基于時間序列遙感數(shù)據(jù)植被物候信息提取軟件發(fā)展現(xiàn)狀

鈔振華， 車明亮， 侯勝芳

(南通大學(xué)地理科學(xué)學(xué)院，南通 226007)

0 引言

在監(jiān)測植被物候變化趨勢時，時間序列遙感數(shù)據(jù)的使用有助于定性揭示地理現(xiàn)象變化發(fā)展規(guī)律，還可以定量描述地理現(xiàn)象之間的內(nèi)在聯(lián)系，在此基礎(chǔ)上開展對地理現(xiàn)象未來行為的預(yù)測[1-6]。但是，氣候條件不足(如云、雪、塵土和氣溶膠的影響)、儀器誤差和數(shù)據(jù)傳輸過程中圖像數(shù)據(jù)丟失等多種原因往往會導(dǎo)致時間序列遙感數(shù)據(jù)的連續(xù)性得不到保障，可靠的陸表信息檢索難以實現(xiàn)[7-9]。降低遙感數(shù)據(jù)時空分辨率、云等噪聲的影響，實現(xiàn)高精度、低成本、大范圍的植被物候遙感監(jiān)測研究，仍然是當(dāng)前植被遙感研究和應(yīng)用的前沿性和關(guān)鍵性問題[10-11]。

可靠的缺失插補擬合函數(shù)和平滑濾波器可以有效彌補成像和照明幾何、云量、低時間分辨率等所導(dǎo)致的時間序列缺失和噪聲數(shù)據(jù)[12-13]，但要獲取最切實可行的精度仍是物候演化建模所面臨的主要挑戰(zhàn)[11]。目前，標(biāo)準(zhǔn)的圖像處理軟件(如ENVI和IDRIS)、統(tǒng)計軟件包(如MATLAB和R)或空間數(shù)據(jù)庫(PostgreSQL和PostGIS)本質(zhì)上是通用的，但使用它們進(jìn)行高級圖像時間序列處理需特定的編程技能、遙感知識和長期的程序開發(fā)工作，難以滿足遙感大數(shù)據(jù)的處理和用戶的多樣需求。為特定應(yīng)用領(lǐng)域提供更好的數(shù)據(jù)和信息服務(wù)，將時間序列算法集成到業(yè)務(wù)處理鏈中實現(xiàn)業(yè)務(wù)化應(yīng)用已成為現(xiàn)實要求。現(xiàn)已有旨在識別物候趨勢或干擾的幾個高級時間序列軟件包得到了發(fā)展，如TIMESAT[14]，BFAST[15]，TimeStats[16]，SPIRITS[17]，BeeBox[18]，Phenor[3]，pyPhenology[19]，CropPhenology[20]，F(xiàn)ORCE[4]，Earth Engine App[21]，EO Time Series Viewer[22]和DATimeS[23]。這些軟件包在研發(fā)時充分考慮了不同時間序列遙感數(shù)據(jù)的特點，針對特定用戶利用不同開發(fā)語言完成且具有相應(yīng)的功能模塊。

隨著多源時間序列遙感數(shù)據(jù)的可獲取，業(yè)務(wù)化時間序列遙感數(shù)據(jù)分析軟件的發(fā)展與應(yīng)用顯得尤為迫切和必要。對現(xiàn)有軟件進(jìn)行匯總分析，了解軟件的發(fā)展史并評價相關(guān)特點，對軟件的改進(jìn)與應(yīng)用推廣有著現(xiàn)實意義。本文從植被物候與時間序列遙感數(shù)據(jù)關(guān)系出發(fā)，列舉了現(xiàn)有主流物候軟件，并對未來業(yè)務(wù)化軟件的發(fā)展前景進(jìn)行了展望。

1 遙感監(jiān)測植被物候原理

植被物候是植物與其所處環(huán)境要素相互作用形成的具有規(guī)律性周期的自然現(xiàn)象，如植物的發(fā)芽、開花、落葉等[14]。植被物候變化是植物生長發(fā)育狀況的體現(xiàn)，還能決定植物產(chǎn)量形成過程和植被生產(chǎn)力的高低，可表征土壤—植被—大氣系統(tǒng)之間能量和水分交換的變化[24]。

遙感監(jiān)測方法主要是在分析傳感器所記錄的地物波譜信息基礎(chǔ)上開展覆被變化分析、環(huán)境變化分析與模擬、植被參數(shù)反演和信息提取等研究。信號特征與植被的測量值之間的關(guān)聯(lián)性是遙感數(shù)據(jù)提取植被物候信息的基礎(chǔ)，植被物候遙感監(jiān)測常用的時間序列植被指數(shù)主要有增強型植被指數(shù)(enhanced vegetation index, EVI)、歸一化差值植被指數(shù)(normalized difference vegetation index, NDVI)等。通過長時間序列遙感植被指數(shù)可以有效提取生長季開始時間、生長季結(jié)束時間、生長季植被指數(shù)最大值日期等相應(yīng)的關(guān)鍵時間節(jié)點及特征值，以及由這些節(jié)點所確定的生長季長度和生長季振幅等物候參數(shù)。

2 時間序列遙感數(shù)據(jù)植被物候提取軟件簡評

數(shù)據(jù)平滑重建方法常用來最小化殘余噪聲并重建更代表植被生長情況的時間序列數(shù)據(jù)，重建后的植被指數(shù)數(shù)據(jù)提高了植被物候信息提取精度[10]。在不同區(qū)域開展多種重建方法的適用性研究有助于提升植被遙感監(jiān)測效果和改進(jìn)重建方法，同時為植被時空演變分析提供更精準(zhǔn)、更可靠的數(shù)據(jù)來源[25-30]。用于平滑和重建時間序列數(shù)據(jù)的方法已有很多，可根據(jù)物候信息提取性能和原理歸并為3類(表1)，即經(jīng)驗平滑方法、曲線擬合方法和數(shù)據(jù)變換方法[10]。

表1 常用數(shù)據(jù)平滑重建方法Tab.1 Common data smoothing methods

隨著時間序列遙感數(shù)據(jù)在區(qū)域尺度植被物候變化動態(tài)監(jiān)測的應(yīng)用，研發(fā)集成重建方法和物候提取方法于一體的軟件平臺有效提升了植被物候監(jiān)測效率和精度?；诖?，已有多款軟件成功研發(fā)并應(yīng)用于植被物候信息提取。

2.1 植被物候軟件研發(fā)特征

不同植被物候信息提取軟件在研發(fā)時所考慮的遙感數(shù)據(jù)類型不同，針對的用戶也有差異，軟件結(jié)構(gòu)與功能不盡相同。開展現(xiàn)有軟件的比較有助于用戶選用時更有針對性，也可為未來研發(fā)植被物候信息提取軟件提供參考(表2)。通過中國知網(wǎng)主題詞的檢索分析，在已發(fā)表文獻(xiàn)中利用TIMESAT軟件開展植被物候信息研究的居多，表明國內(nèi)用戶對其認(rèn)可度也比較高。DATimeS平臺考慮并有效集成了機器學(xué)習(xí)方法。為了更好地提升植被物候軟件應(yīng)用的針對性和效果，本文在概略介紹了TIMESAT，SPIRITS和DATimeS等軟件的基本特征后，評述了現(xiàn)有主流植被物候信息提取軟件的特點并進(jìn)行展望。

表2 已研發(fā)的基于時間序列遙感數(shù)據(jù)植被物候信息提取軟件Tab.2 List of available software for extracting vegetation phenology information with remote sensing time series data

(續(xù)表)

2.1.1 TIMESAT軟件

作為分析序列數(shù)據(jù)的軟件包，TIMESAT利用時間序列遙感數(shù)據(jù)所提供的季節(jié)信息研究植被動態(tài)屬性如物候與時間之間的變化關(guān)系。該軟件主要采用自適應(yīng)S-G濾波方法、基于上包絡(luò)加權(quán)方法非對稱高斯和雙logistic模型函數(shù)進(jìn)行擬合。非對稱擬合算法是一種分段高斯函數(shù)來模擬植被生長物候期的方法，整個擬合過程完成了從區(qū)間提取、局部擬合到整體連接3個步驟； 雙logistics擬合算法與非對稱高斯擬合算法相似，是一種新的半局部擬合算法； S-G濾波是一種應(yīng)用最小二乘法確定加權(quán)系數(shù)進(jìn)行移動窗口加權(quán)平均的濾波方法，移動窗口的大小對時序數(shù)據(jù)的重建效果起主要作用。

自2002年應(yīng)用于植被物候信息提取以來，TIMESAT軟件在經(jīng)歷了數(shù)據(jù)類型擴充和功能優(yōu)化后，目前軟件版本從1.0已升級為3.3(圖1)。TIMESAT3.3提供了STL(seasonal-trend decomposition procedure based on loess)趨勢分析和并行處理功能，可以把時間序列分解為趨勢項(trend component)、季節(jié)項(seasonal component)和余項(remainder component)。

圖1 TIMESAT軟件發(fā)展簡史Fig.1 History of TIMESAT software

除了在改進(jìn)MODIS和AVHRR衛(wèi)星產(chǎn)品效果明顯并成功提取物候信息外，TIMESAT軟件還應(yīng)用于處理氣象數(shù)據(jù)、火災(zāi)數(shù)據(jù)和渦動協(xié)方差碳通量數(shù)據(jù)等方面。TIMESAT主要包括數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)處理和后處理3個模塊(圖2)，可以提供11種植被物候參數(shù)，包括作物生長開始日期、生長結(jié)束日期、生長季長度和振幅等。

圖2 TIMESAT3.3主界面功能Fig.2 TIMESAT3.3 menu system

2.1.2 SPIRITS軟件

SPIRITS旨在為生產(chǎn)分析人員和決策者提供明確、可靠的信息，以特定的時間序列處理功能對作物和植被狀況進(jìn)行評估，包括時間平滑、物候階段的檢測、長期平均水平和異常的計算、基于植被季節(jié)性能的分類等。該軟件圖形用戶界面靈活、友好，可以快速繪制植被指數(shù)及其異常，統(tǒng)計數(shù)據(jù)可以實現(xiàn)季節(jié)圖分享給分析人員和決策者。

SPIRITS已發(fā)展成為用中、低空間分辨率衛(wèi)星圖像時間序列監(jiān)測植被情況，且許多工具也可用于其他類型的柵格數(shù)據(jù)和應(yīng)用領(lǐng)域(如森林和生境監(jiān)測)。在作物監(jiān)測中，常用的輸入數(shù)據(jù)是地表反射、植被指數(shù)或生物物理參數(shù)，也可以處理從大氣環(huán)流模式或地球同步衛(wèi)星如METEOSAT獲得的格網(wǎng)氣象數(shù)據(jù)。SPIRITS多年來還擴展了許多其他模塊，如外部格式圖像的導(dǎo)入、地圖生成和區(qū)域數(shù)據(jù)庫的提取。該軟件還使用了開源碼庫如GDAL(http: //www.gdal.org/)、FWTools(http: //fwtools.maptools.org/)和HSQLDB(http: //hsqldb.org/)。該軟件主要程序模塊可以分組為以下功能類： 輸入/輸出、處理工具和分析工具，其中處理工具可以進(jìn)一步分類為空間操作、專題操作和時間操作，包括感興趣區(qū)域(region of interest,ROI)提取、面積比例圖像(area fraction images,AFIs)生成，干物質(zhì)生產(chǎn)率(dry matter productivity,DMP)和凈初級生產(chǎn)力(net primary productivity,NPP)專題等(圖3)。

圖3 SPIRITS軟件主要功能架構(gòu)Fig.3 Framework for SPIRITS main functions

2.1.3 DATimeS軟件

DATimeS是一個獨立的具有圖形用戶界面的圖像處理工具箱，集成了所有的插補和物候指標(biāo)提取技術(shù)，便于作物監(jiān)測應(yīng)用程序的開展[25]。DATimeS由多個功能模塊組成(圖4)，能對以多種格式(Geotiff和ENVI)表示的完整圖像、特定ROI或單個像素規(guī)則或不規(guī)則時間序列數(shù)據(jù)建模和分析，其核心功能包括多個時間序列平滑和擬合算法。模塊化的體系結(jié)構(gòu)具有以下優(yōu)勢： ①通過處理步驟指導(dǎo)用戶，即一旦當(dāng)前模塊完成后，后續(xù)處理模塊被激活； ②在不影響主體架構(gòu)下，模塊可以很容易地修改或擴展； ③具有新功能的新模塊很容易被添加到工具箱中。DATimeS軟件的研發(fā)目標(biāo)是提供一個通用和新穎的時間序列分析工具以保證有足夠的靈活性捕捉植被的主要特征，同時不會對插補和隨后的物候分析帶來過量的計算或推理負(fù)擔(dān)。相對其他具有圖形用戶界面的時間序列工具箱，DATimeS具有： ①處理不均勻間隔的衛(wèi)星圖像時間序列的能力； ②可以為時間序列預(yù)測(一些方法包含相關(guān)的不確定性，如高斯過程回歸)選擇超過12個不同機器學(xué)習(xí)擬合方法的可能性； ③提供和分析多個生長季節(jié)的物候指標(biāo)。對Sentinel-2葉面積指數(shù)(leaf area index，LAI)時間序列的多重插值方法的初步評價表明，高斯過程回歸作為一種最優(yōu)算法在成功重建植被指數(shù)和提取可靠的物候指標(biāo)方面具有潛力。同時，DATimeS還通過多種方式不斷改進(jìn)和擴展，如支持新的圖像格式(如NetCDF和Sentinel圖像的原生格式JPEG2000)、更多的物候指標(biāo)(如每個季節(jié)生長季開始到生長最大值之間的生長率)、土地覆蓋圖加載時每個地塊尺度的聚合處理、收獲趨勢和自動干擾檢測的最新工具等。

圖4 DATimeS軟件的分層設(shè)計Fig.4 Hierarchical design of DATimeS

2.2 現(xiàn)有時間序列軟件研發(fā)特點及展望

隨著利用遙感數(shù)據(jù)提取植被物候信息需求的增長和時間序列衛(wèi)星遙感數(shù)據(jù)的多樣性，專用物候信息提取軟件的研發(fā)越來越受到重視?，F(xiàn)有主流軟件主要集成了相應(yīng)的數(shù)據(jù)平滑重建方法，免費向非商業(yè)用途提供服務(wù)，且大多建有專有網(wǎng)頁。TIMESAT軟件有圖形用戶界面，所用編程語言保證了對MODIS或AVHRR數(shù)據(jù)產(chǎn)品的快速處理，且非常靈活，但該軟件側(cè)重于物候參數(shù)的提取。TimeStats，BFAST和Earth Engine App等軟件為具有長期遙感數(shù)據(jù)檔案(如MODIS)的數(shù)據(jù)挖掘提供了一些高級工具，主要面向高級用戶(即遙感專家)。SPRIRITS，pyPhenology，CropPhenology和BEAST等軟件在一個可通過圖形用戶界面訪問的包中提供了一系列用于圖像時間序列分析的有用例程集合。在這些工具箱中，TIMESAT發(fā)展最早，在植被物候監(jiān)測中得到了最為廣泛的應(yīng)用和認(rèn)可。但是，TIMESAT軟件僅包含了3種算法，在應(yīng)用過程中對于最優(yōu)算法的選擇存在較大的局限性，沒有應(yīng)用機器學(xué)習(xí)回歸算法(machine learning regression algorithm，MLRAs)。目前，圖像處理已進(jìn)入了人工智能時代，機器學(xué)習(xí)算法已成為時間序列數(shù)據(jù)處理的有力工具[4,31]。MLRAs的高度適應(yīng)性和通用性使其比傳統(tǒng)的擬合函數(shù)能夠精確地估計物候趨勢或在時間序列中識別多個季節(jié)[32]，DATimeS軟件提供了最先進(jìn)的MLRAs和其他時間序列工具箱(如TIMESAT，TimeStats和SPIRITS)中所用的傳統(tǒng)方法，同時可為植被物候提取提供高級的建模技術(shù)。DATimeS軟件擴充了已建立的時間序列插值方法和多種先進(jìn)的機器學(xué)習(xí)擬合算法(如高斯過程回歸)，運用Sentinel時間序列數(shù)據(jù)在農(nóng)業(yè)區(qū)的應(yīng)用表明該軟件插補性能精度高并可提供相關(guān)不確定性，還可在進(jìn)一步量化不同作物季節(jié)間LAI波動基礎(chǔ)上為特定作物類型提供物候指標(biāo)，如需要使用具有多個物候周期的規(guī)則時間序列、圖形用戶界面的缺失、或僅僅針對高級用戶或特定傳感器時間序列數(shù)據(jù)等。此外，這些軟件包在用于填補缺失值和平滑目的的算法有所不同。

地球系統(tǒng)科學(xué)進(jìn)入了大數(shù)據(jù)時代，所帶來的挑戰(zhàn)是如何從這些大數(shù)據(jù)中快速有效提取并解讀信息[33]。時空明確的植被物候知識是理解自然季節(jié)現(xiàn)象變化趨勢的關(guān)鍵，并可為農(nóng)業(yè)生產(chǎn)和全球變化研究提供服務(wù)[34]。隨著時間序列遙感數(shù)據(jù)擬合的數(shù)據(jù)平滑方法的成熟發(fā)展，開發(fā)集成重建方法的專業(yè)軟件有利于長時間序列遙感數(shù)據(jù)的應(yīng)用[33]。本文所列舉已研發(fā)成功的軟件主要是針對美國國家航空航天局、歐洲航天局等機構(gòu)所提供的長時間序列遙感數(shù)據(jù)，研發(fā)團隊主要為從事植被物候研究或與農(nóng)業(yè)生產(chǎn)者密切接觸的科研人員，開發(fā)的軟件界面語言主要為英語。這些主流軟件為用戶在提高植被物候信息提取的精度和效率時可根據(jù)數(shù)據(jù)類型和實際需要有更多的選擇，也受到了國內(nèi)科研人員的青睞。隨著我國高分系列衛(wèi)星的成功發(fā)射與應(yīng)用，前所未有的遙感大數(shù)據(jù)滿足了高時空分辨率、高光譜分辨率和高精度觀測需求，從這些海量的時間序列遙感數(shù)據(jù)有效提取生產(chǎn)、社會發(fā)展和生態(tài)應(yīng)用等所需時空變化地表參數(shù)已成為重要的現(xiàn)實需要。根據(jù)我國高分系列衛(wèi)星數(shù)據(jù)特點并針對國內(nèi)用戶在植被物候研究和信息提取應(yīng)用時的偏好，開發(fā)具有友好圖形用戶界面且集成更為實用重建算法的時間序列分析軟件應(yīng)是我國科研人員重視的一個方向。

3 結(jié)論

本文列舉了已應(yīng)用于植被物候監(jiān)測的幾款軟件如TIMESAT，SPIRITS和DATimeS后，簡單匯總比較了現(xiàn)有軟件的特點。不同數(shù)據(jù)平滑重建算法對不同噪聲點的重構(gòu)、平滑以及高質(zhì)量點的保持度等方面表現(xiàn)各異，現(xiàn)有軟件的發(fā)展是根據(jù)不同遙感數(shù)據(jù)集成了相應(yīng)的重建算法。用戶在提取植被物候時可以根據(jù)需要進(jìn)行選用，以滿足植被物候信息提取精度。

文中所列舉的軟件主要是針對美國國家航空航天局、歐洲航天局等機構(gòu)所提供的遙感數(shù)據(jù)研發(fā)的，軟件界面語言為英文，不利于利用這些軟件開展我國衛(wèi)星遙感數(shù)據(jù)的應(yīng)用推廣。在遙感大數(shù)據(jù)背景下，研發(fā)針對國產(chǎn)遙感數(shù)據(jù)的以中文為界面語言的植被物候信息提取軟件有助于提升我國在時間序列遙感數(shù)據(jù)應(yīng)用的廣度和深度。