森林物候在低成本定時拍攝相機監(jiān)測的差異性研究

李想,馬立軍,李穎池,陳峰

(1.臺州學院 藝術與設計學院,浙江 臺州 318000;2.西豐縣農(nóng)業(yè)發(fā)展服務中心,遼寧 鐵嶺 112499;3.北京華益瑞科技有限公司,北京 100043)

0 引言

森林是水庫、錢庫、糧庫、碳庫[1]。森林物候作為全球氣候變化的“診斷指紋”,影響生物圈與大氣之間的交互作用,從而影響地表反射率、碳水通量和養(yǎng)分循環(huán)過程[2-3]。由于物候同時也是陸面模式和植被生產(chǎn)力模型的重要參數(shù)[4],因此長期、連續(xù)、精確監(jiān)測物候變化不僅有助于理解植被對氣候變化的響應和反饋,對準確評估植被生產(chǎn)力和全球碳收支同樣具有重要意義[5]。

目前有多種方法能夠在不同的時空尺度上觀測森林物候[6-7]。作為衛(wèi)星遙感和地面觀測的橋梁,近地遙感以其高時間分辨率和空間尺度適中的優(yōu)點成為長期連續(xù)監(jiān)測森林物候的重要手段[6],也是渦動協(xié)方差碳水通量觀測的重要輔助設備[6]。在近地遙感物候觀測技術中,數(shù)碼相機作為應用最為廣泛[8],且是唯一能夠同時監(jiān)測森林樹種和冠層尺度物候的方法[9],已逐漸實現(xiàn)了全球物候聯(lián)網(wǎng)觀測和數(shù)據(jù)共享[7,9-11]。基于數(shù)碼相機的綠度指數(shù)已成為估算草地或農(nóng)作物地上生物量的重要參數(shù)[12]。對于單站點尺度觀測,白平衡模式設置是安裝物候相機必然要考慮的問題,早期很多站點均采用自動模式[13],后因自動模式易受天氣影響產(chǎn)生較大的噪聲,進而逐漸發(fā)展為晴天模式或其他固定模式[14]。迄今鮮有研究評估不同白平衡模式對物候觀測的影響[15]。Mizunuma等[16-17]通過野外和室內(nèi)控制試驗發(fā)現(xiàn)固定白平衡模式增大了NetCam顏色指數(shù)的振幅,且NetCam可能比Coolpix對白平衡更敏感[17]。目前的相關研究只評估了相機類型和白平衡對綠度指數(shù)絕對數(shù)值的影響,缺乏對綠度指數(shù)季節(jié)變化特征和關鍵物候期影響的評估。

對于區(qū)域或全球尺度的聯(lián)網(wǎng)觀測,各站點安裝的數(shù)碼相機類型不盡相同。例如,北美和歐洲大多數(shù)站點采用StarDot生產(chǎn)的網(wǎng)絡相機(NetCam)[14,18],日本物候網(wǎng)絡大部分安裝的是尼康(Nikon)生產(chǎn)的Coolpix系列相機[19],而澳大利亞物候網(wǎng)絡采用佳能(Canon)的單反相機(Powershot A810)[20-21]。這些相機配備了不同的圖像傳感器,導致采集的圖像在感光度、分辨率和存儲格式等方面均存在差異。由于數(shù)碼相機與輻射類傳感器(光譜儀和輻射表)不同,不屬于科學儀器,很多參數(shù)難以從廠家獲得[16],從而加大了交互對比的難度。目前在整合各站點物候數(shù)據(jù)時,通常沒有考慮由于相機類型的差異引入的不確定性[22]。對比哈佛森林站11 種不同類型的數(shù)碼相機發(fā)現(xiàn),秋季綠度指數(shù)在葉衰老初期差異較大,在后期基本一致[22],如果排除室內(nèi)網(wǎng)絡相機,其他相機間的差異可以忽略。尋找低成本且穩(wěn)定的相機監(jiān)測森林物候,有助于實現(xiàn)更大覆蓋面的物候聯(lián)網(wǎng)觀測,因此迫切需要比較不同類型相機的綠度指數(shù)季節(jié)變化和估計關鍵物候期的差異。大多數(shù)用于監(jiān)測野生動物的野外相機價格大多在600～5 000 元人民幣,遠低于應用最廣泛的NetCam相機(國內(nèi)代理商報價在20 000 元人民幣左右)。但此類相機的白平衡為自動模式,用戶無法自定義,因此尚未見利用此類相機用于監(jiān)測冠層物候的報道。此外,生活中最為普遍的智能手機也可以作為一臺數(shù)碼相機,相比數(shù)碼相機更為廉價且更為方便操作。例如,Hufkens等[23]利用智能手機監(jiān)測小麥物候和健康狀況。但智能手機的缺陷在于無法安裝在野外進行長期自動觀測,且智能手機與數(shù)碼相機觀測物候是否存在差異尚不清楚。

本研究以帽兒山站溫帶落葉林、東北林業(yè)大學校園水曲柳(Fraxinusmandshurica)和落葉松(Larixgmelinii)林為例,對比3種類型的數(shù)碼相機(即美國生產(chǎn)的NetCam、日本生產(chǎn)的Coolpix和中國生產(chǎn)的Ltl-5610)以及國產(chǎn)Ltl-5610和華為智能手機的顏色指數(shù)和關鍵物候期的差異,探究白平衡設置對物候觀測的影響,為建立中國物候相機觀測網(wǎng)絡提供技術參考。

1 材料與方法

1.1 研究區(qū)域概況

本研究的主要地點位于黑龍江省東北林業(yè)大學帽兒山森林生態(tài)站(45°24′N,127°40′E),平均海拔400 m。氣候屬大陸性季風氣候,夏季溫暖濕潤,冬季寒冷干燥,2008—2018年平均氣溫為2.0 ℃,平均年降水量為676 mm[24]。通量觀測塔位于西北坡向(296°)下坡位,塔周圍平均坡度為9°,塔高48 m[25-26]。通量風浪區(qū)內(nèi)植被為林齡約70年的溫帶落葉闊葉林,主林層高約20 m,喬木層平均胸高斷面積為24 m2/hm2,平均生物量密度為154 mg/hm2。主要喬木樹種有春榆(Ulmusjaponica)、水曲柳、白樺(Betulaplatyphylla)、楓樺(Betulacostata)、胡桃楸(Juglansmandshurica)、五角槭(Acermono)和大青楊(Populusussuriensis)等。林下植被以暴馬丁香(Syingareticulatavar.mandshurica)為主[27]。

另一個輔助研究地點在東北林業(yè)大學主樓西側后面的水曲柳和落葉松林。東北林業(yè)大學位于哈爾濱市香坊區(qū)內(nèi),哈爾濱氣候屬大陸性季風氣候,冬長夏短,1月平均氣溫-19 ℃,7月平均氣溫23 ℃。平均年降水量569 mm,降水主要集中在6—9月,降雪期為每年11月至次年1月。

1.2 圖像采集

2015年4月在通量塔48 m高度朝北向安裝1臺網(wǎng)絡相機(NetCam SC Camera, StarDot Technologies, USA),水平向下傾斜30°,白平衡設置為固定模式(平均亮度值:紅色R=385,綠色G=256,藍色B=330),曝光為自動模式。每小時采集1張冠層圖像,在當?shù)貢r間的整點時刻采集(北京時間半點時刻)。圖像傳感器為CMOS傳感器,存儲圖像為JPEG格式,分辨率為1 296×960。2016年8月在通量塔48 m高度朝北向分別安裝一臺國產(chǎn)定時拍照相機(Ltl-5610, LTL ACORN, China),水平向下30°,白平衡為自動模式,曝光為自動模式。圖像采集時間與NetCam同步,圖像傳感器為CMOS傳感器,存儲圖像為JPEG格式,分辨率為4 000×3 000。2018年由廠家將自動白平衡修改為晴天模式。由于Ltl-5610不能自動切換白平衡模式,而且相機無法標定,很難消除不同相機間的系統(tǒng)偏差,本研究利用同一臺相機的不同年份數(shù)據(jù)探討白平衡模式的影響。

2016年和2018年利用數(shù)碼相機(Coolpix L120, Nikon Corporation, Japan)在通量塔48 m手動采集冠層圖像。為保證每次采集圖像的位置和角度一致,朝北向固定1 個獨腳架和云臺,將云臺傾斜角分別設置為水平向下30°。植被展葉期和落葉期(5—6月,9—10月),每2～5 d采集一次;植被飽和期(7—8月),采集圖像頻率保持每7 d 1次。每次采集圖像時間為當?shù)貢r間11:30—12:00,避免陰天、大霧或雨天。白平衡設置為晴天模式,曝光為自動模式。圖像傳感器為CCD傳感器,存儲圖像為JPEG格式,分辨率為4 320×3 240。

2017年在東北林業(yè)大學校園內(nèi)主樓樓頂安裝一臺Ltl-5610相機,相機設置和圖像采集時間與帽兒山通量塔上的3 臺相機一致。另外,為了探討白平衡設置對冠層綠度指數(shù)和物候期估算的影響,正午用1 臺國產(chǎn)華為智能手機(Nova)自帶的拍照功能手動采集圖像,白平衡模式依次切換為晴天、陰天和自動模式,每5～10 d拍攝一次。圖像傳感器為CMOS傳感器,分辨率為4 032×3 016。由于Ltl-5610相機的春季圖像丟失,本研究僅對比Ltl-5610和華為手機觀測的秋季物候。

1.3 顏色指數(shù)提取和計算

為了消除不同相機視野的差異進而精確對比不同類型相機監(jiān)測物候的差異,從不同相機采集的圖像中選擇相同的“感興趣區(qū)域”(region of interest, ROI),提取每張圖像ROI內(nèi)所有像素的紅(R)、綠(G)、藍(B)3 個通道的平均亮度值(digital number , DN),如圖1所示。根據(jù)每張圖像的3 個通道DN值計算3 種顏色指數(shù),這3 種顏色指數(shù)分別為相對綠度指數(shù)(green chromatic coordinate, GCC,式中用GCC表示)、絕對綠度指數(shù)(green excess index, GEI,式中用GEI表示)、相對紅度指數(shù)(red chromatic coordinate, RCC,式中用RCC表示)。由于不同相機顏色指數(shù)的絕對數(shù)值存在較大差異,本研究將所有顏色指數(shù)進行了標準化處理。手動相機均在晴天采集圖像,沒有再對顏色指數(shù)的時間序列進行濾波。

矩形內(nèi)區(qū)域為用于計算冠層顏色指數(shù)的“感興趣區(qū)域”The rectangle region is the ‘region of interest’ for calculating canopy color index圖1 帽兒山站通量塔3 種類型數(shù)碼相機采集的冠層圖像(2018年6月22 日11:30采集) Fig.1 Canopy images captured by three types of digital camera on the eddy flux tower at Maoershan site (11:30 on June 22, 2018)

(1)

GEI=2×G-R-B。

(2)

(3)

(4)

式中:R、G、B分別表示紅、綠、藍3 個通道DN值;GCC、GEI和RCC為相對綠度指數(shù)、絕對綠度指數(shù)和相對紅度指數(shù);CI為顏色指數(shù);CINOR為標準化顏色指數(shù);CIMAX和CIMIN分別為顏色指數(shù)季節(jié)變化的最大值和最小值。

1.4 物候期提取

對于相對綠度指數(shù)GCC和絕對綠度指數(shù)GEI,利用邏輯斯蒂模型(式(5))模擬綠度指數(shù)春季變化曲線,將曲率(式(6))變化速率的3 個極值點分別定義為展葉開始SOS、展葉高峰MOS和展葉結束POS,分別接近于綠度指數(shù)振幅的10%、50%和90%[28-29],如圖2所示。秋季變化曲線擬合和物候期(葉衰老開始SOF、落葉高峰MOF和落葉結束EOF)提取與春季同理。根據(jù)MOS到MOF以及SOS到EOF的持續(xù)時間計算2 種生長季長度(length of season, LOS1和LOS2)。RCC秋季變色高峰日(peak of color, POC)定義為秋季最大值出現(xiàn)的時間[30]。

SOS為展葉開始,MOS為展葉高峰,POS為展葉結束。SOS is start of spring, MOS is middle of spring, POS is peak of spring.圖2 關鍵物候期的定義方法(以2018年NetCam的春季相對綠度指數(shù)為例)Fig.2 Method for defining key phenophases (using green chromatic coordinate measured withNetCam in the spring in 2018 as an example)

(5)

(6)

式中:f(t)為擬合曲線;a為綠度指數(shù)的春季最小值或秋季最大值;b為振幅;c和d分別為控制曲線的拐點和變化速率;K為擬合曲線的曲率;f′(t)和f″(t)分別為f(t)的一階和二階導數(shù)。

1.5 統(tǒng)計分析

利用Spearman相關分析評估不同相機顏色指數(shù)時間序列的同步性[31]。綠度指數(shù)(GCC和GEI)物候期的不確定性用估計值的95%置信區(qū)間評估?；贜etCam和Ltl5610的RCC物候期的不確定性定義為濾波后的時間間隔3 d,而基于Nikon的RCC物候期不確定性定義為圖像采集的時間間隔5 d。以通量塔數(shù)碼相機視野內(nèi)20 m × 30 m的固定樣地定期收集的凋落葉秋季物候為參考,評估數(shù)碼相機精度。春季物候的地面測量只能人工觀測,對于樹種組成復雜的天然林,很難準確判斷關鍵物候期,因而本研究春季物候沒有地面參考值。GCC和GEI估計的3 個物候期與凋落葉相同的物候參數(shù)進行比較,RCC估計的POC與凋落葉的MOF進行比較。本研究統(tǒng)計分析由SPSS19.0完成,作圖由Sigmaplot12.5完成。

2 結果與分析

2.1 數(shù)碼相機與凋落葉秋季物候對比

2016年和2018年3 種相機GCC和GEI與秋季凋落葉動態(tài)顯著相關(Spearman相關系數(shù)>0.90),但RCC與凋落葉的相關性較弱,且2016年NetCam和2018年Coolpix的RCC與凋落葉相關性不顯著,如圖3所示。2016年和2018年冠層在9月1 日和6 日開始凋落,9月26 日和25 日達到凋落高峰,10月21 日和15 日凋落完畢。對比3 類相機顏色指數(shù)與凋落葉物候期,除2018年GEI與凋落葉估計的SOF明顯晚17 d之外(表1),GCC和GEI秋季物候與凋落葉物候差異均不顯著,但2種綠度指數(shù)與凋落葉的SOF和MOF的差異較大(1～17 d)。Ltl5610和Coolpix的RCC估計的秋季變色高峰與凋落葉MOF差異顯著(6～31 d)。

表1 3種相機與凋落葉法估計的秋季物候對比Tab.1 Comparisons of autumn phenophases estimated by three cameras versus by leaf litter

R為Spearman相關系數(shù),N、C和L分別表示NetCam、Coolpix和Ltl-5610、A litterfall。F、S、A和Lf分別表示固定白平衡、晴天模式、自動模式和凋落物,下同。R is the Spearman's rank correlation coefficient, N, C, and L represent NetCam, Coolpix, and Ltl-5610. F, S, A and Lf represent fixed, sunny, automatic white balance mode, respectively, and lifferfall,the same as below.圖3 帽兒山站不同類型相機以及白平衡模式的標準化顏色指數(shù)季節(jié)變化Fig.3 Seasonal variation in standard color index derived by different types of camera with different white balance modes at Maoershan site

2.2 白平衡模式設置對估計秋季物候的影響

華為手機晴天模式GCC和GEI估計的2017年東北林業(yè)大學校園內(nèi)落葉松和水曲柳林在9月25 日或26 日開始凋落,10月5 日或6 日達到凋落高峰,10月15 日或16 日凋落完畢;RCC估計的變色高峰在10月15 日。對比3 種白平衡模式,SOF、MOF和EOF差異均不顯著(<5 d),MOF差異最小且最為穩(wěn)定,見表2。但晴天模式比陰天和自動模式物候期估計值的不確定性略小。

表2 華為智能手機3種白平衡模式下估計的秋季物候期對比Tab.2 Comparisons of autumn phenophases estimated by Huawei smartphone between three white balance modes

2.3 不同類型數(shù)碼相機對比

2018年3 類相機的綠度指數(shù)全年變化趨勢基本一致(Spearman相關系數(shù)>0.95),但不同階段的變化略有差異,春季和衰老中后期差異較小,夏季和衰老初期差異較大(圖3)。2017年晴天模式的Ltl-5610相機與智能手機的秋季綠度指數(shù)顯著相關(Spearman相關系數(shù)>0.88),衰老初期差異較大,衰老末期基本一致,如圖4所示。

L和M分別為Ltl-5610相機和華為智能手機。L and M are Ltl-5610 camera and Huawei smartphone.圖4 2017年秋季東北林業(yè)大學校園內(nèi)標準化冠層綠度指數(shù)季節(jié)變化Fig.4 Seasonal courses of standard canopy greenness index in Northeast Forestry University in the autumn in 2017

由表3可知,3 類相機估計的6 個關鍵物候期和2 種LOS大體一致,春季物候差異相對穩(wěn)定,而秋季SOF和EOF波動較大。MOS和MOF的不確定性最小,3類相機間分別相差0～4 d和1～7 d;但NetCam估計的SOF比Coolpix和Ltl-5610的估計值早11～16 d。Ltl-5610與華為手機估計的秋季物候期差異不顯著(0～7 d),見表4。

表3 基于3種類型數(shù)碼相機顏色指數(shù)估計的物候期對比Tab.3 Comparisons of phenophases estimated by greenness indices of three types of digital camera

表4 基于Ltl-5610相機與智能手機的秋季物候期對比Tab.4 Comparisons of autumn phenophases between Ltl-5610 and smartphone

3 討論

3.1 白平衡和相機類型對森林物候觀測的影響

對于單站點尺度的長期觀測,白平衡模式的改變影響圖像質量,可能會改變顏色指數(shù),進而影響關鍵物候期估計[17]。本研究對比同一部智能手機采集的3 種白平衡模式圖像,發(fā)現(xiàn)秋季物候期非常接近(表2),表明白平衡對3 種顏色指數(shù)的物候提取影響不大,但自動模式可能容易受天氣影響,導致物候估計的不確定性較大。Mizunuma等[17]也發(fā)現(xiàn)Coolpix相機受白平衡影響很小,但固定模式增大了NetCam顏色指數(shù)的振幅。因此,本研究仍然建議采用固定或晴天模式。

區(qū)域或全球尺度的聯(lián)網(wǎng)觀測需要選擇相機類型。不同類型相機的綠度指數(shù)(GCC和GEI)季節(jié)變化基本一致,且不同相機間物候期差異不顯著(表3)。與此類似,排除室內(nèi)網(wǎng)絡相機,哈佛森林站不同相機間物候期僅相差1～2 d[22];Richardson等[9]對比Axis 211和NetCam,發(fā)現(xiàn)2 種相機GCC季節(jié)變化高度一致(R2=0.98),且50%閾值定義的春季和秋季物候期差異均在3 d以內(nèi)。具體來看,不同相機綠度指數(shù)在夏季和葉衰老初期差異較大,秋季落葉過程中差異逐漸減小(圖3),與Sonnentag等[22]的研究結果相同。一方面,焦距、光圈大小和視場角等導致不同相機的景深和圖像分辨率等存在差異;另一方面,感光度的差異可能導致不同類型相機對冠層動態(tài)(含水率、葉厚和葉變色等)的敏感度存在差異[32]。如果要精確對比圖像傳感器的光響應能力,需要在室內(nèi)標準光源下做光譜響應曲線[9]。另外,NetCam的固定白平衡設置減少了藍光波段的波動(數(shù)據(jù)未給出),紅光和綠光的比例相對增加使得NetCam對色素變化更敏感,可能也是NetCam估計的SOF比其他2 類相機早11～16 d的原因。

不同顏色指數(shù)對相機類型和白平衡的響應不同。GCC和GEI的季節(jié)變化和物候期差異很小,且對相機類型和白平衡的響應相同。數(shù)碼相機GCC和GEI估計的MOF與凋落葉接近,但SOF比凋落葉晚1～17 d,可能是綠度指數(shù)對早期的落葉不敏感。而數(shù)碼相機EOF比凋落葉早4～11 d,當冠層葉片葉綠素完全分解,相機綠度指數(shù)降到最低,葉片卻沒有凋落完畢。NetCam和Coolpix相機的RCC變色高峰日比葉凋落高峰略早,可能是凋落過程中冠層保留的大部分是綠葉,當所有葉片變色時,大部分葉片已經(jīng)凋落。值得注意的是,Ltl-5610相機RCC的季節(jié)動態(tài)與其他相機存在顯著差異,而且變色高峰日比其他相機和凋落葉高峰日晚得多。這預示廉價的自動相機可能不適合用RCC來估計秋季物候,不過需要大量其他類型的廉價相機來驗證。Liu等[30]發(fā)現(xiàn)RCC的變色高峰日比冠層LAI估計的EOF早,與本研究結果RCC變色高峰比凋落葉結束日早2～23 d一致。

綜合來看,數(shù)碼相機綠度指數(shù)估計的春季開始展葉日SOS和秋季落葉結束日EOF的不確定性較大,而春季展葉高峰MOS和秋季的落葉高峰MOF最為穩(wěn)定,且受相機類型、白平衡模式和綠度指數(shù)選擇的影響最小。本研究建議用MOS和MOF或50%閾值定義生長季的開始和結束[33-34],有望整合全球物候網(wǎng)絡中不同相機類型和白平衡模式的數(shù)據(jù)集。

3.2 廉價數(shù)碼相機的應用和推廣

全球數(shù)碼相機物候網(wǎng)絡發(fā)展迅速,已覆蓋北美[14]、歐洲[18]、日本[35]和澳大利亞[21]等區(qū)域,但目前我國仍然處于起步階段。從發(fā)表論文看,各個通量觀測站僅限于單站點觀測,如長白山森林站[36]、帽兒山森林站[8]、禹城農(nóng)田站[37-38]、當雄草地站[39]和阿柔草地站[40]等,還有一些試驗點用相機監(jiān)測特定物種的生長[41]。中國生態(tài)系統(tǒng)研究網(wǎng)絡已經(jīng)在部分站點統(tǒng)一配備了4通道物候相機(Sequoia, Parrot, USA)和數(shù)碼相機(CCFC, Campbell Scientific, USA),但站點數(shù)量仍然有限。因此需要組織多個研究機構和野外觀測站共同參與,利用低成本且穩(wěn)定的相機發(fā)展大范圍的網(wǎng)絡化和自動化物候觀測系統(tǒng),并建立數(shù)據(jù)共享平臺[42],從而彌補全球物候網(wǎng)絡在亞洲的覆蓋率。

綜合先前研究和本研究結果,除一些低成本室內(nèi)網(wǎng)絡相機外,利用各類數(shù)碼相機監(jiān)測植被物候均為可行[22]。各類相機各有優(yōu)缺點,例如,Coolpix和Ltl-5610配備廣角鏡頭,視野比NetCam更大,且圖像分辨率更高。Coolpix和NetCam的白平衡能夠由用戶設置,而監(jiān)測野生動物的定時拍攝相機通常不具備該功能(本研究中Ltl-5610通過廠家預設晴天模式)。NetCam在有網(wǎng)絡的條件下可以實現(xiàn)實時監(jiān)控以及數(shù)據(jù)上傳和下載,而普通相機只能將圖像存儲在SD卡中定期下載。從費用角度考慮,美國的NetCam和CCFC的價格相對較昂貴(幾千美元或幾萬元人民幣),而國產(chǎn)定時拍攝相機的價格(600～5 000元人民幣)僅為NetCam的5%～20%,更容易實現(xiàn)多點密集觀測(如區(qū)分喬、灌、草層次或局域尺度地形影響)和大范圍聯(lián)網(wǎng)觀測,具有非常廣闊的應用前景。監(jiān)測野生動物的紅外相機在我國應用很廣,但拍攝照片日期不連續(xù)?？紤]計算物候對白平衡設置不是很敏感,可以通過定點增設定時拍照來監(jiān)測珍稀動物賴以生存的森林物候動態(tài)變化。

4 結論

本研究測試的3種類型數(shù)碼相機綠度指數(shù)季節(jié)變化大體一致,在春季和秋季落葉過程中差異較小,在夏季和葉衰老初期差異較大。不同類型相機綠度指數(shù)估計的6個關鍵物候期和2種LOS普遍差異不顯著,且秋季3個物候期與地面凋落葉差異也不顯著,但秋季SOF和EOF波動較大。此外,不同相機的紅度指數(shù)及其估計的變色高峰相差1～24 d,2018年Ltl-5610比凋落葉晚31 d。白平衡模式對物候估計影響不大,但固定或晴天模式估計值的不確定性更低。對比6個物候期,MOS和MOF受相機類型和白平衡模式影響最小,更適合用于整合全球不同類型相機和白平衡模式的物候數(shù)據(jù)。本研究證實低成本的國產(chǎn)定時拍攝相機綠度指數(shù)能夠用于森林物候的監(jiān)測。