黑河流域遙感物候產(chǎn)品驗(yàn)證與分析

1、收稿日期：基金項(xiàng)目：國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃國家自然科學(xué)基金(41271366)；國家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃（973計(jì)劃）（2013CB733401）第一作者簡介：王聰（1992），女，碩士研究生，主要從事遙感植被物候研究。Email:wangcong@radi.通訊作者簡介：李靜（1978），女，副研究員，主要從事植被輻射傳輸模型、葉面積指數(shù)反演等研究。Email:lijing01@radi.黑河流域遙感物候產(chǎn)品驗(yàn)證與分析王聰12，李靜

2、1，柳欽火1，柏軍華1，徐保東12，趙靜1，曾也魯121.遙感科學(xué)國家重點(diǎn)實(shí)驗(yàn)室，中國科學(xué)院遙感與數(shù)字地球研究所，北京1001012.中國科學(xué)院大學(xué)，北京100049摘要:植被物候遙感產(chǎn)品對全球變化響應(yīng)、農(nóng)業(yè)生產(chǎn)管理、生態(tài)學(xué)的應(yīng)用等多領(lǐng)域研究具有重要意義。但現(xiàn)有植被物候遙感產(chǎn)品還有較多問題，主要包括一方面使用不同參數(shù)的時間序列數(shù)據(jù)以及不同提取算法導(dǎo)致的產(chǎn)品結(jié)果差異較大，另一方面在地面驗(yàn)證中地面觀測數(shù)據(jù)與遙感反演數(shù)據(jù)的物理含義不一致導(dǎo)致的

3、驗(yàn)證方法的系統(tǒng)性誤差。本文以黑河流域?yàn)檠芯繀^(qū)，對比驗(yàn)證基于EVI（EnhancedVegetationIndex）時間序列數(shù)據(jù)提取的MLCD（MODISgloballcoverdynamicsproduct）植被遙感物候產(chǎn)品和基于LAI（LeafAreaIndex）時間序列數(shù)據(jù)提取的UMPM（productbyuniversalmultilifecyclephenologymonitingmethod）植被遙感物候產(chǎn)品的有效性及精度等。

4、同時，通過驗(yàn)證分析進(jìn)一步評估基于EVI和LAI時間序列提取的物候特征的差異及特點(diǎn)，探討由于地面觀測植被物候與遙感提取植被物候的物理意義的不一致問題導(dǎo)致的直接驗(yàn)證結(jié)果偏差。結(jié)果表明:UMPM產(chǎn)品有效性整體高于MLCD產(chǎn)品，但在以草地和灌木為主的稀疏植被區(qū)，由于LAI取值精度的原因，UMPM產(chǎn)品存在較多缺失數(shù)據(jù)，且時空穩(wěn)定性較低；基于玉米地面觀測數(shù)據(jù)表明，EVI對植被開始生長的信號比LAI更加敏感，更適合提取生長起點(diǎn)，但植被指數(shù)易飽和，峰值

5、起點(diǎn)普遍提前，基于LAI提取的峰值起點(diǎn)更加合理。由于地面觀測的物候期在后期更加關(guān)注果實(shí)生長，遙感觀測僅關(guān)注葉片的生長，遙感定義的峰值終點(diǎn)和生長終點(diǎn)與玉米的乳熟期和成熟期差異較大。關(guān)鍵詞:遙感物候產(chǎn)品生長起點(diǎn)生長終點(diǎn)，驗(yàn)證，黑河流域中圖分類號:TP701文獻(xiàn)標(biāo)志碼:A引用格式：1引言植被物候是研究植被周期性現(xiàn)象（如發(fā)芽、展葉、開花、落葉等）的發(fā)生時間，及其與環(huán)境的季節(jié)性變化相互關(guān)系的科學(xué)（Myneni等，1997；竺可楨和宛敏渭，1999

6、；Zhang等，2003）。植被物候現(xiàn)象不僅反映自然季節(jié)的變化，而且能表現(xiàn)出生態(tài)系統(tǒng)對全球環(huán)境變化的響應(yīng)和適應(yīng)，因而也被視為是“大自然的語言”（竺可楨和宛敏渭，1999）和全球變化的“診斷指紋”（Root等，2003），已經(jīng)被廣泛應(yīng)用于全球變化響應(yīng)（Myneni等，1997；Linderholm，2006；Schwartz等，2006；Wang等，2011）、農(nóng)業(yè)生產(chǎn)管理（吳炳方等，2005；Luta等，2010；deBeurs和Iof

7、fe，2013）和生態(tài)學(xué)的應(yīng)用（Piao等，2008；Piao等，2009；Barichivich等，2013）等。由于遙感觀測具有覆蓋范圍廣、連續(xù)性強(qiáng)的特點(diǎn)，遙感技術(shù)成為物候監(jiān)測和研究的重要手段。遙感物候監(jiān)測的衛(wèi)星數(shù)據(jù)通常來自NOAAAVHRR、SPOTVGT、EOSMODIS等中低分辨率衛(wèi)星及陸地資源衛(wèi)星TMETM的植被參數(shù)數(shù)據(jù)，其中，包括NDVI和EVI在內(nèi)的植被指數(shù)為最常用的植被參數(shù)（Zhang等，2003；Wang等，2006

8、）。此外，也有研究學(xué)者探索利用葉面積指數(shù)LAI、光能輻射有效吸收比例fPAR和反照率albedo監(jiān)測植被物候（Ahl等，2006；Garrity等，2011；Verger等，2016）。植被物候遙感反演主要包括兩個部分，一是時間序列數(shù)據(jù)重建，二是植被物候參數(shù)提取。由于云覆蓋、大氣氣溶膠、季節(jié)性雪覆蓋等因素影響，時間序列曲線中仍然殘留較多低值和噪聲數(shù)據(jù)，需要通過最佳指數(shù)斜率提取法、中值平滑法、S_G濾波法、非對稱高斯函數(shù)擬合法等時間序列重

9、建方法獲取連續(xù)可靠的時間序列數(shù)據(jù)；對于植被物候參數(shù)提取方法，可分為閾值法（Lloyd，1990；Myneni等，1997；Zhou等，2001）、求導(dǎo)法（Moulin等，1997；Tan等，2011）、延遲滑動平均法（Reed等，1994）、模型擬合法（Zhang等，2003；Wagenseil和Samimi，2006）和最大斜率法等方法（Yu等，2.2數(shù)據(jù)與預(yù)處理2.2.1MLCDMLCD物候產(chǎn)品（MCD12Q2Collection5

10、）（Zhang等，2003；Ganguly等，2010）采用MODIS反照率產(chǎn)品MOD43B4提供的天底反射率數(shù)據(jù)（NBAR）（Huete等，2002）計(jì)算EVI值反演植被物候期，空間分辨率500m，時間跨度為2001~2014年。由于EVI數(shù)據(jù)受到云、氣溶膠、雪和觀測角度等影響，需先對時間序列數(shù)據(jù)進(jìn)行預(yù)處理，然后由連續(xù)5個時相EVI值組成的滑動窗口來判斷持續(xù)升高和降低區(qū)間，當(dāng)所在區(qū)間的極大值和振幅滿足給定閾值條件后，判斷該升高和降低區(qū)

11、間為一個生長周期過程，一年時間序列曲線最多記錄兩個生長周期。對于每一個生長周期，采用分段logistic函數(shù)擬合，并利用其曲率值變化的極值點(diǎn)，確定生長起點(diǎn)、峰值起點(diǎn)、峰值終點(diǎn)和生長終點(diǎn)四個物候特征參數(shù)。Logistic函數(shù)法能有效抑制噪聲影響，且不需設(shè)置閾值或經(jīng)驗(yàn)性限制條件，具有較好的普適性，運(yùn)用十分廣泛。驗(yàn)證中提取2001~2014年生長起點(diǎn)、生長峰值起點(diǎn)、生長峰值終點(diǎn)和生長終點(diǎn)數(shù)據(jù)集，進(jìn)行拼接、投影轉(zhuǎn)換、裁剪等。同時將MLCD產(chǎn)品采

12、用像素取平均的方法進(jìn)行升尺度至1km，以便與UMPM產(chǎn)品進(jìn)行對比分析。2.2.2UMPMUMPM物候產(chǎn)品以時空連續(xù)性和時空一致性較好的GLASSLAI作為數(shù)據(jù)源（Xiao等，2014），采用通用多周期法生產(chǎn)（夏傳福等，2012），時間跨度為1982~2014年。其中，1982~2000年產(chǎn)品的空間分辨率為5km，2001~2014年產(chǎn)品的空間分辨率為1km。產(chǎn)品算法首先采用傅里葉和多項(xiàng)式組合函數(shù)擬合時間序列曲線，通過擬合函數(shù)的極大值點(diǎn)確

13、定物候周期數(shù)，一年時間序列曲線最多記錄三個生長周期。對于每一個生長周期，采用主算法和備用算法相結(jié)合的植被物候反演策略，即選用Logistic函數(shù)擬合法作為主算法，當(dāng)LAI最大值小于1時，選用分段線性擬合法PLF（piecewiselinearfitting）作為備用算法。PLF將生長周期分割為25條線段進(jìn)行表達(dá)，線段相連處可確認(rèn)為對應(yīng)的關(guān)鍵物候結(jié)點(diǎn)。相較于MLCD產(chǎn)品，UMPM數(shù)據(jù)集更加豐富。每個生長周期包含6個數(shù)據(jù)集，除了MLCD所包

14、含的四個物候特征參數(shù)外，還增加了生長最快點(diǎn)和衰落最快點(diǎn)數(shù)據(jù)集。與MLCD產(chǎn)品預(yù)處理類似，提取2001~2014年生長起點(diǎn)、生長峰值起點(diǎn)、生長峰值終點(diǎn)和生長終點(diǎn)數(shù)據(jù)集，進(jìn)行拼接、投影轉(zhuǎn)換、裁剪等。2.2.3植被分類產(chǎn)品本文采用寒區(qū)旱區(qū)數(shù)據(jù)中心所提供的黑河流域土地利用覆被數(shù)據(jù)集（:westdc.westgis.）作為代表性樣點(diǎn)篩選輔助數(shù)據(jù)集，空間分辨率為30m，時間分辨率為每月。如圖1所示。該產(chǎn)品保留了傳統(tǒng)的土地利用圖的基本類別信息，包括水

15、體，城鎮(zhèn)，耕地，常綠針葉林，落葉闊葉林等，同時增加了對耕地范圍的作物精細(xì)分類，包括玉米、大麥、油菜、春小麥等主要作物信息。通過GoogleEarth高清影像和實(shí)地調(diào)研數(shù)據(jù)對2012年的分類結(jié)果進(jìn)行精度評價(jià)，總體精度達(dá)到92.19%（仲波等，2014；Zhong等，2015）。此外，搜集MODIS土地覆蓋分類產(chǎn)品MLCT（MODISLCoverTypes）用于產(chǎn)品間的交叉驗(yàn)證，該產(chǎn)品的空間分辨率為500m，通過最鄰近像元法將其升尺度至1k