球碳收支具有重要意義[9]。開始于20世紀60年代的遙感技術至今已獲取到大量的數據，這些數據具有多時相、覆蓋范圍廣、空間連續、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]。基于遙感數據的物候監測是對傳統物候學的有效補充與發展，它將觀測對象從植株個體提升到植被生態系統層面，實現了植物物候觀測由點到面的空間轉換[11]。這種轉變使植被物候的研究具有了新的意義，使其在更多領域發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測數據和方法的基礎上，總結了近幾年基于遙感數據的植被物候監測的主要模型和研究現狀，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展方向。

1遙感物候監測指標

1.1植被指數（VIs）自從第1顆地球觀測衛星發射，植被指數（NDVI）就開始用于植被物候的遙感監測[2]。植被指數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對植被狀態信息的表達。VIs可以用來診斷植被一系列生物物理參量：葉面積指數LAI、植被覆蓋度、生物量、光合有效輻射吸收系數FPAR等。在眾多的植被指數中，NDVI被廣泛應用于遙感物候學的研究，是遙感物候學的基礎[12]。

針對NDVI降噪處理不充分和容易飽和的問題，學者們提出增強型植被指數EVI，它與不同覆蓋程度植被的線性關系得到明顯改善，尤其在高覆蓋區表現良好。標準化差異水指數（NDWI），是基于綠波段與近紅外波段的歸一化比值指數，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指數能及時地響應，這對于旱情監測具有重要意義。此外，Dominique等利用垂直植被指數PVI對高山地區植被物候進行了研究，發現其也能夠反映物候隨海拔的粗略變化[14]。

1.2植被光學厚度（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、植被類型和結構以及頻率有關。VOD通常利用微波輻射傳輸模型反演獲得，其最大的優勢在于數據的獲得不受天氣影響[15]。微波極化差異指數（MPDI）與NDVI的變化有高度的相關性。 Matthew 等利用AMSRE上18.7 Hz通道的MPDI和一些輔助數據反演的植被光學厚度，對全球2003～2008年的物候變化進行了分析。結果表明，獲取的VOD數據結果與來自MODIS的VIs和LAI都具有很好的對應性，與基于簡單的生物氣候模型的GSI指數得到的物候周期，也在全球超過82%的地區相一致，并且生物量越低，植被越均一，它們的相關性越高[16]。與VIs和LAI相比，VOD獨特地反映了生長季結束特征，既獨立于光學遙感的植被指數，同時又是對其的很好配合，將有利于開辟遙感物候學綜合研究的新思路。

1.3多種數據指標的結合基于遙感物候學與傳統物候學的聯系，許多遙感物候模型都會用到地面物候記錄數據。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性，在遙感物候研究中常常用到這些氣象數據。在大尺度植被遙感監測研究中由于缺乏統一的氣象資料，人們轉向了遙感反演方法，如利用遙感反演獲取地表亮溫、土壤含水量等數據與NDVI和EVI相結合。植被物候與植被類型是密不可分的，這種關系在大尺度上表現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測時往往會依據土地覆蓋數據以及直接反映葉密度的LAI數據確定模型參數。

2遙感植被物候提取方法

2.1閾值法閾值法是通過設定閾值條件來實現植被物候監測的，又分為：①靜態閾值法，指人為設定固定的生長季開始與結束時的NDVI值。Fisher和Markon在各自的研究中分別設定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[19]。②動態閾值法，是基于遙感圖像的統計學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。于信芳等應用時間序列諧波分析法重構每天的時間序列數據影像，采用動態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等將傳統氣象物候模型與遙感物候觀測結合起來而提出的[21]，它對不同生物群落和生態系統做了區分[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，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數據對美國大陸1990～1993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）進行監測研究時，分別采用了延遲滑動平均方法（DMA）、季節性NDVI中點方法（SMN）和地表物候模擬方法（Spring Indices），比較結果表明，DMA方法優于其他兩種方法[23]。

2.3求導法求導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，并結合經驗系數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象（包括返青起始期、 休眠起始期和生長季長度）的發生時間和演變趨勢[24]。Moulin等從全球尺度上獲取植物物候定量信息，以全球經緯度1°×1°空分辨率大小的NDVI時序數據為基礎，通過求導經驗系數計算出了植物生長的開始期、結束期、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植被的生長模型選取合適的擬合函數，根據擬合函數數學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數據計算了時間序列的EVI，并用分段Logistic函數進行數據擬合，去除了冰雪的干擾，結合MODIS地表亮溫數據，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：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據傅立葉變換（DFT）的數學分析方法，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據進行除噪[27]。NDVI時間序列諧波分析可以反映出植被動態的始末時間、延續時間以及波動情況。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境因素導致的季相變化。諧波的特征值（諧波余項、振幅和位相）與地表植被動態之間存在相關性，諧波余項表征NDVI時間序列的均值，諧波振幅表征NDVI年內波動幅度大小，不同諧波的位相可以表征NDVI季節變化的時間特征，利用這些參數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結語

植被物候遙感監測研究在過去20多年取得了長足的進步，它不僅對傳統物候學的不足進行了有效補充，而且也大大促進了傳統物候學的發展。但研究中存在著各方面的不足：①就遙感數據源來看，從Landsat、AVHRR、MODIS、MERIS 到微波輻射計AMSRE，雖然都有應用，但仍以較低空間分辨率不同尺度的研究較多，高分辨率影像的應用較少，并且微波遙感數據的應用探索很少。②就研究方法來看，目前的遙感植被物候監測方法大多拘泥于利用植被指數的時序變化或輔以地面物候和氣象數據共同確定植物物候及其變化模式，這些植被指數雖然在一定程度上保證了數據質量，但是卻降低了數據對植物物候變化的敏感性，特別是最大合成法（MVC）合成的NDVI時間序列數據實際上是不等間隔的，這更增加了變化監測的難度。③就地表覆蓋類型來看，對農作物、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由于遙感監測結果與基于地面的實測數據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測的重點應放在：①充分發掘高光譜遙感數據的優勢，開發主被動微波遙感在植被物候研究中的應用價值，選擇適宜的數學方法和模型，實現各種不同分辨率遙感數據的融合。②進一步擴大植被物候遙感監測的范圍，增大對自然植被尤其是生態脆弱區植被的研究力度。③通過開展植物群落的物候觀測和選擇合適的尺度轉換方法，統一地面與遙感的空間信息。④結合遙感技術，利用生態學和氣象學等相關領域的最新研究進展，尋找植被遙感物候監測的新途徑。

參考文獻

[1] 竺可楨，宛敏渭.物候學[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.