吉林西部地表植被生长期的遥感监测方法1)

李晓东 闫守刚

(白城师范学院，白城，137000)

植被生长期变化，是地学专业研究植被生命周期及其与气候关系的一个重要参量［1］，是一种大地理区域尺度上的变化现象，其变化反映了地球生物圈对地球气候与水文系统季节和年际变化的响应［2］，对于深入研究全球气候变化及其与陆地生态系统的关系等具有十分重要的意义。地表植被指数数据，即归一化差异植被指数(NDVI)常被用来研究区域和全球植被的状况［3］，是研究全球植被变化非常理想的植被指数。植被具有涵养水源、保持水土的作用，有助于生物地球化学的良性循环［4-7］。然而，温度、降水等气候因子作为植物生长发育的必要环境条件，对植被的生长、物候、内部的水分关系与气体交换等产生重要影响［8-9］。在国内，针对温带典型区域植被生长季及其时空变化的相关研究没有太大的差别，主要不同在于所使用的数学模型简单与复杂的问题［10-11］。笔者借鉴了国内外常见的几种遥感监测方法，针对吉林西部的植被生长具体情况重新确定了生长期的相关因子，并结合气候特点分析了该区植被生长中水热条件存在的问题。

1 研究区概况

吉林西部辖白城、松原两市，东俯东北平原腹地，西接呼伦贝尔草原，南邻科尔沁沙地，北临大兴安岭林区，地理区位意义重大。研究区属中温带大陆性季风气候，春季干燥多风，升温比较快;夏季炎热，降水集中;秋季凉爽，变温快、温差大;冬季漫长，干燥寒冷。随着近年来气候变化加剧，荒漠化现象越来越严重，生态环境脆弱。

2 数据获取与处理分析

2.1 地表植被指数数据

研究采用的遥感数据为国家自然科学基金委员会“中国西部环境与生态科学数据中心”组制作的1998—2008年每15 d最大值合成(MVC)的SPOTNDVI数据集。该数据集被国内很多学者用于植被及生态环境的研究，都取得了比较好的应用效果［12］。若植被序列集中某时期数据缺失则以缺失数据前后2旬数据的平均值替缺失数据。数据的平滑滤波处理利用Savizky-Golay滤波函数进行［13］。

2.2 植被生长季始期计算

将1998—2008年NDVI的36旬植被指数序列数据转化为累积频率值，发现其累积频率曲线大致呈现出与植被生物量曲线相一致的“S”型生长变化规律。根据这一规律，构建了基于NDVI累积频率曲线的Logistic拟合模型来求算植被生长季始期［14］。模型建设过程主要包括累积频率转化、曲线拟合、拟合优度检验、曲率计算以及植被生长季始期的确定等步骤［15］。

①NDVI累积频率转化。将处理后的NDVI时序数据转化为基于像素单元的累积频率值。东北地区的种植制度为一年一熟，因此植被类型一年中只有一个峰值，利用Logistic模型公式对研究区植被进行模拟［16］。

式中：t指时间(d);TNDVI指随时间t的 NDVI拟合值;a、b、c均为拟合参数，是大于零的常数。

②根据模拟的曲线，利用Logistic模型进行模拟。通过计算模拟曲线的曲率，求其极值，确定地表植被生长期的起止时间，曲率计算公式如下：

式中：z=exp(a+b×t);a是沿时间曲线移动单位弧长时切线转过的角度;s为单位弧长;b、c为拟合参数。

在NDVI累积频率时序曲线上，求出其曲率的最大值，该点处曲线弯曲程度最大，说明在最大曲率点对应日期之后植被生长季迅速增长，依据此判定极值点对应日期为该点上的植被生长期的初始日期。

③确定植被生长季始期。将拟合曲线曲率的最大值点处对应的日期作为植被绿度始期，将曲率最小值点处对应的日期作为植被绿度末期。据此可求出植被绿度始期和绿度末期。使用基于NDVI累积频率曲线的Logistic拟合模型计算得到1998—2008年的植被生长季始期，分别统计各年份的植被生长季的始期，确定植被生长季终期与生长季持续天数。所有处理分析都在遥感软件平台ERDAS与地信软件平台Surfer和微软Excel中完成。

3 结果验证与数据分析

3.1 数据结果的验证

在研究区域进行样点选取，共180个。使用Logistic函数分别对吉林西部的NDVI累积频率曲线进行拟合验证，见图1～图3。图中R2指相关系数的平方，值越大，相关性越好。可见，各站点1998、2003和2008年NDVI累积频率曲线与其拟合曲线之间的相关系数的平方均在0.994以上。本研究模型在东北农牧交错区具有较好的拟合效果。

图1 1998年吉林西部地表植被累计分布函数与拟合曲线图

图2 2003年吉林西部地表植被累计分布函数与拟合曲线图

图3 2008年吉林西部地表植被累计分布函数与拟合曲线图

3.2 吉林西部地表植被生长期总持续时间

使用1998—2008年NDVI的36旬序列数据，利用基于NDVI累积频率曲线的Logistic拟合模型计算研究区内的植被生长始期与终止期，并分析各植被生长期相关因子的时空变化特征。由图4可知，吉林西部以草原为主，白城市(通榆、长岭县为主)与松原市部分区域的生长期持续时间为140 d，草原核心区内有达到140 d以上的区域存在;研究区以东的地区是吉林省的主要农耕区域，种植以水稻、玉米、大豆和高粱为主。该区域的植被生长期持续时间为122～130 d;长白山部分区域是北方主要的林区之一，地表植被生长期持续时间在112 d以内。总之，地表植被生长期的天数由西向东逐渐减少。

图4 吉林西部地表植被生长期总持续天数分布

3.3 吉林西部地表植被生长初始期

由图5可知，吉林西部的草原区域植被生长期起始天为年后的第126天(即，5月上旬)，包括吉林省的通榆、长岭县(吉林西部主要碱岭和碱地的分布区域);吉林西部大部分区域(包括白城市与松原市)地表植被生长始期在第136天左右开始(即，5月中旬);研究区以东区域是湿润地区，区域内气温转暖较为迟缓，农耕期也短。总体上该区域的植被生长期起始天为年后的第140天(即，5月中下旬)。可以看出，研究区内地表植被生长期的始期，在空间上，由西向东经历由先到后的变化，向东越来越迟。生长期始期日期相差20 d以上。

图5 吉林西部地表植被生长初始期空间分布

3.4 吉林西部地表植被生长终止期

由图6可知，吉林西部包括白城市与松原市大部分区域，植被生长期终止天为年后的第266～270天(9月下旬与10月初);研究区以东，植被生长期终止天为年后的第260～266天(9月中旬);长白山部分区域地表植被生长终期出现在第250～256天(9月上中旬)。从地表植被生长期终期的时空变化特点可看出：地表植被生长期较长的地区属于半干旱与半湿润地区，由于降水较少，地表地下水资源欠丰富和居民生活用水等原因，水热矛盾是本区域发展生产，植被恢复要面临的主要问题。

图6 吉林西部地表植被生长初终期空间分布

4 结论与讨论

基于1998—2008年每15 d最大值合成(MVC)的SPOT-NDVI数据集，对吉林西部地表植被的生长状况进行了建模分析，针对最终数学运算结果经实验室内的人工判定得到研究区域的地表植被生长期的相关因子，结论如下：①吉林西部地表植被生长期的始期有着明显的区域特点。吉林西部的草原区域植被生长期起始天为年后的第126天(5月上旬)，包括吉林省的通榆、长岭县;吉林西部以西大部分区域(包括白城市与松原市)地表植被生长始期在第136天左右开始(5月中旬);长春地区，包括长春、吉林以东的吉林中部地区，该区域的植被生长期起始天为年后的第140天(5月中下旬)。研究区内地表植被生长期的始期，在空间上经历由先到后的变化，向东越来越迟。由西向东，生长期始期日期相差20 d以上。②吉林西部地表植被生长期终期的时空变化特点。大兴安岭以东地区，包括白城市与松原市大部分区域，植被生长期终止天为年后的第266～270天(9月下旬与10月初);吉林中部地区，包括长春、吉林以东的地区，该区域的植被生长期终止天为年后的第260～266天(9月中旬);长白山部分区域地表植被生长终期出现在第250～256天(9月上中旬)。③10 a来，吉林西部地表植被生长期持续天数的变化特点。大兴安岭以东地区，包括白城市(通榆、长岭县为主)与松原市大部分区域，植被生长期持续时间为140 d，草原核心区内存在140 d以上的区域;吉林中部地区，包括长春、吉林以东的地区，该区域的植被生长期持续时间为122～130 d;长白山部分区域地表植被生长期持续时间在112 d以内。最终确定，吉林西部的地表植被生长期为5月上旬开始到9下旬结束，整个研究区域内植被生长期持续时间在130 d左右。

文中涉及的植被生长期是包括研究区的农作物在内所有地表植被生命活动的始期与终期，与农业上农作的开始与截止期意义上是不同的。植被生长期的确定，一般国内该方面研究都是基于NDVI数据集，构建数学模型，进行公式求导得到年内36旬NDVI数据变化曲线的曲率，由曲率最大值、最小值分别决定植被生长的初期与终期;国内对此方向的研究没有太大的差别，主要不同在于所使用的数学模型简单与复杂的问题。植被生长期的变化，是一种大地理区域尺度上的变化现象。因此，笔者基于吉林西部的NDVI数据集，首先利用GIS软件进行样点提取;然后逐样点平滑处理，构建新的NDVI时序累计数据序列，计算序列的斜率变化，人工判定植被生长的始期与终期;最后在GIS软件中，实现由点数据到面数据的克里格插值运算，得到吉林西部植被生长期相关因子(生长的始期与终期、生长期的天数)的空间分布数据。植被生长期研究中，整个分析处理过程中存在以下情况：运算量大;并且不可避免的有异常点存在，异常点的存在对后期数据的精度有着一定影响;NDVI数据求算的曲率有时存在2个相近的峰值或者谷值，所以有人为判定因素存在，数据的精确性需要有大量实地观测数据的印证。气候因子对吉林西部植被生长的影响作用，笔者尚未进行详细深入地研究分析，两者之间的相关性有着进一步研究的意义。

致谢：在数据的整理过程中得到了候旭、娄思文、姚希奎、杜宝佳、赵英杰、孙继梅、卢瑶、孙晶、王蔚悦等同学的大力帮助，特此感谢。

［1］White M A，Thornton PE，Running SW.A continental phenology model for monitoring vegetation responses to interannual climatic variability［J］.Global Biogeochemical Cycles，1997，11(2)：217-234.

［2］Zhang Xiaoyang，Friedl M A，Schaaf CB，et al.Monitoring vegetation phenology using MODIS［J］.Remote Sensing of Environment，2003，84：471-475.

［3］田庆久，闵祥军.植被指数研究进展［J］.地球科学进展，1998，13(4)：327-333.

［4］Yang Wenli，Yang Limin.AVHRR-derived NDVI and eco-climatologically parameters：relations，spatial and temporal variabilities［C］.Reno：ASPRS/ACSM Annual Convention ＆ Exposition Technical Papers，1994：744-755.

［5］曾小平，赵平，孙谷畴，等.气候变暖对陆生植物的影响［J］.应用生态学报，2006，17(12)：2445-2450.

［6］徐雨晴，陆佩玲，于强，等.气候变化对植物物候影响的研究进展［J］.资源科学，2004，26(1)：129-136.

［7］陈彬彬，郑有飞，赵国强，等.河南林州植物物候变化特征及其原因分析［J］.植物资源与环境学报，2007，16(1)：12-17.

［8］Weiss JL，Gutaler D S，Allred Coonrod J E，et al.Seasonal and inter-annual relationships between vegetation and climate in central New Mexico，USA［J］.Journal of Arid Environments，2004，57(4)：507-534.

［9］Cramer W，Kicklighter D W，Bondeau A，et al.Comparing global models of terrestrial net primary productivity(NPP)：overview and key results［J］.Global Change Biology，1999，5(1)：1-15.

［10］王宏，李晓兵，余弘婧，等.基于NOAA/AVHRR NDVI监测中国北方典型草原的生长季及变化［J］.植物生态学报，2006，30(3)：365-374.

［11］武永峰，何春阳，马瑛，等.基于计算机模拟的植物返青期遥感监测方法比较研究［J］.地球科学进展，2005，20(7)：724-731.

［12］陈怀亮.黄淮海地区植被覆盖变化及其对气候与水资源影响研究［D］.南京：南京信息工程大学，2007.

［13］Chen J，Jonsson P，Tamura M，et al.A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay fliter［J］.Remote Sensing of Environment，2004，91(3/4)：332-344.

［14］武永峰，李茂松，李京.中国植被绿度期遥感监测方法研究［J］.遥感学报，2008，12(1)：92-103.

［15］Stockli R，Vidale P L.European plant phenology and climate as seen in a 20-year AVHRR land-surface parameter dataset［J］.International Journal of Remote Sensing，2004，25(17)：3303-3330.

［16］宫攀，陈仲新.基于MODIS数据的东北地区植被物候参数提取［J］.土壤通报，2009，40(2)：213-217.