2007—2014年锡林浩特草原返青期变化的遥感监测

陈玫琪++郭秋成++徐媛++张靖

摘 要：草原返青期是指在温度和水分条件达到适宜状态时，牧草开始萌发、变绿、生长的时间。通过监测草原返青期不仅可以预测年度草原植被长势及产量，还可为草原管理部门合理安排季节畜牧业生产的实施提供科学依据。本研究选取内蒙古锡林浩特市草原区作为典型的研究区，采用非对称高斯函数对2007—2014年该区NDVI时间序列滤波，采用动态阈值法对该地区返青期的变化和3—4月份平均气温和累计降水量的分析。结果显示：2007—2014年锡林浩特草原区各返青期总体为提前趋势，但受到地理区位的影响，东南部区域表现为提前，而西部返青期延后；相对于3—4月份累计降水量，返青期的变化更易受到该时间段平均气温的影响，温度越高越有利于返青期的提前。

关键词：返青期；遥感监测；NDVI

中图分类号：S127 文献标识码：A DOI 编码：10.3969/j.issn.1006-6500.2016.03.015

草地生态系统是我国陆地上分布最广的生态系统，也是极为丰富的草地资源[1]。从资源利用角度来讲它属于生产资料，是畜牧业的基础；作为地带性植被，它具有不可替代的生态功能，对维持地球生命支持系统的稳定具有重要作用。内蒙古自治区位于我国北疆，草地面积占全国草地面积的21.7%，横跨“三北”、靠近京津，是北方尤其是京津地区的天然生态屏障[2]。但是近年来由于气候干旱、降雨减少等自然因素及超载过牧等人为因素，草地生产力不断下降、草原生态环境恶化现象日益严重、超过2/3的草地出现不同程度退化，造成以草原畜牧业为生的牧民的收入降低，牧民与草原生态环境关系失衡，引发出一系列社会、经济、生态问题。

草原返青期是指在温度和水分条件达到适宜状态时，牧草开始萌发、变绿、生长的时间。目视观察法是最常用的监测方法，该方法简单易行，但观测点数量较多时需耗费大量人力和物力；且在大尺度研究区域，受到交通、地形地貌等环境因素的限制，只能做到“点”的观察和监测。随着遥感技术的发展，特别是遥感物候学的出现[3]，其应用也扩展到了植被物候监测方面 [4-5]，结合少量的观测验证点便可以用相对较低的费用，提供大区域评估数据，且能快速、有效监测植被返青期[6]。通过监测草原返青状况及其动态变化，不仅有助于了解草原植被返青动态规律、植被生长发育状况，预测本年度天然草原植被长势及产量，更能为草原管理部门合理安排季节畜牧业生产的实施提供科学依据。

为确保内蒙古草地生态环境稳定，为了提供决策所需的重要参数，开展草地返青期遥感监测技术研究是十分必要和迫切的。本研究选取内蒙古锡林浩特市草原区作为典型的研究区，采用非对称高斯滤波归一化植被指数（NDVI）重构法，以及动态阈值返青期提取方法，对该地区草原区的返青期进行监测，以期为该地区草地畜牧生产提供决策支持。

1 研究区概况

锡林浩特草原位于内蒙古高原中部，地理位置北纬43°02′～44°52′，东经115°13′～117°06′，南北长208 km，东西长143 km。地势南高北低，南部为低山丘陵，北部为平缓的波状平原，平均海拔高度988.5 m。属于中温带半干旱大陆性气候。降水量294.9 mm，降水分布不均匀，且主要集中于7、8月份。一年中气温最高月份是7月，1月份气温最低，无霜期110 d。年平均气温为1～2 ℃，年均气温差距较大。可利用草场面积1.4×105 hm2，地跨草甸草原、典型草原和沙丘沙地草原，草原内的主要植被类型为湿地、森林、草原，伴随有沙地灌丛、沼泽、草甸与河漫滩等。以大针茅（Stipagrandis）、羊草（Leymuschinense）和克氏针茅（S. krylovii）为主的丛生禾—根茎禾草草原，重点分布于河流域中部高平原。

2 研究方法

2.1 数据来源及处理

研究表明，归一化植被指数（NDVI）与绿色植物长势有很好的相关性，可反映其生长状况，因此，可以使用NDVI来提取草原植被的返青期。研究所采用的遥感数据为EOS/Terra卫星的MODIS产品数据中的16 d合成产品MOD13Q1，该产品使用MVC方法合成，空间分辨率为250 m，来源于NASA网站（下载地址：http：//ladsweb.nascom.nasa.gov/data/search.html），时间为2007—2014年。应用ArcGIS 10.0软件对该数据进行格式转换、坐标转换、图像裁剪等预处理。

2.2 返青期提取方法

2.2.1 NDVI时间序列重构 由于受到云、气溶胶和传感器精度变化等因素的影响[7]，在进行遥感数据预处理前，常采用最大合成法（MVC）去除时间序列数据中的局部异常点，以降低噪声[3]。但仍存在“突降”或“针尖状突峰”等奇异值，影响到对时间序列分析的精度。消除这些奇异值对NDVI曲线的影响，需要对NDVI时间序列进行重构（或滤波）然后再判断返青期的起始日期[8]。非对称性高斯函数（Asymmetric Gaussian，AG）拟合法是主要的数据重构方法之一[8]。

非对称高斯函数拟合方法是一个由半局部到整体的拟合方法，首先获得NDVI时间序列曲线中谷、峰值的原始数据，然后使用非对称性高斯函数将曲线左右两部分拟合（局部拟合），最后通过局部拟合构造整体拟合函数。其中，局部拟合公式为：

式（1）与（2）中，g（t；a1，… ，a5）为高斯函数；t为时间变量；a1 为对应t的峰值或谷值的位置参数；a2 为决定函数曲线右边宽度的参数；a3 为决定函数曲线右边平度的参数；a4为决定函数曲线左边宽度的参数；a5 为决定函数曲线左边平度的参数；c1为基线的线性参数；c2为振幅的线性参数。

若局部拟合函数上曲线凸起部分的效果不明显，需将曲线分为左、右边谷值间隔区和中部峰值间隔区，通过局部拟合构造整体拟合函数。整体拟合函数为

（3）

式（3）中[tL，tR] 为整个NDVI 时间序列数据变化区间；fL（t） 为区间[tL，tR]内左边谷值所对应的局部函数；fC（t） 为区间[tL，tR]内中间峰值所对应的局部函数；fR（t） 为区间[tL，tR]内右边谷值所对应的局部函数；α（t）和β（t）为介于[0，1]之间的剪切系数。

2.2.2 返青期信息提取 NDVI时间序列图像经过滤波后，便可以进行草原返青期信息提取。常用的提取方法有：动态阈值法与NDVI阈值法。（1）阈值法即根据预先定义的NDVI参考值（如NDVI>0.3）确定返青期[6]。该方法操作简单，但由于不同区域和不同植被类型的NDVI值存在显著差异，确定适合大尺度物候期提取的单一NDVI阈值是不可行的。（2）动态阈值法，其改进之处在于通过考虑NDVI季节变化幅度，实现在像元尺度上阈值的动态设定，从而在一定程度上消除了土壤背景值和植被类型的影响[9]。目前，该方法已经应用于全球很多区域，取得了较好的应用结果。本研究根据一些学者的研究结果，将返青期开始期定为NDVI年振幅的20%[9]。

3 结果与分析

3.1 锡林郭勒草原返青期变化

根据锡林浩特草原返青期的遥感监测可以看出（图1和2），在2007—2014年间，锡林浩特草原返青期变化情况较大：2007年锡林浩特草原大部分区域返青期主要集中在3月份，返青期区域分布于该地区的东南部；2008年则推迟到5月上下旬，较2007年推迟近1个月，返青区域呈东南部先返青、西北部后返青的状态；2009—2011年返青期情况比较相似，从3月上旬草地开始返青（位于东南部），一直持续到5月下旬；2012年草原返青主要集中在4月上旬到5月上旬之间；2013年草原返青期较2014年提前1个月，出现与其他年份不同的现象，西北部分提前返青；而2014年返青期推迟到5月上旬，几乎整个中部和北部地区都推迟返青。总体来说，该地区牧草返青的日期大约为4月初至5月初。

3.2 锡林郭勒草原气候变化分析

降水量变化和温度变化可以影响返青期的提前和延后。因此，笔者计算了3—4月份的累积降水量和平均温度情况（图3）。锡林浩特草原3—4月份平均气温均呈不显著升高趋势，年际波动相对较大（变异系数为40.5%，年平均气温7.2 ℃），最低值出现在2010年（2.4 ℃），最高值出现在2014年（11.6 ℃）。3—4月份累计降水量变化趋势从2007年到2014年呈减少状态（平均值为18.1 mm），但是年际波动较大（变异系数73.0%），降水量最大值出现在2009年（47.0 mm），最低值出现在2011年（3.6 mm）。

4 讨 论

4.1 气候变化与返青期变化的相关性

锡林浩特草原返青期总体呈现出提前趋势，这与一些学者的研究结果相似[10]。牧草返青既受水分条件的影响，也受热量条件的影响，其中降水和气温影响因素尤为重要[11]。在当年3—4月份温度和同期降水、气温条件较好年份，牧草的返青期有所提前，而在雨水较少和气温较低的条件下，可能导致牧草的返青期推迟。根据返青期与3—4月份降水和气温情况的分析来看，影响返青期的因素较多，虽然气温和降水只能解释一些年份的返青期提前和延后，但仍然表现出以下规律：当气温和降水同步时，有利于返青期的提前，如3—4月份平均气温和累计降水较高可以解释2007、2009、2013年返青期提前的现象，2010年返青期相对于前几年延后；当降水和温度不同步时，温度的增加有利于返青期提前，如2011和2014年返青期提前，2012年返青期延后（当年气温较低）。春季气温的高低通过控制融雪和土壤解冻过程对植物返青期的早晚起到关键的作用[12]。但也出现反常的年份，如2008年，雨热同期，但是返青期却大大延后，可能与其他因素有关，如放牧影响、上一年冬季的低温天气等。

4.2 政策实施与影响返青期变化的因素

草原是我国最大、资源极为丰富的生态系统，但是由于长期超负荷的使用草场以及牧民保护意识较弱等因素，草场利用率逐渐降低，草原退化问题越来越严重。这不单涉及草原生态平衡，还限制了草原区经济的快速发展，使牧民收入增长缓慢。为解决草原退化问题，从2011年开始中央财政每年发放资金134亿元，对草原生态问题相当严重、草原退化现象极其恶劣、不适合放牧的草场实行禁止放牧的保护补助奖励机制。在禁止放牧区域以外的草场，对通过审核达到规定载畜量后的草场实行草原生态保护补助奖励体制。增加牧民补贴，加强牧民对草原的保护意识，使其认识到草原问题不仅与经济问题关联，更与生存环境问题息息相关。

由图2可看出，2011年草原区实施“草原保护补助机制”后，锡林郭勒草原返青期整体提早，主要集中于3月下旬以及4月上旬，全区基本在5月上旬就已经全面返青。返青期的总体提早与草原区实施“草原保护补助奖励机制”有一定的关系，因为在草原植被阶段较为敏感的时候，实行禁牧、休牧等方法，秋季有利于植物存储较多的营养物质，保证来年的返青，对草原植被的生长发育较为有利。

4.3 本研究不足之处

本研究的误差来源主要来自数据、滤波方法和动态阈值3个方面。首先，使用的MODIS NDVI时间分辨率较粗（16 d），为此研究草原植被返青期监测只能获得旬的水平（±16 d）；定位观测的方法，返青期时间间隔可以做到每天记录。改进遥感数据的时间分辨率会改变这种不足，如MODIS NDVI可以处理为8 d的数据。其次，因为一些像元的NDVI时间序列曲线起伏变化较大，由于滤波函数的拟合关系，引起了拟合值与实际值有较大的偏差，从而降低了拟合精度[13]，可以应用多次设定滤波参数的方法，提高函数的拟合精度。本研究采用非对称高斯滤波（AG）归一化植被指数（NDVI）重构法，滤波函数可能是误差来源之一，滤波函数的实质是做时间域上的均值，对时间序列NDVI进行滤波时会消弱最大值、增加最小值。相对于其他滤波函数，非对称高斯滤波可以提供更好的时间域平滑功能，减少信息的损耗。再次，动态阈值也是误差的来源之一，本研究采用国内外常用的阈值20%，但是有研究发现不同的草原类型，动态阈值范围不同（15%～30%）。但是由于不同时期的NDVI值由于牲畜采食或刈割等原因造成其变化差异较大（降低NDVI的峰值，滤波结果使提取的返青期提前），所以在人类干扰比较强的地区使用动态阈值，可能会误判返青期，对于放牧压力大的区域，会误判为返青期提前，而草地长势比较好的区域，会误判为返青期延后。但是，随着遥感物候学监测手段的成熟，并结合实地调查，将会大大提升数据的准确性，推动遥感物候学的应用。

5 结 论

本研究选取内蒙古锡林浩特市草原区作为典型的研究区，采用非对称高斯函数对2007—2014年该区NDVI时间序列滤波，采用动态阈值法对该地区返青期的变化和3—4月份平均气温和累计降水量进行分析，结论如下：

（1）锡林浩特草原区返青期总体为提前趋势，但地域差异明显，表现为东南部区域提前，而西部返青期延后。

（2）该区返青期主要受3—4月平均气温的影响，在气温恒定的情况下，3—4月份累计降水量的增加有利于返青期的提前。

参考文献：

[1] 李博. 中国北方草地退化及其防治对策[J]. 中国农业科学， 1997， 30（6）： 1-9.

[2] 谢高地， 张钇锂， 鲁春霞， 等. 中国自然草地生态系统服务价值[J]. 自然资源学报， 2001， 16（1）： 47-53.

[3] 陈效逑， 王林海. 遥感物候学研究进展[J]. 地理科学进展， 2009（1）： 33-40.

[4] SCHWARTZ M， REED B， WHITE M. Assessing satellite-derived start-of-season measures in the conterminous USA[J]. International Journal of Climatology， 2002， 22（14）： 1793-1805.

[5] ZHANG X， FRIEDL M， SCHAAF C. Global vegetation phenology from moderate resolution imaging spectroradiometer （MODIS）： evaluation of global patterns and comparison with in situ measurements[J]. Journal of Geophysical Research， 2006， 111（G4）： G04017.

[6] KANG S， RUNNING S W， LIM J H， et al. A regional phenology model for detecting onset of greenness in temperate mixed forests， Korea： an application of MODIS leaf area index[J]. Remote Sensing of Environmental Management， 2003， 86（2）：32-42.

[7] 张峰， 吴炳方. 利用时序植被指数监测作物物候的方法研究[J]. 农业工程学报， 2004， 20（1）： 155-159.

[8] BRADLEY B A， JACOB R W. A curve fitting procedure to derive inter -annual phonologies from time series of noisy satellite NDVI data[J]. Remote Sensing of Environment， 2007， 10（6）：137-145.

[9] JONSSON P， EKLUNDH L. Seasonality extraction by function fitting to time-series of satellite sensor data[J]. IEEE Transactions on Geoscience and Remote Sensing， 2002， 40（8）： 1824-1832.

[10] 顾润源， 周伟灿， 白美兰， 等. 气候变化对内蒙古草原典型植物物候的影响[J]. 生态学报， 2012， （3）： 767-776.

[11] 白美兰， 郝润全， 李喜仓，等. 草原区草本植物物候期对气候变化的响应[C]//第28届中国气象学会年会：S4应对气候变化，发展低碳经济. 厦门： 中国气象学会， 2011.

[12] 陈效逑， 李倞. 内蒙古草原羊草物候与气象因子的关系[J].生态学报， 2009， （10）： 5280-5290.

[13] 王宏， 李晓兵， 余弘婧. 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（3）： 365-374.