?？低暰W(wǎng)絡(luò)數(shù)字相機(jī)在植被物候監(jiān)測(cè)的應(yīng)用初探

甄曉杰 周海濤 周曙東 陳世強(qiáng)

摘要：物候相機(jī)是物候網(wǎng)建設(shè)的重要觀測(cè)設(shè)備，本文開(kāi)展了對(duì)比Hikvision相機(jī)（中國(guó)）和StarDot相機(jī)（美國(guó)）的物候指標(biāo)提取性能的實(shí)驗(yàn)研究。研究表明：兩款相機(jī)的NDVI最為一致，其中，從StarDot提取的生長(zhǎng)季長(zhǎng)度等于人眼識(shí)別長(zhǎng)度，與從Hikvision中提取值僅相差1天;兩者的GCC和EXG受油菜花季特殊的黃花覆蓋及StarDot中的固定白平衡設(shè)置存在差異;而兩者的EVI均不能夠有效反映出油菜的生長(zhǎng)節(jié)律。Hikvision相機(jī)在我國(guó)的物候網(wǎng)觀測(cè)中可以起到替代作用。

關(guān)鍵詞：Hikvision數(shù)字相機(jī);StarDot數(shù)字相機(jī);NDVI;GCC;EXG;EVI

1 引言

植物物候指植物的各個(gè)生長(zhǎng)發(fā)育節(jié)律隨著環(huán)境因子的周年變化，是陸面過(guò)程模型以及植物生產(chǎn)力模型的重要參數(shù)[1]。在全球氣候變化的背景下，物候提前，物候?qū)W的研究越來(lái)越受到人們的關(guān)注[2]。物候是由氣候所決定的，生物物候現(xiàn)象是環(huán)境條件季節(jié)和年際變化最直接、最敏感的指示器[3-4]，其發(fā)生時(shí)間可以反映陸地生態(tài)系統(tǒng)短期變化的特征，被廣泛應(yīng)用于農(nóng)時(shí)預(yù)報(bào)、病蟲(chóng)害預(yù)測(cè)、經(jīng)濟(jì)作物區(qū)域規(guī)劃、氣候變化趨勢(shì)鑒定與預(yù)測(cè)等方面[1]，對(duì)人類(lèi)生活及農(nóng)、林生產(chǎn)具有重要的指導(dǎo)意義。

研究單一植被類(lèi)型，最客觀和準(zhǔn)確的植物物候觀測(cè)手段是依據(jù)物候觀測(cè)典籍中記錄的各種植物發(fā)育時(shí)期的特征進(jìn)行人工觀測(cè)[5]。但是，人工觀測(cè)不可避免地會(huì)出現(xiàn)觀測(cè)尺度小、物種少、站點(diǎn)數(shù)量有限、時(shí)間不連續(xù)等問(wèn)題[6]，而且該觀測(cè)方法很難適用于植被類(lèi)型復(fù)雜下墊面的綜合物候觀測(cè)[7]。

隨著遙感技術(shù)的發(fā)展，NDVI、EVI等遙感產(chǎn)品已成為植被對(duì)氣候響應(yīng)研究的重要手段。通過(guò)衛(wèi)星遙感傳感器（NOAA、MODIS、SPOT、AVHRR）得到的時(shí)間序列數(shù)據(jù)，具有多時(shí)相、覆蓋范圍廣、空間連續(xù)等優(yōu)點(diǎn)，適用于區(qū)域及全球尺度上植物動(dòng)態(tài)監(jiān)測(cè)[8]，但其空間分辨率較低[9-10]，且受傳感器自身性能、傳輸丟包、陽(yáng)光照射角度、觀測(cè)視角、云、大氣氣溶膠等隨機(jī)干擾因素的影響，數(shù)據(jù)中存在大量的噪聲干擾[11]。目前，NDVI數(shù)據(jù)集預(yù)處理的方法有最大值合成法（MVC）、非對(duì)稱(chēng)高斯函數(shù)（AG）擬合、雙邏輯斯蒂曲線擬合法（Double Logistic Curve Regression，下稱(chēng)D-L擬合法）和Savitzky-Golay（S-G）濾波法等，但是除最大值合成法（MVC）得到基本認(rèn)可外，其它方法在NDVI數(shù)據(jù)集預(yù)處理的研究應(yīng)用尚未達(dá)成共識(shí)[12-13]，還需要大量的地面驗(yàn)證才可以獲得有效結(jié)論。同時(shí)，研究也指出AG與D-L擬合法表現(xiàn)相似且在高保真性能方面表現(xiàn)得更穩(wěn)健，擬合效果更優(yōu)。

物候相機(jī)的數(shù)字重復(fù)攝影技術(shù)，又被稱(chēng)作近地面遙感技術(shù)，通過(guò)對(duì)圖像信息的提取，實(shí)現(xiàn)基于時(shí)間序列的物候節(jié)律分析。適用于多空間尺度物候觀測(cè)[14]，已被廣泛應(yīng)用于美國(guó)和日本等的相機(jī)物候觀測(cè)網(wǎng)絡(luò)中[3]開(kāi)展物候模型驗(yàn)證和發(fā)展、衛(wèi)星遙感數(shù)據(jù)產(chǎn)品評(píng)估、氣候?qū)﹃懙厣鷳B(tài)系統(tǒng)影響等的研究。

Richardson，et al.（2007）采用Model 211（Axis Communications，Lund，Sweden）商業(yè)網(wǎng)絡(luò)相機(jī)監(jiān)測(cè)美國(guó)北方落葉闊葉林春季變綠趨勢(shì)，確認(rèn)了數(shù)字相機(jī)可以用于物候監(jiān)測(cè)來(lái)量化物候變化[15]。Richardson，et al.（2009b）在NEON（National Ecological Observatory Network）和AmeriFlux臺(tái)站中同時(shí)架設(shè)了Model 211和Netcam XL（StarDot Technologies，Buena Park，California）相機(jī)，利用從相機(jī)中提取的GCC指標(biāo)分析了在闊葉林和針葉林的春、秋季冠層變化和GPP的相關(guān)性，指出數(shù)字相機(jī)的可視化、量化存檔適用于森林物候時(shí)空變化研究，并建議在通量網(wǎng)絡(luò)中推廣。周磊等（2012）在禹城農(nóng)田生態(tài)系統(tǒng)利用從數(shù)字相機(jī)（Model 214;Axis Communications，Lund，Sweden）提取的綠度指數(shù)探討了數(shù)字相機(jī)在冬小麥冠層物候及碳交換方面的表征作用的應(yīng)用。周玉科（2019a）利用美國(guó)PhenoCam觀測(cè)網(wǎng)絡(luò)（https：//phenocam.sr.unh.edu/webcam/）的近地面遙感數(shù)據(jù)分析了GCC與土壤溫度、氣溫、太陽(yáng)輻射、降雨事件、生長(zhǎng)度日等環(huán)境因子間的關(guān)聯(lián)程度[16]。宋清潔等（2016）和葛靜等（2017）分別以甘南州和黃河源東部地區(qū)為研究區(qū)，利用高清的Canon數(shù)碼相機(jī)、無(wú)人機(jī)（Unmanned Aerial Vehicle，UAV）載相機(jī)和農(nóng)業(yè)多光譜相機(jī)（Agricultural Digital Camera，ADC）拍攝的照片，建立了基于MODIS 歸一化差值植被指數(shù)（Normalized Difference Vegetation Index，NDVI）、增強(qiáng)型植被指數(shù)（Enhanced Vegetation Index，EVI）的植被蓋度反演模型[17-18]。

本文列舉了適用于物候研究中的相機(jī)，并展示了這些相機(jī)與Hikvision（即海康威視）相機(jī)的性能（表1）。從功能上相機(jī)可以簡(jiǎn)單劃分為兩類(lèi)，RGB波段相機(jī)和RGB+NIR波段相機(jī)。傳統(tǒng)的紅綠藍(lán)三通道相機(jī)僅能分析GCC、RCC、GEX等物候指標(biāo)，要得到NDVI、EVI等指標(biāo)，相機(jī)必須同時(shí)具備RGB和IR波段的觀測(cè)能力[19]。Anika R.Petach et al.（2014）提出了一種從4波段物候相機(jī)中提取類(lèi)似衛(wèi)星遙感NDVI指數(shù)的Camera NDVI指數(shù)技術(shù)。S.T.Klosterman，et al.（2014）利用美國(guó)PhenoCam物候相機(jī)觀測(cè)網(wǎng)絡(luò)數(shù)據(jù)對(duì)北美洲東部地區(qū)13個(gè)溫帶闊葉林分析得到從高頻物候相機(jī)照片中提取出的GCC較從MODIS及AVHRR傳感器中得到的NDVI、EVI不確定性更小，且兩者對(duì)春季開(kāi)始時(shí)間的評(píng)估與人工對(duì)生葉時(shí)間的觀測(cè)結(jié)果高度一致。

美國(guó)PhenoCam物候相機(jī)觀測(cè)網(wǎng)絡(luò)在世界范圍內(nèi)得到了廣泛的應(yīng)用。而國(guó)內(nèi)受限于從數(shù)字相機(jī)拍攝照片到形成物候指數(shù)信息的照片采集、上傳、存儲(chǔ)、處理過(guò)程繁瑣[20]，通過(guò)景觀尺度組網(wǎng)觀測(cè)物候的方法少見(jiàn)于文獻(xiàn)中。周磊等（2012）依托于ChinaFLUX的禹城農(nóng)田站利用數(shù)字相機(jī)（Model 214;Axis Communications，Lund，Sweden）對(duì)綠度指數(shù)（G/R）進(jìn)行了長(zhǎng)期、連續(xù)、自動(dòng)、高頻的原位監(jiān)測(cè)，但其采用的數(shù)字相機(jī)是瑞典進(jìn)口相機(jī)，價(jià)格較高、圖像分辨率低（384×288像素），僅能夠提取出紅（R）、綠（G）、藍(lán)（B）3個(gè)波段的信息，主要用于植被蓋度分析，且未能實(shí)現(xiàn)物候相機(jī)的組網(wǎng)功能。目前，國(guó)產(chǎn)相機(jī)與進(jìn)口相機(jī)在物候觀測(cè)應(yīng)用中的性能比較研究鮮有報(bào)道。

本文通過(guò)對(duì)比美國(guó)物候網(wǎng)推薦使用的StarDot相機(jī)與?？低曄鄼C(jī)中提取的4種物候指標(biāo)（NDVI、GCC、EXG、EVI），闡述同樣支持4通道成像的海康威視數(shù)字網(wǎng)絡(luò)相機(jī)在物候觀測(cè)中的普適性及優(yōu)越性，為近地面遙感數(shù)字重復(fù)成像技術(shù)在中國(guó)生態(tài)系統(tǒng)物候監(jiān)測(cè)領(lǐng)域的發(fā)展提供技術(shù)支撐。

2 ?？低暰W(wǎng)絡(luò)數(shù)字相機(jī)及試驗(yàn)介紹

絕大多數(shù)的數(shù)字相機(jī)中采用的CCD（Charge-Coupled Device）或者 CMOS（Complementary Metal-Oxide-Semiconductor）成像傳感器均具備對(duì)NIR光譜部分的探測(cè)能力。但因?yàn)镹IR光譜超出了人眼的感知范圍且不屬于傳統(tǒng)的彩色成像范圍，通常數(shù)字相機(jī)中會(huì)嵌入一個(gè)NIR濾光片來(lái)阻擋NIR光譜進(jìn)入成像傳感器[19]。?？低暰W(wǎng)絡(luò)數(shù)字相機(jī)可在野外嚴(yán)苛的環(huán)境溫度（-30℃至+60℃）下正常運(yùn)行，在世界范圍內(nèi)有廣泛應(yīng)用。雖然當(dāng)前主要用于安防領(lǐng)域，因其可通過(guò)海康威視提供的SDK開(kāi)發(fā)包（https：//open.hikvision.com/download/）實(shí)現(xiàn)對(duì)內(nèi)部IR-CUT雙濾光片切換器的控制，具備網(wǎng)絡(luò)通訊能力，符合成為物候相機(jī)的必要條件。

2.1 ?？低暰W(wǎng)絡(luò)數(shù)字相機(jī)簡(jiǎn)介

本試驗(yàn)采用?？低?500萬(wàn)高清網(wǎng)絡(luò)攝像機(jī)DS-2CD3T56（D）WD-I3（Hangzhou Hikvision Digital Technology Co.，Ltd.），其配備1/2.7" 逐行掃描 CMOS傳感器，最大分辨率2 560×1 920像素。相機(jī)設(shè)定為“鎖定白平衡”，并固定“曝光時(shí)間”為1/25s。與自動(dòng)白平衡相比，鎖定白平衡可以有效降低從照片中提取信息的噪聲[21]。采用固定曝光時(shí)間，可以避免相機(jī)因外界環(huán)境的明暗程度不同而自動(dòng)調(diào)節(jié)曝光時(shí)間長(zhǎng)度，導(dǎo)致的IR-CUT切換前后拍攝的兩張照片亮度不同引入的數(shù)字信息測(cè)量誤差。

在鏡頭與CMOS傳感器之間存在一個(gè)IR-CUT雙濾光片切換器（以下簡(jiǎn)稱(chēng) IR-CUT），由一個(gè)紅外截止濾光片和一個(gè)全透濾光片以及執(zhí)行切換動(dòng)作的機(jī)械部分構(gòu)成。當(dāng)切換到紅外截止濾光片時(shí)，CMOS傳感器探測(cè)從400-650nm的波段范圍，即紅（R），綠（G），藍(lán)（B）波段。當(dāng)切換到全透濾光片時(shí)，探測(cè)從400-1 000nm的波段范圍，即成像出單色（Monochrome）的RGB+NIR照片。

利用樹(shù)莓派3B+（Raspberry Pi Foundation）單片機(jī)對(duì)海康威視提供的SDK開(kāi)發(fā)包二次開(kāi)發(fā)，可以根據(jù)研究者需要的拍攝頻率實(shí)現(xiàn)對(duì)其IR-CUT的自由、自動(dòng)切換，控制拍攝，并通過(guò)FTP將圖片上傳到指定網(wǎng)絡(luò)服務(wù)器。

2.2 站點(diǎn)信息

觀測(cè)點(diǎn)位于江蘇省無(wú)錫市中關(guān)村科技創(chuàng)新園園區(qū)內(nèi)（31.460 3°N，120.420 6°E）。兩臺(tái)網(wǎng)絡(luò)數(shù)字相機(jī)固定在園區(qū)內(nèi)江蘇天諾基業(yè)生態(tài)科技有限公司4樓的戶(hù)外陽(yáng)臺(tái)的2m三角支架上，約距地12m，上下平行安裝，分別為?？低暤腄S-2CD3T56（D）WD-I3相機(jī)和StarDot的NetCam SC IR 相機(jī)（以下分別簡(jiǎn)稱(chēng)為Hik相機(jī)和SD相機(jī)），統(tǒng)一朝東南方向，水平向下傾斜5°，面向一塊人工種植的油菜田，天空和地面分別約占20%和80%。

兩款相機(jī)各自通過(guò)不同的方式實(shí)現(xiàn)RGB彩色照片和RGB+NIR波段單色照片的連續(xù)拍攝。NetCam SC IR相機(jī)采用美國(guó)PhenoCam物候相機(jī)觀測(cè)網(wǎng)提供的開(kāi)源工具箱（http：//phenocam.sr.unh.edu/webcam/tools/），通過(guò)更新相機(jī)內(nèi)部運(yùn)行腳本的方式實(shí)現(xiàn)對(duì)IR-CUT的切換，切換間隔30s。?？迪鄼C(jī)則通過(guò)其提供的開(kāi)源SDK開(kāi)發(fā)包，利用單片機(jī)對(duì)相機(jī)發(fā)送控制指令來(lái)實(shí)現(xiàn)對(duì)IR-CUT的切換，切換間隔10s。兩臺(tái)相機(jī)都通過(guò)網(wǎng)口連接到一臺(tái)用SIM卡上網(wǎng)的4G無(wú)線路由器上，從7∶00-19∶00，以30min的周期上傳至在中國(guó)電信天翼云搭建的云服務(wù)器上（http：//www.phenocam.cn）。

2.3 數(shù)據(jù)處理方法

2.3.1 相機(jī)信息提取

在RGB彩色照片中選擇油菜花田為感興趣的區(qū)域（Range Of Interest，ROI），從中提取出RGB的亮度信息RDN、GDN、BDN。對(duì)單色照片（RGB+NIR）應(yīng)用相同的ROI，從中提取出RGB+NIR的亮度信息MDN，其可拆分為可見(jiàn)光單色亮度（VDN）和近紅外光單色亮度（NIRDN）兩個(gè)部分，見(jiàn)公式（1）。如果彩色照片和單色照片拍攝時(shí)采用的曝光度相同，則同一時(shí)空尺度的RGB亮度信息可以轉(zhuǎn)化為可見(jiàn)光單色亮度[19，22]，見(jiàn)公式（2）。

（1）

（2）

從此，得到ROI內(nèi)近紅外光的亮度值：

（3）

海康威視相機(jī)（Hik）間隔極短的時(shí)間采用固定曝光度進(jìn)行彩色和單色照片的拍攝，可以直接利用公式（1）、（2）、（3）進(jìn)行亮度信息的提取。

StarDot相機(jī)（SD）內(nèi)部運(yùn)行的腳本參考美國(guó)PhenoCam物候相機(jī)觀測(cè)網(wǎng)絡(luò)現(xiàn)行標(biāo)準(zhǔn)，為增強(qiáng)照片拍攝時(shí)成像的清晰度，前后兩張照片拍攝采用不同的曝光度。彩色照片曝光度用Ecolor表示，單色照片曝光度寫(xiě)作Emono，從照片拍攝時(shí)伴隨自動(dòng)生成的.META文件中提取得到。根據(jù)SD廠家提供的曝光度修正方案對(duì)成像亮度做公式（4）-（9）的修正[19]，將前后兩張照片的亮度調(diào)整到同一曝光度，其中后綴_EC表示曝光度修正（Exposure Correction）。

（4）

（5）

（6）

（7）

（8）

（9）

2.3.2 植被物候指標(biāo)計(jì)算

通過(guò)4通道成像相機(jī)可以提取的植被物候指標(biāo)包括：NDVI（Normalized Difference Vegetation Index）為歸一化植被指數(shù)、EXG（Green Excess Index）為絕對(duì)綠度指、GCC（Green Chromatic Coordinate）為相對(duì)綠度指數(shù)、EVI（Enhanced Vegetation Index）為增強(qiáng)型植被指數(shù)，等等[23-25]。

Hik觀測(cè)的物候指標(biāo)從公式（10）-（13）計(jì)算得到，

（10）

（11）

（12）

（13）

SD觀測(cè)的物候指標(biāo)計(jì)算同公式（10）-（13），但輸入?yún)?shù)均為經(jīng)過(guò)曝光修正的值，即：

（14）

（15）

（16）

（17）

本研究直接利用云服務(wù)器上在線生成的兩款相機(jī)的NDVI、GCC、EXG、EVI（http：//www.phenocam.cn/download/software）作為基礎(chǔ)數(shù)據(jù)集進(jìn)行采集分析。從相機(jī)中提取的數(shù)據(jù)會(huì)受亮度、云量、照明幾何等的影響導(dǎo)致30min尺度的時(shí)間序列數(shù)據(jù)存在很大波動(dòng)。為消除數(shù)據(jù)噪聲，選取每天從10∶00-14∶00的數(shù)據(jù)為子數(shù)據(jù)集，并以求90%分位數(shù)的方式得到表示日尺度的物候指標(biāo)[26]。

2.3.3 生長(zhǎng)節(jié)律提取

利用TIMESAT3.3程序包（http：//www.nateko.lu.se/TIMESAT）中的D-L擬合方法擬合各物候指標(biāo)時(shí)間序列，并從中提取出油菜的生長(zhǎng)節(jié)律關(guān)鍵期。

利用TIMESAT3.3程序包根據(jù)擬合曲線判定植被生長(zhǎng)關(guān)鍵期時(shí)，需要輸入生長(zhǎng)季開(kāi)始（SS）與結(jié)束（SE）的判定參數(shù)，兩個(gè)參數(shù)的可調(diào)節(jié)范圍都在0-0.65之間[27]，不同的設(shè)定值會(huì)對(duì)關(guān)鍵期的提取產(chǎn)生較大影響，因此需要根據(jù)曲線的變化趨勢(shì)來(lái)人工調(diào)節(jié)并設(shè)定參數(shù)。本文SS的選取標(biāo)準(zhǔn)為曲線從平穩(wěn)到開(kāi)始上升的拐點(diǎn)，GCC-SD（SD的GCC指數(shù)）的SE對(duì)應(yīng)曲線從下降到開(kāi)始平穩(wěn)的拐點(diǎn)[14]，其他物候指數(shù)到收割日為止均為下降趨勢(shì)，故人為調(diào)節(jié)參數(shù)SE，致EOS接近收割日，即自觀測(cè)日起的第180d。具體設(shè)定值及生成結(jié)果見(jiàn)表2。

3 結(jié)果分析

3.1 數(shù)碼照片時(shí)序

觀測(cè)期間兩款相機(jī)運(yùn)行穩(wěn)定，獲取了從2019年11月15日-2020年5月15日共計(jì)180d的RGB及RGB+NIR照片（圖2）。圖中可辨識(shí)出零星出苗的照片為2019年12月12日，可辨識(shí)的開(kāi)始開(kāi)花日期為次年的 3月1日，苗期和蕾薹期共持續(xù)了約108d。在第129d，即3月22日前后達(dá)到開(kāi)花最旺盛的時(shí)期，至5月11日角果完全發(fā)育成熟，整個(gè)生長(zhǎng)季約153d。

3.2 相機(jī)物候指標(biāo)分析

植被物候指標(biāo)的時(shí)間序列數(shù)據(jù)可以反映作物的生長(zhǎng)發(fā)育周期，波動(dòng)代表了生長(zhǎng)周期內(nèi)的成長(zhǎng)與衰敗，通常波峰對(duì)應(yīng)作物的生長(zhǎng)發(fā)育旺盛期，如抽穗期，波谷一般對(duì)應(yīng)作物枯黃完熟期。雖然物候相機(jī)提取的指標(biāo)因光譜譜段及帶寬與指標(biāo)定義的光譜譜段及帶寬稍有差異，其絕對(duì)值需要根據(jù)更準(zhǔn)確地光譜信息進(jìn)行標(biāo)定才可以獲得，但根據(jù)所提取指標(biāo)的特征曲線，仍然可從中得到作物生長(zhǎng)的關(guān)鍵期，即生長(zhǎng)季開(kāi)始期（SOS），生長(zhǎng)季結(jié)束期（EOS），生長(zhǎng)季最大值（MOE）及生長(zhǎng)季長(zhǎng)度（LOS）。

物候指標(biāo)中NDVI、GCC、EXG均展示出生命周期動(dòng)態(tài)特征（圖3），但是EVI卻無(wú)法展示生命周期動(dòng)態(tài)特征?？梢钥吹?，SD的EVI在整個(gè)油菜的生長(zhǎng)過(guò)程中近乎為一條水平線，Hik的EVI僅在油菜的枯黃期存在一個(gè)峰值，均不能反映油菜生育節(jié)律，該結(jié)果與董奎 2015年從銀杏、水杉的數(shù)碼照片中提取的EVI信息結(jié)果一致。其中，兩相機(jī)的NDVI指標(biāo)測(cè)量值和經(jīng)過(guò)TIMESAT3.3擬合的曲線均分別表現(xiàn)出相同的動(dòng)態(tài)趨勢(shì)（圖3，a），但測(cè)量值與擬合曲線之間的動(dòng)態(tài)趨勢(shì)存在明顯差異，測(cè)量值在3月上旬原始測(cè)量值達(dá)到最大，隨后陡降至谷底，下旬又逐漸上升，4月上旬到達(dá)一個(gè)次峰，這個(gè)時(shí)期恰是油菜的花期，即兩款相機(jī)在油菜的花期提取的NDVI均為倒峰，其中盛花期對(duì)應(yīng)波谷位置，該結(jié)果與Shen M（2010）等研究的結(jié)果一致，即NDVI隨著植被黃花蓋度增加線性下降[28]。而通過(guò)D-L擬合的曲線直接平滑了黃花對(duì)測(cè)量值的影響，該平滑雖然不影響對(duì)SOS，EOS，LOS的影響，但可能會(huì)影響MOE。

對(duì)于提取的GCC和EXG測(cè)量值，在花期兩款相機(jī)表現(xiàn)出了不一致的變化趨勢(shì)。其中Hik表現(xiàn)為GCC在3月上旬達(dá)到峰值，EXG于3月下旬達(dá)到峰值，兩者反映出的生物量最大值時(shí)刻差異約15d（圖3，b），兩指數(shù)的D-L曲線為較一致的單峰形態(tài)，最大值出現(xiàn)時(shí)刻差約7d（表2），第一年12月底開(kāi)始單調(diào)上升，次年3月中旬前后達(dá)到最大值，后單調(diào)下降，分別對(duì)應(yīng)油菜從出苗、結(jié)實(shí)直到成熟收獲的過(guò)程。SD的數(shù)據(jù)與Hik的數(shù)據(jù)有所區(qū)別，GCC與EXG的變化趨勢(shì)整體上同NDVI，為雙峰形趨勢(shì)。在花期，兩者變化趨勢(shì)一致，且與NDVI測(cè)量拐點(diǎn)的出現(xiàn)日期一致（圖3，c）。但在角果成熟期，GCC急速下降，而EXG下降相對(duì)緩慢，這導(dǎo)致GCC的D-L曲線峰值出現(xiàn)日期及下降趨勢(shì)結(jié)束日期大大被提前，且整個(gè)生長(zhǎng)季被縮短。EXG的D-L曲線在角果成熟期也保持了與NDVI指數(shù)相似的變化趨勢(shì)。

3.3 生長(zhǎng)關(guān)鍵期提取的分析

通過(guò)照片目測(cè)的生長(zhǎng)季長(zhǎng)度（LOS）為153d，這與從兩款相機(jī)的NDVI中提取的信息一致，見(jiàn)表2。而從EXG-Hik中提取的LOS值存在低估（6d），EXG-SD提取值被高估（5d）。從GCC-SD中提取的EOS和MOE明顯提前，分別提前了30d和約20d，且生長(zhǎng)季長(zhǎng)度被嚴(yán)重低估，僅129d。從其他指標(biāo)提取出的生長(zhǎng)季開(kāi)始日期（SOS）和生長(zhǎng)季最大值日期（MOE）有一定差異，其中GCC-Hik與EXG-SD的MOE相等，同時(shí)也是計(jì)算出的最早MOE，最晚的MOE來(lái)自EXG-Hik，而從NDVI提取的MOE介于中間。對(duì)SOS而言，分別從兩款相機(jī)各自的GCC和EXG提取出的SOS更為接近，即GCC-Hik與EXG-Hik的SOS相差3d，GCC-SD與EXG-SD的SOS相差1d。兩款相機(jī)間通過(guò)GCC和EXG提取的SOS差異較大（約10d）。同樣，從NDVI中提取的SOS介于兩者之間。所有的MOE均小于人工觀測(cè)的盛花期（第129d），這可能是因?yàn)橛筒它S花所反饋的光譜信息不能很好地表征最大生物量。

4 討論

兩款相機(jī)的GCC與EXG差異主要體現(xiàn)在花期。從花期的照片可以發(fā)現(xiàn)一些成像上的差異，Hik拍攝的油菜開(kāi)花照片呈現(xiàn)黃色（圖2，i），而SD拍攝的照片呈現(xiàn)白色（圖2，j）?？赡艿脑蚴菫榉厦绹?guó)物候網(wǎng)的觀測(cè)規(guī)范，SD相機(jī)的白平衡被人為固定為R 385，G 256，B 330，拍攝黃花時(shí)會(huì)明顯發(fā)白。而Hik采用的是在晴朗白天自動(dòng)白平衡狀態(tài)下的鎖定功能，故雖依然是固定白平衡，但對(duì)彩色識(shí)別更真實(shí)，開(kāi)黃花時(shí)紅、綠光的亮度較藍(lán)光有顯著增加（圖4，Hik）。通過(guò)公式（10）、（11）、（14）、（15）不難發(fā)現(xiàn)，GCC與EXG的值實(shí)際上取決于圖像中的R，G，B比例。根據(jù)常識(shí)，在RGB彩色模式下，純黃光由紅光和綠光等比例合成，而純白光是由紅光、綠光和藍(lán)光等比例合成。故當(dāng)照片由真實(shí)的黃色轉(zhuǎn)為發(fā)白時(shí)，藍(lán)光的組成比例隨著紅、綠光一同增大（圖4，SD），GCC的分母項(xiàng)和EXG減數(shù)項(xiàng)分別被高估，導(dǎo)致指數(shù)被低估。

顯然SD的成像失真使得通過(guò)D-L擬合曲線從GCC中提取生長(zhǎng)關(guān)鍵節(jié)點(diǎn)嚴(yán)重偏離真實(shí)值，但對(duì)于EXG而言，SD的成像失真并沒(méi)有對(duì)生長(zhǎng)關(guān)鍵節(jié)點(diǎn)提取造成顯著影響。

同時(shí)，GCC-SD的信息提取偏離也只是發(fā)生在D-L方法曲線擬合中，從測(cè)量值的變化趨勢(shì)上依然可以清晰地發(fā)現(xiàn)各個(gè)生長(zhǎng)節(jié)點(diǎn)。因此，GCC-SD的生長(zhǎng)節(jié)點(diǎn)偏估與擬合算法的過(guò)度平滑有關(guān)，根據(jù)TIMESAT3.3的說(shuō)明書(shū)4.2節(jié)，該擬合算法更加適用于單峰形數(shù)據(jù)的關(guān)鍵期提取（Eklundh，L.et al.，2017）。

本文主要探討的是海康威視相機(jī)在物候中應(yīng)用的可行性，并不是針對(duì)物候觀測(cè)理論的研究，故分析中不涉及對(duì)理論的深入探討，比如照片中選擇的ROI為矩形框（圖2），對(duì)應(yīng)的實(shí)際觀測(cè)區(qū)域?yàn)椴灰?guī)則四邊形（圖1），采用一定的圖像投影算法可能會(huì)提高觀測(cè)精度;再比如，出于場(chǎng)地協(xié)調(diào)、設(shè)備安全及日常運(yùn)維方便等多方考慮，兩款相機(jī)的安裝并未完全依照美國(guó)物候網(wǎng)的建議標(biāo)準(zhǔn)安裝，而是面朝東偏南架設(shè)到了4樓陽(yáng)臺(tái)，這也會(huì)對(duì)分析結(jié)果產(chǎn)生一定的影響，等等。此處僅簡(jiǎn)單認(rèn)為兩款相機(jī)在相同的安裝、視角、環(huán)境情況下，選定相同的ROI區(qū)域時(shí)，觀測(cè)的對(duì)象應(yīng)當(dāng)是相同的，且結(jié)果具有可比性和一定的應(yīng)用指導(dǎo)意義。

本文提取的物候指標(biāo)為基于相機(jī)的物候指標(biāo)，與衛(wèi)星遙感定義的物候指標(biāo)存在光譜段及帶寬不同導(dǎo)致的差異，要完成兩種物候指標(biāo)之間的對(duì)比，需要將相機(jī)物候指標(biāo)轉(zhuǎn)化為衛(wèi)星遙感定義的物候指標(biāo)。幸運(yùn)的是，Anika R.Petach（2014）等利用一款具有4個(gè)窄帶通道的光譜傳感器并行測(cè)量的數(shù)據(jù)對(duì)基于SD相機(jī)的物候指標(biāo)做了修正，并指出通過(guò)校正后的SD相機(jī)物候指標(biāo)與光譜觀測(cè)得到的指標(biāo)具有良好的相關(guān)性（r=0.99）。分析兩款相機(jī)間的物候指標(biāo)差異對(duì)物候觀測(cè)應(yīng)用具有普適的、可廣泛比較的指導(dǎo)價(jià)值。

5 結(jié)論

本文從一款性?xún)r(jià)比更高的民用相機(jī)（海康威視）的數(shù)碼照片中提取了物候指標(biāo)及生長(zhǎng)節(jié)律關(guān)鍵期，并與從美國(guó)物候網(wǎng)推薦使用科研用物候相機(jī)（StarDot）的數(shù)碼照片中提取的各指標(biāo)及節(jié)點(diǎn)做了對(duì)比分析：

（1）兩款相機(jī)通過(guò)計(jì)算處理均可實(shí)現(xiàn)對(duì)NDVI、GCC、EXG、EVI等物候指數(shù)的提取和計(jì)算。

（2）兩者均可將照片及描述照片信息的.META文件存儲(chǔ)到網(wǎng)絡(luò)云服務(wù)器中，實(shí)現(xiàn)植被物候指標(biāo)的實(shí)時(shí)提取和動(dòng)態(tài)展示，具備了在大尺度上組網(wǎng)觀測(cè)的功能。

（3）Hik相機(jī)（國(guó)產(chǎn)）相比SD相機(jī)（美國(guó)）的分辨率更高，成本更低廉。

（4）通過(guò)對(duì)比分析，可以看到，首先兩者的NDVI測(cè)量值最為一致，不僅可以反映出油菜的生長(zhǎng)季開(kāi)始、結(jié)束期日，還可以明確地指示出始花、盛花以及花謝的時(shí)間節(jié)點(diǎn);其次兩者的GCC和EXG測(cè)量值，因油菜的黃花覆被及各自白平衡設(shè)置不同表現(xiàn)出了不同的變化趨勢(shì)，尤其對(duì)花期的響應(yīng)不同，SD表現(xiàn)出倒峰，而Hik呈現(xiàn)正峰。最后兩者的EVI指數(shù)均無(wú)法反映出油菜的生長(zhǎng)節(jié)律。

綜上，Hik相機(jī)性?xún)r(jià)比高，具備物候監(jiān)測(cè)的所有必要條件，適合在中國(guó)的物候監(jiān)測(cè)應(yīng)用中推廣使用。

參考文獻(xiàn)

[1] 王連喜，陳懷亮，李琪，等.植物物候與氣候研究進(jìn)展[J].生態(tài)學(xué)報(bào)，2010，30（2）：447-454.

[2] 韓小梅，申雙和.物候模型研究進(jìn)展[J].生態(tài)學(xué)雜志，2008，27（1）：89-95.

[3] 周磊，何洪林，孫曉敏，等.基于數(shù)字相機(jī)的冬小麥物候和碳交換監(jiān)測(cè)[J].生態(tài)學(xué)報(bào)，2012，32（16）：5146-5153.

[4] 常清，王思遠(yuǎn)，孫云曉，等.青藏高原典型植被生長(zhǎng)季遙感模型提取分析[J].地球信息科學(xué)學(xué)報(bào)，2014（5）：815-823.

[5] 張峰，周廣勝，王玉輝.內(nèi)蒙古克氏針茅草原植物物候及其與氣候因子關(guān)系[J].植物生態(tài)學(xué)報(bào)，2008，32（6）：1312-1322.

[6] Andrew D.Richardson，Bobby H.Braswell，David Y.Hollinger，et al. Near-surface remote sensing of spatial and temporal variation in canopy phenology[J].Ecological Applications，2009，19（6）：1417-1428.

[7] 裴順祥，郭泉水，辛學(xué)兵，等.國(guó)外植物物候?qū)夂蜃兓憫?yīng)的研究進(jìn)展[J].世界林業(yè)研究，2009，22（6）：31-37.

[8] 李榮平，周廣勝，張慧玲.植物物候研究進(jìn)展[J].應(yīng)用生態(tài)學(xué)報(bào)，2006（3）：3541-3544.

[9] 王宏，李曉兵，鶯歌，等.基于NOAA NDVI的植被生長(zhǎng)季模擬方法研究[J].地理科學(xué)進(jìn)展，2006，25（6）：21-32.

[10] 李明，吳正方，杜海波，等.基于遙感方法的長(zhǎng)白山地區(qū)植被物候期變化趨勢(shì)研究[J].地理科學(xué)，2011，31（10）：1242-1248.

[11] 衛(wèi)煒，吳文斌，李正國(guó)，等.時(shí)間序列植被指數(shù)重構(gòu)方法比對(duì)研究[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2014，35（1）：34-43.

[12] 宋春橋，柯靈紅，游松財(cái)，等.基于TIMESAT的3種時(shí)序NDVI擬合方法比較研究——以藏北草地為例[J].遙感技術(shù)與應(yīng)用，2011，26（2）：147-155.

[13] 樊輝.融合QA-SDS的MODIS NDVI時(shí)序數(shù)據(jù)重構(gòu)[J].遙感技術(shù)與應(yīng)用，2013，28（1）：90-96.

[14] KLOSTERMAN S，HUFKENS K，GRAY J，et al.Evaluating remote sensing of deciduous forest phenology at multiple spatial scales using PhenoCam imagery[J].Biogeosciences，2014，11.DOI：10.5194/bg-11-4305-2014.

[15] Andrew D.Richardson，Julian P.Jenkins，Bobby H.Braswell，et al.Use of digital webcam images to track spring green-up in a deciduous broadleaf forest[J].Oecologia，2007，152（2）：323-334.

[16] YUKE Z.Greenness Index from Phenocams Performs Well in Linking Climatic Factors and Monitoring Grass Phenology in a Temperate Prairie Ecosystem[J].Journal of Resources and Ecology，2019，10：481-493.

[17] 宋清潔，崔霞，張瑤瑤，等.基于小型無(wú)人機(jī)與MODIS數(shù)據(jù)的草地植被覆蓋度研究——以甘南州為例[J].草業(yè)科學(xué)，2017，34（1）：40-50.

[18] 葛靜，孟寶平，楊淑霞，等.基于UAV技術(shù)和MODIS遙感數(shù)據(jù)的高寒草地蓋度動(dòng)態(tài)變化監(jiān)測(cè)研究——以黃河源東部地區(qū)為例[J].草業(yè)學(xué)報(bào)，2017，26（3）：1-12.

[19] Anika R.Petach，Michael Toomey，Donald M.Aubrecht，et al.Monitoring vegetation phenology using an infrared-enabled security camera[J].Agricultural and Forest Meteorology，2014，s 195-196：143-151.

[20] 翟佳，袁鳳輝，吳家兵.植物物候變化研究進(jìn)展[J].生態(tài)學(xué)雜志，2015，34（11）：3237-3243.

[21] Andrew D.Richardson，Bobby H.Braswell，David Y.Hollinger，et al.Near-surface remote sensing of spatial and temporal variation in canopy phenology[J].Ecological Applications 2009，19（6）：1417-1428.

[22] MATLAB.9.7.0.1190202（R2019b）[M].Natick，Massachusetts：The MathWorks Inc.，2018.

[23] ROUSE J，HAAS R，SCHELL J，et al.Monitoring Vegetation Systems in the Great Plains with ERTS[J].NASA Special Publication，1974，1.

[24] GILLESPIE A R，KAHLE A B，WALKER R E.Color enhancement of highly correlated images.II-Channel ratio and chromaticity transformation techniques[J].Remote Sensing of Environment，1987，22（3）：343-365.

[25] WOEBBECKE D M，MEYER G E，VON BARGEN V K，et al.Color indices for weed identification under various soil，residue，and lighting conditions[J].Transactions of the ASABE，1995，38（1）：259-269.

[26] RICHARDSON A D，HOLLINGER D Y，DAIL D B，et al.Influence of spring phenology on seasonal and annual carbon balance in two contrasting New England forests[J].Tree Physiology，2009，29（3）：321-31.

[27] Eklundh，L.，and J?nsson，P.，2017，TIMESAT 3.3 with seasonal trend decomposition and parallel processing - Software Manual.Lund University，92 pp.

[28] Miaogen Shen，Jin Chen，Xiaolin Zhu，et al.Do flowers affect biomass estimate accuracy from ndvi and evi？[J].Int J Remote Sens，2010，31（8）：2139-2149.