董奎 譚本會

摘要 以貴州省森林植被為研究對象，基于對MODIS衛(wèi)星遙感影像的分析，探討了遙感監(jiān)測手段在區(qū)域尺度上提高森林植被物候監(jiān)測精細程度的可能性。結果表明：通過分析比較歸一化植被指數（NDVI）、增強植被指數（EVI）、相對綠度指數（Gcc）、絕對綠度指數（ExG）等不同植被指數，發(fā)現增強型植被指數（EVI）更能表達森林植被物候變化趨勢；采用S-G濾波及動態(tài)閾值法提取物候關鍵期，發(fā)現貴州省森林植被物候變化趨勢呈現西部地區(qū)植被生長開始期晚于東部地區(qū)，結束期早于東部地區(qū)，整個植被生長季長度西部短于東部；基于EVI的貴州省森林物候空間分異規(guī)律總體上不明顯，僅緯度與生長開始期（SOS）和生長季長度（LOS）相關性顯著，經度海陸地帶性及海拔垂直地帶性差異不顯著。

關鍵詞 森林物候；MODIS；植被指數；NDVI；EVI

中圖分類號 S771.8? 文獻標識碼 A

文章編號 0517-6611（2023）14-0114-06

作者簡介 董奎（1990—），男，貴州織金人，工程師，碩士，從事林業(yè)資源調查研究。*通信作者，工程師，從事石漠化檢查防治研究。

植物的萌發(fā)、展葉、開花、葉變色、落葉、飛禽遷徙、昆蟲活動等物候現象，既反映了當地和當時的環(huán)境狀況，也反映了過去一段時期環(huán)境狀況的積累［ 1］。植物物候學是以年為周期，研究植物受氣候、水文、土壤等生物因子和非生物因子的影響而產生自然現象的學科［ 2］。植物物候研究旨在認識自然季節(jié)現象變化規(guī)律，實現農林業(yè)、園林園藝業(yè)等經營管理的自動化、智能化、精細化，以及森林觀花（果品）賞葉旅游的準確預報，服務于農（牧）林業(yè)生產、森林觀花（果品）賞葉旅游、生態(tài)應用與全球氣候變化研究、人類健康與科普教育等［ 3］。

植物物候現象是直觀和敏感的環(huán)境條件季節(jié)和年際變化的生物指示器，其發(fā)生時間可反映陸地生態(tài)系統(tǒng)對氣候變化的快速反應和適應，被認為是“自然界的語言”，是全球變化的“診斷指紋”［ 4-5］。精細的植物物候測定，通過植物物候相的變化節(jié)律，精細地反映植物生長節(jié)律和生態(tài)效應的波動變化，可以準確監(jiān)測各種植物在每年生長季的起始時間、終止時間及生長季中的物候節(jié)律的精細變化。

傳統(tǒng)的物候學研究方法主要是以野外觀測為基礎，即以眼觀察和手記錄的方式，通過定點定時記錄生物物候現象的周年慶變化［ 6-7］，這種方法簡單易行，操作方便，但耗時耗力，而且由于監(jiān)測站點有限，在空間上很難實現由點到面的空間尺度轉換，因此，監(jiān)測站點有限，經常造成數據缺失，難以實現由點向面的空間尺度轉換［ 7］。近40余年來，隨著計算機技術和遙感技術的飛速發(fā)展，植物物候觀測手段逐漸發(fā)展出一套從地面到空間衛(wèi)星，廣泛應用于植物物候監(jiān)測及其與氣候變化有關的研究，以獲取植物物候連續(xù)、區(qū)域尺度信息的一套比較成熟的遙感監(jiān)測技術和方法，從而使傳統(tǒng)的物候監(jiān)控手段的缺失得到了有效彌補。近幾年，國內和國際植被物候研究以大田觀測為主，以氣候物候為基礎，還包括以遙感為基礎的大尺度物候研究［ 8-10］。筆者以貴州省森林植被為研究對象，探討不同植被指標下的森林植被物候監(jiān)測方法和途徑，利用MODIS時間序列遙感數據進行遙感物候監(jiān)測。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于貴州省103°36′～109°35′E，24°37′～29°13′N，位于我國西南部云貴高原東端（圖1）。貴州省地勢西高東低，自中部向北、東、南三面傾斜，平均海拔1 100 m，地貌屬高原山地，其中92.5%為山地和丘陵。全省氣候屬亞熱帶濕潤季風氣候，年平均氣溫9～19 ℃，年降水量1 100～1 500 mm，降水量分布東、南偏多，西、北偏少，相對濕度在70%以上，全年日照時數1 300 h，無霜期270 d左右。降水占45%～52%。全省植被類型復雜多樣，可分為針葉林、闊葉林、竹林、灌叢與草叢、沼澤植被和水草植被五大類，全省森林覆蓋率在2021年達到62.12%。針葉林以杉木（Cunminghamia lanceolata）、馬尾松（Pinus massoniana）、云南松（P.yunnanensis）、柏木（Cupressus funebris）等為主，闊葉林以殼斗科（Fagaceae）、樟科（Lauraceae）、木蘭科（Magnoliaceae）、山茶科（Theaceae）等為主。

1.2 數據預處理

采用的衛(wèi)星遙感數據為MODIS獲取的遙感影像數據，該數據搭載于EOS/TERRA衛(wèi)星上的中等分辨率成像光譜儀。精選貴州省2021年全年8 d最大值合成地表反射率產品（MODIS/TERRA8-DAYL3GLOBAL500M）MOD09A1，數據下載地址：https：//ladsweb.modaps.eosdis.nasa.gov/。貴州板塊編號為：H27V06，數據包含7個波段，空間分辨率500 M。MOD09A1數據格式為HDF（HierarchicalDataFormat分級數據格式），投影方式為等面積正弦曲線投影，每張圖像覆蓋面積為1 200 km×1 200 km。資料已經輻射定標，幾何精細校正，大氣及氣溶膠嚴格校正。全年共46幅（景物）影像，于2021年完成。

利用ENVI/IDL編寫程序，利用ENVI/IDL函數File_Search和ENVI_CONVERT_File_MAP_Projection對MODIS數據進行批量的數據格式轉換和投影轉換，將正弦投影轉換為經緯度坐標。利用貴州省行政邊界矢量數據，投影轉換后的數據采用ENVI_MASK_APPLY_DOIT函數進行批量裁剪。最后用IDL編寫程序，按（1）～（4）對各種植被指數進行批量計算。

為了方便數據分析與存儲，在IDL中利用fix（）函數轉換各植被指數，將其擴大10 000倍，轉換成整型。

森林植被數據來源于Globe Land 30 m空間分辨率全球地表覆蓋數據（2020版），由國家基礎地理信息中心發(fā)布［ 11］（http：//www.globallandcover.com/），空間分辨率為30 m，包括耕地、林地、草地等10個一級類型。其中，林地定義為喬木覆蓋，樹冠蓋度在30%以上的土地，包括落葉闊葉林、常綠闊葉林、落葉針葉林、常綠針葉林、混交林，以及樹冠蓋度在10%～30%的疏林地［ 11］。

由于使用的MODIS數據空間分辨率為500 m，需要對地表覆蓋數據進行重分類，使其與MODIS數據空間分辨率一致，再將其重分類為森林與非森林，以掩膜的方式處理為森林植被范圍，得出研究區(qū)森林植被指標，在ENVI軟件中完成這一過程。

1.3 植被物候確定方法

傳統(tǒng)的物候被定義為一個間斷性、不連續(xù)的過程，在特定的生命周期（如萌芽、抽枝、葉的展開、開花、結果和落葉、休眠等）的物種或個體尺度下的規(guī)律性現象。物候是指以衛(wèi)星遙感為基礎，以群落尺度的動態(tài)連續(xù)過程為基礎，主要表現為隨季節(jié)變化而變化的群落結構和外貌，即季相變化的物候節(jié)律。

森林物候參數提取是由Jnsson等［ 12］提出的動態(tài)閥值方法，又稱比例閥值方法，即植被生長的起始期和結束期為20%，植被指數生長曲線的左右振幅。該方法所采用的閥值并不是某一特定的植被指標，而是采用了動態(tài)的比值形式［ 13］。物候關鍵期參數定義如下：生長季開始階段（SOS）、生長季結束階段（EOS）、生長季長度（LOS）、生長季最大值階段（MOE）。

筆者所采用的8 d合成MOD09產品，經過嚴格的前期預處理，將8 d中最佳觀測值作為影像像素值，采用最大值合成的方式進行處理。然而，經過處理的資料仍會受到云霧等影響，尤其是多云霧地區(qū)，如西南部，可能會在降低影像近紅外線與紅外線波段反射數值，導致資料在時間序列上突變，使植被物候分析合成期內持續(xù)出現雜音。因此，要想獲得流暢的時間序列圖像，重構時間序列植被指數是必不可少的一步。近年來，有更多的算法針對時間序列曲線去噪，如最大值合成法（MVC）、Savitzky-Golay濾波法（S-G）、雙Logistic函數擬合法（D-L），AG（非對稱高斯函數）、傅里葉分析法、小波分析法、中值迭代濾波法和時間序列諧波分析法（harmonic analysis of time series，HANTS）等。每種濾波方法都有優(yōu)缺點，分別采用時代衛(wèi)星軟件模塊中主要的S-G、D-L、AG 3種濾波方法和HANTS方法，對2015年EVI時間序列樣本數據進行濾波，對原數據重建的效果進行不同方法的分析比較后發(fā)現［ 14］。原始曲線的細節(jié)保留在S-G濾鏡的原始數據上。因此，筆者用Savizky-Golay（S-G）濾波法重構植被指數時間序列數據。S-G濾波法是應用最小二乘卷積擬合方法［ 15］，由Savizky和Golay于1964年提出。筆者采用ENVI/IDL編寫程序進行植被指標重構，需要確定濾波窗的大小及在S-G濾波過程中的濾波窗多項式系數，并且濾波窗越大，時間序列曲線越平滑，但會導致細節(jié)信息的曲線變化而丟失。經連續(xù)測試，確定濾鏡視窗為5的大小，濾鏡多項式系數為3的大小。重構結果如圖2所示（27°03′46.11″N，104°27′07.80″E）。

為更加精細地反映植被生長變化過程，獲取一個生長季內植被各生長階段的物候信息，對各植被指數在春季樹木萌發(fā)和展葉生長期內分別按10%、30%、50%、70%、90%的速度遞增進行測算。并記錄各植被指數在秋季樹木葉片變色衰老期下降10%、30%、50%、70%、90%和植被指數達到最大值時的天數。

2 結果與分析

2.1 植被指數選擇

由各植被指數的時間序列變化曲線（圖3）可知，MODIS衛(wèi)星圖像中各植被指數總體上可以反映出植被物候在年內的變化趨勢。隨著植被生長季的到來，植被指數（VI）曲線逐漸上升，當植被生長旺盛時，VI上升速度加快，曲線變化迅速，之后達到最大值，秋季植被逐漸進入凋落期，植物葉片開始變色，VI開始下降，且變化速度加快。但經比較分析可知，增強型植被指數EVI更難準確表征植被生長和衰老過程。

圖3 不同植被指數曲線

Fig.3 Different vegetation index curves

2.2 植被物候關鍵期確定

利用TimeSAT軟件，計算得出不同植被指數物候關鍵期（儒略日）（表1）（27°03′46.11″N，104°27′07.80″E）。由表1可知，植被指數EVI、NDVI、Gcc等指標與ExG植被物候關鍵期的指標存在差異。SOS在生長季的起始階段為110 d左右，生長季結束期328 d左右，生長季長度218 d，生長季最大值階段232 d。NDVI得出的SOS最小為96 d，Gcc最大為128 d；NDVI和ExG得出的EOS均為最大，為344 d，Gcc最小為304 d；生長季最大值階段NDVI最大達248 d，EVI最小，為216 d。

設置不同植被指數變化率閾值，利用ENVI/IDL編寫程序，計算不同變化率植被指數發(fā)生的天數（表2）。生長季植被指數分別提高10%、30%、50%、70%、90%時，衰老季植被指數下降了10%、30%、50%、70%、90%。從表2和圖4可以看出，不同生長速度的日數在各植被指標上也出現了不同程度的背離。生長季節(jié)植被指數上升10%的天數，除NDVI異常值外，其余為80～100 d，而此時森林植物葉片尚未開始生長；植被指數在112～136 d上升到30%，樹葉開始返青，也是草木群落物候返青期的開端；達到200 d以后，植被指數提高90%，這時大部分草木葉片展開定型，進入草木成熟期；至220 d左右時，草木指數達到最大值，此后一直處于穩(wěn)定狀態(tài)，并持續(xù)至260 d左右，草木葉片開始老化、變色，每片草木指數僅減少30%；到290 d以后，葉片開始大量變黃，植被指數下降70%左右，開始枯萎；至344 d以后，草木指數降至90%，幾乎所有葉片枯萎，樹木開始進入休眠狀態(tài)。

2.3 森林物候空間分布格局 分析貴州森林植被物候關鍵期的空間分布格局，以增強型植被指數EVI為例。

2.3.1 生長開始階段（SOS）。

從森林物候SOS的空間分布來看（圖5a），森林物候SOS分布存在區(qū)域差異，總體上黔東、黔東南、黔西南地區(qū)森林植被生長的開始期比黔中地區(qū)要早，而黔北、黔東北地區(qū)的森林植被生長的開始期最晚，貴州東部河谷低洼地帶出現最早的SOS，平均在60 d以前出現；SOS在貴州省中部地區(qū)的平均水平為61～80 d；黔北平均在101～120 d，最遲出現在畢節(jié)地區(qū)西部。

2.3.2 生長結束階段（EOS）。

從貴州省森林物候EOS（圖5b）的空間分布來看，最晚結束生長的是黔南和黔北河谷地區(qū)的森林，最早結束生長的是黔西和黔北畢節(jié)的大部分地區(qū)，而相對居中的是黔東。黔北、黔南等谷地，森林物候生長結束期EOS在340 d左右；黔西高原高山地區(qū)森林物候生長的EOS在310 d之前；全省絕大多數地區(qū)的森林氣候EOS在310～345 d。

2.3.3 生長季長度（LOS）。

從LOS空間分布來看（圖5c），貴州森林生長時間最長的地區(qū)是黔南、黔西南和黔東，其中黔南多數地區(qū)平均LOS在300 d以上，個別地區(qū)甚至超過330 d，貴州東部比貴州南部略短，平均在240 d以上。但黔北畢節(jié)地區(qū)在240 d以下的地區(qū)，森林生長期比其他地區(qū)短。貴州省森林生長季長度，從總體上看，南方長于北方，東部長于西部。

2.3.4 生長最大值階段（MOS）。

從貴州省森林物候的MOS空間分布圖來看（圖5d），黔北高山地區(qū)大部分和黔西少部分地區(qū)森林植被生長最大日期最長，平均在230～250 d。

2.4 森林物候空間分布差異性分析

選取貴州省84個氣象站點的緯度、經度、海拔與所在地區(qū)的森林物候參數進行相關性分析，分析森林植被的物候變化與其位置等因素有關，存在空間分布異質性。資料來源于中國科學院資源與環(huán)境科學與數據中心（https：//www.resdc.cn/）。利用ArcGIS軟件提取氣象站位置森林物候關鍵期，與緯度﹑經度、海拔進行相關性分析。

2.4.1 緯度地帶性差異。

一般來說，森林植被類型隨著緯度不同而分布不同，存在緯度地帶性變化。由表3可知，貴州省森林物候中SOS、EOS、LOS與緯度的相關性系數R分別為0.219、-0214、-0.295，除EOS外，SOS與LOS相關性顯著（P<0.05）。將森林物候參數SOS、EOS、LOS分別與緯度作線性擬合（圖6），其R2分別為0.047 9、0.045 8、0.087 1，由此表明，貴州省森林物候關鍵期的緯度地帶性地域分異的規(guī)律明顯。

2.4.2 經度地帶性差異。

經度地帶性又稱海陸地帶性，是由于海陸位置的不同，造成植被類型的不同，造成地表降水量、溫度分布的差異。由表4可知，貴州省森林物候中SOS、EOS、LOS與經度的相關性系數分別為-0.090 6、-0.029 2、0.047 7，SOS、EOS、LOS總體相關性不顯著（P>0.05）。將森林物候參數SOS、EOS、LOS分別與經度進行線性擬合（圖7），其R2分別為0.008 220、0.000 854、0.002 280，數值相對較小，顯示貴州省在經度地帶性上，在森林物候關鍵期的地域分異并不明顯。

2.4.3 海拔地帶性差異。

貴州省地勢西高東低，具有明顯的垂直帶狀森林植被。由表5可知，貴州省森林物候SOS、EOS、LOS與海拔的相關性系數分別為0.082 2、-0.045 7、-0.088 9，相關性總體上并不顯著（P>0.05）。森林物候參數SOS、EOS、LOS分別與海拔作線性擬合（圖8），其R2分別為0.006 75、0.002 09、0.007 94，說明森林物候關鍵期與海拔的線性擬合關聯度較差。

3 結論與討論

利用MODIS衛(wèi)星遙感數據，利用動態(tài)閾值方法對貴州省森林物候關鍵期提取的植被指數EVI、ExG、Gcc和NDVI時間序列曲線進行平滑濾波，得出如下結論：

（1）比較EVI、ExG、Gcc及NDVI得出的時間序列曲線，發(fā)現EVI更能較好反映植被生長狀況，這與米兆榮等［ 16-17］研究結果類似。這是由于EVI取值范圍、標準差、變異系數等均高于其他植被指數，且EVI能夠克服植被生長旺盛期容易達到飽和這一不足，對植被生長變化過程的反映更為真實。

（2）研究發(fā)現，貴州省森林植被的物候變化趨勢呈現出西部地區(qū)晚于東部地區(qū)的植被生長開始期和早于東部地區(qū)的休眠期，與東部地區(qū)相比，整個植被生長季的長度均有所縮短。

（3）貴州省森林物候空間分異的規(guī)律不明顯，僅緯度與SOS和LOS相關性顯著，經度海陸地帶性垂直地帶性及海拔垂直地帶性不顯著。這與張延兵等［ 13］研究不完全一致，可能是與選擇的植被指數有關。

（4）該研究僅選擇衛(wèi)星遙感數據進行研究，下一步研究可結合數碼相機等近地面監(jiān)測手段開展森林植被物候研究，從而提高監(jiān)測精度。

參考文獻

［1］竺可楨，宛敏渭.物候學［M］.長沙：湖南教育出版社，1999：1-3.

［2］ 陸佩玲，于強，賀慶棠.植物物候對氣候變化的響應［J］.生態(tài)學報，2006，26（3）：923-929.

［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］ ROOT T L，PRICE J T，HALL K R，et al.“Fingerprints” of global warming on wild animals and plants［J］.Nature，2003，421（6918）：57-60.

［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（5）：253-260.

［6］ 方修琦，余衛(wèi)紅.物候對全球變暖響應的研究綜述［J］.地球科學進展，2002，17（5）：714-719.

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

［8］ POLGAR C A，PRIMACK R B，杜彥君.溫帶森林展葉物候學［J］.生物多樣性，2013，21（1）：111-116.

［9］ 何洪林，張黎，黎建輝，等.中國陸地生態(tài)系統(tǒng)碳收支集成研究的e-Science系統(tǒng)構建［J］.地球科學進展，2012，27（2）：246-254.

［10］ 楊華，舒斌，黃映國，等.近十年的國際植被物候研究文獻發(fā)展態(tài)勢分析［J］.廣西植物，2013，33（5）：717-722，626.

［11］ CHEN J，BAN Y F，LI S N.China：Open access to earth landcover map［J］.Nature，2014，514（7523）：434.

［12］ JNSSON P，EKLUNDH L.TIMESATa program for analyzing timeseries of satellite sensor data［J］.Computers & geosciences，2004，30（8）：833-845.

［13］ 張延兵，陶建斌，劉鵬程，等.基于時間序列MODIS數據的貴州省森林物候地域分異［J］.長江流域資源與環(huán)境，2015，24（11）：1891-1897.

［14］ 董奎.數碼相機與MODIS衛(wèi)星遙感結合的森林物候監(jiān)測及管理系統(tǒng)初步研建［D］.雅安：四川農業(yè)大學，2015.

［15］ SAVITZKY A，GOLAY M J E.Smoothing and differentiation of data by simplified least squares procedures［J］.Analytical chemistry，1964，36（8）：1627-1639.

［16］ 米兆榮，張耀生，趙新全，等.NDVI和EVI在高寒草地牧草鮮質量估算和植被動態(tài)監(jiān)測中的比較［J］.草業(yè)科學，2010，27（6）：13-19.

［17］ 李紅軍，鄭力，雷玉平，等.基于EOS/MODIS數據的NDVI與EVI比較研究［J］.地理科學進展，2007，26（1）：26-32.