基于MODIS NDVI數(shù)據(jù)的江蘇省冬小麥物候期提取

楊琳　高蘋　居為民

摘要：農(nóng)作物物候期是作物對氣候變化響應(yīng)的重要指標，也是提高區(qū)域農(nóng)業(yè)管理水平的重要參數(shù)；遙感技術(shù)的發(fā)展為大面積提取農(nóng)作物物候期提供了有效的技術(shù)途徑。利用2010年MODIS NDVI序列提取江蘇省冬小麥關(guān)鍵物候期的方法，首先采用非對稱高斯函數(shù)、雙Logistic函數(shù)對NDVI時序曲線進行擬合，進而采用動態(tài)閾值法確定冬小麥物候期，并利用觀測數(shù)據(jù)對提取結(jié)果進行驗證。結(jié)果表明，就冬小麥返青期、抽穗期、成熟期的提取而言，雙Logistic函數(shù)擬合方法略優(yōu)于非對稱高斯函數(shù)擬合方法，利用前一種擬合方法提取的返青期、抽穗期、成熟期與觀測數(shù)據(jù)比較的均方根誤差分別為5.5、9.4、7.5 d，而利用后一種擬合方法提取的返青期、抽穗期、成熟期均方根誤差分別為6.1、9.5、7.8 d；2010年全省的冬小麥普遍于第49天之前開始返青，抽穗期普遍開始于第105天至第113天，成熟期普遍開始于第145天至第161天，抽穗期、成熟期大體上表現(xiàn)出從南到北逐漸延遲的趨勢，但是返青期的空間差異并不明顯。

關(guān)鍵詞：江蘇?。欢←?；物候期；生育期；MODIS NDVI；時間序列

中圖分類號：S127 文獻標志碼：A 文章編號：1002—1302（2016）01—0315—06

物候是指自然界中的生物受氣候和其他環(huán)境因素的影響而出現(xiàn)的以年為準周期的自然現(xiàn)象，農(nóng)作物的物候期則是指農(nóng)作物達到關(guān)鍵生育期所對應(yīng)的日期。農(nóng)作物物候的變化反映了氣候變化對農(nóng)作物生長發(fā)育的影響，是氣候變化對農(nóng)業(yè)生態(tài)系統(tǒng)影響的指標之一，因此成為全球氣候變化研究的熱點問題之一。

作物物候信息可以通過田間觀測、積溫預(yù)測和遙感監(jiān)測等多種途徑獲得。但是田間觀測方法不僅費時費力，而且代表的面積有限；積溫預(yù)測方法需要播種日期、逐日氣溫以及某一生育期所需積溫等信息。因此，這2種方法的大面積應(yīng)用受到一定的限制。遙感技術(shù)的發(fā)展為大面積監(jiān)測作物物候提供了嶄新的手段，基于遙感信息計算的植被指數(shù)能夠在大范圍內(nèi)較精確地反映植被綠度、光合作用和生長的季節(jié)和年際變化，因而被廣泛應(yīng)用于植被監(jiān)測、分類和物候分析中。目前常用于物候監(jiān)測的植被指數(shù)有歸一化植被指數(shù)（normalized vegetation index，NDVI）、增強植被指數(shù)（enhanced vegetation index，EVI）等。有研究認為，NDVI作為指示地面生長季節(jié)開始和結(jié)束的遙感指標具有比較穩(wěn)定的特點，因此國內(nèi)外很多學(xué)者利用NDVI時序數(shù)據(jù)對作物物候及其時空變化進行了研究。如Sehgal等利用1981—2001年NOAA-AVHRR NDVI數(shù)據(jù)集對印度恒河平原的農(nóng)作物物候信息進行提取并分析了其時空變化特征。常守志等基于MODISNDVI時序數(shù)據(jù)采用動態(tài)閾值法提取了三江平原2003年的農(nóng)田物候信息。

冬小麥是江蘇省主要的夏熟作物之一，其生長發(fā)育經(jīng)常受到低溫凍害、連續(xù)陰雨和病蟲害的影響。這些災(zāi)害所造成的損失與災(zāi)害的強度、持續(xù)時間以及冬小麥所處的生育期有關(guān)，準確的冬小麥物候期分布數(shù)據(jù)有助于提高農(nóng)業(yè)生產(chǎn)管理水平、減輕災(zāi)害的影響。但是目前利用遙感數(shù)據(jù)提取江蘇省冬小麥物候期的研究還有待開展。因此，本研究分別利用非對稱高斯函數(shù)、雙Logistic函數(shù)方法對MODIS NDVI數(shù)據(jù)進行擬合，采用動態(tài)閾值法提取江蘇省2010年冬小麥的關(guān)鍵物候期，比較利用2種擬合方法提取的冬小麥物候期差異，以期為利用遙感技術(shù)監(jiān)測冬小麥的生長和發(fā)育進程提供參考。

1研究區(qū)概況

江蘇?。?0°45′～35°20′N，116°18′～121°57′E）位于長江、淮河下游，總面積10.26萬km²，地形以平原為主。江蘇省屬東亞季風(fēng)氣候區(qū)，處在亞熱帶和暖溫帶氣候過渡地帶，全省年均降水量700～1200 mm，年均氣溫13～16℃，年日照時間2000～2 600 h，平均無霜期200～240 d。大多數(shù)地區(qū)實行一年兩熟制，糧食作物以水稻、麥類為主，經(jīng)濟作物有棉花、花生、油菜、黃麻、蠶桑等。其中，冬小麥是主要的夏熟作物之一，一般10月份播種，翌年5月份成熟。

2材料與方法

2.1數(shù)據(jù)來源與預(yù)處理

2.1.1數(shù)據(jù)來源 研究采用的覆蓋江蘇省的MODISMOD09Q1反射率數(shù)據(jù)產(chǎn)品來源于NASA（htp：∥ladsweb.na-scom.nasa.go.index.html），空間分辨率為250 m，時間分辨率為8 d，時間范圍覆蓋了2010年1—12月，共46期數(shù)據(jù)。研究使用的輔助數(shù)據(jù)有江蘇省行政邊界數(shù)據(jù)、土地利用數(shù)據(jù)，以及用于結(jié)果驗證的6個農(nóng)業(yè)氣象觀測站的2009—2010年的冬小麥生育期數(shù)據(jù)（圖1）。其中，土地利用數(shù)據(jù)由中國科學(xué)院南京地理與湖泊研究所通過融合2006—2007年SPOT2/4衛(wèi)星遙感影像（全色，10 m空間分辨率）和IJandsat TM衛(wèi)星遙感影像（多光譜，30 m空間分辨率）生成，比例尺為1：50 000，土地利用類型共有32類，研究使用的是種植農(nóng)業(yè)空間數(shù)據(jù)層。

2.1.2數(shù)據(jù)預(yù)處理 首先使用NASA提供的MRT（MODISReprojection Tools）軟件對下載的MODIS反射率數(shù)據(jù)進行拼接、投影轉(zhuǎn)換和格式轉(zhuǎn)換。然后利用江蘇省行政邊界數(shù)據(jù)對轉(zhuǎn)換后的影像進行裁剪處理，使用土地利用數(shù)據(jù)中的種植農(nóng)業(yè)空間數(shù)據(jù)層進行掩膜處理。最終得到覆蓋江蘇省農(nóng)作物種植區(qū)的反射率數(shù)據(jù)，生成研究區(qū)的NDVI序列數(shù)據(jù)：

農(nóng)田的NDVI值應(yīng)大于0，然而個別農(nóng)田像元的NDVI值由于冬季或早春時積雪或其他噪聲的影響出現(xiàn)了負值，將這些不合理的值用0代替。為了提高數(shù)據(jù)存儲效率，將浮點型的NDVI數(shù)據(jù)擴大100倍，保存為無符號的短整型二進制文件。

每8 d的MOD09Q1反射率數(shù)據(jù)是基于每天的反射率數(shù)據(jù)、采用最大值合成法（MVC）以消除云和氣溶膠影響而生成的影像，但是傳感器觀測角度、太陽高度角、水蒸氣等引起的噪聲仍然存在，會導(dǎo)致計算的NDVI出現(xiàn)不合理的波動。為此采用Savizky-Golay（簡稱S-G）濾波法對計算的NDVI序列數(shù)據(jù)進行3次平滑處理。參照梁守真等的成功經(jīng)驗，本研究選取的濾波窗口大小為7，平滑多項式的階數(shù)為2。

2.2非對稱性高斯函數(shù)和雙Logistic函數(shù)擬合

為了重建冬小麥NDVI的變化動態(tài)，分別利用非對稱性高斯函數(shù)和雙Logistic函數(shù)對經(jīng)過平滑處理的NDVI時序數(shù)據(jù)進行擬合。擬合時首先尋找冬小麥NDVI時序曲線上的極大值、極小值，然后用局部模型函數(shù)擬合極大值、極小值之間的數(shù)據(jù)。局部模型函數(shù)的通用表達式為：

2.3物候期提取

在分別利用非對稱高斯函數(shù)和雙Logistic函數(shù)對NDVI數(shù)據(jù)進行擬合后，采用動態(tài)閾值法提取冬小麥的返青期、抽穗期、成熟期（時間范圍覆蓋33～169 d）。根據(jù)司文才等的研究，本試驗選擇20%的閾值確定返青期、成熟期，即在NDVI的上升階段，當(dāng)NDVI值達到最大值的20%時對應(yīng)的時間為冬小麥的返青期開始時間；在NDVI的下降階段，當(dāng)NDVI值減小到最大值的20%時對應(yīng)的時間為冬小麥的成熟期開始時間。根據(jù)鹿琳琳等對抽穗期開始的定義，確定NDVI達到最大的時間點為抽穗期開始時間。

2.4物候期監(jiān)測結(jié)果的驗證

基于遙感數(shù)據(jù)的區(qū)域物候期監(jiān)測結(jié)果的實地驗證是目前物候研究的關(guān)鍵問題。本研究利用江蘇省冬小麥主產(chǎn)區(qū)內(nèi)的淮安市盱眙縣、淮安市淮安區(qū)、鹽城市濱海縣、沭陽縣、徐州市銅山區(qū)、連云港市贛榆區(qū)6個農(nóng)業(yè)氣象站的2009—2010年冬小麥生育期觀測數(shù)據(jù)對冬小麥物候期的遙感提取結(jié)果進行驗證。假設(shè)農(nóng)業(yè)氣象站的觀測數(shù)據(jù)為真值，分別采用最大誤差、最小誤差、平均誤差及均方根誤差（root mean squared error，RMSE）為指標表征物候期提取的精度。其中均方根誤差（RMSE）的計算公式為：

3結(jié)果與分析

3.1 S-G濾波結(jié)果

隨機選取鹽城市射陽縣境內(nèi)的1個耕地像元（行列號分別為593、1372）以查看S-G濾波的效果（圖2）?？梢钥闯?，濾波前NDVI時序曲線存在明顯的短期鋸齒狀波動，經(jīng)S-G濾波后的NDVI時序曲線基本上保持了原有曲線的形態(tài)，并且變得較為平滑，極低的離異值得到很好的糾正。據(jù)調(diào)查，該像元的農(nóng)作物為一年兩熟制，夏熟為冬小麥，秋熟為水稻。濾波后的NDVI時序曲線呈明顯的雙峰形態(tài)，2個波峰分別對應(yīng)于冬小麥、水稻的抽穗開花期。在冬小麥生長過程中，返青期之后隨著氣溫的升高，冬小麥生長加速，葉片的葉綠素含量上升，對紅光的吸收和近紅外光的反射增強，NDVI值隨之相應(yīng)上升，到抽穗期達到峰值；抽穗期過后，隨著冬小麥逐漸成熟，葉片開始變黃，葉綠素含量降低，對紅光波段的反射率開始回升，近紅外波段的反射率逐漸降低，NDVI值隨之相應(yīng)減少，直到冬小麥成熟收獲。

但S-G濾波也具有局限性：濾波窗口的大小和平滑多項式階數(shù)的選擇均需要根據(jù)不同的條件人為進行設(shè)定，主觀性影響較大。邊金虎等研究表明，如果濾波窗口大小設(shè)置得偏小，容易產(chǎn)生大量的冗余數(shù)據(jù)，不易獲取數(shù)據(jù)集的長期趨勢；相反則容易遺漏一些細節(jié)所描述的正確信息。梁守真等研究表明，在一般情況下，平滑多項式階數(shù)越小，處理后曲線越平滑，但擬合效果差。階數(shù)越高，擬合效果越好，但有可能出現(xiàn)過擬合現(xiàn)象，而且在個別數(shù)據(jù)點會有振蕩。因此，在進行S-G濾波處理時，濾波窗口的大小及平滑多項式的階數(shù)是保證NDVI數(shù)據(jù)擬合準確性的關(guān)鍵。

圖3是分別采用非對稱性高斯函數(shù)、雙Logistic函數(shù)擬合后的上述耕地像元NDVI時序曲線的對比效果，可以看出：2條擬合曲線均與濾波后NDVI值保持了相同的季節(jié)趨勢；除到達波谷和第2個波峰階段外，2條曲線上的NDVI值基本保持一致；在波谷和第2個波峰周圍，利用雙Logistic函數(shù)擬合的曲線斜率變化要比非對稱高斯函數(shù)大，并且用前者擬合的NDVI值在波峰處比后者大，在波谷處比后者小。

3.2冬小麥關(guān)鍵物候期的空間分布

圖4、圖5、圖6分別為采用非對稱高斯函數(shù)（圖4-a、圖5-a、圖6-a）和雙Logistic函數(shù)（圖4-b、圖5-b、圖6-b）擬合并利用動態(tài)閾值法得到的2010年江蘇省冬小麥返青期開始時間、抽穗期開始時間、成熟期開始時間的空間分布?？傮w來看，基于2種擬合方法提取的物候期結(jié)果相似：返青期普遍開始于第49天之前，即2月18日之前；抽穗期普遍開始于第105天至第113天，即4月15—23日；成熟期普遍開始于第145天至第161天，即5月25日至6月10日。在空間分布上，研究區(qū)冬小麥返青期開始時間并沒有隨著緯度的變化而發(fā)生規(guī)律性的改變，大部分地區(qū)冬小麥開始返青的時間較集中，但在阜寧縣、建湖縣的大部分地區(qū)以及濱?？h西南部、海門市東部地區(qū)返青期開始的時間較其他冬小麥區(qū)晚。抽穗期開始時間和成熟期開始時間的空間分布總體上表現(xiàn)出從南到北逐漸延遲的趨勢：蘇南地區(qū)抽穗期普遍開始于第105天之前，成熟期普遍開始于第153天之前；蘇中地區(qū)抽穗期普遍開始于第113天之前，成熟期普遍開始于第145天至第161天；蘇北地區(qū)抽穗期普遍開始于第113天之后，成熟期普遍開始于第153天之后。但是抽穗期、成熟期開始最晚的地區(qū)卻沒有集中在研究區(qū)的北部，在響水縣、濱海縣的大部分地區(qū)以及阜寧縣北部、海門市東部和啟東市北部地區(qū)，冬小麥抽穗期較其他地區(qū)晚；在泗洪縣北部、阜寧縣西南部、楚州區(qū)東部以及漣水縣西北部地區(qū)，冬小麥成熟期開始得比其他地區(qū)晚。

3.3冬小麥關(guān)鍵物候期結(jié)果驗證

表1、圖7是采用非對稱高斯函數(shù)、雙Logistic函數(shù)分別擬合NDVI數(shù)據(jù)進而采用動態(tài)閾值法提取的不同站點物候期與觀測數(shù)據(jù)的比較，可以看出遙感提取的物候期與觀測的差普遍小于8 d?；诜菍ΨQ高斯函數(shù)擬合提取的物候期誤差超過8 d的樣本數(shù)為：返青期1個（16.7%），抽穗期2個（33.3%），成熟期1個（16.7%）；基于雙Logistic函數(shù)擬合提取的物候期誤差超過8 d的樣本數(shù)為：返青期1個（16.7%），抽穗期為1個（16.7%），成熟期為1個（16.7%）。結(jié)果表明，利用MODIS NDVI數(shù)據(jù)提取江蘇省冬小麥物候期是可行的。

表2是基于MODIS NDVI數(shù)據(jù)提取的冬小麥生育期與觀測數(shù)據(jù)比較的統(tǒng)計?？梢钥闯觯陔pLogistic函數(shù)擬合提取的冬小麥生育期精度稍好于基于非對稱高斯函數(shù)擬合提取的結(jié)果，抽穗期的誤差大于返青期、成熟期。利用雙Logistic函數(shù)擬合方法提取的返青期、抽穗期、成熟期與觀測數(shù)據(jù)比較的均方根誤差分別為5.5、9.4、7.5 d，平均誤差分別為4.5、7.8、5.5 d；利用另一種擬合方法提取的返青期、抽穗期、成熟期均方根誤差分別為6.1、9.5、7.8 d，平均誤差分別為5.3、8.5、6.3 d。

綜上所述，利用非對稱高斯函數(shù)、雙Logistic函數(shù)擬合NDVI時序數(shù)據(jù)并采用動態(tài)閾值法進行判別可以有效提取研究區(qū)的冬小麥生育期，但提取的農(nóng)作物物候期與站點觀測數(shù)據(jù)尚存在一定的差異。主要原因有以下幾個方面：本研究采用的是MODIS反射率的8 d合成產(chǎn)品，合成數(shù)據(jù)雖然在一定程度上保證了數(shù)據(jù)的質(zhì)量，但明顯降低了數(shù)據(jù)的時間分辯率，會導(dǎo)致物候提取的一定誤差；此外，本研究使用的MODIS數(shù)據(jù)空間分辨率為250 m，遙感提取的物候期是像元內(nèi)的平均值，而觀測數(shù)據(jù)代表的是站點附近的物候，遙感數(shù)據(jù)與觀測數(shù)據(jù)空間尺度差異也會影響遙感提取的物候與觀測數(shù)據(jù)的一致性。當(dāng)然，觀測數(shù)據(jù)的誤差也會影響遙感提取的物候的驗證結(jié)果，將實地觀測的和遙感提取的物候信息相結(jié)合是一種有效的物候提取途徑。

4結(jié)論

快速、準確獲得區(qū)域冬小麥物候信息，對于實施田問精細管理以及產(chǎn)量預(yù)測等具有重要意義。本研究基于MODISNDVI時間序列數(shù)據(jù)，分別利用非對稱高斯函數(shù)、雙Logistic函數(shù)進行擬合，并采用動態(tài)閾值法提取了江蘇省2010年冬小麥物候信息。主要得出以下結(jié)論：

（1）S-G濾波處理可以有效地糾正時序數(shù)據(jù)中的奇異值，使NDVI時序曲線在保持原有形狀的基礎(chǔ)上變得較為平滑。

（2）非對稱高斯函數(shù)、雙Logistic函數(shù)2種擬合方法都可以使NDVI時序曲線更符合作物的生長過程。驗證結(jié)果表明，就江蘇省的冬小麥物候提取而言，雙Logistic函數(shù)擬合方法略優(yōu)于非對稱高斯函數(shù)擬合方法。

（3）基于MODIS NDVI提取的2010年江蘇省冬小麥返青期普遍開始于第49天之前，抽穗期普遍開始于第105天至第113天，成熟期普遍開始于第145天至第161天。抽穗期和成熟期的空間分布總體上表現(xiàn)出從南到北逐漸延遲的趨勢，但返青期的空間分布特征不明顯。同時也存在著一些不足，研究中采用動態(tài)閾值法提取物候期需要人為設(shè)定閾值，并且沒有考慮閾值的空間變化，會影響物候提取的精度；由于觀測數(shù)據(jù)的限制，僅使用了淮北地區(qū)6個點的數(shù)據(jù)對物候提取結(jié)果進行了驗證，在其他地區(qū)，物候提取的誤差尚不清楚；影響冬小麥物候的因素有很多，比如氣候、地形、冬小麥品種、耕作制度差異等，它們的綜合作用使其存在明顯的空間變化。因此在今后的研究中，要綜合考慮這些因素的影響，實現(xiàn)物候期提取的更細致化。