王金英　范文義

摘要總結(jié)了當(dāng)前國(guó)內(nèi)植物物候遙感監(jiān)測(cè)的數(shù)據(jù)和方法，介紹了國(guó)內(nèi)外最新的研究成果，針對(duì)目前研究中存在的問(wèn)題，指出未來(lái)植被物候遙感監(jiān)測(cè)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(hào)S127；Q948.1文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)0517-6611（2014）09-02780-03

基金項(xiàng)目國(guó)家自然科學(xué)基金項(xiàng)目（41101399）。

作者簡(jiǎn)介王金英（1989- ），女，河南開(kāi)封人，碩士研究生，研究方向：植被物候遙感監(jiān)測(cè)。*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(dòng)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(rèn)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(kāi)始、結(jié)束和持續(xù)時(shí)間的改變。植被物候的研究不僅有助于增進(jìn)植被對(duì)氣候變化響應(yīng)的理解[6-8]，而且對(duì)提高氣候—植被之間物質(zhì)與能量交換的模擬精度、準(zhǔn)確評(píng)估植被生產(chǎn)力與全球碳收支具有重要意義[9]。開(kāi)始于20世紀(jì)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(shí)相、覆蓋范圍廣、空間連續(xù)、時(shí)間序列長(zhǎng)的特點(diǎn)，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(shù)據(jù)的物候監(jiān)測(cè)是對(duì)傳統(tǒng)物候?qū)W的有效補(bǔ)充與發(fā)展，它將觀測(cè)對(duì)象從植株個(gè)體提升到植被生態(tài)系統(tǒng)層面，實(shí)現(xiàn)了植物物候觀測(cè)由點(diǎn)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(cè)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(cè)的主要模型和研究現(xiàn)狀，針對(duì)當(dāng)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(cè)指標(biāo)

1.1植被指數(shù)（VIs）自從第1顆地球觀測(cè)衛(wèi)星發(fā)射，植被指數(shù)（NDVI）就開(kāi)始用于植被物候的遙感監(jiān)測(cè)[2]。植被指數(shù)是基于植物葉綠素在0.69 μm的強(qiáng)吸收特征，通過(guò)紅外和近紅外波段比值或線形組合實(shí)現(xiàn)對(duì)植被狀態(tài)信息的表達(dá)。VIs可以用來(lái)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(duì)NDVI降噪處理不充分和容易飽和的問(wèn)題，學(xué)者們提出增強(qiáng)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(biāo)準(zhǔn)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(shí)，NDWI指數(shù)能及時(shí)地響應(yīng)，這對(duì)于旱情監(jiān)測(cè)具有重要意義。此外，Dominique等利用垂直植被指數(shù)PVI對(duì)高山地區(qū)植被物候進(jìn)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(lái)衡量地表植被對(duì)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(cè)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(shì)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(duì)全球2003～2008年的物候變化進(jìn)行了分析。結(jié)果表明，獲取的VOD數(shù)據(jù)結(jié)果與來(lái)自MODIS的VIs和LAI都具有很好的對(duì)應(yīng)性，與基于簡(jiǎn)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(guò)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(dú)特地反映了生長(zhǎng)季結(jié)束特征，既獨(dú)立于光學(xué)遙感的植被指數(shù)，同時(shí)又是對(duì)其的很好配合，將有利于開(kāi)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(biāo)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(huì)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(cè)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(jìn)行植被物候遙感監(jiān)測(cè)時(shí)往往會(huì)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(guò)設(shè)定閾值條件來(lái)實(shí)現(xiàn)植被物候監(jiān)測(cè)的，又分為：①靜態(tài)閾值法，指人為設(shè)定固定的生長(zhǎng)季開(kāi)始與結(jié)束時(shí)的NDVI值。Fisher和Markon在各自的研究中分別設(shè)定NDVI達(dá)到0.17和0.09時(shí)記為植物生長(zhǎng)期開(kāi)始[17-18]。不難理解，這些閾值結(jié)果僅適用于各自的專題問(wèn)題研究，有很強(qiáng)的地域和物種依賴性，難以推廣到其他地區(qū)[19]。②動(dòng)態(tài)閾值法，是基于遙感圖像的統(tǒng)計(jì)學(xué)特征而確定植被的物候變量的，它能有效地識(shí)別不同土地覆蓋類型的特點(diǎn)，得出有針對(duì)性的閾值。于信芳等應(yīng)用時(shí)間序列諧波分析法重構(gòu)每天的時(shí)間序列數(shù)據(jù)影像，采用動(dòng)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(cè)結(jié)合起來(lái)而提出的[21]，它對(duì)不同生物群落和生態(tài)系統(tǒng)做了區(qū)分[22]。

2.2滑動(dòng)平均法滑動(dòng)平均法是以實(shí)際NDVI時(shí)間序列曲線為基礎(chǔ)，使用自回歸滑動(dòng)平均模型計(jì)算生成一條滯后的滑動(dòng)平均曲線，將新生成的滑動(dòng)平均曲線與標(biāo)準(zhǔn)NDVI曲線進(jìn)行疊加，依據(jù)疊加情況確定植物的返青期。運(yùn)用此方法需要注意的是，滑動(dòng)平均時(shí)間間隔的確定需考慮不同植被類型及其生長(zhǎng)季長(zhǎng)度[22]。Schwartz等使用NOAAAVHRR數(shù)據(jù)對(duì)美國(guó)大陸1990～1993和1995～1999年落葉林與混交林站點(diǎn)植被生長(zhǎng)季的春季開(kāi)始日期（SOS）進(jìn)行監(jiān)測(cè)研究時(shí)，分別采用了延遲滑動(dòng)平均方法（DMA）、季節(jié)性NDVI中點(diǎn)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(shí)間序列的NDVI值，對(duì)其進(jìn)行平滑后，求出曲線的最大變化率，并結(jié)合經(jīng)驗(yàn)系數(shù)或者條件閾值來(lái)確定生長(zhǎng)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(jì)算了中國(guó)東部南北樣帶的植物物候，對(duì)主要植被類型的物候過(guò)程進(jìn)行模擬，并計(jì)算了主要物候現(xiàn)象（包括返青起始期、 休眠起始期和生長(zhǎng)季長(zhǎng)度）的發(fā)生時(shí)間和演變趨勢(shì)[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(shí)序數(shù)據(jù)為基礎(chǔ)，通過(guò)求導(dǎo)經(jīng)驗(yàn)系數(shù)計(jì)算出了植物生長(zhǎng)的開(kāi)始期、結(jié)束期、最大NDVI日期和生長(zhǎng)季長(zhǎng)度，并詳細(xì)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(zhǎng)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(zhǎng)特點(diǎn)求算植被的物候信息。Zhang等利用1 km 的MODIS NBAR數(shù)據(jù)計(jì)算了時(shí)間序列的EVI，并用分段Logistic函數(shù)進(jìn)行數(shù)據(jù)擬合，去除了冰雪的干擾，結(jié)合MODIS地表亮溫?cái)?shù)據(jù)，對(duì)全球植被2000～2004年的物候變化進(jìn)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(gè)常用的物候參數(shù)：綠度開(kāi)始期、最大值期、開(kāi)始減小期、最小值期以及生長(zhǎng)季最長(zhǎng)、最短時(shí)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(lái)分析呈周期性波動(dòng)的時(shí)間序列的波動(dòng)特征以及對(duì)高噪聲時(shí)間序列數(shù)據(jù)進(jìn)行除噪[27]。NDVI時(shí)間序列諧波分析可以反映出植被動(dòng)態(tài)的始末時(shí)間、延續(xù)時(shí)間以及波動(dòng)情況。如植被生長(zhǎng)季的起始點(diǎn)可以通過(guò)分析諧波的位相來(lái)確定，振幅和位相可以表征植被生長(zhǎng)因?yàn)闇囟群徒邓拳h(huán)境因素導(dǎo)致的季相變化。諧波的特征值（諧波余項(xiàng)、振幅和位相）與地表植被動(dòng)態(tài)之間存在相關(guān)性，諧波余項(xiàng)表征NDVI時(shí)間序列的均值，諧波振幅表征NDVI年內(nèi)波動(dòng)幅度大小，不同諧波的位相可以表征NDVI季節(jié)變化的時(shí)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(yǔ)

植被物候遙感監(jiān)測(cè)研究在過(guò)去20多年取得了長(zhǎng)足的進(jìn)步，它不僅對(duì)傳統(tǒng)物候?qū)W的不足進(jìn)行了有效補(bǔ)充，而且也大大促進(jìn)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(lái)看，從Landsat、AVHRR、MODIS、MERIS 到微波輻射計(jì)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(lái)看，目前的遙感植被物候監(jiān)測(cè)方法大多拘泥于利用植被指數(shù)的時(shí)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(duì)植物物候變化的敏感性，特別是最大合成法（MVC）合成的NDVI時(shí)間序列數(shù)據(jù)實(shí)際上是不等間隔的，這更增加了變化監(jiān)測(cè)的難度。③就地表覆蓋類型來(lái)看，對(duì)農(nóng)作物、落葉林的研究相對(duì)較多，而對(duì)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(cè)結(jié)果與基于地面的實(shí)測(cè)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(shí)間上的不一致，絕大部分計(jì)算結(jié)果沒(méi)有得到有效的驗(yàn)證。

針對(duì)這些不足，今后植被物候遙感監(jiān)測(cè)的重點(diǎn)應(yīng)放在：①充分發(fā)掘高光譜遙感數(shù)據(jù)的優(yōu)勢(shì)，開(kāi)發(fā)主被動(dòng)微波遙感在植被物候研究中的應(yīng)用價(jià)值，選擇適宜的數(shù)學(xué)方法和模型，實(shí)現(xiàn)各種不同分辨率遙感數(shù)據(jù)的融合。②進(jìn)一步擴(kuò)大植被物候遙感監(jiān)測(cè)的范圍，增大對(duì)自然植被尤其是生態(tài)脆弱區(qū)植被的研究力度。③通過(guò)開(kāi)展植物群落的物候觀測(cè)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(jìn)展，尋找植被遙感物候監(jiān)測(cè)的新途徑。

參考文獻(xiàn)

[1] 竺可楨，宛敏渭.物候?qū)W[M].長(zhǎng)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.