李想,馬立軍,李穎池,陳峰

(1.臺州學(xué)院 藝術(shù)與設(shè)計學(xué)院,浙江 臺州 318000;2.西豐縣農(nóng)業(yè)發(fā)展服務(wù)中心,遼寧 鐵嶺 112499;3.北京華益瑞科技有限公司,北京 100043)

0 引言

森林是水庫、錢庫、糧庫、碳庫[1]。森林物候作為全球氣候變化的“診斷指紋”,影響生物圈與大氣之間的交互作用,從而影響地表反射率、碳水通量和養(yǎng)分循環(huán)過程[2-3]。由于物候同時也是陸面模式和植被生產(chǎn)力模型的重要參數(shù)[4],因此長期、連續(xù)、精確監(jiān)測物候變化不僅有助于理解植被對氣候變化的響應(yīng)和反饋,對準(zhǔn)確評估植被生產(chǎn)力和全球碳收支同樣具有重要意義[5]。

目前有多種方法能夠在不同的時空尺度上觀測森林物候[6-7]。作為衛(wèi)星遙感和地面觀測的橋梁,近地遙感以其高時間分辨率和空間尺度適中的優(yōu)點成為長期連續(xù)監(jiān)測森林物候的重要手段[6],也是渦動協(xié)方差碳水通量觀測的重要輔助設(shè)備[6]。在近地遙感物候觀測技術(shù)中,數(shù)碼相機(jī)作為應(yīng)用最為廣泛[8],且是唯一能夠同時監(jiān)測森林樹種和冠層尺度物候的方法[9],已逐漸實現(xiàn)了全球物候聯(lián)網(wǎng)觀測和數(shù)據(jù)共享[7,9-11]?；跀?shù)碼相機(jī)的綠度指數(shù)已成為估算草地或農(nóng)作物地上生物量的重要參數(shù)[12]。對于單站點尺度觀測,白平衡模式設(shè)置是安裝物候相機(jī)必然要考慮的問題,早期很多站點均采用自動模式[13],后因自動模式易受天氣影響產(chǎn)生較大的噪聲,進(jìn)而逐漸發(fā)展為晴天模式或其他固定模式[14]。迄今鮮有研究評估不同白平衡模式對物候觀測的影響[15]。Mizunuma等[16-17]通過野外和室內(nèi)控制試驗發(fā)現(xiàn)固定白平衡模式增大了NetCam顏色指數(shù)的振幅,且NetCam可能比Coolpix對白平衡更敏感[17]。目前的相關(guān)研究只評估了相機(jī)類型和白平衡對綠度指數(shù)絕對數(shù)值的影響,缺乏對綠度指數(shù)季節(jié)變化特征和關(guān)鍵物候期影響的評估。

對于區(qū)域或全球尺度的聯(lián)網(wǎng)觀測,各站點安裝的數(shù)碼相機(jī)類型不盡相同。例如,北美和歐洲大多數(shù)站點采用StarDot生產(chǎn)的網(wǎng)絡(luò)相機(jī)(NetCam)[14,18],日本物候網(wǎng)絡(luò)大部分安裝的是尼康(Nikon)生產(chǎn)的Coolpix系列相機(jī)[19],而澳大利亞物候網(wǎng)絡(luò)采用佳能(Canon)的單反相機(jī)(Powershot A810)[20-21]。這些相機(jī)配備了不同的圖像傳感器,導(dǎo)致采集的圖像在感光度、分辨率和存儲格式等方面均存在差異。由于數(shù)碼相機(jī)與輻射類傳感器(光譜儀和輻射表)不同,不屬于科學(xué)儀器,很多參數(shù)難以從廠家獲得[16],從而加大了交互對比的難度。目前在整合各站點物候數(shù)據(jù)時,通常沒有考慮由于相機(jī)類型的差異引入的不確定性[22]。對比哈佛森林站11 種不同類型的數(shù)碼相機(jī)發(fā)現(xiàn),秋季綠度指數(shù)在葉衰老初期差異較大,在后期基本一致[22],如果排除室內(nèi)網(wǎng)絡(luò)相機(jī),其他相機(jī)間的差異可以忽略。尋找低成本且穩(wěn)定的相機(jī)監(jiān)測森林物候,有助于實現(xiàn)更大覆蓋面的物候聯(lián)網(wǎng)觀測,因此迫切需要比較不同類型相機(jī)的綠度指數(shù)季節(jié)變化和估計關(guān)鍵物候期的差異。大多數(shù)用于監(jiān)測野生動物的野外相機(jī)價格大多在600～5 000 元人民幣,遠(yuǎn)低于應(yīng)用最廣泛的NetCam相機(jī)(國內(nèi)代理商報價在20 000 元人民幣左右)。但此類相機(jī)的白平衡為自動模式,用戶無法自定義,因此尚未見利用此類相機(jī)用于監(jiān)測冠層物候的報道。此外,生活中最為普遍的智能手機(jī)也可以作為一臺數(shù)碼相機(jī),相比數(shù)碼相機(jī)更為廉價且更為方便操作。例如,Hufkens等[23]利用智能手機(jī)監(jiān)測小麥物候和健康狀況。但智能手機(jī)的缺陷在于無法安裝在野外進(jìn)行長期自動觀測,且智能手機(jī)與數(shù)碼相機(jī)觀測物候是否存在差異尚不清楚。

本研究以帽兒山站溫帶落葉林、東北林業(yè)大學(xué)校園水曲柳(Fraxinusmandshurica)和落葉松(Larixgmelinii)林為例,對比3種類型的數(shù)碼相機(jī)(即美國生產(chǎn)的NetCam、日本生產(chǎn)的Coolpix和中國生產(chǎn)的Ltl-5610)以及國產(chǎn)Ltl-5610和華為智能手機(jī)的顏色指數(shù)和關(guān)鍵物候期的差異,探究白平衡設(shè)置對物候觀測的影響,為建立中國物候相機(jī)觀測網(wǎng)絡(luò)提供技術(shù)參考。

1 材料與方法

1.1 研究區(qū)域概況

本研究的主要地點位于黑龍江省東北林業(yè)大學(xué)帽兒山森林生態(tài)站(45°24′N,127°40′E),平均海拔400 m。氣候?qū)俅箨懶约撅L(fēng)氣候,夏季溫暖濕潤,冬季寒冷干燥,2008—2018年平均氣溫為2.0 ℃,平均年降水量為676 mm[24]。通量觀測塔位于西北坡向(296°)下坡位,塔周圍平均坡度為9°,塔高48 m[25-26]。通量風(fēng)浪區(qū)內(nèi)植被為林齡約70年的溫帶落葉闊葉林,主林層高約20 m,喬木層平均胸高斷面積為24 m2/hm2,平均生物量密度為154 mg/hm2。主要喬木樹種有春榆(Ulmusjaponica)、水曲柳、白樺(Betulaplatyphylla)、楓樺(Betulacostata)、胡桃楸(Juglansmandshurica)、五角槭(Acermono)和大青楊(Populusussuriensis)等。林下植被以暴馬丁香(Syingareticulatavar.mandshurica)為主[27]。

另一個輔助研究地點在東北林業(yè)大學(xué)主樓西側(cè)后面的水曲柳和落葉松林。東北林業(yè)大學(xué)位于哈爾濱市香坊區(qū)內(nèi),哈爾濱氣候?qū)俅箨懶约撅L(fēng)氣候,冬長夏短,1月平均氣溫-19 ℃,7月平均氣溫23 ℃。平均年降水量569 mm,降水主要集中在6—9月,降雪期為每年11月至次年1月。

1.2 圖像采集

2015年4月在通量塔48 m高度朝北向安裝1臺網(wǎng)絡(luò)相機(jī)(NetCam SC Camera, StarDot Technologies, USA),水平向下傾斜30°,白平衡設(shè)置為固定模式(平均亮度值:紅色R=385,綠色G=256,藍(lán)色B=330),曝光為自動模式。每小時采集1張冠層圖像,在當(dāng)?shù)貢r間的整點時刻采集(北京時間半點時刻)。圖像傳感器為CMOS傳感器,存儲圖像為JPEG格式,分辨率為1 296×960。2016年8月在通量塔48 m高度朝北向分別安裝一臺國產(chǎn)定時拍照相機(jī)(Ltl-5610, LTL ACORN, China),水平向下30°,白平衡為自動模式,曝光為自動模式。圖像采集時間與NetCam同步,圖像傳感器為CMOS傳感器,存儲圖像為JPEG格式,分辨率為4 000×3 000。2018年由廠家將自動白平衡修改為晴天模式。由于Ltl-5610不能自動切換白平衡模式,而且相機(jī)無法標(biāo)定,很難消除不同相機(jī)間的系統(tǒng)偏差,本研究利用同一臺相機(jī)的不同年份數(shù)據(jù)探討白平衡模式的影響。

2016年和2018年利用數(shù)碼相機(jī)(Coolpix L120, Nikon Corporation, Japan)在通量塔48 m手動采集冠層圖像。為保證每次采集圖像的位置和角度一致,朝北向固定1 個獨腳架和云臺,將云臺傾斜角分別設(shè)置為水平向下30°。植被展葉期和落葉期(5—6月,9—10月),每2～5 d采集一次;植被飽和期(7—8月),采集圖像頻率保持每7 d 1次。每次采集圖像時間為當(dāng)?shù)貢r間11:30—12:00,避免陰天、大霧或雨天。白平衡設(shè)置為晴天模式,曝光為自動模式。圖像傳感器為CCD傳感器,存儲圖像為JPEG格式,分辨率為4 320×3 240。

2017年在東北林業(yè)大學(xué)校園內(nèi)主樓樓頂安裝一臺Ltl-5610相機(jī),相機(jī)設(shè)置和圖像采集時間與帽兒山通量塔上的3 臺相機(jī)一致。另外,為了探討白平衡設(shè)置對冠層綠度指數(shù)和物候期估算的影響,正午用1 臺國產(chǎn)華為智能手機(jī)(Nova)自帶的拍照功能手動采集圖像,白平衡模式依次切換為晴天、陰天和自動模式,每5～10 d拍攝一次。圖像傳感器為CMOS傳感器,分辨率為4 032×3 016。由于Ltl-5610相機(jī)的春季圖像丟失,本研究僅對比Ltl-5610和華為手機(jī)觀測的秋季物候。

1.3 顏色指數(shù)提取和計算

為了消除不同相機(jī)視野的差異進(jìn)而精確對比不同類型相機(jī)監(jiān)測物候的差異,從不同相機(jī)采集的圖像中選擇相同的“感興趣區(qū)域”(region of interest, ROI),提取每張圖像ROI內(nèi)所有像素的紅(R)、綠(G)、藍(lán)(B)3 個通道的平均亮度值(digital number , DN),如圖1所示。根據(jù)每張圖像的3 個通道DN值計算3 種顏色指數(shù),這3 種顏色指數(shù)分別為相對綠度指數(shù)(green chromatic coordinate, GCC,式中用GCC表示)、絕對綠度指數(shù)(green excess index, GEI,式中用GEI表示)、相對紅度指數(shù)(red chromatic coordinate, RCC,式中用RCC表示)。由于不同相機(jī)顏色指數(shù)的絕對數(shù)值存在較大差異,本研究將所有顏色指數(shù)進(jìn)行了標(biāo)準(zhǔn)化處理。手動相機(jī)均在晴天采集圖像,沒有再對顏色指數(shù)的時間序列進(jìn)行濾波。

矩形內(nèi)區(qū)域為用于計算冠層顏色指數(shù)的“感興趣區(qū)域”The rectangle region is the ‘region of interest’ for calculating canopy color index圖1 帽兒山站通量塔3 種類型數(shù)碼相機(jī)采集的冠層圖像(2018年6月22 日11:30采集) Fig.1 Canopy images captured by three types of digital camera on the eddy flux tower at Maoershan site (11:30 on June 22, 2018)

(1)

GEI=2×G-R-B。

(2)

(3)

(4)

式中:R、G、B分別表示紅、綠、藍(lán)3 個通道DN值;GCC、GEI和RCC為相對綠度指數(shù)、絕對綠度指數(shù)和相對紅度指數(shù);CI為顏色指數(shù);CINOR為標(biāo)準(zhǔn)化顏色指數(shù);CIMAX和CIMIN分別為顏色指數(shù)季節(jié)變化的最大值和最小值。

1.4 物候期提取

對于相對綠度指數(shù)GCC和絕對綠度指數(shù)GEI,利用邏輯斯蒂模型(式(5))模擬綠度指數(shù)春季變化曲線,將曲率(式(6))變化速率的3 個極值點分別定義為展葉開始SOS、展葉高峰MOS和展葉結(jié)束POS,分別接近于綠度指數(shù)振幅的10%、50%和90%[28-29],如圖2所示。秋季變化曲線擬合和物候期(葉衰老開始SOF、落葉高峰MOF和落葉結(jié)束EOF)提取與春季同理。根據(jù)MOS到MOF以及SOS到EOF的持續(xù)時間計算2 種生長季長度(length of season, LOS1和LOS2)。RCC秋季變色高峰日(peak of color, POC)定義為秋季最大值出現(xiàn)的時間[30]。

SOS為展葉開始,MOS為展葉高峰,POS為展葉結(jié)束。SOS is start of spring, MOS is middle of spring, POS is peak of spring.圖2 關(guān)鍵物候期的定義方法(以2018年NetCam的春季相對綠度指數(shù)為例)Fig.2 Method for defining key phenophases (using green chromatic coordinate measured withNetCam in the spring in 2018 as an example)

(5)

(6)

式中:f(t)為擬合曲線;a為綠度指數(shù)的春季最小值或秋季最大值;b為振幅;c和d分別為控制曲線的拐點和變化速率;K為擬合曲線的曲率;f′(t)和f″(t)分別為f(t)的一階和二階導(dǎo)數(shù)。

1.5 統(tǒng)計分析

利用Spearman相關(guān)分析評估不同相機(jī)顏色指數(shù)時間序列的同步性[31]。綠度指數(shù)(GCC和GEI)物候期的不確定性用估計值的95%置信區(qū)間評估。基于NetCam和Ltl5610的RCC物候期的不確定性定義為濾波后的時間間隔3 d,而基于Nikon的RCC物候期不確定性定義為圖像采集的時間間隔5 d。以通量塔數(shù)碼相機(jī)視野內(nèi)20 m × 30 m的固定樣地定期收集的凋落葉秋季物候為參考,評估數(shù)碼相機(jī)精度。春季物候的地面測量只能人工觀測,對于樹種組成復(fù)雜的天然林,很難準(zhǔn)確判斷關(guān)鍵物候期,因而本研究春季物候沒有地面參考值。GCC和GEI估計的3 個物候期與凋落葉相同的物候參數(shù)進(jìn)行比較,RCC估計的POC與凋落葉的MOF進(jìn)行比較。本研究統(tǒng)計分析由SPSS19.0完成,作圖由Sigmaplot12.5完成。

2 結(jié)果與分析

2.1 數(shù)碼相機(jī)與凋落葉秋季物候?qū)Ρ?/h3>

2016年和2018年3 種相機(jī)GCC和GEI與秋季凋落葉動態(tài)顯著相關(guān)(Spearman相關(guān)系數(shù)>0.90),但RCC與凋落葉的相關(guān)性較弱,且2016年NetCam和2018年Coolpix的RCC與凋落葉相關(guān)性不顯著,如圖3所示。2016年和2018年冠層在9月1 日和6 日開始凋落,9月26 日和25 日達(dá)到凋落高峰,10月21 日和15 日凋落完畢。對比3 類相機(jī)顏色指數(shù)與凋落葉物候期,除2018年GEI與凋落葉估計的SOF明顯晚17 d之外(表1),GCC和GEI秋季物候與凋落葉物候差異均不顯著,但2種綠度指數(shù)與凋落葉的SOF和MOF的差異較大(1～17 d)。Ltl5610和Coolpix的RCC估計的秋季變色高峰與凋落葉MOF差異顯著(6～31 d)。

表1 3種相機(jī)與凋落葉法估計的秋季物候?qū)Ρ萒ab.1 Comparisons of autumn phenophases estimated by three cameras versus by leaf litter

R為Spearman相關(guān)系數(shù),N、C和L分別表示NetCam、Coolpix和Ltl-5610、A litterfall。F、S、A和Lf分別表示固定白平衡、晴天模式、自動模式和凋落物,下同。R is the Spearman's rank correlation coefficient, N, C, and L represent NetCam, Coolpix, and Ltl-5610. F, S, A and Lf represent fixed, sunny, automatic white balance mode, respectively, and lifferfall,the same as below.圖3 帽兒山站不同類型相機(jī)以及白平衡模式的標(biāo)準(zhǔn)化顏色指數(shù)季節(jié)變化Fig.3 Seasonal variation in standard color index derived by different types of camera with different white balance modes at Maoershan site

2.2 白平衡模式設(shè)置對估計秋季物候的影響

華為手機(jī)晴天模式GCC和GEI估計的2017年東北林業(yè)大學(xué)校園內(nèi)落葉松和水曲柳林在9月25 日或26 日開始凋落,10月5 日或6 日達(dá)到凋落高峰,10月15 日或16 日凋落完畢;RCC估計的變色高峰在10月15 日。對比3 種白平衡模式,SOF、MOF和EOF差異均不顯著(<5 d),MOF差異最小且最為穩(wěn)定,見表2。但晴天模式比陰天和自動模式物候期估計值的不確定性略小。

表2 華為智能手機(jī)3種白平衡模式下估計的秋季物候期對比Tab.2 Comparisons of autumn phenophases estimated by Huawei smartphone between three white balance modes

2.3 不同類型數(shù)碼相機(jī)對比

2018年3 類相機(jī)的綠度指數(shù)全年變化趨勢基本一致(Spearman相關(guān)系數(shù)>0.95),但不同階段的變化略有差異,春季和衰老中后期差異較小,夏季和衰老初期差異較大(圖3)。2017年晴天模式的Ltl-5610相機(jī)與智能手機(jī)的秋季綠度指數(shù)顯著相關(guān)(Spearman相關(guān)系數(shù)>0.88),衰老初期差異較大,衰老末期基本一致,如圖4所示。

L和M分別為Ltl-5610相機(jī)和華為智能手機(jī)。L and M are Ltl-5610 camera and Huawei smartphone.圖4 2017年秋季東北林業(yè)大學(xué)校園內(nèi)標(biāo)準(zhǔn)化冠層綠度指數(shù)季節(jié)變化Fig.4 Seasonal courses of standard canopy greenness index in Northeast Forestry University in the autumn in 2017

由表3可知,3 類相機(jī)估計的6 個關(guān)鍵物候期和2 種LOS大體一致,春季物候差異相對穩(wěn)定,而秋季SOF和EOF波動較大。MOS和MOF的不確定性最小,3類相機(jī)間分別相差0～4 d和1～7 d;但NetCam估計的SOF比Coolpix和Ltl-5610的估計值早11～16 d。Ltl-5610與華為手機(jī)估計的秋季物候期差異不顯著(0～7 d),見表4。

表3 基于3種類型數(shù)碼相機(jī)顏色指數(shù)估計的物候期對比Tab.3 Comparisons of phenophases estimated by greenness indices of three types of digital camera

表4 基于Ltl-5610相機(jī)與智能手機(jī)的秋季物候期對比Tab.4 Comparisons of autumn phenophases between Ltl-5610 and smartphone

3 討論

3.1 白平衡和相機(jī)類型對森林物候觀測的影響

對于單站點尺度的長期觀測,白平衡模式的改變影響圖像質(zhì)量,可能會改變顏色指數(shù),進(jìn)而影響關(guān)鍵物候期估計[17]。本研究對比同一部智能手機(jī)采集的3 種白平衡模式圖像,發(fā)現(xiàn)秋季物候期非常接近(表2),表明白平衡對3 種顏色指數(shù)的物候提取影響不大,但自動模式可能容易受天氣影響,導(dǎo)致物候估計的不確定性較大。Mizunuma等[17]也發(fā)現(xiàn)Coolpix相機(jī)受白平衡影響很小,但固定模式增大了NetCam顏色指數(shù)的振幅。因此,本研究仍然建議采用固定或晴天模式。

區(qū)域或全球尺度的聯(lián)網(wǎng)觀測需要選擇相機(jī)類型。不同類型相機(jī)的綠度指數(shù)(GCC和GEI)季節(jié)變化基本一致,且不同相機(jī)間物候期差異不顯著(表3)。與此類似,排除室內(nèi)網(wǎng)絡(luò)相機(jī),哈佛森林站不同相機(jī)間物候期僅相差1～2 d[22];Richardson等[9]對比Axis 211和NetCam,發(fā)現(xiàn)2 種相機(jī)GCC季節(jié)變化高度一致(R2=0.98),且50%閾值定義的春季和秋季物候期差異均在3 d以內(nèi)。具體來看,不同相機(jī)綠度指數(shù)在夏季和葉衰老初期差異較大,秋季落葉過程中差異逐漸減小(圖3),與Sonnentag等[22]的研究結(jié)果相同。一方面,焦距、光圈大小和視場角等導(dǎo)致不同相機(jī)的景深和圖像分辨率等存在差異;另一方面,感光度的差異可能導(dǎo)致不同類型相機(jī)對冠層動態(tài)(含水率、葉厚和葉變色等)的敏感度存在差異[32]。如果要精確對比圖像傳感器的光響應(yīng)能力,需要在室內(nèi)標(biāo)準(zhǔn)光源下做光譜響應(yīng)曲線[9]。另外,NetCam的固定白平衡設(shè)置減少了藍(lán)光波段的波動(數(shù)據(jù)未給出),紅光和綠光的比例相對增加使得NetCam對色素變化更敏感,可能也是NetCam估計的SOF比其他2 類相機(jī)早11～16 d的原因。

不同顏色指數(shù)對相機(jī)類型和白平衡的響應(yīng)不同。GCC和GEI的季節(jié)變化和物候期差異很小,且對相機(jī)類型和白平衡的響應(yīng)相同。數(shù)碼相機(jī)GCC和GEI估計的MOF與凋落葉接近,但SOF比凋落葉晚1～17 d,可能是綠度指數(shù)對早期的落葉不敏感。而數(shù)碼相機(jī)EOF比凋落葉早4～11 d,當(dāng)冠層葉片葉綠素完全分解,相機(jī)綠度指數(shù)降到最低,葉片卻沒有凋落完畢。NetCam和Coolpix相機(jī)的RCC變色高峰日比葉凋落高峰略早,可能是凋落過程中冠層保留的大部分是綠葉,當(dāng)所有葉片變色時,大部分葉片已經(jīng)凋落。值得注意的是,Ltl-5610相機(jī)RCC的季節(jié)動態(tài)與其他相機(jī)存在顯著差異,而且變色高峰日比其他相機(jī)和凋落葉高峰日晚得多。這預(yù)示廉價的自動相機(jī)可能不適合用RCC來估計秋季物候,不過需要大量其他類型的廉價相機(jī)來驗證。Liu等[30]發(fā)現(xiàn)RCC的變色高峰日比冠層LAI估計的EOF早,與本研究結(jié)果RCC變色高峰比凋落葉結(jié)束日早2～23 d一致。

綜合來看,數(shù)碼相機(jī)綠度指數(shù)估計的春季開始展葉日SOS和秋季落葉結(jié)束日EOF的不確定性較大,而春季展葉高峰MOS和秋季的落葉高峰MOF最為穩(wěn)定,且受相機(jī)類型、白平衡模式和綠度指數(shù)選擇的影響最小。本研究建議用MOS和MOF或50%閾值定義生長季的開始和結(jié)束[33-34],有望整合全球物候網(wǎng)絡(luò)中不同相機(jī)類型和白平衡模式的數(shù)據(jù)集。

3.2 廉價數(shù)碼相機(jī)的應(yīng)用和推廣

全球數(shù)碼相機(jī)物候網(wǎng)絡(luò)發(fā)展迅速,已覆蓋北美[14]、歐洲[18]、日本[35]和澳大利亞[21]等區(qū)域,但目前我國仍然處于起步階段。從發(fā)表論文看,各個通量觀測站僅限于單站點觀測,如長白山森林站[36]、帽兒山森林站[8]、禹城農(nóng)田站[37-38]、當(dāng)雄草地站[39]和阿柔草地站[40]等,還有一些試驗點用相機(jī)監(jiān)測特定物種的生長[41]。中國生態(tài)系統(tǒng)研究網(wǎng)絡(luò)已經(jīng)在部分站點統(tǒng)一配備了4通道物候相機(jī)(Sequoia, Parrot, USA)和數(shù)碼相機(jī)(CCFC, Campbell Scientific, USA),但站點數(shù)量仍然有限。因此需要組織多個研究機(jī)構(gòu)和野外觀測站共同參與,利用低成本且穩(wěn)定的相機(jī)發(fā)展大范圍的網(wǎng)絡(luò)化和自動化物候觀測系統(tǒng),并建立數(shù)據(jù)共享平臺[42],從而彌補(bǔ)全球物候網(wǎng)絡(luò)在亞洲的覆蓋率。

綜合先前研究和本研究結(jié)果,除一些低成本室內(nèi)網(wǎng)絡(luò)相機(jī)外,利用各類數(shù)碼相機(jī)監(jiān)測植被物候均為可行[22]。各類相機(jī)各有優(yōu)缺點,例如,Coolpix和Ltl-5610配備廣角鏡頭,視野比NetCam更大,且圖像分辨率更高。Coolpix和NetCam的白平衡能夠由用戶設(shè)置,而監(jiān)測野生動物的定時拍攝相機(jī)通常不具備該功能(本研究中Ltl-5610通過廠家預(yù)設(shè)晴天模式)。NetCam在有網(wǎng)絡(luò)的條件下可以實現(xiàn)實時監(jiān)控以及數(shù)據(jù)上傳和下載,而普通相機(jī)只能將圖像存儲在SD卡中定期下載。從費用角度考慮,美國的NetCam和CCFC的價格相對較昂貴(幾千美元或幾萬元人民幣),而國產(chǎn)定時拍攝相機(jī)的價格(600～5 000元人民幣)僅為NetCam的5%～20%,更容易實現(xiàn)多點密集觀測(如區(qū)分喬、灌、草層次或局域尺度地形影響)和大范圍聯(lián)網(wǎng)觀測,具有非常廣闊的應(yīng)用前景。監(jiān)測野生動物的紅外相機(jī)在我國應(yīng)用很廣,但拍攝照片日期不連續(xù)?？紤]計算物候?qū)Π灼胶庠O(shè)置不是很敏感,可以通過定點增設(shè)定時拍照來監(jiān)測珍稀動物賴以生存的森林物候動態(tài)變化。

4 結(jié)論

本研究測試的3種類型數(shù)碼相機(jī)綠度指數(shù)季節(jié)變化大體一致,在春季和秋季落葉過程中差異較小,在夏季和葉衰老初期差異較大。不同類型相機(jī)綠度指數(shù)估計的6個關(guān)鍵物候期和2種LOS普遍差異不顯著,且秋季3個物候期與地面凋落葉差異也不顯著,但秋季SOF和EOF波動較大。此外,不同相機(jī)的紅度指數(shù)及其估計的變色高峰相差1～24 d,2018年Ltl-5610比凋落葉晚31 d。白平衡模式對物候估計影響不大,但固定或晴天模式估計值的不確定性更低。對比6個物候期,MOS和MOF受相機(jī)類型和白平衡模式影響最小,更適合用于整合全球不同類型相機(jī)和白平衡模式的物候數(shù)據(jù)。本研究證實低成本的國產(chǎn)定時拍攝相機(jī)綠度指數(shù)能夠用于森林物候的監(jiān)測。