利用2种植被指数监测中国6种典型森林生长期的比较研究

廖 靖 覃先林 周汝良

(1.西南林业大学林学院，云南 昆明 650224；2.中国林业科学研究院资源信息研究所，北京 100091)

现有的研究结果证明,生物物候与环境变化之间存在紧密联系，且生物物候是环境变化的最重要也是最直接的指示器。植被生长期为植物物候中显著可见的最主要指标，对周围环境的变化有着集中的体现；作为植被生长周期的最重要一环，具有重要的研究意义[1-3]。随着遥感技术的出现和应用，利用遥感技术进行森林物候的动态监测研究，发挥遥感影像的区域性和时效性优势，克服传统的定点物候观测代表区域有限的缺点，具有很大的发展空间和广阔的利用前景[4]。

植被指数作为遥感影像与植被研究相联系的一座桥梁，即通过植物叶片和植被冠层的光谱特征及差异、变化等来反映植被信息，从而获得植被的生长变化情况[5-6]。其中归一化植被指数(normalized difference vegetation index，NDVI)出现比较早，且被广泛地应用于区域和全球范围的植被状态研究[7-11]；另外，增强型植被指数(enhanced vegetation index，EVI)能克服土壤背景的影响，以及在高植被覆盖区不易达到饱和的优点，近年来也较为广泛地应用于土地覆盖研究[12-14]。

MODIS (moderate-resolution imaging spectroradiometer)为中分辨率成像光谱仪，与NOAA/AVHRR影像相比，其数据无论在空间分辨率还是在光谱分辨率都有很大的进步，能提供更精确的地表覆盖信息[15]。本项研究提取MODIS 13Q1数据集中的NDVI和EVI数据层，选取分布在全国不同区域的6种典型森林类型，比较2种植被指数在大区域森林植被物候期变化检测中的适应性和可行性，以便通过长时间序列的遥感影像获得我国典型森林类型的生长变化规律，从而为我国森林火灾的科学预防和管理等方面的应用提供决策依据。

1 数据获取及处理

1.1 研究区域

以中国所有陆地为研究区。中国大陆性季风气候显著，跨越多个温度带；地形多样，地势西高东低悬殊。自东向西、由北至南依次分布着冷温带针阔混交林地带、寒温针叶林地带、温带落叶阔叶林地带、亚热带常绿阔叶林地带、热带雨林季雨林地带、青藏高原高寒植被区等森林植被类型，因此中国植被类型具有明显的地带性分布的区域特点。

1.2 数据及处理

所用的植被类型数据来源于中国科学院《中国植被图》(2000年数据)，原图比例尺1∶100万。结合研究的重点，在本研究中将全国典型森林植被类型分为落叶针叶林、落叶阔叶林、常绿针叶林、常绿阔叶林、针阔混交林和竹林等6种类型。

本项研究选用了NASA生产并共享的全球MODIS 13Q1 数据集产品，该数据集的原始投影为Sinusoidal(正弦曲线投影)，数据格式为HDF-EOS，空间分辨率为250 m，时间分辨率为16 d，SDS HDF图层数为12层。对数据集分别按3类型数据层进行处理。第1类是NDVI数据文件，对应MODIS 13Q1数据集的第1层；第2类是EVI数据文件，对应MODIS 13Q1数据集的第2层；第3类是红光、近红外、蓝光和短波红外4个波段的合成数据文件，对应MODIS 13Q1数据集的第4至第7层。使用遥感图像处理软件ERDAS IMAGINE 9.2，进行数据的格式转换、拼接、投影转换和裁剪，获得了覆盖中国陆地范围的每年23期影像数据(其中2000年前3期影像缺失)，所有数据的投影格式为Lambert Conformal Conic(兰勃特投影)。3类数据在2000—2011年间各有273幅影像数据，将这些处理后的数据整理作为本项研究的基础数据。

2 研究方法

植被指数是地表植被覆盖程度的一项表现参数，而在没有剧烈的地表变化发生的一般情况下，植被的生长以及对地表的覆盖状况是循序渐进的，因此植被指数曲线应该是一条光滑的曲线。MODIS 13Q1数据为经过大气校正、辐射定标等严格的预处理，且用最大值合成法将16 d的数据进行合成，一定程度的去除云、水、汽等的干扰。但产品依然不可避免的受到云、雪、气溶胶等的影响，造成植被生长曲线中出现明显或不明显的突升和突降异常点，掩盖真实的植被生长变化，直接导致对植被生长期变化的错误判断。因此，在判断植被指数反应的植被物候期变化关键点时，应结合当期的红光、近红外和蓝光的RGB影像，观察对应的研究区域受云、雪等的干扰程度，确保得出的物候期拐点都是在晴朗无云条件下观察得到的。

对6种典型森林植被类型的年生长曲线的生长始期、枯黄期和生长结束期等3个生长拐点进行统计、分析。研究中植被指数曲线由平缓出现明显上升趋势的影像天数，对应春季植被舒枝展叶开始生长的阶段定义为植被生长始期；将植被指数曲线过了峰值开始明显有下降趋势的影像天数，对应秋季植被开始出现树叶枯黄掉落的阶段定为枯黄期；植被指数曲线由下降趋势明显趋于平缓的影像天数，对应冬季植被开始休眠的阶段[16-20]定义为生长结束期。

3 结果与分析

3.1 植被生长期变化监测结果

整理中国的6种典型森林植被类型在2000—2011年间的平均生长期拐点的出现时间，为16 d，在拐点出现影像天数的前后各加8 d的浮动天数，观察不到准确的拐点出现天数的区域用白色作标示为“未观察到”处理，从而得到2种植被指数反映的典型森林生长期拐点出现天数的分布格局。

1) 由2种植被指数观察到的2000—2011年中国典型森林的平均生长始期都出现在每年的第41～121天，海南的常绿阔叶林生长始期出现得最早，在49 d附近；生长始期出现天数随着地形、纬度等因素的变化，由南到北、由东向西逐渐推后，与实际情况相符，说明2种植被指数反映的典型森林生长期变化是可靠的。从EVI观察到的阔叶林生长始期都较同一区域内的其他典型森林出现得早；不同区域和不同类型的典型森林间的生长始期变化趋势有较强的层次感。NDVI观察到的全国典型森林的生长始期的变化趋势与EVI观察的大致相同，但在具体的出现天数方面，东北、华北以及华中地区分布的落叶阔叶林和常绿针叶林，东南沿海地区分布的常绿针叶林的NDVI生长始期出现天数均比EVI的提前了16 d左右，而四川盆地的常绿阔叶林的NDVI生长始期比EVI的推迟了16 d出现。分布于西藏南部、台湾中东部和海南南部的常绿阔叶林生长始期出现的天数在NDVI数据上不明显，主要是因为NDVI存在饱和现象，而导致对常年高植被覆盖地表的森林变化表现不敏感，基本失去了反映森林生长期变化的能力。

2) 2种植被指数反映的全国2000—2011年的典型森林植被平均枯黄期出现天数均分布在185～249 d，新疆北部的落叶针叶林的枯黄期出现得最早，为每年7月中旬左右，其余地区的森林枯黄期，由北至南、由西向东逐渐推后，与地形、纬度等因素的变化情况保持了较好的一致性。EVI观察到的新疆北部落叶针叶林枯黄期出现在第193天附近，而同一地区分布的落叶阔叶林和常绿针叶林的EVI枯黄期推迟16 d才出现；东北地区的落叶阔叶林比同区域分布的落叶针叶林和混交林的EVI枯黄期推迟了16 d出现；分布在西藏、四川和云南等地区的常绿针叶林的EVI枯黄期也比同区域的常绿阔叶林推迟了16 d。由NDVI观察的整个西藏地区的森林植被枯黄期均在第193天附近观察到；东北、华北、华中、西南包括西藏地区分布的落叶阔叶林和常绿针叶林的NDVI枯黄期出现的时间相比EVI均有不同程度的提前；除了西藏南部、台湾中东部和海南南部，云南地区的常绿阔叶林类型也未能明显的观察到枯黄期的出现天数。

3) 种植被指数观察到的森林生长结束期的分布格局与地形、纬度等因素变化有着较好的一致性，典型森林生长结束期均分布在每年的第265～361天。其中新疆北部分布的常绿针叶林和落叶针叶林最早停止生长，在第273天附近；而南部沿海地区以及云南地区的常绿阔叶林和常绿针叶林最晚停止生长，在第353天附近。从2种植被指数提取的典型森林生长结束期的天数上来看，NDVI数据观察到的新疆、东北、华北和华中等地区的典型森林的生长结束期都较EVI数据要晚16～32 d；而且也未能从NDVI数据中观察得到分布于西藏南部、海南和台湾地区的常绿阔叶林的生长结束期出现天数。

3.2 NDVI与EVI监测结果对比分析

为了更直接地观察2种植被指数NDVI与EVI对森林植被生长期的反映情况，分别选取了特定区域典型森林的多年植被指数值进行统计(本项研究的植被指数值源于NASA扩大10 000的结果)，并制作箱型图进行比较分析，见图1～2。

从图1的EVI每16 d的平均值分布情况可知，EVI数值箱型图曲线与植被的生长趋势基本一致，能观察到EVI数值从第49天以后开始增加，增长到第161天就基本达到了年EVI最大值附近，EVI数值在1年的峰值附近保持了将近100 d左右的时间，在第241天开始减小，并持续下降到年末。从多年同时期的观测数值波动情况来看，除极少数时期的箱型拉长外，同期EVI值基本都集中出现在中位数数值附近，数值差异小，表现较好。

由图1中的NDVI的数值箱型图观察到：所有观测天数的NDVI中位数数值都保持在8.000上下，没有明显反映森林生长期的连续性变化；其次异常点出现也较多，且异常点的数值差距很大。一方面说明NDVI对高植被覆盖区域的植被变化不敏感；另一方面说明云等干扰因素对NDVI数值造成很大的影响。这些原因导致了NDVI反映的南部常绿阔叶林的生长期很不好，如不进行滤波等平滑去噪处理，很难用其数据进行该区域森林植被的生长期观测。

从图2中可以观察到，EVI数值在西部常绿阔叶林的生长旺盛时期，即第145到241天期间的表现也不集中，这段时期也是云南的雨季，影像被云覆盖的几率大大增加，植被指数数值受到干扰出现了较大的波动，但总体还是与森林生长趋势相一致；除去雨季云干扰严重的时期，EVI数值的分布还是很集中，能保证观察结果的准确性；而在NDVI的箱型图反映的生长曲线受此影响更加明显，大部分异常低值都出现在了这一时期，且反映的森林生长趋势与实际严重不符，且云南地区的常绿阔叶林的NDVI枯黄期未能观察到。因此，从MODIS数据集提取的NDVI也不能直接用于该区域常绿阔叶林的生长期监测。

4 结 语

本研究获取的MODIS 13Q1数据集，经过一系列的预处理过程，提取了全国范围内典型森林的2种植被指数数值，通过观察2种植被指数反映的全国6种典型森林植被的生长期变化，对比森林生长期中3个明显拐点出现的天数，得出以下结论。

1) 2种植被指数提取的中国6种典型森林的生长始期集中在41～121 d，枯黄期集中在185～249 d，生长结束期主要集中在265～361 d。从区域上看，由南到北，由东向西，随着纬度和海拔的增加，6种典型森林的生长始期出现逐渐推后，枯黄期和生长结束期逐渐提前。不论从观察到的生长期拐点的出现时间还是变化趋势上来看，2种植被指数提取的6种典型森林的生长期变化都与实际情况相符，能较好地反映森林生长期的变化过程，说明利用遥感技术手段获取的植被指数进行森林生长期监测的方法是可行的。

2) 在地表森林覆盖变化较大的北方落叶林地区，EVI和NDVI都能较好地观察到森林的生长期相应拐点，且提取的生长期拐点出现天数也较为一致；但在常年地表高森林植被覆盖的南方常绿阔叶林地区，EVI观察数据较好，而随着地表森林覆盖的增加，NDVI对植被变化的敏感程度下降。

3) 2种植被指数都会受到云等因素的影响，但NDVI受到的干扰显然更重，因干扰出现的波动更大，甚至掩盖了地表森林的生长变化，因此，由MODIS数据集提取的NDVI数据，不做进一步的数据处理，不适合用于高植被区域森林生长期的监测。

因此，在大尺度空间范围对多种类型的森林植被生长期进行观测时，EVI的监测结果显然要比NDVI更稳定，适应性更强。因此，选用EVI数据监测我国典型森林植被的生长期，结果更可靠、更符合实际。由于目前没有收集到全国典型森林类型的长期地面物候期监测数据，仅有部分区域(相当于点上的不连续时间观测结果)有数据，所以本项研究没有用地面实测数据进行验证，仅根据2种植被指数趋势变化进行比较分析。今后如果能收集到长期的地面物候监测数据，用来评价这两种植被指数在监测典型森林类型生长期的实际优劣情况会更加客观。

[1] Badeck F W, Bondeau A, Bottcher K, et al. Responses of spring phenology to climate change[J]. New Phytologist, 2004, 162(2): 295-309.

[2] 方修琦，余卫红.物候对全球变暖响应的研究综述[J].地球科学进展，2002，17(5)：714-719.

[3] Parmesan C. Ecological and evolutionary responses to recent climate change[J]. Annu Rev Ecol Evol Syst, 2006(37):637-669.

[4] 张学霞，葛全胜，郑景云.遥感技术在植物物候研究中的应用综述[J].地球科学进展，2003，18(4)：534-544.

[5] 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.

[6] 陈述彭，童庆禧，郭华东.遥感信息机理研究[M].北京：科学出版社，1998.

[7] Dymond J R, Stephens P R, Newsome P F, et al. Percentage vegetation cover of a degrading rangeland from SPOT[J]. International Journal of Remote Sensing, 1992, 13(11): 1999-2007.

[8] Giglio L, Loboda T, Roy D P, et al. An active-fire based burned area mapping algorithm for the MODIS sensor[J]. Remote Sensing of Environment, 2009, 113(2): 408-420.

[9] 杨存建，张增祥.不同植被指数情况下的中国土壤侵蚀特征分析[J].水土保持通报，2001,21(1):26-29.

[10] 邱庆伦,赵鸿燕,郭剑,等.遥感植被指数在农业生态环境监测中的应用[J].农机化研究,2004(6):215-217.

[11] 刘玲玲，刘良云，胡勇.基于AVHRR和MODIS数据的全球植被物候比较分析[J].遥感技术与应用，2012，27(5)：754-762.

[12] 刘丽娟,庞勇,Solberg S,等.基于时间序列MODIS EVI数据的森林生长异常监测[J].林业科学,2012,48(2):54-62.

[13] Jinghua Z, Luguang J, Zhiming F, et al. Detecting effects of the recent drought on vegetation in Southwestern China[J]. Journal of Resources and Ecology, 2012, 3(1): 43-49.

[14] 樊辉,何大明.基于MODIS EVI时序数据的云南高原山地森林物候特征识别[J].山地学报,2012(1):16-23.

[15] 吴俊杰.基于MODIS植被指数时序数据的东北亚地区土地覆盖分类[D].长春：东北师范大学，2010.

[16] Narasimhan R, Stow D. Daily MODIS products for analyzing early season vegetation dynamics across the North Slope of Alaska[J]. Remote Sensing of Environment, 2010, 114(6): 1251-1262.

[17] Jenkins J P, Braswell B H, Frolking S E, et al. Detecting and predicting spatial and interannual patterns of temperate forest springtime phenology in the eastern US[J]. Geophysical Research Letters, 2002, 29(24): 54-58.

[18] Newnham G J, Verbesselt J, Grant I F, et al. Relative greenness lndex for assessing curing of grassland fuel[J]. Remote Sensing of Environment, 2011, 115(6): 1456-1463.

[19] 胡砚霞，黄进良，王立辉.基于MODIS NDVI时序数据的丹江口库区物候格局研究[J].中国农业资源与区划，2012，33(4)：25-30.

[20] 王宏，李晓兵，李霞，等.基于NOAA NDVI和MSAVI研究中国北方植被生长季变化[J].生态学报，2007，27(2)：504-512.