基于遥感数据的植被物候监测进展

王金英　范文义

摘要总结了当前国内植物物候遥感监测的数据和方法，介绍了国内外最新的研究成果，针对目前研究中存在的问题，指出未来植被物候遥感监测研究的主要方向。

关键词遥感物候；数据集；模型

中图分类号S127；Q948.1文献标识码A文章编号0517-6611（2014）09-02780-03

基金项目国家自然科学基金项目（41101399）。

作者简介王金英（1989- ），女，河南开封人，硕士研究生，研究方向：植被物候遥感监测。*通讯作者，教授，博士后，博士生导师，从事遥感和地理信息系统研究。

物候学是研究自然界植物和动物的季节性现象同环境的周期性变化之间的相互关系的科学[1-2]。植被的物候相被认为是环境条件季节和年际变化最直接、最敏感的综合指示器[3-5]。随着全球气候变暖，植物物候也发生着变化，例如物候期的开始、结束和持续时间的改变。植被物候的研究不仅有助于增进植被对气候变化响应的理解[6-8]，而且对提高气候—植被之间物质与能量交换的模拟精度、准确评估植被生产力与全球碳收支具有重要意义[9]。开始于20世纪60年代的遥感技术至今已获取到大量的数据，这些数据具有多时相、覆盖范围广、空间连续、时间序列長的特点，为宏观尺度的植物物候变化的研究提供了有效途[6，10]。基于遥感数据的物候监测是对传统物候学的有效补充与发展，它将观测对象从植株个体提升到植被生态系统层面，实现了植物物候观测由点到面的空间转换[11]。这种转变使植被物候的研究具有了新的意义，使其在更多领域发挥着不可估量的作用[12-13]。为此，笔者在介绍植物物候遥感监测数据和方法的基础上，总结了近几年基于遥感数据的植被物候监测的主要模型和研究现状，针对当前研究中存在的困难和不足，探讨了可行的办法和今后的发展方向。

1遥感物候监测指标

1.1植被指数（VIs）自从第1颗地球观测卫星发射，植被指数（NDVI）就开始用于植被物候的遥感监测[2]。植被指数是基于植物叶绿素在0.69 μm的强吸收特征，通过红外和近红外波段比值或线形组合实现对植被状态信息的表达。VIs可以用来诊断植被一系列生物物理参量：叶面积指数LAI、植被覆盖度、生物量、光合有效辐射吸收系数FPAR等。在众多的植被指数中，NDVI被广泛应用于遥感物候学的研究，是遥感物候学的基础[12]。

针对NDVI降噪处理不充分和容易饱和的问题，学者们提出增强型植被指数EVI，它与不同覆盖程度植被的线性关系得到明显改善，尤其在高覆盖区表现良好。标准化差异水指数（NDWI），是基于绿波段与近红外波段的归一化比值指数，与NDVI相比，它能有效地提取植被冠层的水分含量；在植被冠层受水分胁迫时，NDWI指数能及时地响应，这对于旱情监测具有重要意义。此外，Dominique等利用垂直植被指数PVI对高山地区植被物候进行了研究，发现其也能够反映物候随海拔的粗略变化[14]。

1.2植被光学厚度（VOD）VOD是用来衡量地表植被对地表的上行微波辐射存在衰减作用的大小的，它与植被含水量、观测角度、植被类型和结构以及频率有关。VOD通常利用微波辐射传输模型反演获得，其最大的优势在于数据的获得不受天气影响[15]。微波极化差异指数（MPDI）与NDVI的变化有高度的相关性。 Matthew 等利用AMSRE上18.7 Hz通道的MPDI和一些辅助数据反演的植被光学厚度，对全球2003～2008年的物候变化进行了分析。结果表明，获取的VOD数据结果与来自MODIS的VIs和LAI都具有很好的对应性，与基于简单的生物气候模型的GSI指数得到的物候周期，也在全球超过82%的地区相一致，并且生物量越低，植被越均一，它们的相关性越高[16]。与VIs和LAI相比，VOD独特地反映了生长季结束特征，既独立于光学遥感的植被指数，同时又是对其的很好配合，将有利于开辟遥感物候学综合研究的新思路。

1.3多种数据指标的结合基于遥感物候学与传统物候学的联系，许多遥感物候模型都会用到地面物候记录数据。例如，NDVI阈值法中阈值确定、物候-遥感外推法等。大量研究表明，NDVI与温度和降水都有一定的相关性，在遥感物候研究中常常用到这些气象数据。在大尺度植被遥感监测研究中由于缺乏统一的气象资料，人们转向了遥感反演方法，如利用遥感反演获取地表亮温、土壤含水量等数据与NDVI和EVI相结合。植被物候与植被类型是密不可分的，这种关系在大尺度上表现为不同土地覆盖类型和植被覆盖度具有的物候特征存在很大差别，所以在进行植被物候遥感监测时往往会依据土地覆盖数据以及直接反映叶密度的LAI数据确定模型参数。

2遥感植被物候提取方法

2.1阈值法阈值法是通过设定阈值条件来实现植被物候监测的，又分为：①静态阈值法，指人为设定固定的生长季开始与结束时的NDVI值。Fisher和Markon在各自的研究中分别设定NDVI达到0.17和0.09时记为植物生长期开始[17-18]。不难理解，这些阈值结果仅适用于各自的专题问题研究，有很强的地域和物种依赖性，难以推广到其他地区[19]。②动态阈值法，是基于遥感图像的统计学特征而确定植被的物候变量的，它能有效地识别不同土地覆盖类型的特点，得出有针对性的阈值。于信芳等应用时间序列谐波分析法重构每天的时间序列数据影像，采用动态阈值法获取了东北森林物候期及其空间分布格局[20]。③NDVI比率阈值法，是White等将传统气象物候模型与遥感物候观测结合起来而提出的[21]，它对不同生物群落和生态系统做了区分[22]。

2.2滑动平均法滑动平均法是以实际NDVI时间序列曲线为基础，使用自回归滑动平均模型计算生成一条滞后的滑动平均曲线，将新生成的滑动平均曲线与标准NDVI曲线进行叠加，依据叠加情况确定植物的返青期。运用此方法需要注意的是，滑动平均时间间隔的确定需考虑不同植被类型及其生长季长度[22]。Schwartz等使用NOAAAVHRR数据对美国大陆1990～1993和1995～1999年落叶林与混交林站点植被生长季的春季开始日期（SOS）进行监测研究时，分别采用了延迟滑动平均方法（DMA）、季节性NDVI中点方法（SMN）和地表物候模拟方法（Spring Indices），比较结果表明，DMA方法优于其他两种方法[23]。

2.3求导法求导法是利用时间序列的NDVI值，对其进行平滑后，求出曲线的最大变化率，并结合经验系数或者条件阈值来确定生长季起始期或植被返青期。余震基于NOAA/AVHRR从1982～2006年的双周归一化植被指数NDVI，采用基于样条平滑的最大斜率法计算了中国东部南北样带的植物物候，对主要植被类型的物候过程进行模拟，并计算了主要物候现象（包括返青起始期、 休眠起始期和生长季长度）的发生时间和演变趋势[24]。Moulin等从全球尺度上获取植物物候定量信息，以全球经纬度1°×1°空分辨率大小的NDVI时序数据为基础，通过求导经验系数计算出了植物生长的开始期、结束期、最大NDVI日期和生长季长度，并详细分析了全球植物候的季相模式和空间变化模式[25]。

2.4拟合法拟合方法是根据植被的生长模型选取合适的拟合函数，根据拟合函数数学特征和具体植被类型的生长特点求算植被的物候信息。Zhang等利用1 km 的MODIS NBAR数据计算了时间序列的EVI，并用分段Logistic函数进行数据拟合，去除了冰雪的干扰，结合MODIS地表亮温数据，对全球植被2000～2004年的物候变化进行了研究。研究得出的全球1 km分辨率的物候分布圖包括了7个常用的物候参数：绿度开始期、最大值期、开始减小期、最小值期以及生长季最长、最短时间和期间的MODISEVI总量[26]。

2.5谐波分析法谐波分析法基于离散数据傅立叶变换（DFT）的数学分析方法，常用来分析呈周期性波动的时间序列的波动特征以及对高噪声时间序列数据进行除噪[27]。NDVI时间序列谐波分析可以反映出植被动态的始末时间、延续时间以及波动情况。如植被生长季的起始点可以通过分析谐波的位相来确定，振幅和位相可以表征植被生长因为温度和降水等环境因素导致的季相变化。谐波的特征值（谐波余项、振幅和位相）与地表植被动态之间存在相关性，谐波余项表征NDVI时间序列的均值，谐波振幅表征NDVI年内波动幅度大小，不同谐波的位相可以表征NDVI季节变化的时间特征，利用这些参数可以获取地表植被物候信息，并可用于土地覆被和土地利用分类研究以及全球变化研究。

3结语

植被物候遥感监测研究在过去20多年取得了长足的进步，它不仅对传统物候学的不足进行了有效补充，而且也大大促进了传统物候学的发展。但研究中存在着各方面的不足：①就遥感数据源来看，从Landsat、AVHRR、MODIS、MERIS 到微波辐射计AMSRE，虽然都有应用，但仍以较低空间分辨率不同尺度的研究较多，高分辨率影像的应用较少，并且微波遥感数据的应用探索很少。②就研究方法来看，目前的遥感植被物候监测方法大多拘泥于利用植被指数的时序变化或辅以地面物候和气象数据共同确定植物物候及其变化模式，这些植被指数虽然在一定程度上保证了数据质量，但是却降低了数据对植物物候变化的敏感性，特别是最大合成法（MVC）合成的NDVI时间序列数据实际上是不等间隔的，这更增加了变化监测的难度。③就地表覆盖类型来看，对农作物、落叶林的研究相对较多，而对其他覆盖类型（如常绿林、沙漠、冻原等）的探索则较少。④由于遥感监测结果与基于地面的实测数据之间在物候定义上的差别、空间尺度上的巨大差异以及时间上的不一致，绝大部分计算结果没有得到有效的验证。

针对这些不足，今后植被物候遥感监测的重点应放在：①充分发掘高光谱遥感数据的优势，开发主被动微波遥感在植被物候研究中的应用价值，选择适宜的数学方法和模型，实现各种不同分辨率遥感数据的融合。②进一步扩大植被物候遥感监测的范围，增大对自然植被尤其是生态脆弱区植被的研究力度。③通过开展植物群落的物候观测和选择合适的尺度转换方法，统一地面与遥感的空间信息。④结合遥感技术，利用生态学和气象学等相关领域的最新研究进展，寻找植被遥感物候监测的新途径。

参考文献

[1] 竺可桢，宛敏渭.物候学[M].长沙：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.