魏家玲

(蘭州市勘察測繪研究院，甘肅蘭州 730030)

生態(tài)物候遙感的進展與展望

魏家玲?

(蘭州市勘察測繪研究院，甘肅蘭州 730030)

遙感促進了物候學與地球系統(tǒng)科學其他學科的交叉和融合，將物候學研究帶入一個新的研究階段。近年來是物候學特別是遙感物候研究發(fā)展的關鍵時期，本文嘗試總結近5年來國際生態(tài)物候遙感的研究進展，探討可能存在的問題:①遙感物候探測的精度還不夠高，遙感物候的誤差還沒有得到系統(tǒng)的評價；②遙感在物候研究中的范圍還很有限，特別是動物物候遙感還很薄弱；③專門針對物候探測的定量遙感方法比較缺乏。凝練未來的發(fā)展方向:①結果的驗證和解釋將得到加強；②發(fā)展專門的物候定量遙感方法；③物候遙感的集成研究，遙感與模型的有機融合與同化。

：植被物候；生物物候；非特征物候；遙感；氣候變化

1 引 言

傳統(tǒng)物候學是研究物候現(xiàn)象(包括生物和非生物現(xiàn)象)與環(huán)境條件(主要是氣候、氣象和土壤條件)年周期變化間相互關系的科學，是氣候學、農業(yè)氣象學和生態(tài)學之間的邊緣學科(竺可楨，1999)。物候現(xiàn)象的變化反映了氣候和節(jié)令的變化，從我國古代開始就有了現(xiàn)代物候學意義的各種物候記錄。傳統(tǒng)物候學研究對指導農業(yè)生產、推廣農業(yè)技術、災害防治、環(huán)境規(guī)劃和治理及認識氣候變化對人類影響等方面起到非常重要的作用。

到現(xiàn)在為止，世界上已經建立起相對完整的包括全球、區(qū)域和本地尺度的地面物候觀測網，形成了一套系統(tǒng)的物候現(xiàn)象觀測方法和體系，這些觀測網已經積累或還在繼續(xù)積累著相對豐富和更長序列的地面觀測數(shù)據(jù)，這些數(shù)據(jù)在各個領域發(fā)揮著重要作用。但是，由于幾乎所有物候現(xiàn)象在時間、空間上都具有高度的異質性，加強的物候觀測網相對于高度的空間異質性而言，依然顯得稀少而薄弱，不僅如此，傳統(tǒng)物候現(xiàn)象的觀測只注重于物候事件的記錄，忽略了物候現(xiàn)象連續(xù)的“量變”過程觀測，導致基于這些點上觀測的研究結果都具有較大的不確定性。

近5年是國際特別是中國地球系統(tǒng)科學研究的大發(fā)展時期。本文簡單總結了近5年來國際生態(tài)物候遙感的主要工作進展，展望國際生態(tài)物候遙感的發(fā)展方向。

2 近5年(2004年～2009年)的主要工作

2.1 植物物候

植物物候是傳統(tǒng)物候學的主要研究內容之一，主要研究各種植物特別是農作物的發(fā)芽、展葉、開花、結實、葉變色、落葉等物候現(xiàn)象的時間變化。在全球變化成為熱點的今天，植物物候遙感主要關注區(qū)域到全球尺度的生物-氣候關系和陸地生態(tài)系統(tǒng)碳循環(huán)方面。

首先，遙感植被指數(shù)特別是歸一化植被指數(shù)(NDVI)和增強型植被指數(shù)(EVI)在植被物候探測中得到廣泛應用。而且，遙感物候研究人員已經意識到被廣泛使用的遙感歸一化植被指數(shù)(NDVI)數(shù)據(jù)存在許多問題，特別是在良好植被區(qū)域NDVI的飽和問題。

在認識到NDVI問題的同時，許多植被物候遙感研究應用中開始考慮這個問題。如B.Duchemin等2006年在評價用NDVI估算小麥LAI和作物系數(shù)的誤差的基礎上，基于Landsat7-ETM+數(shù)據(jù)估算了作物生長季開始和中期的LAI和作物系數(shù)，結果顯示了實驗區(qū)3 km×3 km灌溉區(qū)域作物生長和需水量的時空變化，可用于了解水分分布并指導有效灌溉，研究指出更高時空分辨率衛(wèi)星數(shù)據(jù)的更加可用將有望實現(xiàn)區(qū)域尺度農作物和灌溉的業(yè)務化監(jiān)測(B.Duchemin，2006)；Bethany于2007年介紹了一種既不需要空間也不需要時間平均的曲線擬合的方法，可降低時間序列遙感數(shù)據(jù)受大氣和傳感器的影響。該方法包括兩步:首先，應用諧波分析方法對年平均物候進行模擬；其次，應用樣條方法對年際物候進行模擬。這樣，離群數(shù)據(jù)或者缺失數(shù)據(jù)被最小化的同時，所建立的時間序列的主要屬性(如振幅、綠色期的開始、平滑或粗糙)被捕捉到，最小平方回歸方法用于捕獲上面說的NDVI值，Bethany在美國西部幾種土地覆蓋類型對該方法進行了測試，發(fā)現(xiàn)在土地覆蓋類型內部，綠色期開始的年平均變異期小于8 d，表明曲線擬合在相似的土地覆蓋類型內部是一致的。從1990年～2002年，根據(jù)土地覆蓋類型的不同，綠色期開始的時間變異在17 a～35 a之間，表明年際曲線擬合成功捕捉到了真實的年際變異。該方法增強了年際物候現(xiàn)象的遙感觀測能力，可以更好地理解局部和區(qū)域土地覆蓋變化趨勢(Bethany et al，2007)。

干旱生態(tài)系統(tǒng)的地上部凈初級生產力(ANPP)與降水的時空分布關系復雜，基于NDVI(代表ANPP)，I. Fabricante等2009年在巴塔哥尼亞北部草原分析了年NDVI和月NDVI的年際變異與降水的關系。發(fā)現(xiàn)年NDVI與年降雨的相關性很小，相反，降雨累積與NDVI年際變異普遍具有較高的相關性。季節(jié)NDVI年際變異與當前的季節(jié)降雨的相關性也很小，相反，降雨累積與季節(jié)NDVI年際變異顯著相關，相關程度依據(jù)不同的季節(jié)和環(huán)境條件而不同。干旱生態(tài)系統(tǒng)中，NDVI與降水有更強的聯(lián)系。NDVI對降水的滯后響應為預報ANPP提供了可能(I.Fabricante，et al，2009)。

氣候變化可預見的改變溫帶和北方森林的冠層物候，從而影響碳、水和能量平衡。因此，有必要評價遙感產品對于精確捕捉冠層動態(tài)的潛力。Douglas等2006年在美國威斯康星州北部的落葉闊葉林，開展了2002年MODIS光合有效輻射比率(FPAR)和植被面積指數(shù)(PAI)產品與地面觀測進行了對比。盡管MODIS產品在上層林冠展葉期高估了葉面積，但其能捕捉一般的冠層物候現(xiàn)象，地面觀測數(shù)據(jù)表明，從芽膨大到冠層成熟或者最大植被面積指數(shù)發(fā)生在10 d～12 d，而MODIS產品觀測的冠層發(fā)綠時間和冠層成熟時間分別早于野外觀測1 d～21 d和0 d～19 d。MODIS數(shù)據(jù)的時間序列組合和林下葉層發(fā)展很可能是解釋其與地面觀測數(shù)據(jù)差別的關鍵因素。最大植被面積指數(shù)在地面觀測與MODIS葉面積指數(shù)之間估計只有7%的差別。這表明對于生態(tài)系統(tǒng)碳水交換的模擬及未來的研究需要認真討論(Douglas E.Ahl，et al，2006)。

值得關注的是，微波遙感被用于植被物候研究中來。如Qilong Min等2006年根據(jù)微波發(fā)射率差值植被指數(shù)(EDVI)與冠層葉生理的關系，研究了微波遙感監(jiān)測植被物候中的可能性，研究發(fā)現(xiàn)，EDVI對冠層植被水分含量的變化敏感，相對于地面觀測，根據(jù)長時序EDVI估計的春季物候期和生長季精度分別為3 d和7 d，植被展葉期也可以根據(jù)歸一化的EDVI監(jiān)測，由于微波遙感不受白天、黑夜和天氣的影響，EDVI可為植被物候監(jiān)測提供比當前廣泛使用的非微波遙感指標如NDIV更高的時間分辨率(Qilong Min，et al，2006)。

2.2 動物物候

動物的蟄眠、復蘇、始鳴、交配、繁育、換毛、遷徙等，均與節(jié)候有密切關系。動物物候也一直是物候學研究的主要內容之一。盡管遙感信息對動物活動時間變化并不敏感，但動物活動并不是不完全影響遙感信號相對敏感的動物生境，通過對與動物活動相關的特征的遙感則可能實現(xiàn)動物物候的“間接”遙感。

遙感觀測為陸地植被生產力的探測提供了有效、大面積可重復覆蓋的唯一方式。最近基于遙感FPAR發(fā)展的動態(tài)生境指數(shù)(DHI)已經顯示出其集成遙感觀測生境機制的有效性，已經在加拿大甚至整個美洲的鳥類調查中得到成功應用?；谶b感動態(tài)生境指數(shù)與物種多樣性的良好關系，Nicholas C.Coops等2009年研究了用遙感動態(tài)生境指數(shù)進行動物棲息條件的特征化和監(jiān)測的可能性，利用北美2000年～2005年遙感FPAR數(shù)據(jù)和遙感動態(tài)生境指數(shù)，根據(jù)不同的陸地生態(tài)區(qū)域結合各自的生態(tài)特征，分別與動態(tài)生境指數(shù)進行對比并綜合分析6年間動態(tài)生境指數(shù)時間周期的變化及其可能隱含的陸地生物多樣性特征。動態(tài)生境指數(shù)的指數(shù)的潛在應用還在討論中(Nicholas C.Coops，et al，2009)。

2.3 非生物物候

非生物物候是指研究非生物物候現(xiàn)象如始霜、始雪、結凍、解凍等的時間變化。非生物物候包括許多方面，湖冰物候是非生物物候遙感的典型代表，另外，本文也將火的時空變化監(jiān)測歸入非生物物候的范疇。

Stephen E.L.Howell等2009年應用QuikSCA衛(wèi)星后向散射系數(shù)的時間序列監(jiān)測加拿大大熊湖和大奴湖的湖冰物候，結果顯示，后向散射系數(shù)時間序列可用于探測湖冰融化、凍結和完全凍結和融化的日期，發(fā)展了一個湖冰物候算法用于評價兩大湖2000年～2006年的時空變異，結果表明，大奴湖的融化開始日期為每年的第123天，平均完全融化日期為第164天，平均開始凍結日期為第330天。對于大熊湖，平均發(fā)生日期分別為第139天、第191天和第321天。大熊湖冰覆蓋至少保持5個星期比大奴湖長，大奴湖融化的比較早。空間上，大熊湖的第一次融化出現(xiàn)在東部，第一次完全為水出現(xiàn)在東南部和西部，第一次凍結出現(xiàn)在北部沿線；大奴湖的第一次融化出現(xiàn)在中部，同時在融季后期很快發(fā)展到北部和東部，中部完全融化早于外圍是因為奴河放水引起的，大奴湖的凍結日期發(fā)生在東部，緊接著北部和西部也開始融化，最后是中部(Stephen E. L.Howell，et al，2009)。

2.4 物候遙感結果的驗證

遙感方法已被證明是監(jiān)測植被對全球氣候變化的響應有價值的工具。如AVHRR和MODIS遙感數(shù)據(jù)已經被廣泛用于大尺度的物候探測。由于遙感數(shù)據(jù)分辨率相對較粗，并受大氣、地形、傳感器標定等方面的影響，這勢必會對遙感的物候結果產生影響。隨著遙感物候應用的廣泛和深入，研究人員開始關注遙感物候結果的精度問題，并考慮與地面觀測的可能結合。如Jeremy I.Fisher等在2006年和2007年指出，大多數(shù)遙感物候產品之所以缺少驗證，是因為因為粗分辨率尺度上的野外驗證是一項有挑戰(zhàn)的工作，地面和遙感物候觀測結果在時間和空間上融合也少見成功。

為了補充這方面的工作，Jeremy I.Fisher等2006年利用地面物候觀測對高分辨率Landsat衛(wèi)星和MODIS粗分辨率物候觀測進行驗證，量化的兩種尺度遙感物候結果的精度。平均的遙感物候信息是精細尺度到粗尺度的統(tǒng)計轉換，微氣候引起的物候空間異常質性是造成地面與遙感觀測不一致的主要原因。另外，在計算綠色植被時間序列時附加20%的隨機噪聲對落葉林的展葉時間和落葉時間分別產生1.8 d和±3.0 d影響。作者相信我們觀測到的是受強烈的噪聲影響的信息，并強烈建議在以后的遙感物候研究中盡可能地保留和利用遙感時間信息(Jeremy I.Fisher，2006)。作者2007年進一步證明了這個結論。在美國馬塞諸塞州和新罕布什爾州兩個森林試驗區(qū)對比了2000年到2005年的地面物候記錄和遙感結果。MODIS數(shù)據(jù)成功預測了馬塞諸塞州試驗區(qū)86%的變異和新罕布什爾州試驗區(qū)70%的變異，后者的地形更加復雜，可能是關鍵的誤差源之一。遙感數(shù)據(jù)在兩個相對簡單的落葉林點有效的估計了物候的年際變化且結果有較好的一致性，遙感得到的物候年際變異幅度相對于地面觀測可能被降低40%～50%。作者建議年際物候的連續(xù)分析將是監(jiān)測植被對全球尺度氣候變化響應的有效工具(Jeremy I.Fisher，2007)。

3 總結與展望

3.1 總結

近5年來，生態(tài)物候遙感研究轟轟烈烈，進展明顯。首先，應用于生態(tài)物候探測的遙感數(shù)據(jù)更加豐富。除了過去常用的遙感植被指數(shù)特別是NDVI更廣泛和深入的應用外，其他遙感指標如光譜反射率、葉面積指數(shù)、光合有效輻射比例也被廣泛應用，值得關注的是，微波遙感的歸一化水分指數(shù)(NDWI)等也逐漸應用于植被物候遙感中，由于微波的全天時全天候特征，其有效擴展了遙感物候的精度，并有更大的發(fā)展?jié)摿?。其次，物候遙感的方法不斷創(chuàng)新，由過去簡單的統(tǒng)計方法，如直線、曲線、分段擬合到如今更加復雜和成熟的時間序列分析方法，如小波變換等，半經驗半物理的物候模型也開始基于遙感數(shù)據(jù)建立并與遙感相結合，開始在物候探測和預報中發(fā)揮作用，預示著多源信息融合方法的初步成功。第三，開始關注遙感物候結果的驗證和尺度問題，結合多尺度遙感和地面物候觀測，為生態(tài)物候各方面的研究提供更加確定的信息。第四，遙感正在發(fā)揮著橋梁的作用，連接了物候學與其他學科特別是生態(tài)學的關系，現(xiàn)在物候學研究已經遠遠超出了傳統(tǒng)物候學研究范圍，與全球變化研究特別是全球變化生態(tài)學緊密相連，成為研究氣候變化的重要方面。

3.2 展望

(1)加強結果驗證與比較

結果驗證需要長期、系統(tǒng)、規(guī)范的地面物候觀測，因此，加強全球性的物候地面協(xié)同觀測網絡建設是物候遙感方面進一步發(fā)展的基礎。在此基礎上，發(fā)展尺度轉換方法和誤差評價方法，對物候遙感各方面的精度作出系統(tǒng)的評價，定量化遙感數(shù)據(jù)本身的誤差及其對物候結果產生的可能影響。另外，各個研究的橫向比較也是驗證的重要方式，對現(xiàn)有研究適時系統(tǒng)的總結和分析，將會有益于研究的深入。

(2)遙感與模型的有機融合

研究大尺度的物候現(xiàn)象，獲取完整的物候事件的時空變化信息，并實現(xiàn)未來物候的預測，都離不開模型模擬和觀測這兩種基本手段。它們有著各自的優(yōu)勢，模型模擬的優(yōu)勢在于依靠其內在的物理過程，可以給出所模擬對象在時間和空間上的連續(xù)演進；而觀測的優(yōu)勢在于能得到所測量對象在觀測時刻和所代表的空間上的“真值”。

在物候學研究中，模型與遙感的結合以下兩個方面將是未來可能的發(fā)展方向。

①陸面過程模型中物候參數(shù)的遙感

物候模塊一直是陸面過程模型不可缺少的組成部分，物候參數(shù)化的精度直接影響許多過程特別是生態(tài)過程的模擬精度。不斷集成的陸面過程模型對物候參數(shù)的精度提出更高的要求。傳統(tǒng)物候參數(shù)的確定主要基于物候變量如積溫法結合其他氣候變量確定，然后根據(jù)不同植被功能類型的最大葉面指數(shù)參數(shù)計算出各類型逐日的葉面積指數(shù)(Samuel Levis，et al，2004)，遙感葉面積指數(shù)可為陸面過程模型提供逐日葉面積指數(shù)的直接輸入，因此，物候遙感與模型結合的首要方式就是為模型提供更確定的物候參數(shù)。

②物候模型與遙感數(shù)據(jù)結合

模型與遙感結合的另一個表現(xiàn)為技術層面，陸面數(shù)據(jù)同化將為這兩種信息的結合提供平臺。陸面數(shù)據(jù)同化是興起于20世紀90年代末期的一個新領域，是陸地表層科學和遙感科學的前沿之一。它的核心思想是融合陸面過程模型和不同來源、不同分辨率的觀測——特別是遙感觀測，以提高對地表變量的估計精度。生態(tài)過程模型可為物候同化系統(tǒng)提供物候狀態(tài)預報，遙感為同化系統(tǒng)提供關鍵觀測，兩者經過連續(xù)的誤差分析機制，共同作用于物候狀態(tài)。將陸面數(shù)據(jù)同化方法用于物候預報將是一個新的研究方向，會大大促進物候遙感的發(fā)展。

總之，遙感將物候學研究帶到了一個地球系統(tǒng)科學綜合集成研究的時代。在這個集成的環(huán)境中，物候學本身又得到新的發(fā)展，相信，在科學問題與應用需求的雙重驅動下，物候學將得到更大的發(fā)展。

[1] Elsa E.Cleland，Isabelle Chuine，Annette Menzel.Shifting plant phenology in response to global change[J].Trends in Ecology and Evolution，2007，22:357～365.

[2] 竺可楨，宛敏渭.物候學[M].長沙:湖南教育出版社，1999，1～4.

[3] Xiaoyang Zhang，Mark A.Friedla，Crystal B.Schaaf et al. Monitoring vegetation phenology using MODIS[J].Remote Sensing of Environment，2003，84:471～475.

[4] Bethany A.Bradley，RobertW.Jacob，John F.Hermance et al.A curve fitting procedure to derive inter-annual phonologies from time series of noisy satellite NDVI data[J].Remote Sensing of Environment，2007，106:137～145.

[5] I.Fabricante，M.Oesterheld，J.M.Paruelo.Annual and seasonal variation of NDVI explained by current and previous precipitation across Northern Patagonia[J].Journal of Arid Environments，2009，73:745～753.

[6] Jeremy I.Fisher，John F.Mustard.Cross-scalar satellite phenology from ground，Landsat，and MODIS data[J].Remote Sensing of Environment，2007，109:261～273.

[7] Jeremy Isaac Fisher，John F.Mustard，Matthew A.Vadeboncoeur.Green leaf phenology at Landsat resolution:Scaling from the field to the satellite[J].Remote Sensing of Environment，2006，100:265～279.

[8] B.Duchemin，R.Hadria，S.Erraki，et al.Monitoring wheat phenology and irrigation in Central Morocco:On the use of relationships between evapotranspiration，crops coefficients，leaf area index and remotely-sensed vegetation indices[J]. AgriculturalWater Management，2006，79:1～27.

[9] Douglas E.Ahl，Stith T.Gower，Sean N.Burrows，et al.Monitoring spring canopy phenology of a deciduous broadleaf forest using MODIS.Remote Sensing of Environment，2006，104:88～95.

[10] R.St?cki，T.Rutishauser，D.Dragoni，et al.Remote sensing data assimilation for a prognostic phenologymodel[J].Journal of Geophysical Research:Biogeosciences.

[11] Stephen E.L.Howell，Laura C.Brown，Kyung-Kuk Kang，et al.Variability in ice phenology on Great Bear Lake and Great Slave Lake，Northwest Territories，Canada，from Sea-Winds/QuikSCAT:2000～2006[J].Remote Sensing of Environment，2009，113:816～834.

[12] Min，Q.，Lin，B.Determination of spring onset and growing season leaf development using satellite measurements[J]. Remote Sensing of Environment，2006，104，96～102.

[13] Samuel Levis，Gordon B.Bonan，Mariana Vertenstein，et al. The Community Land Model’s Dynamic Global Vegetation Model(CLM-DGVM):Technical Description and User’s Guide[R].NCAR Technical Note NCAR/TN-459+LA，NCAR，Boulder，Colo，2004.

Progress of Remote Sensing in Ecological Phenology

Wei Jialing
(Lanzhou Geotechnical Investigation and Surveying Research Institute，Lanzhou 730030，China)

Remote sensing science promote the cooperation between phenology and other subjects in earth system science and leading phonological research into a new phase.In recent years，it is critical period for remote sensing in ecological phenology research and development，thismanuscript attempts to summarize the achievement in last5 years.Some discussion is giving for possible problem in this field including:①The accuracy of phonological event detection derived from remote sensing image is notenough and the error has notbeen evaluated systematically.②The range of remote sensing application in phonological research is still limited，especially in aspect of animal phenology.③The quantitative remote sensing methods is not existing focus on phenology research.④The case of remote sensing phonological research have a variability.Some aspects is giving also for future development as following:①The validation of remote sensing phonological research should be strengthened，the errorwill be given with phonological results.②The quantitative remote sensingmethod will be developed for phonological events.③The integration of remote sensing，ground observation and model information will be promoted by a strong assimilation system.

phenology；remote sensing；ecology；data assimilation；climate change

1672-8262(2013)04-104-04

TP79，P407

A

2012—11—29

魏家玲(1982—)，女，助理工程師，現(xiàn)主要研究遙感信息分析與應用模型。