基于MODIS時序的陜西省植被物候時空變化特征分析

發布時間：2020-02-08所屬分類：園林工程師瀏覽：1349次

摘 要： 摘要:遙感技術作為對大尺度陸表監測研究的有效手段，被廣泛應用于自然地理環境各要素的研究中。其中，植被物候作為自然界規律性、周期性的事件，對自然環境尤其是氣候變化有著重要的指示作用。以陜西省為研究區，采用Savitzky-Golay(S-G)濾波方法對MODIS歸一

　　摘要:遙感技術作為對大尺度陸表監測研究的有效手段，被廣泛應用于自然地理環境各要素的研究中。其中，植被物候作為自然界規律性、周期性的事件，對自然環境尤其是氣候變化有著重要的指示作用。以陜西省為研究區，采用Savitzky-Golay(S-G)濾波方法對MODIS歸一化植被指數(normalizeddifferencevegetationindex，NDVI)數據進行時間序列重構，并在此基礎上，提取陜西省2001—2016年間的植被物候期信息進行其時空變化特征分析。研究結果表明:①陜西省的植被物候空間分布特征與其不同地形地貌的空間分布具有較好的一致性;②陜西省生長季開始的平均時間在每年的第120天，生長季結束的平均時間在第280天，生長季長度平均為160d;③2001—2016年間陜西省植被生長季開始時間變化趨勢為波動提前，變化率約為-0.79d/a(R2=0.40，P<0.01)，生長季結束時間變化趨勢表現為波動推遲，變化率約為0.50d/a(R2=0.25，P<0.05)，生長季長度變化呈波動延長趨勢，變化率約為1.29d/a(R2=0.37，P<0.05);④在不同的物候期，陜西省植被的物候變化趨勢空間分布差異較大。

　　關鍵詞:NDVI;物候;時空變化;陜西省

　　0引言

　　植被物候是指植物受氣候和其他環境因子的影響而出現的以年為周期的自然現象，包括植物的發芽、展葉、開花、葉變色和落葉等，是植物長期適應季節性變化的環境而形成的生長發育節律[1]。因此，植被物候具有反映氣候變化和環境變化的作用，是指示氣候與自然環境變化的重要指標[2-3]。同時，植被物候還是陸面過程模型、動態全球植被模型的重要參數[1，4]，在全球變化研究中具有重要作用。

　　傳統植被物候觀測主要通過氣象站點的觀測和記錄實現，這種觀測方式具有覆蓋面積小、成本耗費高等缺點，不足以應對大面積的植被物候觀測要求。而衛星遙感數據具有觀測范圍廣、空間連續性好、時間序列長、信息量豐富、數據種類多、經濟效益高等特點，在大尺度、長時間范圍內的土地利用、植被覆蓋和農業資源調查等工作中被廣泛使用，應用衛星數據進行遙感監測也成為監測區域或全球尺度植被動態變化的強大手段[5]。

　　相關期刊推薦：《植物學報》是由中國科學院植物研究所和中國植物學會主辦的中文版綜合性學術期刊。刊以“綜合性、高水平”為辦刊方針，求新、求快，以及時、準確地反映我國植物科學領域科學家最新研究成果(新發現、新方法等)、系統評述國際研究熱點(新理論、新發展)為基本定位，以涵蓋植物科學各領域(包括農、林、園藝學)具有重要學術價值和創造性的研究成果為主要發表內容，以中國國內從事科學研究和高等教育的中高級專業人員為主要讀者和服務對象。

　　衛星遙感數據植被指數產品在大尺度上監測和描述植被物候變化趨勢的能力，能夠很好地描述整個生態系統的物候變化[6]。目前，不少專家和學者已經注意到衛星遙感數據植被指數產品應用到植被物候方面研究的潛力，且已有部分研究工作者開展了這方面的研究，在中國溫帶地區[6]、中國北方溫帶地區[7]、青藏高原[8]、中國農牧交錯地帶[9]、東北[10]、華北[11]和浙江[12]等不同尺度的研究區域取得了許多研究成果。但這些成果因氣候類型不同、地形差異大，具有區域局限性而不適于描述其研究區以外的植被物候，尤其對于氣候類型差異顯著的區域有較大的局限性。

　　陜西省地處中國大陸腹地，緯度跨度大，地形和氣候類型豐富，開展陜西省的植被物候研究、分析其時空變化特征，有助于理解在多種地形和氣候類型影響下的植被物候響應機制，豐富我國植被物候研究的區域范圍，同時為其他區域的植被物候研究提供對比資料。

　　1研究區概況與數據源

　　1.1研究區概況

　　陜西省位于中國內陸，地理范圍在E105°29'～111°15'，N31°42'～39°35'之間，地處東部濕潤地區和西部干旱區的交界地帶，因此省內氣候類型多樣，可分為暖/中溫帶半干旱地區(約N37°以北)、暖溫帶半濕潤地區(約N33°～37°)、北亞熱帶濕潤地區(約N33°以南)3大氣候區[13-14];省內地形地貌類型豐富，自北向南依次劃分為毛烏素沙地陜北部分、黃土高原、關中平原、秦嶺山地、漢江盆地和大巴山山地。

　　1.2數據來源和預處理

　　研究選用MODIS產品之一的MOD13Q1v006植被指數產品數據集。該數據集包括基于限制視角的最大值合成方法(constrainedviewangle-maximumvaluecomposite，CV-MVC)合成的16d時間分辨率、250m空間分辨率的歸一化植被指數(normalizeddifferencevegetationindex，NDVI)和增強型植被指數等數據。與MOD13Q1v005數據相比，v006數據在植被指數的運算中使用8d預合成地表反射率數據而非天數據，改進了NDVI產品在生產過程中的誤差，提高了數據精度。產品已經過幾何糾正和大氣校正。該時間序列數據集從美國國家航空航天局(NationalAeronauticsandSpaceAdministration，NASA)陸地過程分布式主動存檔中心(LandProcessesDistributedActiveArchiveCenter，LPDAAC)網站下載(https://lpdaac.usgs.gov/lpdaac/products/modisproductstable)，時間覆蓋2001年1月—2016年12月，16a間共368期影像，用于生產陜西省遙感植被物候數據。另外，利用來源于清華大學基于30m空間分辨率TM影像的土地覆蓋分類圖(http://data.ess.tsinghua.edu.cn/)剔除陜西省的非植被覆蓋區。

　　利用MRT工具從MOD13Q1v006的368期影像中提取NDVI和數據像元可信度這2個數據層，并進行拼接、格式轉換和重投影。數據像元可信度是對NDVI數據每個像元數值可信度的說明，與NDVI數據的時間和空間分辨率一一對應，取值范圍為-1～3。根據參考文獻[15]，利用數據像元可信度對NDVI數據進行預處理，進一步提高NDVI像元的可信度;然后結合30m空間分辨率的土地覆蓋分類圖在ArcMap中利用重采樣和掩模提取陜西省的植被覆蓋區，同時剔除NDVI<0.05的像元，盡量保證每個NDVI像元都是地表植被覆蓋區。

　　2物候提取

　　2.1時間序列重構

　　目前，用于植被指數數據時間序列重構的方法很多，包括最佳指數斜率提取法、均值迭代濾波法、Hants算法、Savitzky-Golay(S-G)濾波法、非對稱高斯函數擬合法、時間窗的線性內插法、雙函數擬合方法和小波變換等[16-18]。這些方法中既有基于設置閾值的噪聲去除法，也有通過濾波達到平滑效果和以非線性擬合為基礎的算法。每種方法均有其優缺點及適用范圍，例如，最佳指數斜率提取法能有效處理NDVI曲線中突降的點值，但對異常高值缺乏相應對策，且在處理過程中，經驗性要求高[19];基于傅里葉變換的濾波方法對較為對稱的NDVI時序曲線處理效果較好，但對于存在波動的NDVI時序曲線進行平滑容易引入新的人為噪聲;非對稱高斯函數擬合法對時序曲線進行分段擬合，具有較高的擬合精度，但在實際運算過程中，需要人為確定分段擬合的起始值，明顯受制于工作經驗，且運算復雜耗時，效率較低;而S-G濾波法采用NDVI數據的上包絡線來擬合NDVI時序數列的變化趨勢，保留了NDVI曲線的特征，通過一個迭代的過程可消除偏離正常生長趨勢線的噪聲，而使平滑達到最好的效果[19]。因此，本文選擇S-G濾波法進行NDVI時序重構。

　　S-G濾波法由Savitzky和Golay于1960年提出，是一種滑動窗口的加權擬合算法。其加權系數通過在滑動窗口內對給定高階多項式進行最小二乘擬合得出。因此，在利用S-G濾波對NDVI時序曲線平滑去噪的過程中，2個參數的設置至關重要，一個是滑動窗口數值，另一個是多項式階數。一般來說，滑動窗口數值越大，參與擬合的值越多，效果越好，但細節容易被過濾掉，反之則平滑效果不明顯;多項式的階數越高，越易出現過擬合，階數越低，平滑效果越好，但會引進誤差[13，19]。已有研究結果表明，滑動窗口取值一般在3～7之間，多項式階數一般在2～4之間比較合適[13，19]。因此，本文經過運算結果比較研究后，設置滑動窗口數值為5，多項式階數為2，進行NDVI時序曲線的S-G濾波，實現NDVI時序曲線重構。

　　2.2物候期提取

　　本研究中提取的植被物候信息主要針對遙感監測，且只考慮一年中只有一個生長期的情況(對于一年中存在2個生長期的地區，提取該地區植被生長期中NDVI值最大的一個生長期)，提取植被生長過程中共同的3個物候期特征指數，分別是植被生長季開始期(thestartofseason，SOS)、生長季結束期(theendofseason，EOS)和生長季長度(thelengthofseason，LOS)。其中，SOS指植被開始增長的日期或者光合作用開始加強的日期;EOS指植被光合作用和綠色葉面積開始迅速下降的日期;LOS指SOS到EOS以天數計的時間跨度[5]。

　　目前，基于植被指數時序曲線提取遙感物候的方法不少，較常用的有閾值法、最大斜率法、最大比率法和累積頻率法等[6，20-22]。考慮到計算效率以及可操作性，采用最大比率法提取陜西省植被物候期。文中日期均采用儒略日計算法，即將每年的1月1日記為第1天。

　　3結果與分析

　　3.1植被物候多年均值的空間分布特征

　　圖1展示了陜西省遙感植被物候2001—2016年間平均值的空間分布。從圖中可以看出，各物候期隨緯度變化形成南北差異，隨地形起伏變化形成區域差異，總體植被物候的空間分布特征與陜西省不同的地形地貌的空間分布具有較好的一致性。因此在本研究分析中，按照陜西省地形地貌的空間分布特征[23-24]將圖1自北向南依次劃分為毛烏素沙地陜北部分、黃土高原、關中平原、秦嶺山地、漢江盆地和大巴山山地進行討論。

　　陜西省遙感植被物候空間分布特征顯示出地域分異規律，展現植被生長受氣候和地形影響的一般規律，表現出在不同氣候和地形條件下，植被物候時間的差異。例如，暖/中溫帶半干旱地區(約N37°以北)溫度和降水條件相對較差，SOS和EOS均較晚，LOS較短;暖溫帶半濕潤地區(約N33°～37°)、北亞熱帶濕潤地區(約N33°以南)溫度和降水條件較好，SOS較早，EOS較晚，LOS較長。不同氣候區物候期的差異表明氣候對物候產生影響。這與前人的研究成果相似[25]。而在同一氣候區內，物候期仍表現出明顯的差異，主要表現在地形起伏較大的地區。如暖溫帶半濕潤地區(約N33°～37°)中黃土高原南部、關中平原和秦嶺山地3個地區物候期明顯不同。

　　陜西省遙感植被物候的空間分布總體上隨緯度和地形發生變化。相對于緯度較低的地區，緯度較高的地區SOS和EOS均較晚，LOS較短。在同一緯度，海拔高的植被SOS晚，EOS早，LOS較短;海拔低的植被SOS早，EOS晚，LOS較長。陜西省遙感植被物候的空間分布特征表現出與其不同地形地貌空間分布較好的一致性。

　　對于不同的物候期，陜西省遙感植被物候的空間分布差異不同。SOS最明顯，與陜西省不同地形地貌的空間分布一致性最佳。主要原因可能是在植被開始生長時，受到環境因素(溫度、降水等)的作用，而環境因素又與緯度、地形等條件密切相關，因此SOS表現的一致性最佳。具體來說，從高緯度至低緯度SOS日期在逐漸提前，在陜西黃土高原內部SOS時間呈現出明顯的南北差異，黃土高原北部的SOS明顯遲于南部，再往南到達關中平原地區，SOS更加提前;在秦嶺山地，由于海拔上升，SOS總體較遲且山頂遲于山腳;在緯度進一步降低和海拔有所下降的漢江盆地，SOS又較早;在大巴山山地因海拔升高，SOS又較遲。

　　EOS的空間分布差異不如SOS明顯，與陜西省不同地形地貌的空間分布一致性相對較差。主要原因可能是植被在后期發育以及成熟階段，植被生長不僅受到環境因素影響，而且植被自身生理條件、土壤狀況和病蟲害等條件同樣對植被生長起作用。盡管如此，EOS仍表現出一定的規律性。從高緯度到低緯度，總體上EOS日期在提前，因為相對于高緯度地區，低緯度地區的熱量更充足，植被完成生長所需的積溫時間較短;EOS受地形的影響明顯，在秦嶺山地和大巴山山地可以看出，EOS總體保持著隨海拔升高而時間提前的趨勢。

　　LOS的空間分布是SOS和EOS兩者的綜合，表現出一定的區域差異特征。且LOS從高緯度到低緯度、從高海拔到低海拔，總體上保持著逐漸延長的趨勢。從陜西省植被物候2001—2016年各年的時間看，SOS最早出現在第80天之前，最晚出現在一年中第162天之后，平均時間在第120天;EOS最早出現在第220天之前，最晚出現在第300天之后，平均時間在第280天;LOS最短為112d以內，最長在192d以上，平均時間為160d。區域差異明顯的物候期平均時間見表1。在氣候和地形的共同影響下，漢江盆地的SOS是陜西省幾種地形地貌類型中最早的，比最晚的黃土高原早45.9d。以約N35°為界，EOS北部的地貌類型與南部的地貌類型差異較大，在界限內的地貌類型EOS差異均在7d以內。LOS的區域差異情況與SOS相似，漢江盆地LOS最長，其次是關中平原，最后是黃土高原。

声明:①文献来自知网、维普、万方等检索数据库，说明本文献已经发表见刊，恭喜作者.②如果您是作者且不想本平台展示文献信息,可联系学术顾问予以删除.