近30年来盐城潮间带湿地盐沼植被物候遥感监测

吴亚茜， 肖向明，2， 陈帮乾， 王新新， 李香萍

(1.复旦大学生物多样性和生态工程教育部重点实验室，上海 200438； 2.Department of Microbiology and Plant Biology，University of Oklahoma， Norman OK 73019 USA； 3.中国热带农业科学院橡胶研究所/农业部儋州热带作物科学观测实验站，海南儋州 571737)

植被物候是监测气候与环境季节、年际变化中最敏感的指标之一，能随着气候条件改变而形成与之对应的植物生长节律[1]。多项研究已在森林、草原、农田、城市、人工湿地等不同生态系统中探讨了气候变化对植被物候的影响，有关结果表明气候变暖加快了植被物候进程，使得植被春季物候期提前，秋季物候期推迟，生长季延长[1-3]。然而，在滨海湿地生态系统上探讨气候变暖与植被物候关系的研究较少，且多针对单一植物。李荣平等利用1987—1993年盘锦湿地芦苇物候数据，分析芦苇各物候期与气候因子关系，结果表明年均温与其展叶、开花期显著相关[4]；董艳等利用1957—2006年气候因子监测资料，采用气候统计学方法分析辽河三角洲湿地芦苇群落物候变化规律，发现随着年均温的升高，芦苇萌发特征提前[5]。了解滨海湿地植被物候变化与气候变暖的关系，对于保护滨海湿地、预测鉴定气候变化有重要意义。

作为全球重要“蓝碳”储存库之一的滨海湿地，其生态系统上的盐沼植被群落对此贡献巨大[6]。然而，自上世纪80年代起，自然或人为因素所造成的生物入侵对盐沼植被的伤害日益加重[7]。在中国东部沿海，以互花米草(Spartinaalterniflora)为主的入侵问题广泛存在，并已大面积侵占本土植被群落的生长区域，威胁底栖生物获取营养和生存空间[8]。以丹顶鹤为首的细爪型珍稀鸟类甚至因其粗壮且锋利的茎秆常被刺伤、割伤而根本无法在此栖息觅食，限制湿地生态系统自身的健康发展[9]。

气候变暖与生物入侵都是全球变化的重要组成部分，两者互相关联[10]。气候变暖能导致群落中早期活跃的物种提早生长，晚期活跃的物种延迟生长，产生一个相对开放的生态位[11]，增加其他物种入侵的可能性。而物种入侵后，能改变当地土地覆盖/利用类型，改变周边小气候环境，进而影响温度、降雨等气象因子[10-11]。探究盐沼植被物候在两者共同干预下的响应有助于理解滨海湿地生态系统内碳循环过程和人类-气候-生物圈间相互作用[3，6，10]。

传统物候分析法以野外调查和温室培养为主，简单易行，可定期记录植被生长情况，但易受人、财、物力限制，除非每年定期调查否则无法获取多年物候观测数据[11-13]。而遥感监测法，打破传统方法中只适用于较小时空尺度上的限制，省时省力，能有效获取大尺度区域上不同年份中以生长季开始时间、结束时间和生长季长度等连续性的植被物候信息[13-14]。近年来，遥感监测法已广泛应用于滨海湿地地物物候研究中。Zhao等利用中分辨率成像光谱仪(moderate-resolution imaging spectroradiometer，MODIS)时间序列数据分析崇明东滩植被的光谱指数差异，结果表明增强型植被指数(enhanced vegetation index，EVI)更适合识别湿地植被[15]；He等结合便携式光谱仪与Landsat多光谱扫描仪(thematic mapper，TM)、Quickbird影像进行不同植物的光谱混合分析，发现海三棱藨草生长季长度短于芦苇与互花米草[16]；Zhang等利用MODIS影像抽取EVI 2个时间序列数据分析不同地物特征，结果表明时间序列数据在物候分析方面具有可行性[17]；Ouyang等利用光谱仪采集崇明东滩湿地上不同植物的光谱波段数据，进行指数合成，结果显示盐沼群落光谱特征会受其物候期的影响[18]。

因此，本研究选用多源遥感数据源(MODIS与Landsat)下的归一化植被指数(normalized difference vegetation index，NDVI)、EVI、陆地表面水分指数(land surface water index，LSWI)与修正后的归一化水体指数(modified normalized difference water index，mNDWI)时间序列数据，以盐城滨海湿地为研究区域，分析自生物入侵以来3个不同植物类型的MODIS纯像元内植被群落各自的年际、季节遥感物候变化，并结合当地气象站提供的观测数据探讨气温变化对盐沼植被物候的影响。

1 材料与方法

1.1 研究区概况

江苏盐城滨海湿地(119°27′～121°16′E，32°34′～34°28′N)，位于黄渤海海域内，是全亚洲最大的淤泥质潮间带湿地(4.55×105hm2)，海岸线全长约582 km，属于北亚热带、温带交界区，海洋季风性气候，四季分明，年均温在 13.7～14.8 ℃，年总降水量为900～1 070 mm[19]。植被类型以盐沼植被为主，并沿潮间带高程由高到低呈明显的演替序列：芦苇(Phragmitesaustralis)、碱蓬(Suaedasalsa)、互花米草(Spartinaalterniflora)(图1)，被海洋、生态学家普遍视作为研究潮间带植被分布、入侵种扩张机制的理想或模式系统[19-20]。

互花米草于1984年引种于该区域，之后迅速扩张，这改变了潮间带植被群落组成，侵占鸻鹬类、鹭类的觅食生境，并威胁沿海环境(如阻塞通航、排洪通道等)，打破潮间带湿地上原有的生态平衡[20]。本研究依照2015、2016年8月、2017年12月与2018年1月的野外调查结果，借助Field photo公民野外照片收集手机应用(自带GPS信息)、谷歌地球(google earth，GE)高分辨率影像(0.6 m分辨率)以及前人研究中的分类结果[8，19-20]，从3个典型植物群落中，随机挑选植物样点并依此确定对应MODIS像元大小(500 m×500 m)的单一植被类型区域，将其作为研究对象。挑选出的芦苇、碱蓬与互花米草的样点经纬度信息分别是(33°32′27.21″N，120°34′4.97″E)，(33°31′40.51″N，120°37′37.62″E)，(33°31′30.90″N，120°38′42.76″E)，对应的MODIS像元分别标记为MODIS像元1、MODIS像元2与MODIS像元3(图2)。

1.2 遥感数据及处理

1.2.1 MODIS数据 MOD09A1植被指数产品是基于MODIS Level 1B所得的地表反射数据集，具有较高的时间分辨率(8 d)，空间分辨率为500 m，可用于估算地表光谱反射率和较大区域尺度植被监测研究中[21]。本研究选用该产品数据监测2000—2016年间3个MODIS像元内植被遥感物候变化。

1.2.2 Landsat数据 Landsat地表反射(surface reflectance，SR)产品是包含Landsat TM、增强专题绘图仪(enhanced thematic mapper plus，ETM+)和陆地成像仪传感器(operational land imager，OLI)在内的源数据经过辐射、几何与地形校正后得到的数据集系列，具有较高的空间分辨率(30 m)，时间分辨率为16 d[22]。本研究使用该产品数据监测1984—2016年间3个MODIS像元内植被遥感物候变化。Landsat数据与MODIS数据在空间尺度上对称，每个MODIS像元内对应225个(15×15)Landsat亚像元，抽取所有Landsat亚像元的数据并进行加和面积平均即可得到整个MODIS像元内的变化情况。

1.2.3 数据处理 借助GEE平台完成以下3个数据处理环节：

(1)影像数据质量标定：调用MOD09A1(H28V05)和Landsat SR(119/37)数据，直接读取后，运用CFMask算法进行质量标定，无噪声干扰的数据标定为0并保留，掩膜去除依据噪声类型标定为其他值(255，1，2，3，4)的数据。其中，1984—1985年数据从美国地质勘探局(United States Geological Survey，USGS)网站(http：//glovis.usgs.gov)上下载，1986年之后的数据直接在GEE平台中获取分析。

(2)时间序列提取：本研究使用的光谱指数分别为NDVI[21]、EVI[23]、LSWI[24]与mNDWI[25]。参照公式(1)至公式(4)分别计算提取MODIS与Landsat的光谱指数时间序列数据。

(1)

(2)

(3)

(4)

式中：ρblue、ρgreen、ρred、ρnir、ρswir分别代表各传感器的蓝、绿、红、近红外和短波红外波段。

(3)植被识别：研究区内的土地覆盖类型有盐沼植被群落、光滩和海域，识别植被群落只需将其与光滩、海域区别出即可。全年时间窗口下，mNDWI>0可作为判别非纯水体的重要指标[25]，而在非纯水体区域中NDVI<0.1可作为判定光滩的重要指标[26]。结合地面验证，确认“1.1”节中挑选出的3个MODIS像元区域在2014—2016年期间分别为纯芦苇、碱蓬与互花米草斑块，计算MODIS与Landsat数据集下此3年间各光谱指数相同天数下的平均值(这里将Landsat数据处理成与MODIS数据相同的时间分辨率)。全年时间窗口下，盐沼植被区域mNDWI<0(与前人开发的非纯水体算法一致)且NDVI>0.15(图3)。对应的频率阈值指标计算过程如下：先对MODIS或Landsat影像进行有效观测值和像元的统计，然后按公式(5)生成一个满足条件的二值空间分布图(0，1值)；

(5)

式中：Pij是指观测值中对应第i行第j列像元的二元值；根据分类结果统计所有有效像元数。

(6)

1.3 MODIS像元内盐沼植被物候特征及趋势分析

每一个MODIS像元内有225个Landsat亚像元。利用“1.2.3”节中的植被识别算法，当225个亚像元全部被判定为植被时，对应的MODIS像元可被视为纯植被像元，可用于植被物候研究。结合生长季开始时间(start of growing season，SOS)、生长季结束时间(end of growing season，EOS)、生长季长度(length of growing season，LOS)[2-3，12]的年际动态和NDVImax的季节动态，观察纯像元下盐沼植被多年物候特征，通过分段独立线性拟合，了解并预测植被物候变化趋势，再进行t检验，判定趋势拟合效果。

从植物生理学方面考虑，当LSWI低于0值时，植被面临凋落或死亡；而当LSWI高于0值时，植被含有水分，存在生长迹象[27]。鉴于此，盐沼植被的SOS与EOS时间节点判定规则如下：(1)SOS：当LSWI一直处于负值后突破0值并持续增长为正值，该0值对应的时刻即为生长季开始时间；(2)EOS：当LSWI一直处于正值后跌落至0值并持续降低为负值，该0值对应的时刻即为生长季结束时间。

LOS通过公式(7)计算得到[27-28](图4)：

EOS-SOS=LOS。

(7)

2 结果与分析

2.1 盐沼植被SOS、EOS与LOS年际变化

3个MODIS像元变成盐沼植被纯像元的时间各异。MODIS像元1于1994年左右为盐沼植被纯像元，MODIS像元2于1997年左右为盐沼植被纯像元，MODIS像元3于2000年左右为盐沼植被纯像元。每个像元内不同数据集下的盐沼植被SOS年际变化有所差异，但总体波动趋势相似，盐沼植被SOS都随着年份有所提前(图5)。3个像元内的盐沼植被返青期较为接近，在4月中旬至5月份期间，并在不同时间尺度下均有所提前。MODIS像元1与像元2内盐沼植被SOS相较像元3内的与年份关系更加显著(P<0.05)(图5)。3个MODIS像元下的盐沼植被EOS在不同数据集下显示不同，总体趋势是随着年份增长而有所推迟，且不同像元内植物枯黄期结束时间不同(图6)，MODIS像元3中盐沼植被EOS(在下一年年初)迟于像元1与像元2中的盐沼植被EOS(在同年年末)，表明MODIS像元3与像元1、像元2中植物种类不同(图6)。3个MODIS像元下盐沼植被的LOS在不同数据集中的总体变化趋势一致，都随着年份增长而增长。MODIS像元1、像元2中盐沼植被LOS多年都在150～240 d范围内，MODIS像元3中盐沼植被LOS多年都在200～300 d范围内(图7)。像元3中盐沼植被LOS长于MODIS像元1、像元2中的，并在冬季也能存活。LOS所观察到的结果，与3个MODIS像元内的盐沼植被SOS随着年份增长均提前，EOS随着年份增长均滞后结果一致，同时SOS、EOS的年际变化趋势也是造成LOS持续增长的原因。

2.2 MODIS像元内NDVImax多年季节变化

为进一步分析不同MODIS像元内盐沼植被物候间的差异，并避免受水分因子的干扰，选用NDVImax判定各MODIS像元成为纯植被像元的时间以及分析成为纯植被像元后，各像元内植被的四季变化。LandsatNDVImax数据集显示(图8)，像元1中植被NDVImax自20世纪80年代初期不断增长，到1994年左右趋于稳定，像元1变为纯植被像元。在纯植被像元1内，春季(3—5月)，NDVImax在0.2～0.4，盐沼植被已开始生长；夏季(6—8月)，NDVImax在0.3～0.5，生长旺盛；秋季(9—11月)，NDVImax维持在0.5左右，生长减缓，进入衰败期；冬季(12月至次年2月)，NDVImax低于0.15，植被已死亡。MODIS像元2中NDVImax数值至1997年左右无明显波动，像元2成为纯植被像元。春季，NDVImax在0.1～0.3，植被初有生长迹象；夏季，NDVImax在0.3～0.4，生长继续；秋季，NDVImax维持在 0.5 左右，生长减缓；冬季，NDVImax降至0.15以下，植被死亡。MODIS像元3成为纯植被像元的时间晚于其他像元(1998年左右)。春季，NDVImax不超过0.3，植被缓慢生长；夏季，NDVImax在0.4～0.6，迅猛生长；秋季，NDVImax高达0.7，生命力旺盛；冬季，NDVImax在0.15以上，生长未停滞(图8)。MODIS数据集内NDVImax变化规律与Landsat数据集内一致，但数值要普遍高于在Landsat内的。总体上，3个MODIS像元内的植被生物量差异明显，可推测各像元内盐沼植被类别不同。像元3内的盐沼植被与像元1、2中的相比，其生物量最大，且在冬季仍能生长。结合图3，MODIS纯像元1、2、3(2014—2016年)内植物种类及物候特征(依次为芦苇、碱蓬与互花米草)，图8中NDVImax的变化规律与图3结果契合，可推测MODIS像元1、2、3变为纯像元后，对应植物分别为芦苇、碱蓬与互花米草。

2.3 MODIS像元内盐沼植被物候年际差异原因

盐城地区1984—2016年期间，平均最低气温、平均最高气温、平均气温均持续增长，且都与年份极显著相关(P<0.001)。盐城地区春季平均最低气温以0.05 ℃/年速率增加，冬季平均最低气温以0.03 ℃/年速率增加；春季平均最高气温以0.07 ℃/年速率增加，冬季平均最高气温以 0.02 ℃/年速率增加；春季平均气温以0.07 ℃/年速率增加，冬季平均气温以0.02 ℃/年速率增加。整体上，盐城地区受全球变暖的影响，春季与冬季的温度持续上升，春季温度上升速率高于冬季的，春季平均气温在10～14 ℃，冬季平均气温在0～4 ℃。截至2016年，盐城地区春季平均温度约上升1.98 ℃，冬季平均温度约上升0.66 ℃(图9)。一年四季中春天提早进入，冬季推迟出现，植物为适应大环境变化，自身机理和物候期也发生改变。气候变暖是改变植被物候期的原因之一。

3 讨论

3.1 盐沼植物间的物候差异

本研究所涉及到的3种盐沼植物，芦苇和碱蓬属于本土植物，互花米草为外来入侵种。研究表明，互花米草群落虽相较于芦苇群落SOS(4月中旬)要晚，在5月中上旬，但其在冬季仍能生长，而碱蓬和芦苇群落则在秋末已经枯萎或死亡，使得互花米草群落的LOS(250～300 d)比其余2种植物群落LOS(150～240 d)长2个月左右，是互花米草特有的遥感物候特征，可用于开发自动识别算法的理论依据。

3.2 不同卫星数据源监测植被物候差异

在本研究中，采用多源影像数据(MODIS与Landsat)进行遥感物候监测，两者显示出有差异的植被物候特征。对比两者共有的时间段(2000—2016年)内各类植物物候数据发现，由于Landsat影像时间分辨率较低且受云覆盖、气溶胶等影响较大使得该数据集受噪声干扰大[17]，捕捉到的物候信息比MODIS数据集中的少，并在该时间段内数据跳跃性较大，部分年份数据缺失还无法填补。MODIS数据时间跨度短，空间分辨率低，适用于较大区域尺度上的植被监测，而Landsat数据时间跨度长，空间分辨率高，适用于小尺度区域上的物候研究[17-18]。两者相互结合，互补参考，在描述植被遥感物候特征研究中更加合理可行。

4 结论

本研究基于遥感物候学理论，利用GEE提取MOD09A1与Landsat TM、ETM+、OLI各数据源的时间序列数据分析了盐城潮间带湿地上不同MODIS像元内不同类别盐沼植物多年物候特征及变化。结果表明，在MODIS与Landsat数据集中，3个MODIS像元内的盐沼植被随着年份向后推移SOS均有所提前，EOS均有所滞后，LOS在该时间段变长。其中，气候变暖是导致该物候变化现象的原因之一。相较于传统的遥感物候监测方法，由云计算平台直接提取多源多年时间序列数据方法应用在植被物候的观测与识别上更加高效准确。本研究结果在基于物候特征的盐沼植被识别算法开发、互花米草的入侵过程、自然资源保护及湿地生态系统可持续发展等方面研究中具有一定的应用价值。