植被物候特征的遙感提取與農(nóng)業(yè)應(yīng)用綜述*

李正國(guó)，唐華俊，楊 鵬，吳文斌，陳仲新，周清波，張 莉，鄒金秋

(1.農(nóng)業(yè)部資源遙感與數(shù)字農(nóng)業(yè)重點(diǎn)開放實(shí)驗(yàn)室，北京 100081;2.中國(guó)農(nóng)業(yè)科學(xué)研究院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所，北京 100081)

物候是指植被受環(huán)境 (氣候、水文、土壤)影響而出現(xiàn)的以年為準(zhǔn)周期的自然現(xiàn)象，包括樹木花草的發(fā)芽、展葉、抽穗及秋季的葉變色和脫落等［1］。植被物候數(shù)據(jù)是重要的生態(tài)信息，它不僅是植被監(jiān)測(cè)、生態(tài)系統(tǒng)管理、農(nóng)業(yè)區(qū)劃、配置與決策等的重要依據(jù)，同時(shí)也是全球氣候變化研究的重要問題［2～3］。植被物候特征不僅與氣候變化緊密聯(lián)系，還與下墊面的植被/作物類型相關(guān)。在全球變化背景下，植被物候期及其空間分布格局會(huì)出現(xiàn)調(diào)整，進(jìn)而影響到植被區(qū)劃和區(qū)域整體生物生產(chǎn)的數(shù)量與質(zhì)量［4～6］。

近20年來，在全球氣候變化與植被生態(tài)系統(tǒng)的研究中，科學(xué)家利用基于遙感數(shù)據(jù)的多年光譜植被指數(shù) (Spectral Vegetation Index，SVI)開展了大量全球植被活動(dòng)變化的相關(guān)研究［7］。研究結(jié)果表明，從植被對(duì)氣候的適應(yīng)性與反饋?zhàn)饔玫慕嵌龋O(jiān)測(cè)長(zhǎng)時(shí)間序列植被活動(dòng)的年際變化特征是理解和模擬陸地生態(tài)系統(tǒng)動(dòng)態(tài)變化特征的重要手段，同時(shí)也提供關(guān)于生物氣候區(qū)域空間分布的轉(zhuǎn)變以及大尺度循環(huán)模式或土地利用變化的變異信息［8～10］。研究者同時(shí)也指出，通過年內(nèi)植被物候特征的相關(guān)研究，可進(jìn)一步加強(qiáng)對(duì)全球和區(qū)域尺度上地表覆蓋的結(jié)構(gòu)和功能特征的分析能力，增進(jìn)對(duì)全球物質(zhì)與能量循環(huán)變化的了解［11-13］。此外，理解和弄清與作物相關(guān)的農(nóng)業(yè)物候動(dòng)態(tài)變化機(jī)理機(jī)制有助于農(nóng)業(yè)生產(chǎn)農(nóng)事活動(dòng)的科學(xué)調(diào)整和有效管理，制定和完善應(yīng)對(duì)氣候變化的人類響應(yīng)和適應(yīng)對(duì)策，規(guī)避各種風(fēng)險(xiǎn)和沖擊，減小農(nóng)業(yè)生產(chǎn)的脆弱性和不穩(wěn)定性。該文通過文獻(xiàn)整理，從基本原理、數(shù)據(jù)處理方法、物候特征提取等方面系統(tǒng)綜述了植被物候遙感提取的研究進(jìn)展及其在農(nóng)業(yè)領(lǐng)域的相關(guān)應(yīng)用，以期為進(jìn)一步提升植被物候特征的研究與應(yīng)用水平提供科學(xué)參考。

1 基本遙感原理

植被物候監(jiān)測(cè)主要是發(fā)現(xiàn)植被在形態(tài)上發(fā)生顯著變化所對(duì)應(yīng)的日期，及從恢復(fù)生長(zhǎng)到凋零所經(jīng)歷的生長(zhǎng)期長(zhǎng)度［14］。植被物候信息可以通過野外觀測(cè)法、積溫法以及遙感法等多種途徑確定。從衛(wèi)星遙感數(shù)據(jù)提取植被物候信息的主要假設(shè)就是信號(hào)特征與植被的測(cè)量值具有關(guān)聯(lián)性。基于此，植被覆蓋地物對(duì)應(yīng)的NDVI序列具有年內(nèi)增長(zhǎng)和衰落的季節(jié)變化特征，而另一些地表覆蓋類型如沙漠和水體卻沒有上述特征，因此，上述覆蓋地物在研究中需予以剔除。另外，盡管大多數(shù)植被覆蓋地區(qū)均具有清晰的生長(zhǎng)和衰落周期變化的季節(jié)特征，但時(shí)間序列的形態(tài)卻可能由于生物—?dú)夂虻貛У牟町惗l(fā)生顯著的變異。在某些區(qū)域時(shí)間序列可能是簡(jiǎn)單的，可以用正弦函數(shù)來擬合;但在另外一些區(qū)域，尤其是對(duì)于干旱地區(qū)的NDVI序列卻通常無法擬合［15～17］。

利用遙感數(shù)據(jù)序列提取物候期特征的常用方法是NDVI閾值法，即根據(jù)預(yù)先定義的NDVI參考值來確定典型物候期。該方法操作簡(jiǎn)單，適宜于小區(qū)域的物候研究，但由于不同區(qū)域和不同植物類型的NDVI值存在顯著差異，確定適合大尺度物候期提取的單一NDVI閾值是不可行的。有學(xué)者依據(jù)作物生長(zhǎng)過程線的時(shí)間特征，提出利用生長(zhǎng)曲線最大上升或下降速率來確定作物生長(zhǎng)過程的轉(zhuǎn)折點(diǎn)，以此反映作物出苗期和成熟期［15］。該方法能有效反映作物生長(zhǎng)歷程的差異，但存在計(jì)算過程復(fù)雜，計(jì)算結(jié)果精度受時(shí)間分辨率影響大等缺陷，較難應(yīng)用于大區(qū)域物候期特征提取。動(dòng)態(tài)閾值法在此基礎(chǔ)上通過考慮NDVI季節(jié)變化幅度，實(shí)現(xiàn)了像元尺度閾值的動(dòng)態(tài)設(shè)定，一定程度上消除了土壤背景值和植被類型的影響［16～17］?？傮w而言，從多時(shí)相遙感影像中獲取的NDVI數(shù)據(jù)，經(jīng)函數(shù)擬合方法重構(gòu)后可以較為準(zhǔn)確地反映植物的生長(zhǎng)發(fā)育過程，適合大范圍、快速監(jiān)測(cè)植被的關(guān)鍵物候期。

2 常用的NDVI標(biāo)準(zhǔn)數(shù)據(jù)集

在眾多的SVI中，歸一化差值植被指數(shù) (Normalized Difference Vegetation Index，NDVI)是目前最常用的植被活動(dòng)表征指標(biāo)［18］。相關(guān)研究表明，NDVI和吸收光合有效輻射比例系數(shù) (Photosynthetically Active Radiation Absorbed by the Vegetation Canopy，F(xiàn)PAR)、凈初級(jí)生產(chǎn)率 (Net Primary Production，NPP)、葉面積指數(shù)、生物量、覆蓋度等植被生物物理特征高度相關(guān)［19～22］。土壤調(diào)整植被指數(shù) (Soil Adjusted Vegetation Index，SAVI)［23］、季節(jié)/時(shí)間綜合歸一化差值植被指數(shù) (Seasonally/TIME Integrated NDVI，SINDVI/TINDVI)［24～26］和增強(qiáng)植被指數(shù) (Enhanced Vegetation Index，EVI)［23］也是常用指標(biāo)之一。許多國(guó)際組織和機(jī)構(gòu)都制定了全球衛(wèi)星數(shù)據(jù)接收、處理和生成NDVI數(shù)據(jù)集的計(jì)劃。

目前最常用的長(zhǎng)時(shí)間系列植被動(dòng)態(tài)變化研究的數(shù)據(jù)源主要包括NOAA/AVHRR-NDVI，SPOT/VGTNDVI以及MODIS-NDVI等［18］。具體標(biāo)準(zhǔn)數(shù)據(jù)集包括 (1)地球資源觀測(cè)系統(tǒng)數(shù)據(jù)中心 (Earth Resources Observation Systems Data Center，EDC)的10天最大化合成的全球1km的AVHRR數(shù)據(jù)集，起止時(shí)間為1992年4月至1993年9月和1995年2月至1996年1月以及1996年5月［27］。(2)LP-DAAC的Pathfinder AVHRR Land(PAL)數(shù)據(jù)集，提供從1981年7月到2001年9月的8km和1°兩種分辨率的10天最大化全球AVHRR數(shù)據(jù)下載，當(dāng)前使用的PAL數(shù)據(jù)集采用NASA1994年處理方案，為PAL I［28］，1999年NASA發(fā)展了改進(jìn)的AVHRR資料預(yù)處理方案，為PAL II［29］，比較表明PALII比PALI有較高精度的大氣糾正和較小時(shí)間梯度波動(dòng)。(3)美國(guó)國(guó)家航空航天局戈達(dá)德航天中心 (Goddard Space Flight Center，GSFC)全球監(jiān)測(cè)與模型研究組 (Global Inventor Modeling and Mapping Studies，GIMMS)制作了1982～2006年15天最大化合成的8km AVHRR數(shù)據(jù)集［30～31］。(4)NDVI逐月數(shù)據(jù)集 (版本3)，在PALI和GIMMS數(shù)據(jù)集的基礎(chǔ)上校正了由于軌道漂移、NOAA衛(wèi)星交替以及大規(guī)模火山爆發(fā) (例如1991年7月Pinatubo火山爆發(fā))引起的氣溶膠變化等產(chǎn)生的噪音［32～33］。該數(shù)據(jù)集包括16km和0.5°的兩種空間分辨率的全球逐月NDVI、LAI和FPAR數(shù)據(jù)資源。(5)由歐洲聯(lián)盟委員會(huì)贊助的VEGETATION傳感器從1998年4月開始接收用于全球植被覆蓋觀測(cè)的SPOT-VGT數(shù)據(jù)，該數(shù)據(jù)由比利時(shí)佛萊芒技術(shù)研究所 (Flemish Institute for Technological Research，Vito)VEGETATION影像處理中心負(fù)責(zé)預(yù)處理成逐日1km全球數(shù)據(jù)，可以免費(fèi)申請(qǐng)10天最大化合成 (S10)的1km數(shù)據(jù)，2002年5月4日成功發(fā)射的SPOT 5使該資料可以生成13年的全球植被覆蓋監(jiān)測(cè)數(shù)據(jù)集［34］。(6)由美國(guó)國(guó)家航空航天局提供的2000年以來標(biāo)準(zhǔn)MODIS-NDVI/EVI(MOD13)數(shù)據(jù)產(chǎn)品，能夠有效反映地表植被的生物物理/生物化學(xué)狀態(tài)和過程。通過分別接收由Terra和Aqua衛(wèi)星搭載的MODIS傳感器發(fā)回的數(shù)據(jù)，目前能夠提供滿足研究和應(yīng)用需求的涵蓋全球、8/16天周期、多空間分辨率的植被指數(shù)產(chǎn)品 (250m，1km和0.05°)，該數(shù)據(jù)集通過對(duì)像元的可靠性評(píng)級(jí)保證了產(chǎn)品的精度要求，整體不確定性小于0.015個(gè)像元［35］。

3 時(shí)序遙感數(shù)據(jù)的處理方法

年內(nèi)植被覆蓋季節(jié)變化通常是漸變的，對(duì)應(yīng)的NDVI時(shí)間曲線應(yīng)該是連續(xù)且光滑的。然而基于遙感的NDVI數(shù)據(jù)序列由于受到傳感器干擾，殘余幾何偏差，云層，水蒸氣，氣溶膠，地表散射和云層陰影的影響［36～40］，導(dǎo)致曲線經(jīng)常出現(xiàn)不規(guī)則的波動(dòng)。為了削減數(shù)據(jù)噪聲，通過對(duì)逐日數(shù)據(jù)進(jìn)行最大值合成處理和云探測(cè)識(shí)別處理［41～42］，可以有效削減由于云層干擾和大氣組分造成的負(fù)向誤差，然而，殘余的大氣噪聲以及由于地表散射等因素造成的誤差仍然存在［17］。

為了減少數(shù)據(jù)噪聲水平和構(gòu)建高質(zhì)量NDVI時(shí)間序列數(shù)據(jù)，需要對(duì)原始數(shù)據(jù)進(jìn)行平滑處理。按處理方法的原理主要可以分為3類［43］。第一類是針對(duì)NDVI曲線特征的簡(jiǎn)單閾值去除方法，具體包括最優(yōu)指標(biāo)斜率提取法 (Best Index Slope Extraction，BISE)［44］，修正BISE濾波方法［45］;第二類是基于濾波的平滑方法，如Savitzky-Golay濾波方法［46］、小波變換［47］和傅立葉變換方法［48］;第三類是非線性擬合方法，包括Logistic函數(shù)擬合方法［49］和非對(duì)稱性高斯函數(shù)擬合法［17］。

從數(shù)據(jù)處理效果對(duì)比來看，基于傅立葉變換或基于正弦函數(shù)的最小二乘擬合方法能很好地應(yīng)用于具有明顯植被生長(zhǎng)與衰落等季節(jié)特征的數(shù)據(jù)序列［50～52］，而對(duì)于季節(jié)特征不明顯的序列則存在較大的不確定性;濾波方法實(shí)現(xiàn)較為簡(jiǎn)單，能較好地反映數(shù)據(jù)序列的局部變化特征，但其假定數(shù)據(jù)誤差皆為負(fù)向偏差的前提條件并不能完全保證［53］。吳文斌等 (2009)選擇中國(guó)為研究區(qū)域，指出Savitzky-Golay濾波法和非對(duì)稱性高斯函數(shù)法擬合效果一致，但存在區(qū)域差異性［54］。

4 植被物候特征的提取方法

經(jīng)過平滑處理的NDVI時(shí)間序列曲線可以反映植被生長(zhǎng)的年內(nèi)動(dòng)態(tài)變化特征，因此，可以根據(jù)NDVI時(shí)間序列曲線提取得到植被物候信息，如植被生長(zhǎng)的開始期、高峰期和結(jié)束期等。在簡(jiǎn)單閾值法基礎(chǔ)上，J?nsson等 (2002)提出了動(dòng)態(tài)閾值法，其改進(jìn)之處在于通過考慮了NDVI季節(jié)變化幅度，實(shí)現(xiàn)在像元尺度上閾值的動(dòng)態(tài)設(shè)定，從而一定程度上消除了土壤背景值和植被類型的影響［17］。具體操作中依據(jù)植被生長(zhǎng)過程曲線的變化特征，對(duì)于植被恢復(fù)點(diǎn)定義為曲線初始階段上升速率急劇增加處，具體日期可確定為NDVI擬合曲線的左側(cè)基底值或最小值增長(zhǎng)到某一水平 (例如整體增幅的10%)所對(duì)應(yīng)的日期;類似地，可以確定相應(yīng)地生長(zhǎng)季衰落點(diǎn);生長(zhǎng)季長(zhǎng)度則為恢復(fù)點(diǎn)至衰落點(diǎn)的時(shí)間間距;生長(zhǎng)季的峰值點(diǎn)定義為曲線上升的極限處所對(duì)應(yīng)的日期;植被生長(zhǎng)的最佳階段則定義為左側(cè)增幅比例達(dá)90%的時(shí)間點(diǎn)與右側(cè)對(duì)稱點(diǎn)之間的間隔，以此作為生長(zhǎng)鼎盛期 (表1)。目前，該方法已經(jīng)應(yīng)用于全球很多區(qū)域，取得了較好的應(yīng)用結(jié)果，如Beck等 (2006)利用25%的閾值監(jiān)測(cè)了北半球高緯度的芬諾斯坎底亞半島的植被物候變化［55］，Heumann等 (2007)利用20%的閾值研究了非洲大陸撒哈拉和蘇丹區(qū)域的植被物候變化特征［56］。國(guó)內(nèi)學(xué)者采用類似閾值對(duì)我國(guó)［57］，華北地區(qū)［58～59］、東北地區(qū)［60］以及整個(gè)溫帶區(qū)域［61］進(jìn)行了植被物候變化研究。

在確定關(guān)鍵植被物候期的同時(shí)，還可以進(jìn)一步計(jì)算與植被生產(chǎn)量、生長(zhǎng)速度以及季節(jié)變化模式等相關(guān)的植被物候特征值。首先，基于NDVI與光合有效吸收輻射 (FPAR)的關(guān)系，可采用年內(nèi)NDVI累積值估算凈第一性生產(chǎn)力［62～63］。為更好地估測(cè)植被在生長(zhǎng)季內(nèi)的生產(chǎn)量，通常計(jì)算生長(zhǎng)期內(nèi)的NDVI累積總量或增量。其他植被特征值還包括擬合最大值、變化幅度、恢復(fù)與衰落的速率等，其中恢復(fù)速率指植被在生長(zhǎng)季開始點(diǎn)至頂點(diǎn)期間的NDVI增長(zhǎng)速率，在理論上該指標(biāo)與植被生長(zhǎng)特征有關(guān)。另一個(gè)重要物候特征值是不對(duì)稱性，通常采用生長(zhǎng)季的成長(zhǎng)期與衰落期的比值來表征。不對(duì)稱性值較低意味著植被具有快速成長(zhǎng)和緩慢衰落的生長(zhǎng)特點(diǎn)，與之對(duì)應(yīng)，不對(duì)稱性值較高則表示緩慢生長(zhǎng)和快速衰敗，往往對(duì)應(yīng)具有收獲行為的農(nóng)業(yè)種植區(qū)。

表1 基于NDVI序列的植被物候特征定義及其農(nóng)業(yè)涵義

5 農(nóng)業(yè)領(lǐng)域的相關(guān)應(yīng)用

在文獻(xiàn)綜述基礎(chǔ)上，文章從基本原理、數(shù)據(jù)源、預(yù)處理方法、物候特征提取方法等方面構(gòu)建了多時(shí)相遙感數(shù)據(jù)在植被物候研究中的技術(shù)流程 (圖1)。具體流程中包括利用多源多時(shí)相遙感數(shù)據(jù)構(gòu)建區(qū)域NDVI時(shí)序數(shù)據(jù)集;比較SG濾波法、HANTS變換、Logistic函數(shù)和不對(duì)稱高斯函數(shù)擬合法等時(shí)序數(shù)據(jù)平滑處理方法，選擇最適合的數(shù)據(jù)重構(gòu)方法;對(duì)平滑處理的NDVI時(shí)序數(shù)據(jù)采用動(dòng)態(tài)閾值方法或曲率求導(dǎo)方法，提取作物物候期與種植制度信息。以下分別綜述了作物關(guān)鍵物候期、耕地種植制度和作物估產(chǎn)等領(lǐng)域的相關(guān)研究進(jìn)展。

5.1 確定作物的關(guān)鍵物候期

作物物候期特征是重要的農(nóng)業(yè)信息，是農(nóng)業(yè)生產(chǎn)、田間管理、計(jì)劃決策等的重要依據(jù)，也是作物模擬模型的重要參數(shù)［15］。作物物候期監(jiān)測(cè)主要是發(fā)現(xiàn)作物在形態(tài)上發(fā)生顯著變化所對(duì)應(yīng)的日期，及從出苗到收獲所經(jīng)歷的生長(zhǎng)期時(shí)間。作物物候期信息可以通過田間觀測(cè)法、積溫法和遙感法等多種途徑獲得。但田間觀測(cè)法需大量人力和物力，且周期長(zhǎng)，覆蓋面小;積溫法需獲取播期、品種、日溫度以及該品種達(dá)到某一生育時(shí)期所需的熱量單位，應(yīng)用較為困難;遙感提取則無上述缺點(diǎn)，且適合大范圍、快速監(jiān)測(cè)作物的關(guān)鍵物候期［64］。時(shí)間序列的NDVI值蘊(yùn)涵著植被的生長(zhǎng)和枯萎的年循環(huán)節(jié)律，經(jīng)時(shí)間序列函數(shù)擬合方法重構(gòu)的NDVI曲線，可以準(zhǔn)確地反映農(nóng)作物的出苗、拔節(jié)、抽穗、收獲等物理過程。對(duì)于農(nóng)作物而言，依據(jù)作物生長(zhǎng)過程線的時(shí)間特征，一年一熟作物出苗期 (或返青期)定義為擬合曲線初始階段的恢復(fù)點(diǎn);抽穗期對(duì)應(yīng)為擬合曲線的峰值點(diǎn);收獲期為曲線下降階段的凋零點(diǎn)。對(duì)于上升速率和下降速率可以采用恢復(fù)速率和凋零速率表征 (表1)。而對(duì)于一年兩熟和多熟作物則比較復(fù)雜，需依據(jù)輪作規(guī)律分作物、分時(shí)段進(jìn)行識(shí)別分析。

國(guó)外最早利用NOAA/AVHRR數(shù)據(jù)進(jìn)行大面積作物物候期監(jiān)測(cè)是Gallo和Flesch(1989)利用周合成差值植被指數(shù)估測(cè)玉米吐絲期［65］。國(guó)內(nèi)的王延頤等 (1990)采用空間分辨率為15km的GVI數(shù)據(jù)監(jiān)測(cè)江蘇省冬小麥和水稻一年兩熟輪作體系的6個(gè)生育期［66］。辛景峰等 (2001)利用10天合成的NOAA/AVHRR數(shù)據(jù)集監(jiān)測(cè)華北平原冬小麥—夏玉米輪作體系中的6個(gè)關(guān)鍵物候期［15］。侯英雨等 (2002)采用最小二乘法對(duì)時(shí)間序列NDVI曲線進(jìn)行平滑，認(rèn)為NDVI曲線最低點(diǎn)是返青初始期，最高點(diǎn)是抽穗初期［67］。吳文斌等 (2009)利用相同NDVI時(shí)間序列數(shù)據(jù)監(jiān)測(cè)我國(guó)耕地生長(zhǎng)季開始期的時(shí)空變化［57］，楊浩等(2011)利用HJ-1A/1B CCD影像精準(zhǔn)提取了雙季稻的關(guān)鍵生育期［68］。上述研究反映了時(shí)序NDVI數(shù)據(jù)可用于監(jiān)測(cè)作物物候期及其變化。

5.2 判別耕地種植制度

耕地種植制度反映了區(qū)域內(nèi)水分、土壤與日照等自然氣候條件的綜合作用，其實(shí)質(zhì)是作物對(duì)耕地的利用程度。我國(guó)地域遼闊，作物種植制度復(fù)雜多樣，現(xiàn)有的種植制度變化研究都是基于統(tǒng)計(jì)數(shù)據(jù)中行政區(qū)劃單元的估值，該方法忽略了各統(tǒng)計(jì)單元內(nèi)部的空間異質(zhì)性，因此不能準(zhǔn)確描述種植制度的空間特征，另一方面數(shù)據(jù)獲取存在一定的滯后性。

圖1 研究框架與技術(shù)路線

聯(lián)系種植制度與時(shí)間序列NDVI曲線的紐帶是農(nóng)作物年內(nèi)的循環(huán)規(guī)律。時(shí)間序列的NDVI值蘊(yùn)涵著植被生長(zhǎng)和枯萎的年循環(huán)節(jié)律，從一年內(nèi)同一地塊作物種植的次數(shù)考慮，種植制度實(shí)際上就等于時(shí)間序列NDVI峰值的頻數(shù)。其中一年一季作物的NDVI在一年內(nèi)形成明顯的單峰曲線，一年兩季作物的NDVI形成雙峰曲線，一年三季作物的NDVI形成三峰曲線，裸地的NDVI形成較平直的曲線。從上述典型的時(shí)間序列NDVI曲線的周期變化特征，可以獲取種植制度信息，為計(jì)算耕地復(fù)種指數(shù)提供重要支持。

國(guó)內(nèi)的范錦龍和吳炳方 (2004)選擇了SPOT/VGT的旬合成NDVI數(shù)據(jù)，利用HANTS方法，提取了1999～2002期間全國(guó)范圍內(nèi)的復(fù)種指數(shù)，研究結(jié)果與農(nóng)業(yè)統(tǒng)計(jì)資料具有較好的一致性［69］。閆慧敏等(2005)利用8km×8km的15天合成NOAA/AVHRR遙感觀測(cè)數(shù)據(jù)構(gòu)建1981～2000年作物生長(zhǎng)曲線，用峰值特征點(diǎn)檢測(cè)法提取全國(guó)尺度的復(fù)種指數(shù)，分析了20年來全國(guó)農(nóng)田復(fù)種指數(shù)變化的時(shí)空格局［48］。李正國(guó)等 (2009)和吳文斌等 (2009)分別利用SPOT/VGT-NDVI和AVHRR-NDVI時(shí)間序列數(shù)據(jù)監(jiān)測(cè)華北地區(qū)農(nóng)田的種植制度空間格局［58，59］，研究表明時(shí)序NDVI數(shù)據(jù)可以在大尺度監(jiān)測(cè)我國(guó)農(nóng)田種植制度方面發(fā)揮重要作用。

5.3 提高遙感作物估產(chǎn)精度

作物產(chǎn)量是單位面積產(chǎn)量和總種植面積的乘積，植物物候特征可以從兩方面提高作物遙感估產(chǎn)的精度。首先，時(shí)間序列NDVI可以獲取NDVI平均值、NDVI最大值、年NDVI累積值、NDVI最大值出現(xiàn)日期以及生長(zhǎng)季長(zhǎng)度等指標(biāo)，通過上述指標(biāo)可以提高作物類型的識(shí)別能力，從而獲得更精確的作物種植面積;其次，作物物候特征描述了作物從種植到收獲整個(gè)生長(zhǎng)期的變化情況，從而可以更好地評(píng)估作物長(zhǎng)勢(shì)［70］。

利用NDVI時(shí)間序列數(shù)據(jù)可以提取反映植被或作物生產(chǎn)力的指標(biāo)。其中NDVI累積量是重要的生物產(chǎn)量估算指標(biāo)之一。Hill和Donald(2003)基于1991～1999年間AVHRR-NDVI時(shí)間序列提取了澳大利亞西部地區(qū)的作物物候特征，研究結(jié)果表明，生長(zhǎng)季NDVI累積量對(duì)于降雨量低于600 mm的行政單元以及降雨與農(nóng)作物產(chǎn)量高度相關(guān)年份的農(nóng)作物生產(chǎn)力表現(xiàn)最為敏感［71］。Dalezios等 (2001)基于AVHRRNDVI進(jìn)行棉花產(chǎn)量估計(jì)，研究主要討論了基于NDVI數(shù)據(jù)應(yīng)用衰退模型進(jìn)行作物產(chǎn)量監(jiān)測(cè)的可行性，結(jié)果表明NDVI時(shí)間序列可以監(jiān)測(cè)棉花產(chǎn)量的年際變化［72］。因此，通過標(biāo)準(zhǔn)化NDVI時(shí)間序列數(shù)據(jù)提取的相關(guān)指標(biāo)可以提高作物估產(chǎn)的精度。

6 結(jié)語

相關(guān)研究充分表明，基于NDVI擬合曲線提取的植被物候特征能廣泛應(yīng)用于農(nóng)業(yè)領(lǐng)域，包括更好地反映區(qū)域尺度上植被物候特征/種植制度的宏觀時(shí)空分異，同時(shí)也能提高作物遙感估產(chǎn)的精度。此外，空間網(wǎng)格化的物候特征分析結(jié)果還可為研究植被生長(zhǎng)過程對(duì)外界環(huán)境條件變化的時(shí)空響應(yīng)提供重要的數(shù)據(jù)支持。盡管遙感數(shù)據(jù)在植被物候動(dòng)態(tài)變化研究發(fā)揮了重要作用，但也存在如下亟待解決問題，需要進(jìn)一步深入研究。

(1)在努力研制和改進(jìn)數(shù)據(jù)處理方法本身的同時(shí)，有待進(jìn)一步對(duì)NDVI序列重構(gòu)過程涉及的擬合方法進(jìn)行選擇和評(píng)價(jià)，如Savitzky-Golay濾波法、Logistic函數(shù)擬合法以及非對(duì)稱性高斯函數(shù)擬合法，有利于弄清不同方法的優(yōu)缺點(diǎn)和區(qū)域適宜性，提高植被物候信息的反演結(jié)果精度。

(2)基于多時(shí)相遙感信息監(jiān)測(cè)耕地物候具有一定的復(fù)雜性和特殊性。不同于草原、灌叢和森林等自然植被在年內(nèi)完成一個(gè)生長(zhǎng)過程，耕地由于受人類活動(dòng)影響大和多熟種植制度的存在，很多區(qū)域的耕地在年內(nèi)完成兩個(gè)或多個(gè)生長(zhǎng)周期，其物候期變化較快。此外，物候特征提取的參數(shù)設(shè)置也有待優(yōu)化，目前難點(diǎn)主要在于如何精確地定義或找到合適的峰值和谷值點(diǎn)分布，這對(duì)于某些季節(jié)變化不明顯的區(qū)域尤為困難。因此，耕地物候信息提取過程涉及的參數(shù)設(shè)置，如生長(zhǎng)季起始/結(jié)束的閾值設(shè)置還有待與不同作物類型的物候觀測(cè)記錄作進(jìn)一步匹配。

(3)利用長(zhǎng)時(shí)間NDVI序列提取植被物候特征的宏觀時(shí)空格局，相對(duì)于傳統(tǒng)基于農(nóng)業(yè)氣象觀測(cè)資料的物候期研究，其改進(jìn)之處在于能提供更具體的局部區(qū)域植被物候特征變化信息，但在區(qū)分氣候波動(dòng)和人為選擇造成的植被物候期變動(dòng)研究方面仍有待進(jìn)一步深化。影響耕地物候變化的因素有很多，以往的物候變化機(jī)制研究多側(cè)重于氣候變化因子的分析，但對(duì)人類活動(dòng) (作物品種、耕作水平、灌溉、施肥和農(nóng)藥等)對(duì)耕地物候變化的影響研究尚顯不足，沒有弄清楚兩者的因果關(guān)系和具體機(jī)理機(jī)制。

［1］陸佩玲，于強(qiáng)，賀慶棠.植物物候?qū)夂蜃兓捻憫?yīng).生態(tài)學(xué)報(bào)，2006，26，(3):921～929

［2］Penuelas J.，F(xiàn)ilella I.Responses to a warming world.Science，2001，294:793 ～794

［3］方修琦，余衛(wèi)紅.物候?qū)θ蜃兣难芯烤C述.地球科學(xué)進(jìn)展，2002，17，(5):714～719

［4］林而達(dá)，許吟隆，蔣金荷，等.氣候變化國(guó)家評(píng)估報(bào)告 (II):氣候變化的影響與適應(yīng).氣候變化研究進(jìn)展，2006，2，(2):51～56

［5］吳文斌，楊鵬，唐華俊，等.一種新的糧食安全評(píng)價(jià)方法研究.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2010，31，(1):16～21

［6］IPCC.Climate Change:Impacts，Adaptation and Vulnerability，Contribution of Working Group II to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change.Cambridge University Press，Cambridge，UK，2007

［7］馬明國(guó)，王建，王雪梅.基于遙感的植被年際變化及其與氣候關(guān)系研究進(jìn)展.遙感學(xué)報(bào)，2006，10，(3):421～431

［8］Running S.W.，Nemani R.R.Relating seasonal patterns of the AVHRR vegetation index to simulated photosynthesis and transpiration of forests in different climates.Remote Sensing of Environment，1988，24:347 ～367

［9］Sellers P.J.，Dickinson R.E.，Randall D.A.，et al.Modeling the exchanges of energy，water，and carbon between continents and the atmosphere.Science，1997，275:502 ～509

［10］Rosenqvist A.，Imhoff M.，Milne A.，et al.Remote sensing and the kyoto protocol—A workshop summary.International Archives of Photogrammetry and Remote Sensing，2000，33:1278～1285

［11］Malingreau J.P.Global vegetation dynamics:Satellite observations over Asia.International Journal of Remote Sensing，1986，7:1121 ～1146

［12］Townshend J.R.G.，Justice C.O.Analysis of the dynamics of African vegetation using the normalized difference vegetation index.International Journal of Remote Sensing，1986，7，1435～1445

［13］Tucker C.J.，Justice C.O.，Prince S.D.Monitoring the grasslands of the Sahel 1984 – 1985，International Journal of Remote Sensing，1986，7，1571～1581

［14］張峰，吳炳方，劉成林，等.利用時(shí)序植被指數(shù)監(jiān)測(cè)作物物候的方法研究.農(nóng)業(yè)工程學(xué)報(bào)，2004，20(1):155～159

［15］辛景峰，宇振榮，Driessen P.M.利用NOAA NDVI數(shù)據(jù)集監(jiān)測(cè)冬小麥生育期的研究.遙感學(xué)報(bào)，2001，6，(5):442～447

［16］Reed B.C.，Brown J.F.，Vander Z.D.Variability of land cover phenology in the United States.Journal of Vegetation Science，1994，5:703～714

［17］J?nsson P.，Eklundh L.Seasonality extraction by function fitting to time-series of satellite sensor data.IEEE Transactions on Geoscience and Remote Sensing，2002，40:1824～1932

［18］Stow D.，Hope A.，McGuire D.，et al.Remote sensing of vegetation and land cover change in Arctic tundra ecosystems.Remote Sensing of Environment，2004，89:281 ～308

［19］Asrar G.，F(xiàn)uchs M.，Kanemasu E.，et al.Estimating absorbed photosynthetic radiation and leaf area index from spectral reflectance in wheat.Agronomy Journal，1984，76:300 ～306

［20］Goward S，Tucker C，Dye D.North American vegetation patterns observed with the NOAA-7 Advanced Very High Resolution Radiometer.Vegetation，1985，64:3～14

［21］Baret F.，Guyot G.Potentials and limits of vegetation indices for LA I and APAR assessment.Remote Sensing of Environment，1991，35:161～173

［22］Veroustraete F.，Sabbe H.，Erens H.Estimation of carbon mass fluxes over Europe using the C-Fix model and Eruflux data.Remote Sensing of Environment，2002，83:376 ～399

［23］Ferreira L.，Huete A.Assessing the seasonal dynamics of the Brazilian Cerrado vegetation through the use of spectral vegetation indices.International Journal of Remote Sensing，2004，25，(10):1837～1860

［24］Yang L.，Wylie B.，Tieszen L.，et al.An analysis of relationships among climate forcing and time-integrated NDVI of grasslands over the US northern and central great plains.Remote Sensing of Environment，1998，65:25 ～37

［25］Hope A.，Boynton W.，Stow D.，et al.Interannual growth dynamics of vegetation in the Kuparuk river watershed based on the normalized difference vegetation index.International Journal of Remote Sensing，2003，24，(17):3413～3425

［26］Stow D.，Daeschner S.，Hope A.，et al.Variability of the seasonally integrated normalized difference vegetation index across the north slope of Alaska in the 1990s.International Journal of Remote Sensing，2003，24，(5):1111～1117

［27］Eidenshink J.，F(xiàn)audeen J.The 1 km AVHRR global land data set:first stages in implementation.International Journal of Remote Sensing，1994，15，(17):3443～3462

［28］James M.，Kalluri S.The pathfinder AVHRR land data set:an improved coarse-resolution data set for terrestrial monitoring.International Journal of Remote Sensing，1994，15，(17):3347～3364

［29］Ouaidrari H.，Saleous N.，Vermote，et al.AVHRR land pathfinder II(PAL II)data set:evaluation and inter-comparison other data set.International Journal of Remote Sensing，2003，24，(1):135～142

［30］Los S.，Justice C.，Tucker C.A global 1 degree by 1 degree NDVI data set for climate studies derived from the GIMMS continental NDVI.International Journal of Remote Sensing，1994，15，(17):3493～3518

［31］Vermote E.，Saleous E.，Kaufman Y.，et al.Stratospheric aerosol perturbing effect on remote sensing of vegetation:operational method for the correction of AVHRR composite NDVI.Proceeding of SPIE.1994，23，(11):19 ～29

［32］Sudipta S.，Menas K.Interannual variability of vegetation over the Indian sub-continent and its relation to the different meteorological parameters.Remote Sensing of Environment，2004，90:268 ～280

［33］Nemani R.，Keeling C.，Hashimoto H.，et al.Climate-driven increases in global terrestrial net primary production from 1982 to 1999.Science，2003，300:1560～1563

［34］Maisongrande P.，Duchemin B.，Dedieu G.VEGETATION/SPOT:an operational mission for the earth monitoring;presentation of new standard products.International Journal of Remote Sensing，2004，25，(1):9～14

［35］Christopher J.，John T.Special issue on the Moderate Resolution Imaging Spectroradiometer(MODIS):a new generation of land surface monitoring.Remote Sensing of Environment，2002，83:1 ～2

［36］Holben B.Characteristics of maximum value composite images from temporal AVHRR data.International Journal of Remote Sensing，1986，7，(11):1417～1434

［37］Kaufmann R.，Zhou L.，Knyazikhin Y.，et al.Effect of orbital drift and sensor changes on the time series of AVHRR vegetation index data.IEEE Transactions on Geoscience and Remote Sensing，2000，38(6):2584～2597

［38］Zhou L.，Tucker C.J.，Kaufmann R.K.Variations in Northern vegetation activity inferred from satellite data of vegetation index during 1981 to 1999.Journal of Geophysical Research-Atmospheres，2001，106(D17):20069～ 20083

［39］Prince S.D.，Goward S.N.Evaluation of the NOAA/NASA pathfinder AVHRR land data set for global primary production modeling.International Journal of Remote Sensing，1996，17:217～221

［40］Gutman G.G.Vegetation indices from AVHRR:An update and future prospects.Remote Sensing of Environment，1991，35:121 ～136

［41］Tanré D.，Holben B.N.，Kaufman Y.J.Atmospheric correction algorithm for NOAA AVHRR products:Theory and application.IEEE Transactions on Geoscience and Remote Sensing，1992，30:231～248

［42］Simpson J.J.，Stitt J.R.A procedure for the detection and removal of cloud shadow from AVHRR data over land.IEEE Transactions on Geoscience and Remote Sensing，1998，36:880～897

［43］顧娟，李新，黃春林.NDVI時(shí)間序列數(shù)據(jù)重建方法述評(píng).遙感技術(shù)與應(yīng)用，2006，21，(4):391～395

［44］Viovy N.，Arino O.，Belward A.S.The best index slope extraction(BISE):A method for reducing noise in NVDI time-series.International Journal of Remote sensing，1992，13:1585～1590

［45］Lovell J.L.，Graetz R.D.Filtering pathfinder AVHRR land NDVI data for Australia.International Journal of Remote sensing，2001，22:2649～2654

［46］Chen J.，J?nsson P.，Tamura M.，Gu Z.，et al.A simple method for reconstructing a high-quality NDVI Time-series data set based on the Savitzky-Golay Filter.Remote sensing of Environment，2004，91:332 ～344

［47］Sakamoto T.，Van Nguyen N.，Ohno H.，et al.Spatio-temporal distribution of rice phenology and cropping systems in the Mekong Delta with special reference to the seasonal water flow of the Mekong and Bassac River.Remote sensing of Environment，2006，100，(1):1 ～16

［48］閆慧敏，曹明奎，劉紀(jì)遠(yuǎn)，等.基于多時(shí)相遙感信息的中國(guó)農(nóng)業(yè)種植制度空間格局研究.農(nóng)業(yè)工程學(xué)報(bào)，2005，2l，(4):85～90

［49］Zhang X.，F(xiàn)riedl M.A.，Schaaf C.B.，et al.Monitoring vegetation phenology using MODIS.Remote Sensing of Environment，2003，84:471～475

［50］Sellers P.J.，Tucker C.J.，Collatz G.J.，et al.A global 1°×1°NDVI data set for climate studies—Part II:The generation of global fields of terrestrial biophysical parameters from the NDVI.International Journal of Remote sensing，1994，15:3519 ～3545

［51］Cihlar J.Identification of contaminated pixels in AVHRR composite images for studies of land biosphere.Remote Sensing of Environment，1996，56:149～153

［52］Roerink G.J.，Menenti M.，Verhoef W.Reconstructing cloud free NDVI composites using Fourier analysis of time series.International Journal of Remote sensing，2000，21:1911～1917

［53］Reed B.C.，Brown J.F.，VanderZee D.，et al.Measuring phenological variability from satellite imagery.Journal of Vegetation Science.1994，5:703～714

［54］吳文斌，楊鵬，唐華俊，等.兩種NDVI時(shí)間序列擬合方法比較.農(nóng)業(yè)工程學(xué)報(bào)，2009，25，(11):183～188

［55］Beck P.S.A.，Atzberger C.，Hogda K.A.，et al.Improved monitoring of vegetation dynamics at very high latitudes:a new method using MODIS NDVI.Remote Sensing of Environment，2006，100:321 ～ 334

［56］Heumann B.W.，Seaquist J.W.，Eklundh L.，et al.AVHRR derived phenological change in the Sahel and Soudan Africa，1982-2005.Remote Sensing of Environment，2007，108:385 ～392

［57］吳文斌，楊鵬，唐華俊，等.過去20年中國(guó)耕地生長(zhǎng)季起始期的時(shí)空變化.生態(tài)學(xué)報(bào)，2009，29，(4):1777～1786

［58］李正國(guó)，楊鵬，周清波，等.基于時(shí)序植被指數(shù)的華北地區(qū)作物物候期/種植制度的時(shí)空格局特征.生態(tài)學(xué)報(bào)，2009，29(11):6216～6226

［59］吳文斌，楊鵬，唐華俊，等.基于NDVI數(shù)據(jù)的華北地區(qū)耕地物候空間格局研究.中國(guó)農(nóng)業(yè)科學(xué)，2009，42，(2):552～560

［60］于信芳，莊大方.基于MODIS-NDVI數(shù)據(jù)的東北森林物候期監(jiān)測(cè).資源科學(xué)，2006，28(4):111～117

［61］Piao S.，F(xiàn)ang J.，Zhou L.，et a1.Variations in satellite-derived phenology in China＇s temperate vegetation.Global Change Biology，2006，12:672～685

［62］Diallo，O.，Diouf，A.，Hanan，N.P.，et al.AVHRR monitoring of savanna primary production in Senegal，West Africa:1987 ～1988.International Journal of Remote Sensing，1991，12:1259～1279

［63］Prince，S.D.Satellite remote sensing of primary production:comparison of results for Sahelian grasslands 1981– 1988.International Journal of Remote Sensing，1991，12:1301～1311

［64］張明偉，周清波，陳仲新，等.基于MODIS時(shí)序數(shù)據(jù)分析的作物識(shí)別方法.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2008，29，(1):31～35

［65］Gallo K.P.，F(xiàn)lesch T.K.Large area crop monitoring with the NOAA AVHRR:Estimating the silking stage of corn development.Remote Sensing of Environment，1989，27:73 ～80

［66］王延頤，Malingreau J.P.應(yīng)用NOAA/AVHRR對(duì)江蘇省作物進(jìn)行監(jiān)測(cè)的可行性研究.環(huán)境遙感，1990，5(3):221～227

［67］侯英雨，王百立.基于作物植被指數(shù)和溫度的產(chǎn)量估算模型研究.地理學(xué)與國(guó)土研究，2002，18(3):105～107

［68］楊浩，黃文江，王紀(jì)華等.基于HJ-1A/1B CCD時(shí)間序列影像的水稻生育期監(jiān)測(cè).農(nóng)業(yè)工程學(xué)報(bào)，2011，27，(4):219～224

［69］范錦龍，吳炳方.復(fù)種指數(shù)遙感監(jiān)測(cè)方法.遙感學(xué)報(bào)，2004，8，(6):628～636

［70］楊鵬，唐華俊，劉佳.作物遙感估產(chǎn)中自動(dòng)分類方法研究進(jìn)展與展望.中國(guó)農(nóng)業(yè)資源與區(qū)劃，2000，21，(3):57～60

［71］Hill M.J.，Donald G.E.Estimating spatio-temporal patterns of agricultural productivity in fragmented landscapes using AVHRR NDVI time series.Remote Sensing of Environment，2003，84:367 ～384

［72］Dalezios N.R.，Domenikiotis C.，Loukasb A.，et al.Cotton yield estimation based on NOAA/AVHRR produced NDVI.Physics and Chemistry of the Earth，Part B:Hydrology，Oceans and Atmosphere，2001，26，(3):247 ～251