甄曉杰 周海濤 周曙東 陳世強

摘要：物候相機是物候網(wǎng)建設(shè)的重要觀測設(shè)備，本文開展了對比Hikvision相機（中國）和StarDot相機（美國）的物候指標(biāo)提取性能的實驗研究。研究表明：兩款相機的NDVI最為一致，其中，從StarDot提取的生長季長度等于人眼識別長度，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節(jié)律。Hikvision相機在我國的物候網(wǎng)觀測中可以起到替代作用。

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

1 引言

植物物候指植物的各個生長發(fā)育節(jié)律隨著環(huán)境因子的周年變化，是陸面過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)時預(yù)報、病蟲害預(yù)測、經(jīng)濟作物區(qū)域規(guī)劃、氣候變化趨勢鑒定與預(yù)測等方面[1]，對人類生活及農(nóng)、林生產(chǎn)具有重要的指導(dǎo)意義。

研究單一植被類型，最客觀和準(zhǔn)確的植物物候觀測手段是依據(jù)物候觀測典籍中記錄的各種植物發(fā)育時期的特征進行人工觀測[5]。但是，人工觀測不可避免地會出現(xiàn)觀測尺度小、物種少、站點數(shù)量有限、時間不連續(xù)等問題[6]，而且該觀測方法很難適用于植被類型復(fù)雜下墊面的綜合物候觀測[7]。

隨著遙感技術(shù)的發(fā)展，NDVI、EVI等遙感產(chǎn)品已成為植被對氣候響應(yīng)研究的重要手段。通過衛(wèi)星遙感傳感器（NOAA、MODIS、SPOT、AVHRR）得到的時間序列數(shù)據(jù)，具有多時相、覆蓋范圍廣、空間連續(xù)等優(yōu)點，適用于區(qū)域及全球尺度上植物動態(tài)監(jiān)測[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、陽光照射角度、觀測視角、云、大氣氣溶膠等隨機干擾因素的影響，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）、非對稱高斯函數(shù)（AG）擬合、雙邏輯斯蒂曲線擬合法（Double Logistic Curve Regression，下稱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)用尚未達成共識[12-13]，還需要大量的地面驗證才可以獲得有效結(jié)論。同時，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)。

物候相機的數(shù)字重復(fù)攝影技術(shù)，又被稱作近地面遙感技術(shù)，通過對圖像信息的提取，實現(xiàn)基于時間序列的物候節(jié)律分析。適用于多空間尺度物候觀測[14]，已被廣泛應(yīng)用于美國和日本等的相機物候觀測網(wǎng)絡(luò)中[3]開展物候模型驗證和發(fā)展、衛(wèi)星遙感數(shù)據(jù)產(chǎn)品評估、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)相機監(jiān)測美國北方落葉闊葉林春季變綠趨勢，確認了數(shù)字相機可以用于物候監(jiān)測來量化物候變化[15]。Richardson，et al.（2009b）在NEON（National Ecological Observatory Network）和AmeriFlux臺站中同時架設(shè)了Model 211和Netcam XL（StarDot Technologies，Buena Park，California）相機，利用從相機中提取的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)字相機的可視化、量化存檔適用于森林物候時空變化研究，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（Model 214;Axis Communications，Lund，Sweden）提取的綠度指數(shù)探討了數(shù)字相機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PhenoCam觀測網(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、太陽輻射、降雨事件、生長度日等環(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、無人機（Unmanned Aerial Vehicle，UAV）載相機和農(nóng)業(yè)多光譜相機（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，并展示了這些相機與Hikvision（即?？低暎┫鄼C的性能（表1）。從功能上相機可以簡單劃分為兩類，RGB波段相機和RGB+NIR波段相機。傳統(tǒng)的紅綠藍三通道相機僅能分析GCC、RCC、GEX等物候指標(biāo)，要得到NDVI、EVI等指標(biāo)，相機必須同時具備RGB和IR波段的觀測能力[19]。Anika R.Petach et al.（2014）提出了一種從4波段物候相機中提取類似衛(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PhenoCam物候相機觀測網(wǎng)絡(luò)數(shù)據(jù)對北美洲東部地區(qū)13個溫帶闊葉林分析得到從高頻物候相機照片中提取出的GCC較從MODIS及AVHRR傳感器中得到的NDVI、EVI不確定性更小，且兩者對春季開始時間的評估與人工對生葉時間的觀測結(jié)果高度一致。

美國PhenoCam物候相機觀測網(wǎng)絡(luò)在世界范圍內(nèi)得到了廣泛的應(yīng)用。而國內(nèi)受限于從數(shù)字相機拍攝照片到形成物候指數(shù)信息的照片采集、上傳、存儲、處理過程繁瑣[20]，通過景觀尺度組網(wǎng)觀測物候的方法少見于文獻中。周磊等（2012）依托于ChinaFLUX的禹城農(nóng)田站利用數(shù)字相機（Model 214;Axis Communications，Lund，Sweden）對綠度指數(shù)（G/R）進行了長期、連續(xù)、自動、高頻的原位監(jiān)測，但其采用的數(shù)字相機是瑞典進口相機，價格較高、圖像分辨率低（384×288像素），僅能夠提取出紅（R）、綠（G）、藍（B）3個波段的信息，主要用于植被蓋度分析，且未能實現(xiàn)物候相機的組網(wǎng)功能。目前，國產(chǎn)相機與進口相機在物候觀測應(yīng)用中的性能比較研究鮮有報道。

本文通過對比美國物候網(wǎng)推薦使用的StarDot相機與?？低曄鄼C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?？低晹?shù)字網(wǎng)絡(luò)相機在物候觀測中的普適性及優(yōu)越性，為近地面遙感數(shù)字重復(fù)成像技術(shù)在中國生態(tài)系統(tǒng)物候監(jiān)測領(lǐng)域的發(fā)展提供技術(shù)支撐。

2 ?？低暰W(wǎng)絡(luò)數(shù)字相機及試驗介紹

絕大多數(shù)的數(shù)字相機中采用的CCD（Charge-Coupled Device）或者 CMOS（Complementary Metal-Oxide-Semiconductor）成像傳感器均具備對NIR光譜部分的探測能力。但因為NIR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)字相機中會嵌入一個NIR濾光片來阻擋NIR光譜進入成像傳感器[19]。?？低暰W(wǎng)絡(luò)數(shù)字相機可在野外嚴(yán)苛的環(huán)境溫度（-30℃至+60℃）下正常運行，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?？低曁峁┑腟DK開發(fā)包（https：//open.hikvision.com/download/）實現(xiàn)對內(nèi)部IR-CUT雙濾光片切換器的控制，具備網(wǎng)絡(luò)通訊能力，符合成為物候相機的必要條件。

2.1 ?？低暰W(wǎng)絡(luò)數(shù)字相機簡介

本試驗采用?？低?500萬高清網(wǎng)絡(luò)攝像機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。相機設(shè)定為“鎖定白平衡”，并固定“曝光時間”為1/25s。與自動白平衡相比，鎖定白平衡可以有效降低從照片中提取信息的噪聲[21]。采用固定曝光時間，可以避免相機因外界環(huán)境的明暗程度不同而自動調(diào)節(jié)曝光時間長度，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)字信息測量誤差。

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

利用樹莓派3B+（Raspberry Pi Foundation）單片機對?？低曁峁┑腟DK開發(fā)包二次開發(fā)，可以根據(jù)研究者需要的拍攝頻率實現(xiàn)對其IR-CUT的自由、自動切換，控制拍攝，并通過FTP將圖片上傳到指定網(wǎng)絡(luò)服務(wù)器。

2.2 站點信息

觀測點位于江蘇省無錫市中關(guān)村科技創(chuàng)新園園區(qū)內(nèi)（31.460 3°N，120.420 6°E）。兩臺網(wǎng)絡(luò)數(shù)字相機固定在園區(qū)內(nèi)江蘇天諾基業(yè)生態(tài)科技有限公司4樓的戶外陽臺的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相機和StarDot的NetCam SC IR 相機（以下分別簡稱為Hik相機和SD相機），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%。

兩款相機各自通過不同的方式實現(xiàn)RGB彩色照片和RGB+NIR波段單色照片的連續(xù)拍攝。NetCam SC IR相機采用美國PhenoCam物候相機觀測網(wǎng)提供的開源工具箱（http：//phenocam.sr.unh.edu/webcam/tools/），通過更新相機內(nèi)部運行腳本的方式實現(xiàn)對IR-CUT的切換，切換間隔30s。?？迪鄼C則通過其提供的開源SDK開發(fā)包，利用單片機對相機發(fā)送控制指令來實現(xiàn)對IR-CUT的切換，切換間隔10s。兩臺相機都通過網(wǎng)口連接到一臺用SIM卡上網(wǎng)的4G無線路由器上，從7∶00-19∶00，以30min的周期上傳至在中國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，其可拆分為可見光單色亮度（VDN）和近紅外光單色亮度（NIRDN）兩個部分，見公式（1）。如果彩色照片和單色照片拍攝時采用的曝光度相同，則同一時空尺度的RGB亮度信息可以轉(zhuǎn)化為可見光單色亮度[19，22]，見公式（2）。

（1）

（2）

從此，得到ROI內(nèi)近紅外光的亮度值：

（3）

?？低曄鄼C（Hik）間隔極短的時間采用固定曝光度進行彩色和單色照片的拍攝，可以直接利用公式（1）、（2）、（3）進行亮度信息的提取。

StarDot相機（SD）內(nèi)部運行的腳本參考美國PhenoCam物候相機觀測網(wǎng)絡(luò)現(xiàn)行標(biāo)準(zhǔn)，為增強照片拍攝時成像的清晰度，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，單色照片曝光度寫作Emono，從照片拍攝時伴隨自動生成的.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)計算

通過4通道成像相機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）為絕對綠度指、GCC（Green Chromatic Coordinate）為相對綠度指數(shù)、EVI（Enhanced Vegetation Index）為增強型植被指數(shù)，等等[23-25]。

Hik觀測的物候指標(biāo)從公式（10）-（13）計算得到，

（10）

（11）

（12）

（13）

SD觀測的物候指標(biāo)計算同公式（10）-（13），但輸入?yún)?shù)均為經(jīng)過曝光修正的值，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的NDVI、GCC、EXG、EVI（http：//www.phenocam.cn/download/software）作為基礎(chǔ)數(shù)據(jù)集進行采集分析。從相機中提取的數(shù)據(jù)會受亮度、云量、照明幾何等的影響導(dǎo)致30min尺度的時間序列數(shù)據(jù)存在很大波動。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)時間序列，并從中提取出油菜的生長節(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關(guān)鍵期時，需要輸入生長季開始（SS）與結(jié)束（SE）的判定參數(shù)，兩個參數(shù)的可調(diào)節(jié)范圍都在0-0.65之間[27]，不同的設(shè)定值會對關(guān)鍵期的提取產(chǎn)生較大影響，因此需要根據(jù)曲線的變化趨勢來人工調(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)到開始上升的拐點，GCC-SD（SD的GCC指數(shù)）的SE對應(yīng)曲線從下降到開始平穩(wěn)的拐點[14]，其他物候指數(shù)到收割日為止均為下降趨勢，故人為調(diào)節(jié)參數(shù)SE，致EOS接近收割日，即自觀測日起的第180d。具體設(shè)定值及生成結(jié)果見表2。

3 結(jié)果分析

3.1 數(shù)碼照片時序

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

3.2 相機物候指標(biāo)分析

植被物候指標(biāo)的時間序列數(shù)據(jù)可以反映作物的生長發(fā)育周期，波動代表了生長周期內(nèi)的成長與衰敗，通常波峰對應(yīng)作物的生長發(fā)育旺盛期，如抽穗期，波谷一般對應(yīng)作物枯黃完熟期。雖然物候相機提取的指標(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，其絕對值需要根據(jù)更準(zhǔn)確地光譜信息進行標(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的關(guān)鍵期，即生長季開始期（SOS），生長季結(jié)束期（EOS），生長季最大值（MOE）及生長季長度（LOS）。

物候指標(biāo)中NDVI、GCC、EXG均展示出生命周期動態(tài)特征（圖3），但是EVI卻無法展示生命周期動態(tài)特征?？梢钥吹?，SD的EVI在整個油菜的生長過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，兩相機的NDVI指標(biāo)測量值和經(jīng)過TIMESAT3.3擬合的曲線均分別表現(xiàn)出相同的動態(tài)趨勢（圖3，a），但測量值與擬合曲線之間的動態(tài)趨勢存在明顯差異，測量值在3月上旬原始測量值達到最大，隨后陡降至谷底，下旬又逐漸上升，4月上旬到達一個次峰，這個時期恰是油菜的花期，即兩款相機在油菜的花期提取的NDVI均為倒峰，其中盛花期對應(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D-L擬合的曲線直接平滑了黃花對測量值的影響，該平滑雖然不影響對SOS，EOS，LOS的影響，但可能會影響MOE。

對于提取的GCC和EXG測量值，在花期兩款相機表現(xiàn)出了不一致的變化趨勢。其中Hik表現(xiàn)為GCC在3月上旬達到峰值，EXG于3月下旬達到峰值，兩者反映出的生物量最大值時刻差異約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)時刻差約7d（表2），第一年12月底開始單調(diào)上升，次年3月中旬前后達到最大值，后單調(diào)下降，分別對應(yīng)油菜從出苗、結(jié)實直到成熟收獲的過程。SD的數(shù)據(jù)與Hik的數(shù)據(jù)有所區(qū)別，GCC與EXG的變化趨勢整體上同NDVI，為雙峰形趨勢。在花期，兩者變化趨勢一致，且與NDVI測量拐點的出現(xiàn)日期一致（圖3，c）。但在角果成熟期，GCC急速下降，而EXG下降相對緩慢，這導(dǎo)致GCC的D-L曲線峰值出現(xiàn)日期及下降趨勢結(jié)束日期大大被提前，且整個生長季被縮短。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。

3.3 生長關(guān)鍵期提取的分析

通過照片目測的生長季長度（LOS）為153d，這與從兩款相機的NDVI中提取的信息一致，見表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，且生長季長度被嚴(yán)重低估，僅129d。從其他指標(biāo)提取出的生長季開始日期（SOS）和生長季最大值日期（MOE）有一定差異，其中GCC-Hik與EXG-SD的MOE相等，同時也是計算出的最早MOE，最晚的MOE來自EXG-Hik，而從NDVI提取的MOE介于中間。對SOS而言，分別從兩款相機各自的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。兩款相機間通過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均小于人工觀測的盛花期（第129d），這可能是因為油菜黃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）。可能的原因是為符合美國物候網(wǎng)的觀測規(guī)范，SD相機的白平衡被人為固定為R 385，G 256，B 330，拍攝黃花時會明顯發(fā)白。而Hik采用的是在晴朗白天自動白平衡狀態(tài)下的鎖定功能，故雖依然是固定白平衡，但對彩色識別更真實，開黃花時紅、綠光的亮度較藍光有顯著增加（圖4，Hik）。通過公式（10）、（11）、（14）、（15）不難發(fā)現(xiàn)，GCC與EXG的值實際上取決于圖像中的R，G，B比例。根據(jù)常識，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、綠光和藍光等比例合成。故當(dāng)照片由真實的黃色轉(zhuǎn)為發(fā)白時，藍光的組成比例隨著紅、綠光一同增大（圖4，SD），GCC的分母項和EXG減數(shù)項分別被高估，導(dǎo)致指數(shù)被低估。

顯然SD的成像失真使得通過D-L擬合曲線從GCC中提取生長關(guān)鍵節(jié)點嚴(yán)重偏離真實值，但對于EXG而言，SD的成像失真并沒有對生長關(guān)鍵節(jié)點提取造成顯著影響。

同時，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，從測量值的變化趨勢上依然可以清晰地發(fā)現(xiàn)各個生長節(jié)點。因此，GCC-SD的生長節(jié)點偏估與擬合算法的過度平滑有關(guān)，根據(jù)TIMESAT3.3的說明書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?。‥klundh，L.et al.，2017）。

本文主要探討的是?？低曄鄼C在物候中應(yīng)用的可行性，并不是針對物候觀測理論的研究，故分析中不涉及對理論的深入探討，比如照片中選擇的ROI為矩形框（圖2），對應(yīng)的實際觀測區(qū)域為不規(guī)則四邊形（圖1），采用一定的圖像投影算法可能會提高觀測精度;再比如，出于場地協(xié)調(diào)、設(shè)備安全及日常運維方便等多方考慮，兩款相機的安裝并未完全依照美國物候網(wǎng)的建議標(biāo)準(zhǔn)安裝，而是面朝東偏南架設(shè)到了4樓陽臺，這也會對分析結(jié)果產(chǎn)生一定的影響，等等。此處僅簡單認為兩款相機在相同的安裝、視角、環(huán)境情況下，選定相同的ROI區(qū)域時，觀測的對象應(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)之間的對比，需要將相機物候指標(biāo)轉(zhuǎn)化為衛(wèi)星遙感定義的物候指標(biāo)。幸運的是，Anika R.Petach（2014）等利用一款具有4個窄帶通道的光譜傳感器并行測量的數(shù)據(jù)對基于SD相機的物候指標(biāo)做了修正，并指出通過校正后的SD相機物候指標(biāo)與光譜觀測得到的指標(biāo)具有良好的相關(guān)性（r=0.99）。分析兩款相機間的物候指標(biāo)差異對物候觀測應(yīng)用具有普適的、可廣泛比較的指導(dǎo)價值。

5 結(jié)論

本文從一款性價比更高的民用相機（?？低暎┑臄?shù)碼照片中提取了物候指標(biāo)及生長節(jié)律關(guān)鍵期，并與從美國物候網(wǎng)推薦使用科研用物候相機（StarDot）的數(shù)碼照片中提取的各指標(biāo)及節(jié)點做了對比分析：

（1）兩款相機通過計算處理均可實現(xiàn)對NDVI、GCC、EXG、EVI等物候指數(shù)的提取和計算。

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

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

（4）通過對比分析，可以看到，首先兩者的NDVI測量值最為一致，不僅可以反映出油菜的生長季開始、結(jié)束期日，還可以明確地指示出始花、盛花以及花謝的時間節(jié)點;其次兩者的GCC和EXG測量值，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，尤其對花期的響應(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)均無法反映出油菜的生長節(jié)律。

綜上，Hik相機性價比高，具備物候監(jiān)測的所有必要條件，適合在中國的物候監(jiān)測應(yīng)用中推廣使用。

參考文獻

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

[2] 韓小梅，申雙和.物候模型研究進展[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)字相機的冬小麥物候和碳交換監(jiān)測[J].生態(tài)學(xué)報，2012，32（16）：5146-5153.

[4] 常清，王思遠，孫云曉，等.青藏高原典型植被生長季遙感模型提取分析[J].地球信息科學(xué)學(xué)報，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，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.國外植物物候?qū)夂蜃兓憫?yīng)的研究進展[J].世界林業(yè)研究，2009，22（6）：31-37.

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

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

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

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

[12] 宋春橋，柯靈紅，游松財，等.基于TIMESAT的3種時序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.基于小型無人機與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)的高寒草地蓋度動態(tài)變化監(jiān)測研究——以黃河源東部地區(qū)為例[J].草業(yè)學(xué)報，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.