基于MODIS NDVI數據的江蘇省冬小麥物候期提取

楊琳　高蘋　居為民

摘要：農作物物候期是作物對氣候變化響應的重要指標，也是提高區域農業管理水平的重要參數；遙感技術的發展為大面積提取農作物物候期提供了有效的技術途徑。利用2010年MODIS NDVI序列提取江蘇省冬小麥關鍵物候期的方法，首先采用非對稱高斯函數、雙Logistic函數對NDVI時序曲線進行擬合，進而采用動態閾值法確定冬小麥物候期，并利用觀測數據對提取結果進行驗證。結果表明，就冬小麥返青期、抽穗期、成熟期的提取而言，雙Logistic函數擬合方法略優于非對稱高斯函數擬合方法，利用前一種擬合方法提取的返青期、抽穗期、成熟期與觀測數據比較的均方根誤差分別為5.5、9.4、7.5 d，而利用后一種擬合方法提取的返青期、抽穗期、成熟期均方根誤差分別為6.1、9.5、7.8 d；2010年全省的冬小麥普遍于第49天之前開始返青，抽穗期普遍開始于第105天至第113天，成熟期普遍開始于第145天至第161天，抽穗期、成熟期大體上表現出從南到北逐漸延遲的趨勢，但是返青期的空間差異并不明顯。

關鍵詞：江蘇省；冬小麥；物候期；生育期；MODIS NDVI；時間序列

中圖分類號：S127 文獻標志碼：A 文章編號：1002—1302（2016）01—0315—06

物候是指自然界中的生物受氣候和其他環境因素的影響而出現的以年為準周期的自然現象，農作物的物候期則是指農作物達到關鍵生育期所對應的日期。農作物物候的變化反映了氣候變化對農作物生長發育的影響，是氣候變化對農業生態系統影響的指標之一，因此成為全球氣候變化研究的熱點問題之一。

作物物候信息可以通過田間觀測、積溫預測和遙感監測等多種途徑獲得。但是田間觀測方法不僅費時費力，而且代表的面積有限；積溫預測方法需要播種日期、逐日氣溫以及某一生育期所需積溫等信息。因此，這2種方法的大面積應用受到一定的限制。遙感技術的發展為大面積監測作物物候提供了嶄新的手段，基于遙感信息計算的植被指數能夠在大范圍內較精確地反映植被綠度、光合作用和生長的季節和年際變化，因而被廣泛應用于植被監測、分類和物候分析中。目前常用于物候監測的植被指數有歸一化植被指數（normalized vegetation index，NDVI）、增強植被指數（enhanced vegetation index，EVI）等。有研究認為，NDVI作為指示地面生長季節開始和結束的遙感指標具有比較穩定的特點，因此國內外很多學者利用NDVI時序數據對作物物候及其時空變化進行了研究。如Sehgal等利用1981—2001年NOAA-AVHRR NDVI數據集對印度恒河平原的農作物物候信息進行提取并分析了其時空變化特征。常守志等基于MODISNDVI時序數據采用動態閾值法提取了三江平原2003年的農田物候信息。

冬小麥是江蘇省主要的夏熟作物之一，其生長發育經常受到低溫凍害、連續陰雨和病蟲害的影響。這些災害所造成的損失與災害的強度、持續時間以及冬小麥所處的生育期有關，準確的冬小麥物候期分布數據有助于提高農業生產管理水平、減輕災害的影響。但是目前利用遙感數據提取江蘇省冬小麥物候期的研究還有待開展。因此，本研究分別利用非對稱高斯函數、雙Logistic函數方法對MODIS NDVI數據進行擬合，采用動態閾值法提取江蘇省2010年冬小麥的關鍵物候期，比較利用2種擬合方法提取的冬小麥物候期差異，以期為利用遙感技術監測冬小麥的生長和發育進程提供參考。

1研究區概況

江蘇省（30°45′～35°20′N，116°18′～121°57′E）位于長江、淮河下游，總面積10.26萬km²，地形以平原為主。江蘇省屬東亞季風氣候區，處在亞熱帶和暖溫帶氣候過渡地帶，全省年均降水量700～1200 mm，年均氣溫13～16℃，年日照時間2000～2 600 h，平均無霜期200～240 d。大多數地區實行一年兩熟制，糧食作物以水稻、麥類為主，經濟作物有棉花、花生、油菜、黃麻、蠶桑等。其中，冬小麥是主要的夏熟作物之一，一般10月份播種，翌年5月份成熟。

2材料與方法

2.1數據來源與預處理

2.1.1數據來源 研究采用的覆蓋江蘇省的MODISMOD09Q1反射率數據產品來源于NASA（htp：∥ladsweb.na-scom.nasa.go.index.html），空間分辨率為250 m，時間分辨率為8 d，時間范圍覆蓋了2010年1—12月，共46期數據。研究使用的輔助數據有江蘇省行政邊界數據、土地利用數據，以及用于結果驗證的6個農業氣象觀測站的2009—2010年的冬小麥生育期數據（圖1）。其中，土地利用數據由中國科學院南京地理與湖泊研究所通過融合2006—2007年SPOT2/4衛星遙感影像（全色，10 m空間分辨率）和IJandsat TM衛星遙感影像（多光譜，30 m空間分辨率）生成，比例尺為1：50 000，土地利用類型共有32類，研究使用的是種植農業空間數據層。

2.1.2數據預處理 首先使用NASA提供的MRT（MODISReprojection Tools）軟件對下載的MODIS反射率數據進行拼接、投影轉換和格式轉換。然后利用江蘇省行政邊界數據對轉換后的影像進行裁剪處理，使用土地利用數據中的種植農業空間數據層進行掩膜處理。最終得到覆蓋江蘇省農作物種植區的反射率數據，生成研究區的NDVI序列數據：

農田的NDVI值應大于0，然而個別農田像元的NDVI值由于冬季或早春時積雪或其他噪聲的影響出現了負值，將這些不合理的值用0代替。為了提高數據存儲效率，將浮點型的NDVI數據擴大100倍，保存為無符號的短整型二進制文件。

每8 d的MOD09Q1反射率數據是基于每天的反射率數據、采用最大值合成法（MVC）以消除云和氣溶膠影響而生成的影像，但是傳感器觀測角度、太陽高度角、水蒸氣等引起的噪聲仍然存在，會導致計算的NDVI出現不合理的波動。為此采用Savizky-Golay（簡稱S-G）濾波法對計算的NDVI序列數據進行3次平滑處理。參照梁守真等的成功經驗，本研究選取的濾波窗口大小為7，平滑多項式的階數為2。

2.2非對稱性高斯函數和雙Logistic函數擬合

為了重建冬小麥NDVI的變化動態，分別利用非對稱性高斯函數和雙Logistic函數對經過平滑處理的NDVI時序數據進行擬合。擬合時首先尋找冬小麥NDVI時序曲線上的極大值、極小值，然后用局部模型函數擬合極大值、極小值之間的數據。局部模型函數的通用表達式為：

2.3物候期提取

在分別利用非對稱高斯函數和雙Logistic函數對NDVI數據進行擬合后，采用動態閾值法提取冬小麥的返青期、抽穗期、成熟期（時間范圍覆蓋33～169 d）。根據司文才等的研究，本試驗選擇20%的閾值確定返青期、成熟期，即在NDVI的上升階段，當NDVI值達到最大值的20%時對應的時間為冬小麥的返青期開始時間；在NDVI的下降階段，當NDVI值減小到最大值的20%時對應的時間為冬小麥的成熟期開始時間。根據鹿琳琳等對抽穗期開始的定義，確定NDVI達到最大的時間點為抽穗期開始時間。

2.4物候期監測結果的驗證

基于遙感數據的區域物候期監測結果的實地驗證是目前物候研究的關鍵問題。本研究利用江蘇省冬小麥主產區內的淮安市盱眙縣、淮安市淮安區、鹽城市濱海縣、沭陽縣、徐州市銅山區、連云港市贛榆區6個農業氣象站的2009—2010年冬小麥生育期觀測數據對冬小麥物候期的遙感提取結果進行驗證。假設農業氣象站的觀測數據為真值，分別采用最大誤差、最小誤差、平均誤差及均方根誤差（root mean squared error，RMSE）為指標表征物候期提取的精度。其中均方根誤差（RMSE）的計算公式為：

3結果與分析

3.1 S-G濾波結果

隨機選取鹽城市射陽縣境內的1個耕地像元（行列號分別為593、1372）以查看S-G濾波的效果（圖2）。可以看出，濾波前NDVI時序曲線存在明顯的短期鋸齒狀波動，經S-G濾波后的NDVI時序曲線基本上保持了原有曲線的形態，并且變得較為平滑，極低的離異值得到很好的糾正。據調查，該像元的農作物為一年兩熟制，夏熟為冬小麥，秋熟為水稻。濾波后的NDVI時序曲線呈明顯的雙峰形態，2個波峰分別對應于冬小麥、水稻的抽穗開花期。在冬小麥生長過程中，返青期之后隨著氣溫的升高，冬小麥生長加速，葉片的葉綠素含量上升，對紅光的吸收和近紅外光的反射增強，NDVI值隨之相應上升，到抽穗期達到峰值；抽穗期過后，隨著冬小麥逐漸成熟，葉片開始變黃，葉綠素含量降低，對紅光波段的反射率開始回升，近紅外波段的反射率逐漸降低，NDVI值隨之相應減少，直到冬小麥成熟收獲。

但S-G濾波也具有局限性：濾波窗口的大小和平滑多項式階數的選擇均需要根據不同的條件人為進行設定，主觀性影響較大。邊金虎等研究表明，如果濾波窗口大小設置得偏小，容易產生大量的冗余數據，不易獲取數據集的長期趨勢；相反則容易遺漏一些細節所描述的正確信息。梁守真等研究表明，在一般情況下，平滑多項式階數越小，處理后曲線越平滑，但擬合效果差。階數越高，擬合效果越好，但有可能出現過擬合現象，而且在個別數據點會有振蕩。因此，在進行S-G濾波處理時，濾波窗口的大小及平滑多項式的階數是保證NDVI數據擬合準確性的關鍵。

圖3是分別采用非對稱性高斯函數、雙Logistic函數擬合后的上述耕地像元NDVI時序曲線的對比效果，可以看出：2條擬合曲線均與濾波后NDVI值保持了相同的季節趨勢；除到達波谷和第2個波峰階段外，2條曲線上的NDVI值基本保持一致；在波谷和第2個波峰周圍，利用雙Logistic函數擬合的曲線斜率變化要比非對稱高斯函數大，并且用前者擬合的NDVI值在波峰處比后者大，在波谷處比后者小。

3.2冬小麥關鍵物候期的空間分布

圖4、圖5、圖6分別為采用非對稱高斯函數（圖4-a、圖5-a、圖6-a）和雙Logistic函數（圖4-b、圖5-b、圖6-b）擬合并利用動態閾值法得到的2010年江蘇省冬小麥返青期開始時間、抽穗期開始時間、成熟期開始時間的空間分布。總體來看，基于2種擬合方法提取的物候期結果相似：返青期普遍開始于第49天之前，即2月18日之前；抽穗期普遍開始于第105天至第113天，即4月15—23日；成熟期普遍開始于第145天至第161天，即5月25日至6月10日。在空間分布上，研究區冬小麥返青期開始時間并沒有隨著緯度的變化而發生規律性的改變，大部分地區冬小麥開始返青的時間較集中，但在阜寧縣、建湖縣的大部分地區以及濱海縣西南部、海門市東部地區返青期開始的時間較其他冬小麥區晚。抽穗期開始時間和成熟期開始時間的空間分布總體上表現出從南到北逐漸延遲的趨勢：蘇南地區抽穗期普遍開始于第105天之前，成熟期普遍開始于第153天之前；蘇中地區抽穗期普遍開始于第113天之前，成熟期普遍開始于第145天至第161天；蘇北地區抽穗期普遍開始于第113天之后，成熟期普遍開始于第153天之后。但是抽穗期、成熟期開始最晚的地區卻沒有集中在研究區的北部，在響水縣、濱海縣的大部分地區以及阜寧縣北部、海門市東部和啟東市北部地區，冬小麥抽穗期較其他地區晚；在泗洪縣北部、阜寧縣西南部、楚州區東部以及漣水縣西北部地區，冬小麥成熟期開始得比其他地區晚。

3.3冬小麥關鍵物候期結果驗證

表1、圖7是采用非對稱高斯函數、雙Logistic函數分別擬合NDVI數據進而采用動態閾值法提取的不同站點物候期與觀測數據的比較，可以看出遙感提取的物候期與觀測的差普遍小于8 d。基于非對稱高斯函數擬合提取的物候期誤差超過8 d的樣本數為：返青期1個（16.7%），抽穗期2個（33.3%），成熟期1個（16.7%）；基于雙Logistic函數擬合提取的物候期誤差超過8 d的樣本數為：返青期1個（16.7%），抽穗期為1個（16.7%），成熟期為1個（16.7%）。結果表明，利用MODIS NDVI數據提取江蘇省冬小麥物候期是可行的。

表2是基于MODIS NDVI數據提取的冬小麥生育期與觀測數據比較的統計。可以看出，基于雙Logistic函數擬合提取的冬小麥生育期精度稍好于基于非對稱高斯函數擬合提取的結果，抽穗期的誤差大于返青期、成熟期。利用雙Logistic函數擬合方法提取的返青期、抽穗期、成熟期與觀測數據比較的均方根誤差分別為5.5、9.4、7.5 d，平均誤差分別為4.5、7.8、5.5 d；利用另一種擬合方法提取的返青期、抽穗期、成熟期均方根誤差分別為6.1、9.5、7.8 d，平均誤差分別為5.3、8.5、6.3 d。

綜上所述，利用非對稱高斯函數、雙Logistic函數擬合NDVI時序數據并采用動態閾值法進行判別可以有效提取研究區的冬小麥生育期，但提取的農作物物候期與站點觀測數據尚存在一定的差異。主要原因有以下幾個方面：本研究采用的是MODIS反射率的8 d合成產品，合成數據雖然在一定程度上保證了數據的質量，但明顯降低了數據的時間分辯率，會導致物候提取的一定誤差；此外，本研究使用的MODIS數據空間分辨率為250 m，遙感提取的物候期是像元內的平均值，而觀測數據代表的是站點附近的物候，遙感數據與觀測數據空間尺度差異也會影響遙感提取的物候與觀測數據的一致性。當然，觀測數據的誤差也會影響遙感提取的物候的驗證結果，將實地觀測的和遙感提取的物候信息相結合是一種有效的物候提取途徑。

4結論

快速、準確獲得區域冬小麥物候信息，對于實施田問精細管理以及產量預測等具有重要意義。本研究基于MODISNDVI時間序列數據，分別利用非對稱高斯函數、雙Logistic函數進行擬合，并采用動態閾值法提取了江蘇省2010年冬小麥物候信息。主要得出以下結論：

（1）S-G濾波處理可以有效地糾正時序數據中的奇異值，使NDVI時序曲線在保持原有形狀的基礎上變得較為平滑。

（2）非對稱高斯函數、雙Logistic函數2種擬合方法都可以使NDVI時序曲線更符合作物的生長過程。驗證結果表明，就江蘇省的冬小麥物候提取而言，雙Logistic函數擬合方法略優于非對稱高斯函數擬合方法。

（3）基于MODIS NDVI提取的2010年江蘇省冬小麥返青期普遍開始于第49天之前，抽穗期普遍開始于第105天至第113天，成熟期普遍開始于第145天至第161天。抽穗期和成熟期的空間分布總體上表現出從南到北逐漸延遲的趨勢，但返青期的空間分布特征不明顯。同時也存在著一些不足，研究中采用動態閾值法提取物候期需要人為設定閾值，并且沒有考慮閾值的空間變化，會影響物候提取的精度；由于觀測數據的限制，僅使用了淮北地區6個點的數據對物候提取結果進行了驗證，在其他地區，物候提取的誤差尚不清楚；影響冬小麥物候的因素有很多，比如氣候、地形、冬小麥品種、耕作制度差異等，它們的綜合作用使其存在明顯的空間變化。因此在今后的研究中，要綜合考慮這些因素的影響，實現物候期提取的更細致化。