衛(wèi) 煒，吳文斌，李正國，周清波

(中國農業(yè)科學院農業(yè)資源與農業(yè)區(qū)劃研究所/農業(yè)部農業(yè)信息技術重點實驗室，北京 100081)

·問題研究·

基于SPOT/VGT數據的中國北方耕地物候提取研究*

衛(wèi) 煒，吳文斌，李正國，周清波※

(中國農業(yè)科學院農業(yè)資源與農業(yè)區(qū)劃研究所/農業(yè)部農業(yè)信息技術重點實驗室，北京 100081)

耕地物候的空間格局綜合反映了作物種植在環(huán)境因子及人類活動雙重作用下的空間差異性，因此耕地物候識別成為農業(yè)遙感應用的熱點之一。研究利用SPOT的植被指數產品開展我國北方耕地作物種植制度空間分布的遙感識別并分析耕地種植制度空間分布特征。首先使用非對稱高斯函數擬合法對時間序列植被指數進行重構，然后采用多項式和諧波函數擬合數據來確定耕地的生長季個數，最后通過比例閾值法提取耕地的生長季開始期和結束期。在上述過程中結合先驗知識引入波峰閾值并通過對NDVI時間序列數據進行“掐頭去尾”處理來保證耕地種植制度識別以及物候信息獲取的準確性?；赟POT/VGT數據對我國北方15省的耕地種植制度進行了識別，并在此基礎上分別提取了不同生長季的耕地物候信息并分析了其空間格局特征。結果表明，適當引入先驗知識有利于正確識別耕地種植制度和準確獲取耕地物候信息， 2005年我國北方耕地的種植制度以一年一熟為主，一年二熟制主要分布在北緯40°以南的平原地區(qū)。其中第一生長季的空間格局差異比第二生長季更加明顯，同時生長季結束期分布的時間范圍比開始期更為集中。總之我國北方耕地物候的空間格局與種植制度密切相關，受到自然資源和人類活動的共同影響。

NDVI 時間序列 SPOT/VGT 種植制度 耕地物候

0 引言

物候是指受環(huán)境因子如氣候、水文、土壤等影響而出現的周期性自然現象[1]。當前植被物候信息的獲取途徑主要包括地面觀測、生物氣候模型和衛(wèi)星遙感數據提取[2-4]。地面觀測依靠人工觀察和記錄，簡單易行但費時費力，且受到觀測站點空間分布的限制和觀測者主觀認識差異的影響。生物氣候模型通常針對某種特定的植被類型設計，要求大量的輸入參數，增加模擬結果的不確定性。衛(wèi)星遙感具有宏觀、高效和便捷的特點，能夠提供大范圍的多時相重復觀測數據，逐漸成為物候信息獲取的重要手段[5]。

遙感數據使得在無地面觀測站點的區(qū)域能夠實現植被物候信息的獲取，同時也使得物候觀測的對象從某種特定植被轉變?yōu)榘煌脖活愋偷纳鷳B(tài)系統(tǒng)層面[6]。觀測對象的綜合性決定了遙感所獲取的物候信息與地面觀測記錄獲取的物候信息有所不同，是一種更具概括性的物候特征，有研究者稱之為地表物候(land Surface Phenology，LSP)。如有學者[7]用返青期、成熟期、衰老期和休眠期4個階段來定義植被的整個生長周期，在時間序列植被指數曲線上對應著植被指數由低到高至最大值，然后再逐漸降低的全過程。因此，衛(wèi)星遙感數據分析提取植被物候主要基于時間序列植被指數，以生長周期內不同階段之間的轉換為特征來描述植被的物候現象。歸一化差異植被指數(Normalized Difference Vegetation Index，NDVI)充分利用了植被在紅光和近紅外波段反射率的差異，能夠很好地反映綠色植被的長勢、生物量和覆蓋度等信息，其時間序列曲線的變化對應著植被生長活動的整個過程，是目前利用遙感獲取物候研究中使用最廣泛的植被指數。NOAA/AVHRR、SPOT/VGT和EOS/MODIS等星載傳感器無償提供了長時間序列的NDVI觀測數據，很多研究者基于這些數據開展了大量的工作[8-13]。然而，這些研究大多數集中于森林、草原等自然植被物候，較少研究關注耕地物候[14-16]。作為地表物候的重要組成部分，耕地物候綜合反映了自然環(huán)境條件以及人類的耕作活動的共同影響，有助于認識耕地的生長季特征及其變化規(guī)律，服務農業(yè)生產決策管理、全球變化響應研究等[17]。

事實上，耕地物候比自然植被物候更為復雜，特別是在一熟和多熟種植制度并存的地區(qū)，種植制度的識別是耕地物候信息提取的重要前提?；诖耍撗芯恳晕覈狈?5省為研究區(qū)域，基于SPOT/VGT數據，試圖引入先驗知識來保證耕地種植制度識別以及物候信息獲取的準確性。具體來說，通過對NDVI時間序列數據進行“掐頭去尾”和引入波峰閾值進行篩選來避免干擾波峰的影響； 在此對我國北方15省的耕地種植制度進行了識別，并利用統(tǒng)計資料進行對比驗證； 最后在此基礎上提取不同生長季的耕地物候信息并分析了其空間格局特征。

1 研究區(qū)域與數據

1.1 研究區(qū)域

北方15省(經緯度范圍： 32°～53°N， 73°～136°E)包括黑龍江、吉林、遼寧、內蒙古、河北、北京、天津、山東、山西、河南、陜西、甘肅、寧夏、青海和新疆。區(qū)域總面積577.27萬km2，其中耕地面積為69.97萬km2，約占全國耕地總面積的57.5%，包括了東北平原和華北平原等主要糧食生產基地(圖1)。除大興安嶺北部屬于寒溫帶外，其余大部分區(qū)域均處于中溫帶[18]。該區(qū)域主要表現為北方溫帶氣候特征，濕潤程度自東向西依次遞減[19]。受熱量條件控制，整個東北地區(qū)、華北小部分區(qū)域和西北大部分區(qū)域作物種植制度為一年一熟制，而西北小部分區(qū)域和華北大部分區(qū)域則存在著一年二熟的種植制度。之所以只選擇北方地區(qū)是因為該區(qū)域范圍內存在較大面積的連片耕地和較為明顯的物候特征，相比南方地區(qū)而言這些條件更加有利于通過遙感手段獲取耕地物候信息。

圖1 研究區(qū)域范圍及其耕地分布

1.2 遙感數據

該研究采用的遙感數據為搭載在SPOT衛(wèi)星上的VEGETATION傳感器VGT-S10 NDVI最大值合成(maximum value composites，MVC)數據產品。該數據產品已經完成了一系列的處理過程如幾何校正、輻射校正、大氣校正、地圖投影及狀態(tài)標識等。數據的空間分辨率為1km，合成周期為10天，全年共36期數據。所選的數據時間范圍為2005年1月～2015年12月，從負責處理和分發(fā)SPOT/VGT數據的VITO官方網站(http：//www.vito-eodata.be)下載。該數據集包含了各波段的反射率、NDVI和太陽方位角等多個數據層，利用VITO提供的處理工具VGTExtract提取其中的NDVI數據層并將影像轉換為阿爾伯斯等面積圓錐投影。數據產品中NDVI的DN值范圍為0～250，通過公式DN*0.004-0.1轉換成標準植被指數值。

1.3 耕地分布數據

耕地分布數據來自中國科學院1： 25萬土地覆蓋遙感調查與監(jiān)測數據庫的2005年中國土地覆蓋數據。該數據庫是在全國1： 10萬土地利用數據和遙感分類數據的基礎上，結合輔助資料、野外考察記錄、遙感圖像分析等通過全數字制圖完成的。數據內容包括森林、草地、農田、聚落、濕地與水體、荒漠6個一級類型，空間分辨率為100m。該研究將我國北方地區(qū)的農田數據提取出來作為耕地圖層，轉換其地圖投影為阿爾伯斯等面積圓錐投影并將空間分辨率重采樣到1km使之與VGT-S10 NDVI數據相匹配，從而得到我國北方地區(qū)的耕地分布數據(圖1)。

2 研究方法

2.1 NDVI時間序列數據重構

星載傳感器在數據采集和處理過程中受到各種因素(如太陽高度角、傳感器觀測角、云、水汽和氣溶膠等)干擾，使得NDVI時間序列曲線波動很大并產生大量噪聲[20]。盡管VGT-S10 NDVI產品經過最大值合成處理后能夠消除部分干擾因素的影響，但其中仍然殘留了許多噪聲，有必要對NDVI時間序列數據進行去噪和平滑等處理，也稱為NDVI時間序列數據重構。

該研究采用非對稱高斯函數(Asymmetric Gaussian，AG)擬合法重構NDVI時間序列數據。它是一種由局部擬合到整體擬合的方法，使用高斯函數來分段模擬植被的生長過程，最后通過平滑連接各段高斯擬合曲線實現時間序列的重構[21]。其主要過程大致可以分為區(qū)間提取、局部擬合和整體連接3個步驟。首先提取原始時序數據曲線中的谷值和峰值，采用高斯函數分別擬合曲線的左右部分。針對曲線突出部分擬合效果欠佳的問題，將曲線劃分成左邊谷值區(qū)、中部峰值區(qū)與右邊谷值區(qū)，分別用不同的局部擬合函數進行描述，最后再利用各局部擬合函數構建整體擬合函數。局部擬合函數為：

f(t)=f(t； c1，c2，a1，…，a5)=c1+c2g(t； a1，…，a5)

(1)

其中，g(t； a1，…，a5)為高斯函數，式中，c1和c2控制曲線的基準和幅度，a1決定峰值和谷值的位置；a4、a5和a2、a3分別控制曲線左、右部分的寬度和陡峭度。整體擬合函數為：

(2)

其中[tL，tR]是時序數據中待擬合部分的變化區(qū)間，fL(t)、fC(t)和fR(t)分別代表[tL，tR]區(qū)間內左邊谷值、中間峰值及右邊谷值對應的局部擬合函數，α(t)和β(t)為介于0和1之間的剪切系數。通過整體擬合函數將局部擬合函數連接起來是該方法的關鍵之一，這種從局部到整體的擬合策略避免了整體數據對局部擬合的干擾，擬合后的曲線更加接近真實情況。

2.2 耕地多熟種植制度識別

作物的生長周期在NDVI時間序列曲線上表現為一個逐漸上升直到峰值再由峰值逐漸下降的過程[22]。理論講，每個作物生長周期都對應著NDVI時間序列曲線上的一個波峰，多熟種植制度下會有多個生長周期，波峰的個數即代表了生長周期的個數。因此，可以通過NDVI時間序列曲線上波峰的個數來識別耕地的多熟種植制度[23]。

非對稱高斯函數擬合有時會將兩個波峰之間的波谷誤認為是噪聲信號，使得擬合曲線上的波峰個數比實際偏少，無法準確地反映作物的實際生長過程，導致對生長周期個數的誤判。為避免上述情況的發(fā)生并實現波峰個數的參數化，該研究采用多項式和諧波函數來擬合NDVI時間序列數據，擬合函數為：

(3)

其中，ω=6π/N，c1、c2、c3為多項式系數，aj為諧波振幅，ω為基準頻率，φj為相位。多項式函數決定了擬合曲線的基準值和變化趨勢，諧波分量的個數m即曲線上波峰的個數[24]。

然而在實際的耕地NDVI時間序列曲線上除了表征作物生長周期的有效波峰外，還存在著一部分由噪聲引起的干擾波峰。這些干擾波峰使得擬合曲線上的波峰個數比實際偏多，同樣會導致對生長周期個數的誤判。該研究通過引入波峰閾值進行篩選來區(qū)別有效波峰和干擾波峰。前人研究表明，對于農作物而言其生長季的NDVI峰值通常會達到0.4以上[25， 26]。因此，該研究選擇0.4作為波峰閾值，即只有峰值大于0.4的波峰才被認為是能夠真實反映作物生長周期的有效波峰，每個耕地像元的種植制度由該像元NDVI時間序列曲線上有效波峰的個數來確定。

2.3 耕地物候參數提取

重構后的NDVI時間序列曲線相比原始的NDVI時間序列數據能夠更好的描述農作物的生長動態(tài)過程。閾值法是一種確定生長季開始和結束的常用方法，具體來說就是預先設定某一閾值，當NDVI時間序列曲線上升或下降到該閾值時即對應著生長季開始或結束。早期的研究中多采用固定閾值[27-29]，但這種方法在較大范圍區(qū)域應用時會存在一些問題，特別是當區(qū)域內存在不同的土壤背景和植被類型時，很難確定一個統(tǒng)一的最佳閾值。為了克服固定閾值法的缺陷，有研究者提出了比例閾值法，即將NDVI增加和減小達到當年NDVI振幅一定比例所對應的時刻定義為生長季開始和結束時間[21]。

NDVI1im=(DNVImax-DNVImin)×C

(4)

比例閾值法一定程度上消除不同了土壤背景和植被類型的影響，但是在比例參數選擇上具有經驗性。20%是一個比較常用的比例參數，許多研究者在提取植被物候參數時都采用了該比例閾值[30-33]。

在我國北方地區(qū)的耕地生長季開始前和結束后，可能存在一些影響物候參數準確提取的因素，如冬小麥種植區(qū)小麥冬前峰的影響。為避免這些因素的干擾，該研究根據先驗知識對NDVI時間序列數據進行“掐頭去尾”處理，即將1月、11月和12月的數據從參與分析計算的數據中加以剔除。另外由于耕地物候不同于自然植被物候，它受到人類耕作活動的影響較大，參考我國北方地區(qū)的作物物候歷將生長季開始和結束的比例閾值分別設置為10%和50%。因此，當NDVI時間序列曲線達到的上升階段振幅的10%時即認為是生長季開始。類似地，定義NDVI時間序列曲線達到下降階段振幅的50%時為生長季結束。對于一年二熟種植制度的區(qū)域，其NDVI時間序列曲線上存在兩個波峰，兩個生長季的開始和結束日期同樣用上述比例閾值分別確定。

3 結果與分析

3.1 典型像元NDVI時間序列曲線

研究區(qū)內一熟和二熟種植制度典型耕地像元的原始NDVI時間序列曲線和經過非對稱高斯擬合法重構的NDVI時間序列曲線如圖2所示。其中不包括1月、11月和12月的數據(前3期和后6期影像)，全年共保留27期影像。從圖中可以看出，盡管VGT-S10NDVI數據產品經過10天最大值合成在一定程度上消除了部分干擾因素的影響，但是得到的NDVI時間序列曲線仍然存在許多鋸齒形狀。經過非對稱高斯函數擬合法重構后的NDVI時間序列曲線基本吻合原始曲線的上包絡線，能夠更好的描述作物生長的動態(tài)變化過程。生長季開始和結束日期等耕地物候信息即可由重構的NDVI時間序列曲線結合影像序號獲得。如在圖2a中，生長季開始位置對應的影像序號為13.7，由于數據的合成周期為10天，因此該耕地像元的生長季開始日期為第137天，屬于5月中旬； 而生長季結束位置對應的影像序號為27.9，則該耕地像元的生長季結束日期為第279天，屬于10月上旬。當一年內存在兩個生長周期時，第一和第二生長季的開始和結束日期則通過上述方法分別確定(圖2b)。

(a)為一熟制，(b)為二熟制圖2 研究區(qū)典型耕地像元原始的和重構后的NDVI時間序列曲線

3.2 中國北方耕地多熟種植制度的空間分布

圖3為根據多項式和諧波函數擬合曲線的諧波分量個數結合0.4的NDVI波峰閾值識別結果得到的2005年我國北方地區(qū)耕地種植制度空間分布。從圖4可以看出，我國北方耕地種植制度包括一年一熟和一年二熟，其中一年一熟耕地的面積遠大于一年二熟耕地的面積。整個東北三省以及內蒙古自治區(qū)的耕地都表現為一年一熟制。除關中平原、汾河谷地和零星分布在甘肅省東南部、陜西省南部以及新疆自治區(qū)南部的少量耕地為一年二熟制外，西北五省和山西省的絕大部分耕地也都表現為一年一熟制。而華北平原大部分耕地都表現出一年二熟的種植制度，一年一熟耕地主要分布在長城以北、山東省北部和中部及河南省和河北省的南部。整體上看一年二熟的耕地基本在北緯40°以南的平原地區(qū)，這樣的種植制度空間格局與水、熱、光和土等自然資源的空間分布密切相關，與區(qū)域氣候條件相對應。

圖3 2005年我國北方地區(qū)耕地種植制度的空間分布

圖4 2005年各省冬小麥播種面積與一年 二熟制耕地像元個數對比

在一熟和多熟種植制度并存的地區(qū)，種植制度的準確識別是耕地物候信息提取的重要前提。在我國北方絕大多數的二熟制耕地中，冬小麥為最主要的第一季作物。為了驗證該研究中耕地種植制度識別結果的可靠性，利用《中國農業(yè)統(tǒng)計資料》中的各省2005年的冬小麥播種面積與各省一年二熟制耕地像元的個數進行對比，如圖4所示。從圖中可以看出，二者之間存在著非常好的線性相關關系，回歸系數達到0.99，說明耕地種植制度識別結果基本上符合實際情況。

3.3 中國北方耕地關鍵物候的空間格局

該研究從重構后的耕地NDVI時間序列曲線中提取了生長季開始期和生長季結束期這兩個主要的耕地物候參數。由于一年二熟制耕地存在兩個生長季，因此需要對兩個生長季的開始期和結束期空間格局分別表示。而對于一年一熟制的耕地而言不存在第二生長季，因此其名義上的第一生長季實際上就是唯一的生長季。

(a)為第一生長季，(b)為第二生長季圖5 2005年我國北方耕地生長季開始期的空間格局

(a)為第一生長季，(b)為第二生長季圖6 2005年我國北方耕地生長季結束期的空間格局

提取結果得到的耕地像元生長季開始期的空間格局如圖5所示，其中圖5a為第一生長季，圖5b為第二生長季。從圖5a中可以發(fā)現，我國北方耕地的第一生長季開始期空間差異特征明顯，整體上表現出從南向北逐漸推遲的空間格局。這種空間差異除了受到自然條件影響外，在一定程度上也受到種植制度的影響。一年二熟制耕地通常生長季開始較早，其時間范圍從2月上旬到5月中旬都有分布。整個新疆自治區(qū)和北緯40°以南其他地區(qū)的一年一熟制耕地的生長季開始期主要分布在4月上旬到5月下旬。而北緯40°以北的耕地基本上都為一年一熟制，其生長季開始期大多分布在5月上旬到6月下旬。從圖5b中可以看出，第二生長季的開始期也表現出從南到北有所推遲的趨勢，但這種空間差異特征并不顯著，其時間范圍主要分布在在6月上旬到7月下旬。

耕地生長季結束期的空間格局如圖6所示，其中圖6a為第一生長季的情況，圖6b為第二生長季的情況。從圖6a中可以看出，受自然條件和種植制度影響，第一生長季結束期同樣具有明顯的空間差異特征。一年二熟制耕地的第一生長季結束期通常集中在6月，從而為完成第二生長季提供了充足的時間。整個新疆自治區(qū)和北緯40°以南其它地區(qū)的一年一熟制耕地生長季結束期主要分布在10月上中旬甚至更晚。而對北緯40°以北的耕地來說，其第一也是唯一的生長季結束期大多分布在9月中旬到10月上旬。從圖6b中可以發(fā)現，第二生長季的結束期除河南省東南部約為9月上旬甚至更早外，大多數區(qū)域都在9月中旬到10月中旬。另外無論是第一還是第二生長季，受人類收割活動影響，整體上生長季結束期分布的時間范圍比生長季開始期相對集中一些。

4 討論與結論

4.1 討論

NOAA/AVHRR、SPOT/VGT和EOS/MODIS都能夠提供NDVI時間序列數據產品，而在該研究中使用SPOT/VGT數據是基于對空間分辨率和時間分辨率的綜合考慮作出的選擇。NOAA/AVHRR提供的NDVI數據產品其空間分辨率通常為8km，對于耕地物候研究這樣的空間分辨率有點偏低。雖然MODIS提供了500m和1km兩種相對較高空間分辨率的NDVI數據產品，但是其時間分辨率為16d。而來自SPOT/VGT的VGT-S10NDVI產品具有適中的1km的空間分辨率和10天的時間分辨率，相對上述兩種數據而言更加適合我國北方地區(qū)的耕地物候研究。此外，在該研究中根據先驗知識將耕地生長季之外的1月、11月和12月的數據加以剔除以避免小麥冬前峰的影響。因為小麥冬前峰的存在可能會使得重構的NDVI擬合曲線形狀發(fā)生變化，進而導致所得到的生長季開始期較實際提前而生長季結束期較實際推遲的情況出現。

該研究在識別耕地像元的種植制度時采用了多項式和諧波函數擬合重構的NDVI時間序列曲線。之所以沒有采用非對稱高斯函數擬合法重構的NDVI時間序列曲線是因為非對稱高斯函數擬合法對某些波峰并不敏感，所以會將兩個波峰之間的波谷誤認為是噪聲信號從而在擬合曲線上將兩個窄波峰合并為一個寬波峰，進而導致將實際的一年二熟種植制度誤判為一年一熟(圖7a)。為了避免這種情況所采用的多項式和諧波函數擬合法則對小波峰也非常敏感，這樣就能夠保證探測到所有的波峰，但其中也必然存在一些由噪聲引起的干擾波峰。因此需要通過引入波峰閾值進行篩選來消除干擾波峰的影響，如圖7b中盡管擬合曲線上出現了兩個波峰，但第一個波峰由于其峰值小于0.4的波峰閾值而被認為是干擾波峰，所以該像元實際為一年一熟種植制度。

我國北方地區(qū)的耕地物候空間格局與種植制度密切相關，在一定程度上能夠反映出耕地內部不同的作物類型，據此也可以大致推測我國北方地區(qū)耕地的種植結構。如在華北平原地區(qū)的一年二熟制耕地，當第一生長季表現出較早的開始和結束日期時，其第一生長季對應的作物類型很可能為冬小麥，而在東北地區(qū)如果耕地像元的生長季開始期較早時則很可能為一季稻。另外，該研究使用的遙感數據空間分辨率為1km，在一些區(qū)域可能存在混合像元。對于農作物與自然植被混合的像元，因為自然植被的生長季開始期通常比農作物早，而生長季結束期比農作物晚，所以通過遙感手段獲取的耕地生長季開始和結束日期可能會受到自然植被的影響。事實上混合像元的影響畢竟有限，如果能夠采用更高空間分辨率的遙感數據以及更高質量的耕地掩膜數據則會進一步削弱這種影響。

(a)為非對稱高斯函數擬合曲線，實際為一年二熟，(b)為多項式和諧波函數擬合，實際為一年一熟圖7 根據擬合曲線波峰個數誤判種植制度的典型情況

4.2 結論

該研究基于SPOT/VGT數據對我國北方15省的耕地種植制度進行了識別，在此基礎上分別提取了不同生長季的耕地物候信息并分析了其空間格局特征。為保證耕地種植制度識別及物候信息獲取的準確性，根據先驗知識從數據和方法上進行了適當調整。結果表明如下。

(1)非對稱高斯函數擬合有時會將兩個波峰之間的波谷誤認為是噪聲信號，使得擬合曲線上的波峰個數比實際偏少，無法準確地反映作物的實際生長過程，導致對生長周期個數的誤判。該研究中所采用的多項式和諧波函數擬合曲線并引入波峰閾值進行篩選的方法能夠有效識別像元的生長周期數，從而正確判定耕地的種植制度。

(2)在我國北方地區(qū)的耕地生長季開始前和結束后，可能存在一些影響物候參數準確提取的因素，如冬小麥種植區(qū)小麥冬前峰的影響。該研究根據先驗知識對NDVI時間序列數據進行“掐頭去尾”處理(即將1月、11月和12月的數據從參與分析的數據中加以剔除)后能夠避免小麥冬前峰的影響，進而準確獲取耕地物候信息。

(3)種植制度空間格局與水、熱、光和土等自然資源的空間分布密切相關，且與區(qū)域氣候條件相對應。我國北方耕地種植制度包括一年一熟和一年二熟，其中一年一熟耕地的面積遠大于一年二熟耕地的面積，一年二熟制主要分布在北緯40°以南的平原地區(qū)，并通過與冬小麥播種面積的對比說明耕地種植制度識別結果的可靠性。

(4)耕地物候特征的空間格局除受到自然條件影響外，在一定程度上也受到種植制度的影響。第一生長季的空間差異比第二生長季更為明顯，一年二熟制耕地通常生長季開始和結束較早，從而為完成第二生長季提供了充足的時間。而無論第一還是第二季，由于人類的收割活動，生長季結束期分布的時間范圍比開始期更為集中。

總而言之，適當引入先驗知識有利于正確識別耕地種植制度和準確獲取耕地物候信息，據此所得到的結果表明我國北方耕地物候的空間格局與種植制度密切相關，受到自然資源和人類活動的共同影響。

[1] 竺可楨， 宛敏渭.物候學.長沙：湖南教育出版社， 1999

[2]StuderS，CkliRS，AppenzellerC，etal.Acomparativestudyofsatelliteandground-basedphenology.InternationalJournalofBiometeorology， 2007, 51(5): 405～414

[3]TuanmuM，Vi?aA，BearerS，etal.Mappingunderstoryvegetationusingphenologicalcharacteristicsderivedfromremotelysenseddata.RemoteSensingofEnvironment， 2010, 114(8): 1833～1844

[4]FisherJI，MustardJF.Cross-scalarsatellitephenologyfromground，Landsat，andMODISdata.RemoteSensingofEnvironment， 2007, 109(3): 261～273

[5]WuW，YangP，TangH，etal.CharacterizingSpatialPatternsofPhenologyinCroplandofChinaBasedonRemotelySensedData.AgriculturalSciencesinChina， 2010, 9(1): 101～112

[6] 武永峰， 李茂松，宋吉青.植物物候遙感監(jiān)測研究進展.氣象與環(huán)境學報， 2008, 24(3): 51～58

[7]ZhangX，FriedlMA，SchaafCB，etal.MonitoringvegetationphenologyusingMODIS.RemoteSensingofEnvironment， 2003, 84(3): 471～475

[8] 侯學會， 牛錚，高帥，等.基于SPOT-VGTNDVI時間序列的農牧交錯帶植被物候監(jiān)測.農業(yè)工程學報， 2013, 29(1): 142～150

[9] 胡硯霞， 黃進良，王立輝.基于MODISNDVI時序數據的丹江口庫區(qū)物候格局研究.中國農業(yè)資源與區(qū)劃， 2012, 33(4): 25～30

[10]王植， 劉世榮，孫鵬森，等.基于NOAANDVI研究中國東部南北樣帶植被春季物候變化.光譜學與光譜分析， 2010, 30(10): 2758～2761

[11]KariyevaJ，VanLeeuwenWJD，WoodhouseCA.ImpactsofclimategradientsonthevegetationphenologyofmajorlandusetypesinCentralAsia(1981- 2008)FrontiersofEarthScience， 2012, 6(2): 206～225

[12]CaiH，ZhangS，YangX.ForestDynamicsandTheirPhenologicalResponsetoClimateWarmingintheKhinganMountains，NortheasternChina.InternationalJournalofEnvironmentalResearchandPublicHealth， 2012, 9(11): 3943～3953

[13]WeiH，HeilmanP，QiJ，etal.AssessingphenologicalchangeinChinafrom1982to2006usingAVHRRimagery.FrontiersofEarthScience， 2012, 6(3): 227～236

[14]吳文斌， 楊鵬，唐華俊，等.基于NDVI數據的華北地區(qū)耕地物候空間格局.中國農業(yè)科學， 2009, 42(2): 552～560

[15]李正國， 楊鵬，周清波，等.基于時序植被指數的華北地區(qū)作物物候期/種植制度的時空格局特征.生態(tài)學報， 2009, 29(11): 6216～6226

[16]陶健， 張戈麗，王軍邦，等.內蒙古中東部地區(qū)耕地物候動態(tài)研究.中國農業(yè)科學， 2011, 44(22): 4583～4592

[17]李正國， 唐華俊，楊鵬，等.植被物候特征的遙感提取與農業(yè)應用綜述.中國農業(yè)資源與區(qū)劃， 2012, 33(05): 20～28

[18]王宏， 李曉兵，韓瑞波，等.利用NOAANDVI和MSAVI遙感監(jiān)測中國北方不同緯度帶植被生長季變化.應用生態(tài)學報， 2006, 17(12): 2236～2240

[19]王宏， 李曉兵，余弘婧.基于NOAA/AVHRRNDVI監(jiān)測中國北方典型草原的生長季及變化.植物生態(tài)學報， 2006, 30(3): 365～374

[20]衛(wèi)煒， 吳文斌，李正國，等.時間序列植被指數重構方法比對研究.中國農業(yè)資源與區(qū)劃， 2014, 35(1): 34～43

[21]J?nssonP，EklundhL.Seasonalityextractionbyfunctionfittingtotime-seriesofsatellitesensordata.IEEETransactionsonGeoscienceandRemoteSensing， 2002, 40(8): 1824～1832

[22]江東， 王乃斌，楊小喚，等.NDVI曲線與農作物長勢的時序互動規(guī)律.生態(tài)學報， 2002, 22(2): 247～252

[23]閆慧敏， 曹明奎，劉紀遠，等.基于多時相遙感信息的中國農業(yè)種植制度空間格局研究.農業(yè)工程學報， 2005, 21(4): 85～90

[24]J?nssonP，EklundhL.TIMESAT—aprogramforanalyzingtime-seriesofsatellitesensordata.Computers&Geosciences， 2004, 30(8): 833～845

[25]GalfordGL，MustardJF，MelilloJ，etal.WaveletanalysisofMODIStimeseriestodetectexpansionandintensificationofrow-cropagricultureinBrazil.RemoteSensingofEnvironment， 2008, 112(2): 576～587

[26]SakamotoT，VanNguyenN，OhnoH，etal.Spatio-temporaldistributionofricephenologyandcroppingsystemsintheMekongDeltawithspecialreferencetotheseasonalwaterflowoftheMekongandBassacrivers.RemoteSensingofEnvironment， 2006, 100(1): 1～16

[27]JusticeCO，TownshendJRG，HolbenBN，etal.Analysisofthephenologyofglobalvegetationusingmeteorologicalsatellitedata.InternationalJournalofRemoteSensing， 1985, 6(8): 1271～1318

[28]MarkonCJ，FlemingMD，BinnianEF.CharacteristicsofvegetationphenologyovertheAlaskanlandscapeusingAVHRRtime-seriesdata.PolarRecord， 1995, 31(177): 179～190

[29]FischerA.Amodelfortheseasonalvariationsofvegetationindicesincoarseresolutiondataanditsinversiontoextractcropparameters.RemoteSensingofEnvironment， 1994, 48(2): 220～230

[30]HeumannBW，SeaquistJW，EklundhL，etal.AVHRRderivedphenologicalchangeintheSahelandSoudan，Africa， 1982-2005.RemoteSensingofEnvironment， 2007, 108(4): 385～392

[31]吳文斌， 楊鵬，唐華俊，等.過去20年中國耕地生長季起始期的時空變化.生態(tài)學報， 2009, 29(4): 1777～1786

[32]李正國， 唐華俊，楊鵬，等.基于時序植被指數的東北地區(qū)耕地生長季特征識別與應用研究.北京大學學報(自然科學版)， 2011, 47(5): 882～892

[33]于信芳， 莊大方.基于MODISNDVI數據的東北森林物候期監(jiān)測.資源科學， 2006, 28(4): 111～117

DETECTION OF CROPLAND PHENOLOGY IN NORTHERN CHINA FROM SPOT/VGT DATA

Wei Wei, Wu Wenbin, Li Zhengguo, Zhou Qingbo※

(Key Laboratory of Agri-informatics, Ministry of Agriculture / Institute of Agricultural Resources and Regional Planning,Chinese Academy of Agricultural Sciences, Beijing 100081, China)

Spatial patterns of cropland phenology synthetically reflect the spatial differences of agricultural farming under governance of both environmental factors and human activities on the cropland. Thus, identification of cropland phenology has been a hot topic in applications of remote sensing to agriculture. In this study we intend to examine the cropland phenology in Northern China using the SPOT/VGT product. We start with data preparation in which the original NDVI time-series for cropland of the study area are reconstructed by Asymmetric Gaussian function fitting method. Then we use the peaks of the polynomial and harmonic combined function fitted curves to identify the number of growing seasons. Finally the onset of growth and end of growth dates for cropland of the study area are derived using a NDVI threshold method. During the above procedures we introduced priori knowledge by using a NDVI peak value threshold and removing some data in the NDVI time series to ensure the accuracy of cropping system identification and phenology detection. Cropping systems in Northern China are determined based on the reconstructed NDVI time-series from SPOT/VGT and the spatial patterns are investigated for the first and second growing season respectively. The results showed that appropriate introduction of priori knowledge can help to identify the cropping system and detect the cropland phenology accurately. For Northern China single cropping system was dominate, areas of double cropping system probably moved to the south of 40°N. Differences of spatial patterns for the first growing season were much more significant than the second growing season. The distribution time range for the end of growth date was more concentrated than the onset of growth date. In general, spatial patterns of cropland phenology in Northern China were closely related to the cropping systems, which were influenced by both natural resources and human activities.

NDVI; time series; SPOT/VGT; cropping system; cropland phenology

10.7621/cjarrp.1005-9121.20160413

2015-03-18

衛(wèi)煒(1986—)，男，陜西渭南人，博士研究生。研究方向：農情遙感監(jiān)測?！ㄓ嵶髡撸褐芮宀?1965—)，男，湖南沅江人，研究員、副所長，研究方向：農業(yè)遙感。Email：zhouqingbo@caas.cn

*資助項目：國家高技術研究發(fā)展計劃(863計劃)項目“多尺度遙感數據按需快速處理與定量遙感產品生成關鍵技術”(2012AA12A304)； 國家自然科學基金項目“近30年東北三省作物物候期特征提取及其對氣溫變化的響應”(41201184)； 國家自然科學基金項目“基于農戶決策行為的農作物時空格局動態(tài)變化機理機制研究”(41271112)

TP79

A

1005-9121[2016]04-0077-10