发布时间：2020-02-08所属分类：园林工程师浏览：1次
摘 要： 摘要:遥感技术作为对大尺度陆表监测研究的有效手段，被广泛应用于自然地理环境各要素的研究中。其中，植被物候作为自然界规律性、周期性的事件，对自然环境尤其是气候变化有着重要的指示作用。以陕西省为研究区，采用Savitzky-Golay(S-G)滤波方法对MODIS归一
摘要:遥感技术作为对大尺度陆表监测研究的有效手段，被广泛应用于自然地理环境各要素的研究中。其中，植被物候作为自然界规律性、周期性的事件，对自然环境尤其是气候变化有着重要的指示作用。以陕西省为研究区，采用Savitzky-Golay(S-G)滤波方法对MODIS归一化植被指数(normalizeddifferencevegetationindex，NDVI)数据进行时间序列重构，并在此基础上，提取陕西省2001—2016年间的植被物候期信息进行其时空变化特征分析。研究结果表明:①陕西省的植被物候空间分布特征与其不同地形地貌的空间分布具有较好的一致性;②陕西省生长季开始的平均时间在每年的第120天，生长季结束的平均时间在第280天，生长季长度平均为160d;③2001—2016年间陕西省植被生长季开始时间变化趋势为波动提前，变化率约为-0.79d/a(R2=0.40，P<0.01)，生长季结束时间变化趋势表现为波动推迟，变化率约为0.50d/a(R2=0.25，P<0.05)，生长季长度变化呈波动延长趋势，变化率约为1.29d/a(R2=0.37，P<0.05);④在不同的物候期，陕西省植被的物候变化趋势空间分布差异较大。
关键词:NDVI;物候;时空变化;陕西省
0引言
植被物候是指植物受气候和其他环境因子的影响而出现的以年为周期的自然现象，包括植物的发芽、展叶、开花、叶变色和落叶等，是植物长期适应季节性变化的环境而形成的生长发育节律[1]。因此，植被物候具有反映气候变化和环境变化的作用，是指示气候与自然环境变化的重要指标[2-3]。同时，植被物候还是陆面过程模型、动态全球植被模型的重要参数[1，4]，在全球变化研究中具有重要作用。
传统植被物候观测主要通过气象站点的观测和记录实现，这种观测方式具有覆盖面积小、成本耗费高等缺点，不足以应对大面积的植被物候观测要求。而卫星遥感数据具有观测范围广、空间连续性好、时间序列长、信息量丰富、数据种类多、经济效益高等特点，在大尺度、长时间范围内的土地利用、植被覆盖和农业资源调查等工作中被广泛使用，应用卫星数据进行遥感监测也成为监测区域或全球尺度植被动态变化的强大手段[5]。
相关期刊推荐：《植物学报》是由中国科学院植物研究所和中国植物学会主办的中文版综合性学术期刊。刊以“综合性、高水平”为办刊方针，求新、求快，以及时、准确地反映我国植物科学领域科学家最新研究成果(新发现、新方法等)、系统评述国际研究热点(新理论、新发展)为基本定位，以涵盖植物科学各领域(包括农、林、园艺学)具有重要学术价值和创造性的研究成果为主要发表内容，以中国国内从事科学研究和高等教育的中高级专业人员为主要读者和服务对象。
卫星遥感数据植被指数产品在大尺度上监测和描述植被物候变化趋势的能力，能够很好地描述整个生态系统的物候变化[6]。目前，不少专家和学者已经注意到卫星遥感数据植被指数产品应用到植被物候方面研究的潜力，且已有部分研究工作者开展了这方面的研究，在中国温带地区[6]、中国北方温带地区[7]、青藏高原[8]、中国农牧交错地带[9]、东北[10]、华北[11]和浙江[12]等不同尺度的研究区域取得了许多研究成果。但这些成果因气候类型不同、地形差异大，具有区域局限性而不适于描述其研究区以外的植被物候，尤其对于气候类型差异显著的区域有较大的局限性。
陕西省地处中国大陆腹地，纬度跨度大，地形和气候类型丰富，开展陕西省的植被物候研究、分析其时空变化特征，有助于理解在多种地形和气候类型影响下的植被物候响应机制，丰富我国植被物候研究的区域范围，同时为其他区域的植被物候研究提供对比资料。
1研究区概况与数据源
1.1研究区概况
陕西省位于中国内陆，地理范围在E105°29'～111°15'，N31°42'～39°35'之间，地处东部湿润地区和西部干旱区的交界地带，因此省内气候类型多样，可分为暖/中温带半干旱地区(约N37°以北)、暖温带半湿润地区(约N33°～37°)、北亚热带湿润地区(约N33°以南)3大气候区[13-14];省内地形地貌类型丰富，自北向南依次划分为毛乌素沙地陕北部分、黄土高原、关中平原、秦岭山地、汉江盆地和大巴山山地。
1.2数据来源和预处理
研究选用MODIS产品之一的MOD13Q1v006植被指数产品数据集。该数据集包括基于限制视角的最大值合成方法(constrainedviewangle-maximumvaluecomposite，CV-MVC)合成的16d时间分辨率、250m空间分辨率的归一化植被指数(normalizeddifferencevegetationindex，NDVI)和增强型植被指数等数据。与MOD13Q1v005数据相比，v006数据在植被指数的运算中使用8d预合成地表反射率数据而非天数据，改进了NDVI产品在生产过程中的误差，提高了数据精度。产品已经过几何纠正和大气校正。该时间序列数据集从美国国家航空航天局(NationalAeronauticsandSpaceAdministration，NASA)陆地过程分布式主动存档中心(LandProcessesDistributedActiveArchiveCenter，LPDAAC)网站下载(https://lpdaac.usgs.gov/lpdaac/products/modisproductstable)，时间覆盖2001年1月—2016年12月，16a间共368期影像，用于生产陕西省遥感植被物候数据。另外，利用来源于清华大学基于30m空间分辨率TM影像的土地覆盖分类图(http://data.ess.tsinghua.edu.cn/)剔除陕西省的非植被覆盖区。
利用MRT工具从MOD13Q1v006的368期影像中提取NDVI和数据像元可信度这2个数据层，并进行拼接、格式转换和重投影。数据像元可信度是对NDVI数据每个像元数值可信度的说明，与NDVI数据的时间和空间分辨率一一对应，取值范围为-1～3。根据参考文献[15]，利用数据像元可信度对NDVI数据进行预处理，进一步提高NDVI像元的可信度;然后结合30m空间分辨率的土地覆盖分类图在ArcMap中利用重采样和掩模提取陕西省的植被覆盖区，同时剔除NDVI<0.05的像元，尽量保证每个NDVI像元都是地表植被覆盖区。
2物候提取
2.1时间序列重构
目前，用于植被指数数据时间序列重构的方法很多，包括最佳指数斜率提取法、均值迭代滤波法、Hants算法、Savitzky-Golay(S-G)滤波法、非对称高斯函数拟合法、时间窗的线性内插法、双函数拟合方法和小波变换等[16-18]。这些方法中既有基于设置阈值的噪声去除法，也有通过滤波达到平滑效果和以非线性拟合为基础的算法。每种方法均有其优缺点及适用范围，例如，最佳指数斜率提取法能有效处理NDVI曲线中突降的点值，但对异常高值缺乏相应对策，且在处理过程中，经验性要求高[19];基于傅里叶变换的滤波方法对较为对称的NDVI时序曲线处理效果较好，但对于存在波动的NDVI时序曲线进行平滑容易引入新的人为噪声;非对称高斯函数拟合法对时序曲线进行分段拟合，具有较高的拟合精度，但在实际运算过程中，需要人为确定分段拟合的起始值，明显受制于工作经验，且运算复杂耗时，效率较低;而S-G滤波法采用NDVI数据的上包络线来拟合NDVI时序数列的变化趋势，保留了NDVI曲线的特征，通过一个迭代的过程可消除偏离正常生长趋势线的噪声，而使平滑达到最好的效果[19]。因此，本文选择S-G滤波法进行NDVI时序重构。
S-G滤波法由Savitzky和Golay于1960年提出，是一种滑动窗口的加权拟合算法。其加权系数通过在滑动窗口内对给定高阶多项式进行最小二乘拟合得出。因此，在利用S-G滤波对NDVI时序曲线平滑去噪的过程中，2个参数的设置至关重要，一个是滑动窗口数值，另一个是多项式阶数。一般来说，滑动窗口数值越大，参与拟合的值越多，效果越好，但细节容易被过滤掉，反之则平滑效果不明显;多项式的阶数越高，越易出现过拟合，阶数越低，平滑效果越好，但会引进误差[13，19]。已有研究结果表明，滑动窗口取值一般在3～7之间，多项式阶数一般在2～4之间比较合适[13，19]。因此，本文经过运算结果比较研究后，设置滑动窗口数值为5，多项式阶数为2，进行NDVI时序曲线的S-G滤波，实现NDVI时序曲线重构。
2.2物候期提取
本研究中提取的植被物候信息主要针对遥感监测，且只考虑一年中只有一个生长期的情况(对于一年中存在2个生长期的地区，提取该地区植被生长期中NDVI值最大的一个生长期)，提取植被生长过程中共同的3个物候期特征指数，分别是植被生长季开始期(thestartofseason，SOS)、生长季结束期(theendofseason，EOS)和生长季长度(thelengthofseason，LOS)。其中，SOS指植被开始增长的日期或者光合作用开始加强的日期;EOS指植被光合作用和绿色叶面积开始迅速下降的日期;LOS指SOS到EOS以天数计的时间跨度[5]。
目前，基于植被指数时序曲线提取遥感物候的方法不少，较常用的有阈值法、最大斜率法、最大比率法和累积频率法等[6，20-22]。考虑到计算效率以及可操作性，采用最大比率法提取陕西省植被物候期。文中日期均采用儒略日计算法，即将每年的1月1日记为第1天。
3结果与分析
3.1植被物候多年均值的空间分布特征
图1展示了陕西省遥感植被物候2001—2016年间平均值的空间分布。从图中可以看出，各物候期随纬度变化形成南北差异，随地形起伏变化形成区域差异，总体植被物候的空间分布特征与陕西省不同的地形地貌的空间分布具有较好的一致性。因此在本研究分析中，按照陕西省地形地貌的空间分布特征[23-24]将图1自北向南依次划分为毛乌素沙地陕北部分、黄土高原、关中平原、秦岭山地、汉江盆地和大巴山山地进行讨论。
陕西省遥感植被物候空间分布特征显示出地域分异规律，展现植被生长受气候和地形影响的一般规律，表现出在不同气候和地形条件下，植被物候时间的差异。例如，暖/中温带半干旱地区(约N37°以北)温度和降水条件相对较差，SOS和EOS均较晚，LOS较短;暖温带半湿润地区(约N33°～37°)、北亚热带湿润地区(约N33°以南)温度和降水条件较好，SOS较早，EOS较晚，LOS较长。不同气候区物候期的差异表明气候对物候产生影响。这与前人的研究成果相似[25]。而在同一气候区内，物候期仍表现出明显的差异，主要表现在地形起伏较大的地区。如暖温带半湿润地区(约N33°～37°)中黄土高原南部、关中平原和秦岭山地3个地区物候期明显不同。
陕西省遥感植被物候的空间分布总体上随纬度和地形发生变化。相对于纬度较低的地区，纬度较高的地区SOS和EOS均较晚，LOS较短。在同一纬度，海拔高的植被SOS晚，EOS早，LOS较短;海拔低的植被SOS早，EOS晚，LOS较长。陕西省遥感植被物候的空间分布特征表现出与其不同地形地貌空间分布较好的一致性。
对于不同的物候期，陕西省遥感植被物候的空间分布差异不同。SOS最明显，与陕西省不同地形地貌的空间分布一致性最佳。主要原因可能是在植被开始生长时，受到环境因素(温度、降水等)的作用，而环境因素又与纬度、地形等条件密切相关，因此SOS表现的一致性最佳。具体来说，从高纬度至低纬度SOS日期在逐渐提前，在陕西黄土高原内部SOS时间呈现出明显的南北差异，黄土高原北部的SOS明显迟于南部，再往南到达关中平原地区，SOS更加提前;在秦岭山地，由于海拔上升，SOS总体较迟且山顶迟于山脚;在纬度进一步降低和海拔有所下降的汉江盆地，SOS又较早;在大巴山山地因海拔升高，SOS又较迟。
EOS的空间分布差异不如SOS明显，与陕西省不同地形地貌的空间分布一致性相对较差。主要原因可能是植被在后期发育以及成熟阶段，植被生长不仅受到环境因素影响，而且植被自身生理条件、土壤状况和病虫害等条件同样对植被生长起作用。尽管如此，EOS仍表现出一定的规律性。从高纬度到低纬度，总体上EOS日期在提前，因为相对于高纬度地区，低纬度地区的热量更充足，植被完成生长所需的积温时间较短;EOS受地形的影响明显，在秦岭山地和大巴山山地可以看出，EOS总体保持着随海拔升高而时间提前的趋势。
LOS的空间分布是SOS和EOS两者的综合，表现出一定的区域差异特征。且LOS从高纬度到低纬度、从高海拔到低海拔，总体上保持着逐渐延长的趋势。从陕西省植被物候2001—2016年各年的时间看，SOS最早出现在第80天之前，最晚出现在一年中第162天之后，平均时间在第120天;EOS最早出现在第220天之前，最晚出现在第300天之后，平均时间在第280天;LOS最短为112d以内，最长在192d以上，平均时间为160d。区域差异明显的物候期平均时间见表1。在气候和地形的共同影响下，汉江盆地的SOS是陕西省几种地形地貌类型中最早的，比最晚的黄土高原早45.9d。以约N35°为界，EOS北部的地貌类型与南部的地貌类型差异较大，在界限内的地貌类型EOS差异均在7d以内。LOS的区域差异情况与SOS相似，汉江盆地LOS最长，其次是关中平原，最后是黄土高原。
SCI SSCI AHCI