基于MODIS数据的额济纳植被物候对气候变化和调水的响应

兰小莹 乌兰 刘玉明

摘要 基于2001—2021年的16 d合成Terra MODIS 250 m NDVI時间序列数据，利用Savitzky-Golay滤波法和动态阈值方法，提取、分析额济纳绿洲植被生长季开始日期（SOS）、结束日期（EOS）、生长季长度（LOS）及NDVI最大值（MAX）4种植被物候参数的时空变化，并通过2011—2013年的实地观测数据对提取的植被物候参数进行验证；同时，结合同期的温度、降水量、径流和地下水位埋深的观测数据，分析额济纳植被物候参数对气候变化和调水的响应关系。结果表明，SOS和EOS分别为第120～160天和第256～320天。近21年植被MAX有所增长，LOS延长趋势明显，变化趋势为4.65 d/10 a，植被SOS整体呈提前趋势，变化趋势为2.05 d/10 a，EOS整体上呈推迟趋势，变化趋势为2.60 d/10 a。物候参数与气候因子和调水的相关分析表明，气温的升高对SOS提前有促进作用，对EOS推迟有促进作用，径流和地下水位埋深对SOS和MAX起到促进作用，前一年的径流和地下水位埋深对MAX值增加和SOS提前有显著影响。

关键词 植被物候；气候变化；调水；物候；MODIS；额济纳

中图分类号 X173  文献标识码 A  文章编号 0517-6611（2023）13-0064-06

doi：10.3969/j.issn.0517-6611.2023.13.016

Response of Vegetation Phenology in Ejina to Climate Change and Water Transfer Based on MODIS Data

LAN Xiao-ying1，WU Lan2，LIU Yu-ming3

（1.Shanghai Weizhi Zhuoxin Information Technology Co.， Ltd.， Shanghai 200000;2.School of Ecology and Environment， Hainan University， Haikou， Hainan 570100;3.31016 Troops，Beijing 100000）

Abstract Based on the 16 days synthetic Terra MODIS 250 m NDVI time series data from 2001 to 2021， the Savitzky Golay filtering method and dynamic threshold method were used to extract and analyze the temporal and spatial changes of four vegetation phenological parameters in Ejina Oasis， including the start of growing season （SOS），the end of growing season （EOS），the length of growing season （LOS） and maximum value of NDVI，and the extracted vegetation phenological parameters were validated through field observation data from 2011 to 2013. At the same time， combined with observation data of temperature， precipitation， runoff and groundwater depth during the same period， the response relationship of vegetation phenological parameters to climate change and water diversion in Ejina was analyzed.The results showed that the SOS and the EOS were mainly occurred from the day of year （DOY） 120-160 and DOY 256-320， respectively. In the past 21 years， the vegetation MAX had increased， and LOS had shown a significant trend of prolongation， with a trend of 4.65 d/10 a. The overall vegetation SOS showed an advanced trend， with a trend of 2.05 d/10 a. The overall EOS showed a delayed trend， with a trend of 2.60 d/10 a.The correlation analysis between phenological parameters， climate factors and water regulation showed that an increase in temperature had a promoting effect on the advance of SOS and a promoting effect on the delay of EOS. Runoff and groundwater burial depth had a promoting effect on SOS and MAX. The previous years runoff and groundwater burial depth had a significant impact on the increase of MAX value and the advance of SOS.

Key words Vegetation phenology;Climate change;Water transfer;Phenology;MODIS;Ejina

作者简介 兰小莹（1990—），女，内蒙古包头人，工程师，硕士，从事GIS与资源环境等方面的研究。

收稿日期 2023-02-06

植被物候学是研究植被与环境条件（气候、水文、土壤）的周期性变化（萌发、开花、结果、落叶）的科学［1］。陆地生态系统中植被的变化是对气候、水文条件和人类活动等的响应［2-4］。植被物候与气候变化关系的研究对预测植被动态变化、改善生态环境有重要作用［5］。遥感监测方法能连续长期观测，为气候响应［6-7］、农业生产管理［8-9］、生物量估算［10-11］等领域研究提供了有力的手段。植被指数作为植被变化的指示参数，近年来，MODIS植被指数产品归一化植被指数（NDVI）、增强植被指数（EVI）、比值植被指数（RVI）、绿度植被指数（GVI）等在大尺度范围分析植被物候研究得到广泛开展［12-14］。一般来说，基于MODIS植被指数时间序列数据提取植被物候参数需要2个步骤，即重构植被指数时间序列数据和提取植被物候参数。首先，由于遥感监测过程中受到云、大气和传感器本身性能等因素的影响，使得观测值存在干扰信息［15-16］。为了得到真实的植被观测值，大量学者提出了BISE法、分段式Logistic函數拟合法、非对称高斯法、Savitzky-Golay（S-G）滤波等［16-19］方法对植被指数时间序列数据进行降噪处理并重建一个新的植被指数时间序列用于分析。其次，针对植被物候参数提取，不同的学者也提出了不同的方法，如固定阈值法［20］、动态阈值法［19］、延迟移动平均法［21］、物候学累积频率法等［22］。其中，S-G滤波法能充分考虑到NDVI最大值和最小值，可以较好地保留NDVI的微妙变化，因此该研究选择利用TIMESAT软件中的S-G滤波法和动态阈值法进行额济纳绿洲研究区域植被物候参数的提取及植被物候变化特征分析。

内蒙古额济纳胡杨林国家级自然保护区是集自然动植物保护、生产、科学研究、教育和旅游等多功能于一体的保护区。自20世纪90年代以来，额济纳绿洲的自然植被明显减少，但在2000年我国政府实施生态引水工程（EWDP）后，加大了额济纳绿洲径流量和地下水存储量，植被覆盖度有所改善。额济纳丰富的径流和地下水使其成为研究物候参数对水文条件响应的合理选择。该地区先前的研究主要集中于气候因素，然而，关于额济纳绿洲植被物候对气候变化和对调水响应研究甚少。因此，该研究选取黑河下游额济纳旗绿洲作为研究对象，采用遥感和GIS技术，基于MODIS NDVI长时间序列数据，利用Savitzky-Golay滤波法和动态阈值法获取降噪拟合的时间序列数据并提取植被物候参数信息，分析2001—2021年额济纳绿洲植被物候参数的年际变化趋势和空间上的分布格局，探索植被物候参数信息与气候因素（气温、降水量）和调水后的水文数据（径流、地下水位埋深）之间的相关关系，分析植被物候变化对气候、调水等因素的响应，以期为当地生态环境建设、额济纳绿洲保护提供有利依据。

1 资料与方法

1.1 研究区概况

研究区位于内蒙古自治区最西端黑河下游额济纳河三角洲，地理位置为97°10′～103°07′E、39°52～42°47′N，面积约11.46 km2。陆地表面海拔为820～1 127 m，平均坡度小于3°。研究区属于大陆性干旱气候，具有干旱少雨（年降水量37 mm，年均气温8.3 ℃）、蒸发量大（年蒸发量3 800 mm）、风沙多（年均≥8级以上大风日数44 d）等特点。研究区包括以农田和人工林为主的人工植被和以胡杨、柽柳、苦豆子等为主的各类天然植被（图1），天然植被不仅用于畜牧业，其胡杨林自然保护区对旅游业发展也有很重要作用。

1.2 数据来源

1.2.1

MODIS NDVI数据。该研究中使用的是由美国航空局（NASA）提供的覆盖内蒙古额济纳研究区行列号为h25v04的 MOD13Q1v005 16 d合成250 m分辨率的陆地产品数据。该研究下载了2001—2021年共483幅影像，影像为正弦投影（WGS84基准）。基于需要对影像进行投影转换、NDVI数据提取、图像裁剪等处理，形成可用于植被物候参数信息提取的NDVI时间序列数据。

1.2.2

实地物候观测数据。该研究利用研究区额济纳绿洲植被物候日期的实地观测数据来验证基于MODIS数据提取的植被物候参数。实地物候观测数据由首都师范大学王乐教授课题组提供。额济纳实地物候观测数据包括2011—2013年的数据，每年分别在4—6月和9—11月2个不同时期对额济纳植被进行实地观测，并通过测量结果计算SOS、EOS、NDVI。

1.2.3

气象和水文数据。该研究使用气象和水文数据来分析物候变化背后的驱动因素。研究区域内的气象、水文数据、地下水位埋深监测数据均由国家冰川冻土沙漠科学数据中心（http：//www.ncdc.ac.cn）提供，获取1957—2016年的逐月逐年降水量、平均气温、径流及1990—2015年黑河流域下游地下水位埋深监测数据。

1.3 研究方法

1.3.1 MODIS NDVI 时间序列重构。MODIS NDVI时间序列数据降噪处理是提取植被物候参数的关键点，合理的降噪算法能有效去除各种噪声对植被物候参数提取的影响。该研究利用S-G滤波法对NDVI时间序列数据进行重构得到光滑稳定的曲线。S-G利用移动窗口附近值的线性组合来替代原始数据yi，达到平滑数据和剔除异常值的目的。基于S-G滤波原理，NDVI时间序列数据滤波公式如下：

Y*j=nj=-n（cjyi+j）（1）

式中，Y*j为拟合后的NDVI数据；yi+j为NDVI原始时间序列数据；cj=1/（2n+1）为滤波权重；n是平滑窗口的宽度，n越大曲线拟合更平滑。

1.3.2 植被物候参数提取。该研究利用TIMESAT程序的动态阈值方法提取SOS和EOS，即设置阈值当NDVI 值达到其左边振幅的一定百分比认为是SOS，当NDVI 值达到其右边振幅的一定百分比认为是EOS。参考前人的研究［23-25］，认为阈值设定20%时，得到的SOS和EOS比较接近实际物候日期。该研究提取研究区2001—2021年逐年的植被SOS、EOS、MAX、LOS等参数来分析额济纳绿洲植被物候变化，并利用2011—2013年实地观测的SOS和EOS数据进行验证。

1.3.3

植被物候参数对气候和调水的响应分析。该研究采用相关分析方法探究植被物候与气候变化和调水之间的相互作用关系，选择偏相关系数作为定量化指标。为研究气温、降水量、径流和地下水位埋深分别对植被物候变化的影响，先不考虑降水量、径流和地下水位埋深对植被的影响，气温数据与植被物候参数数据进行偏相关分析，以此类推，分别得到4种因素与植被物候变化的相关程度。

2 结果与分析

2.1 植被物候空间分布特征及精度验证

该研究基于2001—2021年MODIS NDVI时间序列数据提取了额济纳绿洲植被物候信息，选择SOS、EOS、LOS和MAX關键物候参数进行分析。从近21年植被MAX空间分布（图2a）可以看出，额济纳绿洲植被覆盖度整体较好，MAX值在0.2～0.7，MAX值在西侧的范围大于东侧范围，是因为西侧主要以灌木和林木农田为主，而东侧以草地分布为主。从近21年植被物候参数SOS、EOS和LOS空间分布（图2b～d）可以看出，额济纳绿洲植被的生长开始日期（SOS）主要集中在一年中的第120～160天，开始日期出现在第120天的植被在靠近河流的范围，开始日期出现在第160天左右的植被则出现在沙漠戈壁的范围，例如研究区的右上角范围。植被EOS主要出现在第256～320天，最早结束的植被主要分布在农田和靠近沙漠戈壁的草地，而在第300天以后结束生长的多为乔木和灌木区。额济纳绿洲植被LOS平均为180 d，植被生长季为5—7个月（第150～210天）。这与赵敏丽等［26］ 对额济纳旗地区的研究结果基本一致，乔木胡杨的平均生长季开始日期为第115天，平均生长季结束日期为第295 天。

利用2011—2013年实地观测植被物候的SOS和EOS对MODIS NDVI获取的植被物候参数进行验证，结果如图3所示。从图3可以看出，实测数据与遥感监测数据有较好的相关性，SOS、EOS的R2分别为0.84、0.76；SOS、EOS的RMSE分别为4.36、6.48 d，误差波动不大。这表明基于MODIS 16 d合成250 m空间分辨率的NDVI影像利用TIMESAT软件设定阈值（20%的NDVI最大振幅）确定开始日期和结束日期取得较好的结果。

2.2 额济纳绿洲植被物候年际变化特征

从2001—2021年额济纳绿洲植被最大NDVI（MAX）年变化（图4a）可以看出，近21年额济纳绿洲植被覆盖整体呈上升趋势，上升趋势显著（R2=0.734 7，P<0.01），植被覆盖有所增加，这与相关研究结果一致［27-28］。从2001—2021年额济纳绿洲植被生长季开始日期（SOS）、生长季结束日期（EOS）和生长期长度（LOS）的变化曲线（图4b～d）可以看出，生长季开始的时间序列呈下降趋势，表明生长季开始的时间越来越早，SOS有提前的趋势，提前且显著（R2=0.264 8，P<0.05）；植被生长季结束的时间序列呈上升趋势，表明额济纳绿洲研究区的植被平均生长季结束的时间出现了推迟，但推迟不显著（R2=0.207 7，P>0.05）；额济纳绿洲植被生长季长度在延长，延长趋势相对明显（R2=0.474 3，P<0.05）。线性变化趋势分析表明，近21年额济纳绿洲植被的MAX不断增加，植被生长季开始的时间每10年提前了2.05 d，植被生长季结束的时间每10年推迟了2.60 d，这说明生长季在延长，平均延长幅度为4.65 d/10 a。

2.3 植被变化与气温和降水的关系

为了分析物候参数SOS和EOS对不同时间尺度的降水、气温的响应程度，该研究利用气象学划分标准（春季3—5月、夏季6—8月、秋季9—11月、冬季12月—次年2月）研究不同时间尺度上的SOS、EOS和LOS与气温、降水量的相关系数，探索物候参数（SOS和EOS）与气候因素（温度和降水量）之间的关系。

从图5可以看出，1957—2016年额济纳绿洲温度有所上升，升温速度不断增加；2001—2016年平均气温比1957—2016年平均气温高出1.53 ℃，这符合全球变暖趋势。1957—2016年额济纳绿洲平均降水量比1957—2016年平均降水量少约9 mm。从2001—2016年物候参数（SOS和EOS）与气候因素（温度和降水量）之间的相关系数（表1）可以看出，对于SOS来说，除去前一年平均气温，3—5月、春季、前一年冬季、当年的气温与SOS均呈负相关，表明气温的升高会促使生长季开始时间的提前，对植被生长有促进作用；当年的气温对SOS的促进作用比较显著，相关系数为-0.573（P<0.05）；3—5月、春季、当年的降水量与SOS均呈正相关，表明春季降水量将推迟SOS的提前。对于EOS来说，9—11月、夏季、秋季、生长季、当年的气温与EOS均呈正相关，表明夏秋季的气温对植被生长季结束时间推迟具有促进作用；夏季的降水量与EOS呈正相关，说明夏季充足的降水对于植被的生长季结束时间的延后有很大帮助。而9—11月、秋季、生长季和当年的降水量与EOS均呈负相关，说明随着秋后降水的增多会对植被生长季结束的推迟有抑制作用。总体而言，温度对SOS的影响大于降水，但降水对EOS的影响更大。

2.4 植被变化与径流和地下水位埋深的关系

从图6可以看出，2001—2016年额济纳绿洲的总径流量为92.53×108 m3，高于20世纪90年代（37.20×108 m3）。2000年调水前地下水位埋深增加，表明地下水水位总体呈现持续下降趋势，自从2000年黑河年实施统一水量调度以后，额济纳绿洲地下水水位下降速度明显低于调水前（2000年前）地下水水位下降趋势。

为了进一步评估水文条件对植被物候参数变化的影响，基于2001—2015年MODIS NDVI数据获取的MAX、SOS和EOS物候参数与当年、前一年的径流和地下水位埋深进行相关分析。从表2可以看出，MAX和SOS与前一年径流高度相关，相关系数分别为0.857（P＜0.01）和-0.681（P＜0.05）。

由此可见，径流对植被生长有密切的关系，对植被生长季开始时间的提前有促进作用。同时，MAX与当年地下水位埋深的相关系数（r=-0.673）强于前一年（r=-0.578），说明地下水位埋深越浅，植被生长越好；而SOS与前一年地下水位埋深的相关性（r=0.742）强于当年（r=0.490），这可能与黑河下游额济纳旗每年调水时间安排有关系。EOS与径流和地下水位埋深的相关性不明显。

3 结论与讨论

该研究基于2001—2021年的16 d合成Terra MODIS 250 m NDVI时间序列数据，利用2001—2021年483幅影像，采用TIMESAT软件中的Savitzky-Golay滤波法对NDVI时间序列数据进行重构，得到光滑降噪后的时间序列曲线，选取最优阈值（NDVI最大振幅的20%）提取植被物候参数。通过2011—2013年连续实地观测的植被物候日期对遥感提取物候日期的验证，发现实地观测植被物候日期与遥感提取物候日期有较好的相关性。

通过对2001—2021年额济纳植被物候年际间变化趋势分析，得出近21年额济纳植被MAX整体呈上升趋势，植被物候参数呈现SOS提前（提前趋势为2.05 d/10 a）、EOS推迟（推迟趋势为2.60 d/10 a）、LOS延长（延长趋势为4.65 d/10 a）的趋势。物候参数与气候因子（气温和降水量）和水文数据（径流和地下水位埋深）的相关分析发现，气温的升高对SOS提前有促进作用，对EOS推迟有促进作用，径流和地下水位埋深对SOS和MAX升高起到促进作用，前一年的径流和地下水位埋深对MAX值增加和SOS提前有显著影响。

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.

［2］ 方修琦，余卫红.物候对全球变暖响应的研究综述［J］.地球科学进展，2002，17（5）：714-719.

［3］  SCHWARTZ M D，AHAS R，AASA A.Onset of spring starting earlier across the Northern Hemisphere［J］.Global change biology，2006，12（2）：343-351.

［4］ CLELAND E E，CHUINE I，MENZEL A，et al.Shifting plant phenology in response to global change［J］.Trends in ecology and evolution，2007，22（7）：357-365.

［5］ 夏照華.基于NDVI时间序列的植被动态变化研究［D］.北京：北京林业大学，2007.

［6］ GUYON D，GUILLOT M，VITASSE Y，et al.Monitoring elevation variations in leaf phenology of deciduous broadleaf forests from SPOT/VEGETATION time-series［J］.Remote sensing of environment，2011，115（2）：615-627.

［7］  BROWN M E，DE BEURS K M，MARSHALL M.Global phenological response to climate change in crop areas using satellite remote sensing of vegetation，humidity and temperature over 26 years［J］.Remote sensing of environment，2012，126：174-183.

［8］ 范锦龙，吴炳方.复种指数遥感监测方法［J］.遥感学报，2004，8（6）：628-636.

［9］  SAKAMOTO T，GITELSON A A，ARKEBAUER T J.MODIS-based corn grain yield estimation model incorporating crop phenology information［J］.Remote sensing of environment，2013，131：215-231.

［10］ KIMBALL J S，ZHAO M，MCDONALD K C，et al.Satellite remote sensing of terrestrial net primary production for the pan-arctic basin and Alaska［J］.Mitigation and adaptation strategies for global change，2006，11（4）：783-804.

［11］ PICARD G，QUEGAN S，DELBART N，et al.Bud-burst modelling in Siberia and its impact on quantifying the carbon budget［J］.Global change biology，2005，11（12）：2164-2176.

［12］ 李程，庄大方，何剑锋，等.东西伯利亚苔原—泰加林过渡带植被遥感物候时空特征及其对气温变化的响应［J］.地理学报，2021，76（7）：1634-1648.

［13］ 赵健赟，彭军还.基于MODIS NDVI的青海高原植被覆盖时空变化特征分析［J］.干旱区资源与环境，2016，30（4）：67-73.

［14］ 元志辉，萨楚拉，银山.基于MODIS植被指数的浑善达克沙地植被物候变化［J］.中国环境科学，2021，41（11）：5254-5263.

［15］ 夏传福，李静，柳钦火.植被物候遥感监测研究进展［J］.遥感学报，2013，17（1）：1-16.

［16］ CHEN J，JNSSON P，TAMURA M，et al.A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter［J］.Remote sensing of environment，2004，91（3/4）：332-344.

［17］  VIOVY N，ARINO O，BELWARD A S.The Best Index Slope Extraction（BISE）：A method for reducing noise in NDVI time-series ［J］.International journal of remote sensing，1992，13（8）：1585-1590.

［18］ ZHANG X Y，FRIEDL M A，SCHAAF C B，et al.Monitoring vegetation phenology using MODIS［J］.Remote sensing of environment，2003，84（3）：471-475.

［19］ JNSSON P，EKLUNHD L.Seasonality extraction by function fitting to time-series of satellite sensor data［J］.IEEE transactions on geoscience and remote sensing，2002，40（8）：1824-1832.

［20］ JUSTICE C O，TOWNSHEND J R G，HOLBEN B N，et al.Analysis of the phenology of global vegetation using meteorological satellite data［J］.International journal of remote sensing，1985，6（8）：1271-1318.

［21］ REED B C，BROWN J F，VAN DER ZEE D，et al.Measuring phenological variability from satellite imagery［J］.Journal of vegetation science，1994，5（5）：703-714.

［22］ 陳效逑，曹志萍.植物物候期的频率分布型及其在季节划分中的应用［J］.地理科学，1999，19（1）：21-27.

［23］ 宋春桥，游松财，柯灵红，等.藏北高原典型植被样区物候变化及其对气候变化的响应［J］.生态学报，2012，32（4）：41-51.

［24］ 毕超.基于多源数据的中国干旱半干旱区植被覆盖与物候对气候变化的响应［D］.北京：北京林业大学，2015.

［25］ 马新萍，白红英，贺映娜，等.基于 NDVI 的秦 岭山地植被遥感物候及其与气温的响应关系：以陕西境内为例［J］.地理科学，2015，35（12）：1616-1621.

［26］ 赵敏丽，刘普幸，朱小娟，等.黑河下游绿洲胡杨物候期对1960—2010年气温变暖的响应［J］.西北植物学报，2012，32（10）：2108-2115.

［27］ HU X L，LU L，LI X，et al.Ejin oasis land use and vegetation change between 2000 and 2011：The role of the ecological water diversion project［J］.Energies，2015，8（7）：7040-7057.

［28］ 陈江南，蒋晓辉，杨一松，等.黑河下游额济纳地区林草植被对调水的响应［J］.中国水土保持，2007（7）：17-19.