引用本文
曹沛雨, 张雷明, 李胜功, 张军辉. 植被物候观测与指标提取方法研究进展[J]. 地球科学进展, 2016, 31(4): 365-376.
Cao Peiyu, Zhang Leiming, Li Shenggong, Zhang Junhui. .Review on Vegetation Phenology Observation and Phenological Index Extraction[J]. Advanced Earth Science, 2016, 31(4): 365-376.  
Doi:10.11867/j.issn.1001-8166.2016.04.0365.
Permissions
Copyright©2016, 地球科学进展 编辑部
植被物候观测与指标提取方法研究进展
曹沛雨1,2, 张雷明1*,*, 李胜功1, 张军辉3
1.中国科学院地理科学与资源研究所生态系统网络观测与模拟重点实验室,北京 100101
2.中国科学院大学,北京 100049
3.中国科学院沈阳应用生态研究所,辽宁 沈阳 110016
*通信作者:张雷明(1974-),男,河南开封人,副研究员,主要从事陆地生态系统碳氮水循环和全球变化研究.E-mail:zhanglm@igsnrr.ac.cn

作者简介:曹沛雨(1991-),男,四川攀枝花人,硕士研究生,主要从事物候和陆地生态系统生产力研究.E-mail:caopy.13s@igsnrr.ac.cn

基金:国家自然科学基金项目“植被冠层对温带和亚热带成熟林生态系统碳交换的调控作用研究”(编号:31570446); 中国科学院战略性先导科技专项项目“中国森林生态系统固碳现状、机制和潜力”(编号:XDA05050208)资助
摘要

植被物候直接反映了植被生理生态过程对环境变化的响应,在气候变化研究中受到了越来越多的关注,并形成了不同的物候观测技术和指标提取方法。基于文献调研,首先分类评述了当前常用的植被物候观测技术,其次系统介绍了基于不同类型观测数据的植被物候指标提取方法,最后基于实测数据综合比较了多源数据和多种提取方法获取的植被物候指标之间的差异。分析表明,不同植被物候观测技术具有各自适宜的时间和空间尺度,而各种方法的相互补充将有助于完善植被物候观测体系;同时,利用不同观测技术和提取方法所获取的植被物候指标之间存在明显差异,尤其是对于植被秋季物候指标。因此,合理评估多源数据和多种方法间植被物候的差异,并建立可相互比较与转换的处理方法体系,对于改进和完善植被物候观测具有重要的意义。

关键词: 植被物候; 植被指数; 通量观测; 物候指标; 生态系统
中图分类号:P935.1 文献标志码:A 文章编号:1001-8166(2016)04-0365-12
Review on Vegetation Phenology Observation and Phenological Index Extraction
Cao Peiyu1,2, Zhang Leiming1,*, Li Shenggong1, Zhang Junhui3
1.Key Laboratory of Ecosystem Network Observation and Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
2.University of Chinese Academy of Sciences, Beijing 100049,China
3.Institute of Applied Ecology, Chinese Academy of Sciences, Shenyang 110016,China

First author:Cao Peiyu(1991-), male, Panzhihua City, Sichuan Province, Master student. Research areas include phenology and terrestrial ecosystem productivity.E-mails:caopy.13s@igsnrr.ac.cn

Corresponding author:Zhang Leiming(1974-), male, Kaifeng City, He’nan Province, Associate Professor. Research areas include carbon, nitrogen and water cycle of terrestrial ecosystem and global change.E-mails:zhanglm@igsnrr.ac.cn

Fund:Project supported by the National Natural Science Foundation of China “Regulation of vegetation canopy on ecosystem carbon exchange of temperate and subtropical mature forests in China”(No.31570446); Strategic Priority Research Program of the Chinese Academy of Sciences “Status, rate, mechanism and potential of ecosystem carbon sequestration by forest in China”(No.XDA05050208)
Abstract

Vegetation phenology directly reflects the response of ecosystem physiological and ecological processes to environmental changes and has received increasing attention in climate change, which leads to the development of various phenology monitoring techniques and methods of extracting the phenological index. Based on relevant literatures, the monitoring techniques of vegetation phenology were reviewed. Second, the methods of extracting phenological index using different techniques were introduced systematically. Thirdly, the differences from multi-source data and from multi-methods were evaluated based on ground phenology record, flux observation and vegetation index. Although various methods have been adopted in current vegetation phenological studies, it should be aware of their appropriately spatiotemporal scales for different methods, and the mutual complementation will help to improve the system for phenology monitoring. Meanwhile, the comparison indicated the obvious differences in derived vegetation phenological index using various observation techniques and extraction methods, especially for the autumn vegetation phenological index. Such results highlight the importance to assess reasonably these differences from multi-source data and from multi-methods, and to establish a rational processing system for the mutual comparison and conversion from different methods.

Keyword: Vegetation phenology; Vegetation index; Flux observation; Phenological index; Ecosystem.
1 引 言

植被物候是不同植被现象年复一年重现的时序节点(如发芽、展叶、开花、结果、衰老、休眠)[1, 2], 是植被长期适应环境季节性变化的结果[3]。其不仅是气候变化的重要感应器, 在调控生态系统结构和功能变化中还扮演着重要的角色[4]。植被物候反映了生态系统内物种的生存策略, 其变化可能会加剧物种间的竞争关系, 导致一些物种的入侵或退出, 进而改变生态系统的结构[5]。另一方面, 植被物候还直接调控着碳循环, 水的蒸发散, 氮、磷等养分的矿化和吸收[6~8]等诸多生态系统过程。因此, 研究物候规律的特征及其对气候变化的响应对于全球变化研究和生态系统服务等具有理论和现实意义[9]。

植被物候与环境因子, 尤其是与气象因子的关系极为紧密[10]。气候变化显著改变了陆地生态系统的物候[11, 12]。基于地面监测和遥感观测的研究显示, 近几十年来, 持续的增温使得全球不同区域植被的春季物候明显提前, 而秋季物候发生推迟[13~15], 并且模型预测表明, 北半球植被的春季物候将继续提前, 尤其是那些冬季冷刺激要求较低的物种[16]。但由于研究方法和区域气候条件及植被类型的差异, 对物候(特别是秋季物候)的变化趋势、幅度的认识和预测仍存在较大不确定性[17]。

目前, 围绕物候变化与陆地生态系统生产力已经开展了很多研究[4, 6], 在传统的人工物候观测的基础上, 不仅自动拍照技术[18]得到了推广应用, 通量观测[19]和遥感技术[20]也在物候研究中受到了广泛关注, 观测尺度从叶片扩展到区域甚至全球。但基于不同观测技术获取的物候指标的内涵及其空间代表范围存在一定差异, 并且同种技术中物候指标的提取方法也不尽相同[1, 21]。因此, 不同区域和植被类型之间的研究结果尚存在较大差异, 影响了对物候变化和生态系统生产力关系的客观认识与评价[5]。

根据上述分析, 有必要对植被物候观测技术与物候指标提取方法的研究进展进行系统梳理与总结。基于文献调研, 本文介绍了目前物候观测主要采用的技术和物候指标的提取方法, 在此基础上, 基于观测数据对比分析了不同方法的差异, 为系统和全面认识植被物候的获取提供借鉴和参考。

2 植被物候观测研究的技术与途径

植被物候及其变化受到了长期的关注, 并且在气候变化背景下, 物候观测和研究的方法也日益发展和丰富。人类在较早时期便开始了对物候的观测[22], 积累了许多植物物种长达几个世纪的观测数据[23]。如9世纪日本京都地区就开始了樱花开花日期的记录[24]。随着研究目的和对象尺度的不同以及研究技术的发展, 在原有的人工观测的基础上, 物候研究逐渐发展出了多种观测研究方法, 包括近地遥感和卫星遥感的光谱特征[25, 26]、涡度相关通量的生态系统生产力[27]以及模型估算[28]等。

2.1 直接观测

2.1.1 人工记录

人工记录通过记录特定植物或种群生长与发育过程(发芽, 展叶, 叶片枯黄等)的出现日期进行物候的观测研究, 是较为传统的方式[29, 30]。人工记录主要是采用一定的规范与标准, 记载群落内关键或优势植物种群的展叶、开花和凋落等物候信息[31]。同时, 人工记录也包括各类书籍和资料中关于物候方面的记载。为研究气候变化背景下植物和群落的长期物候变化, 以及重构过去气候等研究提供了重要的直接数据[32~34]。目前, 以人工记录方式为主要观测技术, 国内外已形成了多个区域性的物候监测网络[35], 如欧洲物候观测网(http:∥www.pep725.eu)、美国国家物候网(https:∥www.usanpn.org)、法国物候网(http:∥www.obs-saisons.fr)、加拿大物候网(https:∥www.naturewatch.ca), 以及中国物候观测网(http:∥www.cpon.ac.cn)等。

人工记录是最为直观、准确的物候获取方法[36]。由于其可以得到植物发育过程中的各个物候, 使得植物不同生长发育阶段的研究得以实现[37, 38]。但需要指出的是, 一方面人工记录只能实现对群落内有限植物种的物候观测, 同时, 多区域的连续观测需要较多的人力投入; 另一方面, 不同观测人员的判断标准可能存在一定差别, 特别是对于群落的人工记录更为明显, 在准确反映整体群落或生态系统尺度的物候变化方面存在较大的不确定性。

2.1.2 相机拍摄

利用高分辨率数字相机可以实现对植物生长状况的连续观测[18]。通过对单株植物的高频自动拍照和人工目测图像解译, 提取和确定植物生长发育阶段等方面的信息, 以获取植物的物候变化。

相对于人工记录方式, 相机在安装和调试完成后, 可自动运行, 减少了人工成本以及人工观测带来的环境的破坏干扰。更为重要的是其可进行高频、连续的取样, 避免了关键物候时期的遗漏[39]。

与人工记录方式相似, 该方法也往往用于群落内有限物种的动态监测, 对于物种丰富的群落而言, 监测对象的增加需要较大的设备成本和人工投入。此外, 对单个植株的自动拍照技术只能提取物种水平的物候信息, 无法反映群落和生态系统尺度的物候变化。

2.2 间接提取

相对物候直接观测的对象为叶片、单株植物或种群, 植被物候的间接获取则强调对生态系统植被冠层生长过程的整体观测。同时, 相较于小范围和非连续的物候直接观测, 间接提取途径往往基于连续观测数据获取长时间和大尺度的植被物候信息。

2.2.1 温度观测资料

温度作为热量的指标, 在植被物候研究, 特别是农作物生长发育中的应用非常普遍。长期以来, 根据不同植物在不同季节的热量需求, 发展出了界限温度、积温等不同的温度指标以反映植被的物候变化。例如, 很多研究将0 ℃[40]或5 ℃[41]作为植被生长季节的开始。也有研究表明, 只有达到一定的积温后植被才开始进入生长季[42]。需要指出的是, 利用温度指标指示物候发生的前提是假设其仅受到温度的影响, 但实际上植被物候往往受到多个要素的共同调控, 如水热条件以及与辐射的协同作用[43, 44]。与此同时, 不同类型植被的生理生态过程对热量的要求也存在差异。因此, 单一的温度指标往往不足以准确指示植被的物候变化。

2.2.2 地面通量观测数据

作为直接测定植被冠层与大气之间CO2交换的方法, 基于涡度相关技术的生态系统CO2通量观测不仅为生态系统生产力的评估提供了直接测定数据, 并且由于生态系统碳通量的季节变化与植被的生长发育过程存在密切关系, 从而为利用该数据提取生长季的开始与结束等物候指标提供了可能[45]。一方面, 由通量观测的总生态系统生产力(Gross Ecosystem Productivity, GEP)可以获取植被生长季开始(Start of Growth Season, SOS)、生长季结束(End of Growth Season, EOS)和生长季长度(Growth Season Length, GSL)等物候指标。由于GEP表征了植被的光合能力, 因此基于GEP获取的物候可称为“ 光合物候[46]” 。另一方面, 由通量观测的净生态系统生产力(Net Ecosystem Productivity, NEP)可以获取净生态系统碳吸收期开始(Start of Uptake Period, SUP)、碳吸收期结束(End of Uptake Period, EUP)和碳吸收期长度(Carbon Uptake Period, CUP)等物候指标[41, 47]。由于NEP表征了生态系统碳收支情况, 因此基于NEP获取的物候可称为“ 碳吸收物候” 。

由此可见, 基于地面通量观测数据可以将植被物候变化与生态系统生产力的形成过程直接联系起来, 从而在生态系统与全球变化研究中受到了越来越多的关注, 特别是随着全球通量观测站点的日益增多, 为在更大尺度上直接表征物候变化与生态系统生产力关系提供了可能[47]。但需要指出的是, 一方面, 通量数据只能获取植被生长季节(或碳吸收期)的开始、结束和持续时间等指标, 而不是传统的展叶、开花和结实等物候指标。另一方面, 用于物候提取的阈值或导数方法更适用于GEP和NEP呈现单峰型季节变化的生态系统[20], 如温带地区, 但难以适用于GEP和NEP呈现多峰或无明显季节变化的生态系统[48], 如干旱地区和热带地区。此外, 通量数据的质量也会对物候指标提取的精度产生重要影响。

2.2.3 近地面遥感资料

通过在植被上方对冠层的自动高频拍照取样, 并利用图像中红、绿、蓝波段的光谱信息得到可表征植被冠层动态的绿度指数(Greenness Index, GI)和色相(Hue)等参数, 实现对植被物候变化的连续监测[49]。该方法与遥感技术有所类似, 均是通过提取冠层光谱信息表征植被的动态变化。

(1) 相对绿度指数(G%)和绝对绿度指数(2G_RB)[39]

G%=DNG/(DNR+DNG+DNB) (1)

2G_RB=2× DNG-(DNR+DNB) (2)

式中:DNR, DNG, DNB分别对应像素中红、绿、蓝波段亮度值。Richardson等[50]在研究中也采用蓝色波段得到B%进行相关物候研究。

(2) Hue[51]

Hue= if DNG=DNmax(DNB-DNR)(DNmax-DNmin)×60+120if DNR=DNmax(DNR-DNG)(DNmax-DNmin)×60+240if DNG< DNB(DNG-DNB)(DNmax-DNmin)×60+360otherwise(DNG-DNB)(DNmax-DNmin)×60(3)

式中:DN对应像素波段亮度值, DNmax和DNmin分别对应3个波段亮度值中的最大值和最小值。在森林生态系统中, 对于描述植被冠层状态, Hue可能相对波动较大的GI更有效[52]。

对比分析表明, 绿度指数可以较好地反映植被冠层的变化, 其提取的植被物候信息与其他技术有较好的一致性[52, 53], 特别是秋季物候的准确提取[18]。另一方面, 由于观测方法及数据处理过程较易实现, 并通过与通量观测网络结合, 为物候变化与生态系统碳、水循环等生态过程的相关研究提供了新的研究思路。目前, 国际上通过在生态系统通量网络中增加冠层拍摄系统, 从而形成了摄像物候观测网, 如PhenoCam(http:∥phenocam.sr.unh.edu)。

然而近地面拍照技术的不足也十分明显, 主要来自2个方面。一方面, 由于绿度指数来源于图像光谱, 因此其对天气情况的敏感性较强, 不同天气下入射太阳辐射的差异对图像产生较大影响[50]。另一方面, 仪器的安装角度决定了观测的视角, 视角的不同会对最终的提取结果产生影响, 特别是在不同站点, 拍摄仪器的安装应采用统一的标准以避免产生采样误差。

2.2.4 卫星遥感影像

遥感影像中包含了地物的反射率信息, 可以反映地物的不同变化, 包括冰雪融化、植被盖度、植被冠层的生长等物理和生理生态的季节变化过程[54]。遥感数据种类繁多, 可用于检测植被动态的遥感产品主要有NOAA-AVHRR, SPOT-VGT和MODIS等低空间分辨率数据, 以及HJ-CCD, 北京一号, MSS, TM, ETM+和ASTER等国内外高空间分辨率的数据。

通过与植被特性相关的光合辐射波段和近红外波段的反射率, 可以从遥感数据中得到归一化差值植被指数(Normalized Difference Vegetation Index, NDVI)和增强植被指数(Enhanced Vegetation Index, EVI), 并通过反演得到叶面积指数(Leaf Area Index, LAI)等表征植被生长和物候变化的重要参数[26, 55]。与此同时, 卫星遥感可以实现全球尺度的不间断监测, 并可以获取气象站点和通量站点稀少区域的物候变化信息[56], 以实现区域尺度上植被物候变化的动态监测, 成为大尺度物候变化研究中常用的方法[57, 58]。

由于卫星遥感图像形成于外层空间, 因此包含了云层、气溶胶等干扰。尽管采用了MVC(Maximum Value Composite)、滤波去噪等一系列方法进行质量控制, 但在物候提取中产生的影响依然存在[59]。另外, 对于常绿生态系统, 由于反映冠层季节变化的植被指数的季节变化较小, 使得在这类生态系统获取的物候信息往往存在较大不确性。

表1 不同植被物候观测技术及其观测指标 Table 1 Observation techniques of phenology and their observation indexes
2.3 植被物候的模拟与预测

在开展植被物候直接观测和间接提取的同时, 人们还通过不同类型的模型来模拟和预测植被物候变化。植物物候受到内在生物要素和外部环境因子的共同控制。基于对这种控制作用的不同表达方式, 形成了基于资源分配平衡的叶片生长理论模型、基于气候因子与物候关系的经验统计模型和基于气候因子和生物要素共同作用生理机理的过程模型等3类物候模型[25]。物候模型可依据不同区域触发植被物候发生的气象条件获取不同植被类型的物候信息[60]。 此外, 通过综合多个气象因子[61, 62], 或结合植物的生理过程[63], 提高了物候提取的精度。由于模型的输入数据主要为较易获得的气象因子, 因此在研究区域和全球植被物候的时空变化格局以及对未来气候变化的响应等方面得以广泛应用[28, 64, 65]。

物候变化的模拟研究也表现出一定的限制与不足。首先, 对于植被物候对气候因子的响应机制以及其内部生理变化机理还缺乏全面的理解, 尤其是对于秋季物候的发生[4, 25]。其次, 模型中包含的物候影响因子有限, 往往仅考虑与温度相关的因子[66, 67], 而不同地区植被物候的主控因子存在很大差异[60, 68], 使得模型估算的物候有所误差[4]。第三, 模型参数的获取与确定还存在较大挑战。受观测数据不足的影响, 模型参数往往基于有限点的观测资料, 从而影响了模型的普适性。

需要指出的是, 基于不同观测技术与途径获取的物候指标不仅在指标所代表的内涵, 而且在空间尺度上均存在明显差异(表1), 从而限制了相互之间的可比性。对叶片和单株植物的直接观测或者相机拍照指示了物种的物候变化, 仅表征了很小范围的物种尺度。基于温度的物候指标则是假设植物生长与物候变化仅受热量条件的制约, 同时这也是很多物候模型的重要理论基础, 可应用于物种和群落, 甚至区域尺度。生态系统尺度上, 由通量观测得到的GEP和NEP直接反映了与生态系统光合生产与呼吸消耗有关的内在植物生理生态过程的变化, 一般认为其代表了通量塔周围100~2 000 m[69]的平均状况。由近地面拍照与卫星遥感观测分别获取的植被绿度指数和植被指数反映了植被冠层组成与结构变化, 前者表征了群落尺度植被冠层的动态变化, 而后者表征的空间范围进一步扩大, 更多地适用于区域和大陆尺度的物候变化研究。由此可见, 一方面不同技术反映了植被物候的不同特征, 并且不同技术也有其适用的空间尺度。另一方面, 通过不同技术获取的植被物候指标之间存在不同程度的差异, 而对这些差异的认识和把握, 特别是对综合集成研究而言, 必须要充分考虑植被物候指标所代表的生态学内涵和尺度效应, 才能获得对植被物候变化的准确认知和理解。

3 植被物候指标的间接提取方法

随着涡度相关和遥感技术的大量应用, 近地面拍照、通量数据和遥感影像已经成为物候研究中的重要数据源, 为直接分析生态系统甚至景观尺度的物候变化提供了重要途径。相对于人工物候记录而言, 这些观测技术可以实现对物候变化信息的自动化连续采集, 但同时也需要通过有效的数据处理以准确提取SOS, EOS和GSL等植被物候指标。一般而言, 利用通量或植被指数等观测资料提取物候指标包括了数据的拟合或滤波与物候指标的提取2个部分[70]。

3.1 数据的拟合或滤波

在提取植被物候指标之前, 一般需要对观测数据进行拟合或滤波。一方面是去除因为测量误差及环境波动造成的信号干扰, 另一方面是为后续的植被物候指标提取提供关键参数。由于CO2通量数据波动性较大, 因此常采用拟合回归处理[45, 71], 但通过NEP获取碳吸收物候指标时也可以采用滑动平均窗口平滑处理[41]。而近地和卫星遥感数据相对较为平滑, 除拟合回归外, 还可采用滤波函数等方法进行数据平滑, 特别是对于一年中有多个生长季的生态系统更为适用。

植被由发芽展叶至发育成熟期间, CO2通量、植被指数和叶面积指数等均呈S型生长曲线, 而从发育成熟至落叶则呈倒S型生长曲线。因此, 常用的数据拟合函数有单逻辑斯特拟合[72, 73]、双逻辑斯特拟合[19, 39]、高斯拟合[74]和多项式拟合[66]等。而通过滤波函数的平滑方法主要有傅里叶变换[75]、Savizky-Golay滤波[76]、样条插值— 滑动窗口平均[77]和均值迭代滤波[78]等(表2)。

表2 物候指标提取拟合及滤波方法 Table 2 Fitting and filtering functions of deriving Phenological index
3.2 植被物候指标提取

基于不同的观点与数据资料, 多种提取方法在植被物候研究中得到了应用。

(1) 阈值法(Threshold)。该方法认为当表征植被属性数据达到某一值时, 对应了植被重要物候期的发生, 如固定阈值中NDVI达到0.2或日尺度GEP达到1 g C/m2/d时, 或者动态阈值中达到最大和最小NDVI差值的10%或最大和最小日尺度GEP差值的10%时[79]。此外还有方法认为植被的展叶及落叶期为冠层叶片生长及衰败最快阶段, 分别对应逻辑斯特生长曲线在春季上升和秋季下降K/2的日期中值点(Midpoint)[21]。尽管该方法提取的物候指标在一些有先验信息的区域较为精确, 然而其阈值的确定需要一定的经验, 否则误差较大。

(2) 导数法或曲率法(Derivative or RCC)。该类方法认为植被的展叶及落叶对应春季和秋季CO2通量或植被指数等表征植被属性数据的突然变化。常用方法为通过拟合函数的导函数或曲率函数的极值得到[19, 20, 80]。该方法对于数据的波动变化较为敏感, 因此易受到自然灾害或人为管理引起的异常的影响。

(3) 移动平均法(Moving average)。该方法通过将时间序列曲线在上升及下降阶段与其一定平均曲线的交点分别作为SOS和EOS[81]。其移动窗口长度对物候指标的准确获取非常关键, 与阈值法一样, 其设定也需要一定的先验知识。

(4) 最大变化率(Maximum variation)。该方法一般适用于遥感数据。通过计算植被指数等时序数据前后2次的相对变化率, 得到最大变化率对应下的植被指数, 并将此值设为阈值, 得到对应的物候指标[57, 82]。因此选用不同时间步长的数据对结果有一定的影响。

4 植被物候观测与提取方法间的差异

对于不同的观测技术而言, 其获取的植被物候指标的内在含义存在明显差异, 并且在空间尺度上也存在较大差异[1, 83]。与此同时, 不同的数据拟合、滤波和提取方式, 也对植被物候指标的获取产生了显著影响。Cong等[21]的研究表明, 在中国北方大部分区域不同方法提取的SOS的差异低于60天, 而最大差异则可超过2个月。Zhang等[84]的研究指出, 即使同为遥感数据, 利用GIMMS(Global Inventory Modeling and Mapping Studies), SPOT-VGT(SPOT VEGETATION)和MODIS(Moderate Resolution Imaging Spectroradiometer)产品所提取到的过去30年青藏高原地区植被SOS的变化趋势存在显著差异, 甚至在一些时期表现为相反的变化。

本文选用了目前常用的植被物候研究方法, 基于2003— 2010年长白山温带阔叶红松林GEP, NEP, 气温和NDVI数据, 开展了不同物候观测技术和方法的对比, 以直观地显示其植被物候提取结果之间存在的差异。NDVI为MODIS的MOD13Q1产品中的植被指数, 时间步长为16天, 空间分辨率为250 m。其图层中心像元与通量塔位置对应, 为尽可能地减小尺度差异, 取中心点周围750 m× 1 km(12个像元, 去除因北方城镇干扰的4个像元)栅格均值。利用双逻辑斯特— 阈值(Double Logistic-Threshold, DLT)、高斯— 阈值(GauSsian-Threshold, GST)、单逻辑斯特— 曲率(Single Logistic-Curvature, SLC)、双逻辑斯特— 导数(Double Logistic-Derivative, DLD)、Savitzky-Golay平滑— 样条插值— 阈值(Savitzky-golay-Spline-Threshold, SST)、多项式回归— 最大变化速率(PolyFit-Maximum ratio, PFM)和15天滑动窗口平滑— 阈值7种方法提取了该生态系统物候指标。

图1表明利用不同类型观测数据提取的植被物候指标之间存在明显差异。首先, 基于GEP和NDVI 2种数据得到的在长白山温带森林SOS和EOS均值分别相差16天和19天, 并且由NDVI提取的SOS一般晚于由GEP的提取结果, 而提取EOS却早于GEP的提取结果, 由此造成在生长季节长度上的差异更为明显。

图1 采用4种不同观测数据获取的长白山温带针阔混交林生态系统2007年的春季物候和秋季物候
(a) 通量观测(GEP和NEP); (b)遥感观测(NDVI)和温度阈值(Ta)。其中日尺度GEP和NDVI采用双逻辑斯特拟合— 动态阈值提取物候指标; 日尺度NEP和Ta采用15天滑动平均, 0值阈值提取物候指标。○代表SOS; ▽代表SUP; △ 代表碳EUP; □代表EOSFig.1 Spring and autumn phenology of temperate broad-leaved Korean pine forest at Changbai Mountain

derived from four observation techniques in 2007
(a) Flux observation (GEP and NEP); (b) Remote sensing (NDVI) and temperature threshold (Ta). Double Logistic-threshold was used in daily GEP and NDVI; 15-day average window and 0 threshold was used in daily NEP and Ta. ○:SOS; ▽:SUP; △ :EUP; □:EOS

其次, 由GEP数据采用不同方法得到的SOS和EOS间多年均值间最大差异分别为20天和23天。NDVI得到的物候指标间最大差异分别为9天和11天。从图2可以发现, 相同数据中各方法的差异主要由物候指标提取方法间的差异引起, 而数据拟合及滤波方法所造成的差异较小, 这在波动变化更大的GEP数据中更为明显。

第三, 采用温度阈值0 ℃提取的SOS相对较早, 而EOS则相对较晚。与基于GEP数据中采用导数法和曲率法提取的SOS和EOS最为接近。由于建群种红松具备光合能力, 0 ℃通常为其在初春光合作用的开始和在晚秋进入休眠的阈值, 而SLC和DLD对于这2个时期GEP突然的变化更加敏感, 因此二者更为接近。而在5 ℃时, 部分落叶树种在春季开始展叶以及在秋季落叶, 使得NDVI变化明显, 而GEP也达到了一定的量。因此其余方法与5 ℃阈值提取的物候指标接近。最后, 基于NDVI各方法提取的SOS均在地面观测树种展叶日期范围内, 而基于GEP数据中采用阈值法提取的SOS则与群落内最先展叶的树种日期一致。而仅有基于NDVI数据的SST和PFM 2种方法提取的EOS与群落中最后落叶的树种接近, 其余方法则均较晚(图2)。

图2 通过不同方法提取的长白山温带森林春季物候和秋季物候
(a)SOS; (b)EOS。虚线之间为地面人工观测的7种树种物候信Fig.2 Spring and autumn phenology of temperate forest in Changbai Mountain derived from different methods
(a)SOS; (b)EOS.The phenology of 7 species were presented between two dashed lines

需要指出的是, 上述分析还仅是不同方法获取的植被物候指标之间的初步比较, 在一定程度上表明基于不同研究方法获取的植被物候指标可能会存在显著的差异, 从而会影响对植被物候及其变化的准确认识。但由于不同观测数据所代表的生态学内涵和空间尺度代表性有所差异, 以及其观测技术本身的不确定性, 对其获取的植被物候指标之间差异的认识, 显然还需要开展更合理和更深入的比较研究, 才能形成对植被物候及其变化的合理评价。这也进一步表明了在不同的植被物候观测与研究方法中如何构建有效的比较和转换方式, 对于更为准确地认知植被物候的变化趋势及其决定因素具有重要意义。

5 结 论

物候作为一个综合指标, 反映了气候变化对植物生长、群落结构和生态系统过程的影响。然而物候观测技术与研究方法的多样化、增加了植被物候与生态系统各过程之间关系的不确定性。

本文从物候变化与生态系统生产力关系出发, 首先系统介绍了当前主要几种物候观测与研究方法; 其次, 评价了多源数据和不同方法提取物候指标间的差异, 总结了当前物候研究中的不足并为未来的研究提供一定的参考。

(1) 不同物候观测方法各有优势。人工地面观测拥有较长时段的植株水平的物候直接记录数据, 而近地拍照和通量观测关注生态系统与景观尺度, 卫星遥感技术则可以达到更大的区域和全球尺度, 同时这3种方式均可以实现连续的自动观测。模型模拟虽然可以实现多时空尺度的模拟, 但其适用性与准确性需要其他数据进行有效验证。将不同观测技术获取的物候信息相互融合, 有助于物候研究不仅在空间尺度上延展, 同时在时间跨度上延伸。

(2) 基于涡度相关和遥感技术的物候提取技术在寒带及温带生态系统中的应用较为广泛, 而在其他地区生态系统中还有待进一步的验证及应用。另外, 如何依据植被类型选取合适的提取方法也值得进一步研究。由于对于物候与植物内在生理条件和外在环境因子间的联系还缺乏深入的理解, 通过物候模型获取物候指标的准确性还有待提高, 尤其是在受到更为复杂因子作用的秋季物候的提取方面。

(3) 由于多源数据代表了不同的生理生态过程, 同时不同的物候提取方法采用不同的判定标准, 这些技术手段和方法反映了植被物候的不同侧面及属性, 有利于更加全面地认识植被物候及其变化。另一方面, 不同研究方法在提取的物候指标间有所差异, 并增加了植被物候研究中的不确定性。因此, 合理评估多源数据和多种方法间植被物候的差异, 并建立可相互比较与转换的处理方法体系, 对于改进和完善植被物候观测具有重要的意义。

The authors have declared that no competing interests exist.

参考文献
[1] White M A, De Beurs K M, Didan K, et al. Intercomparison, interpretation, and assessment of spring phenology in North America estimated from remote sensing for 1982-2006[J]. Global Change Biology, 2009, 15(10): 2 335-2 359. [本文引用:3]
[2] Visser M E, Caro S P, van Oers K, et al. Phenology, seasonal timing and circannual rhythms: Towards a unified framework[J]. Philosophical Transactions of the Royal Society of London Series B: Biological Sciences, 2010, 365(1 555): 3 113-3 127. [本文引用:1]
[3] Niinemets Ü, Tamm Ü. Species differences in timing of leaf fall and foliage chemistry modify nutrient resorption efficiency in deciduous temperate forest stand s[J]. Tree Physiology, 2005, 25(8): 1 001-1 014. [本文引用:1]
[4] Richardson A D, Keenan T F, Migliavacca M, et al. Climate change, phenology, and phenological control of vegetation feedbacks to the climate system[J]. Agricultural and Forest Meteorology, 2013, 169: 156-173, doi: DOI:10.1016/j.agrformet.2012.09.012. [本文引用:4]
[5] Cleland E E, Chiariello N R, Loarie S R, et al. Diverse responses of phenology to global changes in a grassland ecosystem[J]. Proceedings of the National Academy of Sciences of the United States of America, 2006, 103(37): 13 740-13 744. [本文引用:2]
[6] Piao S, Fang J, Zhou L, et al. Variations in satellite-derived phenology in China’s temperate vegetation[J]. Global Change Biology, 2006, 12(4): 672-685. [本文引用:2]
[7] Zhu Mingjia, Zhao Qianyi, Liu Shaomin, et al. Analysis of the characteristics of turbulent flux and its footprint climtology at an agricultural site[J]. Advances in Earth Science, 2013, 28(12): 1 313-1 325.
[朱明佳, 赵谦益, 刘绍民, 等. 农田下垫面观测通量的变化特征及其气候学足迹分析[J]. 地球科学进展, 2013, 28(12): 1 313-1 325. ] [本文引用:1]
[8] Estiarte M, Penuelas J. Alteration of the phenology of leaf senescence and fall in winter deciduous species by climate change: Effects on nutrient proficiency[J]. Global Change Biology, 2015, 21(3): 1 005-1 017. [本文引用:1]
[9] Wang Lianxi, Chen Huailiang, Li Qi, et al. Research advances in plant phenology and climate[J]. Acta Ecologica Sinica, 2010, 20(2): 447-454.
[王连喜, 陈怀亮, 李琪, 等. 植物物候与气候研究进展[J]. 生态学报, 2010, 20(2): 447-454. ] [本文引用:1]
[10] Li Rongping, Zhou Guangsheng, Zhang Huiling. Research advances in plant phenology[J]. Chinese Journal of Applied Ecology, 2006, 17(3): 541-544.
[李荣平, 周广胜, 张慧玲. 植物物候研究进展[J]. 应用生态学报, 2006, 17(3): 541-544. ] [本文引用:1]
[11] Fang Xiuqi, Yu Weihong. Progress in the studies on the phenological responding to global warming[J]. Advances in Earth Science, 2002, 17(5): 714-719.
[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. ] [本文引用:1]
[12] Schwartz M D, Ahas R, Aasa A. Onset of spring starting earlier across the Northern Hemisphere[J]. Global Change Biology, 2006, 12(2): 343-351. [本文引用:1]
[13] Ge Quansheng, Zheng Jingyun, Zhang Xuexia, et al. Study of Chinese climate and phenology change in past 40 years[J]. Progress in Nature Science, 2003, 12(10): 1 048-1 053.
[葛全胜, 郑景云, 张学霞, 等. 过去40年中国气候与物候的变化研究[J]. 自然科学进展, 2003, 13(10) : 1 048-1 053. ] [本文引用:1]
[14] Primack R B, Higuchi H, Miller-Rushing A J. The impact of climate change on cherry trees and other species in Japan[J]. Biological Conservation, 2009, 142(9): 1 943-1 949. [本文引用:1]
[15] Zhong Shuying, Zheng Jingyun, Ge Quansheng. Change of autumnal leaf coloring of woody plants in Eastern China for the last 40 years[J]. Chinese Journal of Agrometeorology, 2010, 31(1): 1-4.
[仲舒颖, 郑景云, 葛全胜. 近40年中国东部木本植物秋季叶全变色期变化[J]. 中国农业气象, 2010, 31(1): 1-4. ] [本文引用:1]
[16] Guy R D. The early bud gets to warm[J]. New Phytologist, 2014, 202(1): 7-9. [本文引用:1]
[17] Yang Y, Guan H, Shen M, et al. Changes in autumn vegetation dormancy onset date and the climate controls across temperate ecosystems in China from 1982 to 2010[J]. Global Change Biology, 2015, 21(2): 652-665. [本文引用:1]
[18] Sonnentag O, Hufkens K, Teshera-Sterne C, et al. Digital repeat photography for phenological research in forest ecosystems[J]. Agricultural and Forest Meteorology, 2012, 152(1): 159-177. [本文引用:3]
[19] Gonsamo A, Chen J M, Wu C, et al. Predicting deciduous forest carbon uptake phenology by upscaling FLUXNET measurements using remote sensing data[J]. Agricultural and Forest Meteorology, 2012, 165: 127-135, doi: DOI:10.1016/j.agrformet.2012.06.006. [本文引用:3]
[20] Che M, Chen B, Innes J L, et al. Spatial and temporal variations in the end date of the vegetation growing season throughout the Qinghai-Tibetan Plateau from 1982 to 2011[J]. Agricultural and Forest Meteorology, 2014, 189/190: 81-90. [本文引用:3]
[21] Cong N, Piao S, Chen A, et al. Spring vegetation green-up date in China inferred from SPOT NDVI data: A multiple model analysis[J]. Agricultural and Forest Meteorology, 2012, 165: 104-113. [本文引用:3]
[22] Zheng Jingyun, Liu Yang, Ge Quansheng, et al. Spring phenodate records derived from historical documents and reconstruction on temperature change in Central China during 1850-2008[J]. Acta Geographica Sinica, 2015, 70(5): 696-704.
[郑景云, 刘洋, 葛全胜, 等. 华中地区历史物候记录与1850—2008年的气温变化重建[J]. 地理学报, 2015, 70(5): 696-704. ] [本文引用:1]
[23] Margary I D. The marsham phenological record in Norfolk, 1736-1925, and some others[J]. Quarterly Journal of the Royal Meteorological Society, 1926, 52(217): 27-54. [本文引用:1]
[24] Aono Y, Kazui K. Phenological data series of cherry tree flowering in Kyoto, Japan, and its application to reconstruction of springtime temperatures since the 9th century[J]. International Journal of Climatology, 2008, 28(7): 905-914. [本文引用:1]
[25] Cleland E E, Chuine I, Menzel A, et al. Shifting plant phenology in response to global change[J]. Trends in Ecology and Evolution, 2007, 22(7): 357-365. [本文引用:3]
[26] Garrity S R, Bohrer G, Maurer K D, et al. A comparison of multiple phenology data sources for estimating seasonal transitions in deciduous forest carbon exchange[J]. Agricultural and Forest Meteorology, 2011, 151(12): 1 741-1 752. [本文引用:2]
[27] Picard G, Quegan S, Delbart N, et al. Bud-burst modelling in Siberia and its impact on quantifying the carbon budget[J]. Global Change Biology, 2005, 11(12): 2 164-2 176. [本文引用:1]
[28] Piao S, Ciais P, Friedlingstein P, et al. Net carbon dioxide losses of northern ecosystems in response to autumn warming[J]. Nature, 2008, 451(7 174): 49-52. [本文引用:2]
[29] Lü Bing, Wang Na, Liu Shuju, et al. Reproductive phenological characteristics of Hainan coastal vatica mangachapoi forest[J]. Acta Ecological Sinica, 2015, 35(2): 416-423.
[吕冰, 王娜, 刘淑菊, 等. 海南海岸青皮林繁殖物候特征[J]. 生态学报, 2015, 35(2): 416-423. ] [本文引用:1]
[30] Xu Yunjia, Dai Junhu, Wang Huanjiong, et al. Variations of main phenophases of natural calendar and analysis of responses to climate change in Harbin in 1985-2012[J]. Geographical Research, 2015, 34(9): 1 662-1 674.
[徐韵佳, 戴君虎, 王焕炯, 等. 1985—2012年哈尔滨自然历主要物候期变动特征及对气温变化的响应[J]. 地理研究, 2015, 34(9): 1 662-1 674. ] [本文引用:1]
[31] Wu Dongxiu, Wei Wenshan, Zhang Shumin, et al. Protocols for Stand ard Biological Observation and Measurement in Terrestrial Ecosystems[M]. Beijing: China Environmental Science Press, 2007: 70-75.
[吴东秀, 韦文珊, 张淑敏, 等. 陆地生态系统生物观测规范[M]. 北京: 中国环境科学出版社, 2007: 70-75. ] [本文引用:1]
[32] Miller-Rushing A J, Primack R B. Global warming and flowering times in thoreau’s concord: A community perspective[J]. Ecology, 2008, 89(2): 332-341. [本文引用:1]
[33] Ge Q, Wang H, Rutishauser T, et al. Phenological response to climate change in China: A meta-analysis[J]. Global Change Biology, 2015, 21(1): 265-274. [本文引用:1]
[34] Chen Xiaoqiu, Pang Cheng, Xu Lin, et al. Spatiotemporal response of Salix matsudana’s phenophases to climate change in China’s temperate zone[J]. Acta Ecological Sinica, 2015, 35(11): 3 625-3 635.
[陈效逑, 庞程, 徐琳, 等. 中国温带旱柳物候期对气候变化的时空响应[J]. 生态学报, 2015, 35(11): 3 625-3 635. ] [本文引用:1]
[35] Wang Tao, Ottle Catherine, Peng Shushi, et al. The influence of local spring temperature variance on temperature sensitivity of spring phenology[J]. Global Change Biology, 2014, 20(5): 1 473-1 480. [本文引用:1]
[36] Chen X, Hu B, Yu R. Spatial and temporal variation of phenological growing season and climate change impacts in temperate eastern China[J]. Global Change Biology, 2005, 11(7): 1 118-1 130. [本文引用:1]
[37] White M A, Thornton P E, Running S W. A continental phenology model for monitoring vegetation responses to interannual climatic variability[J]. Global Biogeochemical Cycles, 1997, 11(2): 217-234. [本文引用:1]
[38] Schwartz M D, Hanes J M, Liang L. Comparing carbon flux and high-resolution spring phenological measurements in a northern mixed forest[J]. Agricultural and Forest Meteorology, 2013, 169: 136-147. [本文引用:1]
[39] Zhou Lei, He Honglin, Zhang Li, et al. Simulations of phenology in alpine grassland communities in Damxung, Xizang, based IB digital camera images[J]. Chinese Journal of Plant Ecology, 2012, 36(11): 1 125-1 135.
[周磊, 何洪林, 张黎, 等. 基于数字相机图像的西藏当雄高寒草地群落物候模拟[J]. 植物生态学报, 2012, 36(11): 1 125-1 135. ] [本文引用:3]
[40] Linkosalo T, Lappalainen H K, Hari P. A comparison of phenological models of leaf bud burst and flowering of boreal trees using independent observations[J]. Tree Physiology, 2008, 28: 1 873-1 882. [本文引用:1]
[41] Wu C, Chen J M, Gonsamo A, et al. Interannual variability of net carbon exchange is related to the lag between the end-dates of net carbon uptake and photosynthesis: Evidence from long records at two contrasting forest stand s[J]. Agricultural and Forest Meteorology, 2012, 164: 29-38. [本文引用:3]
[42] Zhang X Y, Tarpley D, Sullivan J T. Diverse responses of vegetation phenology to a warming climate[J]. Geophysical Research Letters, 2007, 34(19): 255-268. [本文引用:1]
[43] Shen M G, Piao S L, Cong N, et al. Precipitation impacts on vegetation spring phenology on the Tibetan Plateau[J]. Global Change Biology, 2015, 21(10), doi: DOI:10.1111/gcb.12961. [本文引用:1]
[44] Xu L K, Baldocchi D D. Seasonal variation in carbon dioxide exchange over a Mediterranean annual grassland in California[J]. Agricultural and Forest Meteorology, 2004, 123(1/2): 79-96. [本文引用:1]
[45] Gonsamo A, Chen J M, D’Odorico P. Deriving land surface phenology indicators from CO2 eddy covariance measurements[J]. Ecological Indicators, 2013, 29: 203-207. [本文引用:2]
[46] Muraoka H, Noda H M, Nagai S, et al. Spectral vegetation indices as the indicator of canopy photosynthetic productivity in a deciduous broadleaf forest[J]. Journal of Plant Ecology, 2012, 6(5): 393-407. [本文引用:1]
[47] Richardson A D, Black T A, Ciais P, et al. Influence of spring and autumn phenological transitions on forest ecosystem productivity[J]. Philosophical transactions of the Royal Society of London Series B: Biological Sciences, 2010, 365(1 555): 3 227-3 246. [本文引用:2]
[48] Xia J, Niu S, Ciais P, et al. Joint control of terrestrial gross primary productivity by plant phenology and physiology[J]. Proceedings of the National Academy of Sciences of the United States of America, 2015, 112(9): 2 788-2 793. [本文引用:1]
[49] Ahrends H E, Etzold S, Kutsch W L, et al. Tree phenology and carbon dioxide fluxes: Use of digital photography for process-based interpretation at the ecosystem scale[J]. Climate Research, 2009, 39(3): 261-274. [本文引用:1]
[50] Richardson A D, Jenkins J P, Braswell B H, et al. Use of digital webcam images to track spring green-up in a deciduous broadleaf forest[J]. Oecologia, 2007, 152(2): 323-334. [本文引用:2]
[51] Saitoh T M, Nagai S, Saigusa N, et al. Assessing the use of camera-based indices for characterizing canopy phenology in relation to gross primary production in a deciduous broad-leaved and an evergreen coniferous forest in Japan[J]. Ecological Informatics, 2012, 11(11): 45-54. [本文引用:1]
[52] Graham E A, Yuen E M, Robertson G F, et al. Budburst and leaf area expansion measured with a novel mobile camera system and simple color thresholding[J]. Environmental and Experimental Botany, 2009, 65(2/3): 238-244. [本文引用:2]
[53] Migliavacca M, Galvagno M, Cremonese E, et al. Using digital repeat photography and eddy covariance data to model grassland phenology and photosynthetic CO2 uptake[J]. Agricultural and Forest Meteorology, 2011, 151(10): 1 325-1 337. [本文引用:1]
[54] Zhang Xuexia, Ge Quansheng, Zheng Jingyun. Overview on the vegetation phenology using the remote sensing[J]. Advances in Earth Science, 2003, 18(4): 534-544.
[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. ] [本文引用:1]
[55] Li Guangyong, Li Xiaoyan, Zhao Guoqin, et al. Characteristics of spatial and temporal phenology under the dynamic variation of grassland in the Qinghai Lake watershed[J]. Acta Ecological Sinica, 2014, 34(11): 3 038-3 047.
[李广泳, 李小雁, 赵国琴, 等. 青海湖流域草地植被动态变化趋势下的物候时空特征[J]. 生态学报, 2014, 34(11): 3 038-3 047. ] [本文引用:1]
[56] Yu H, Luedeling E, Xu J. Winter and spring warming result in delayed spring phenology on the Tibetan Plateau[J]. Proceedings of the National Academy of Sciences of the United States of America, 2010, 107(51): 22 151-22 156. [本文引用:1]
[57] Jeong S J, Ho C H, Gim H J, et al. Phenology shifts at start vs. end of growing season in temperate vegetation over the Northern Hemisphere for the period 1982-2008[J]. Global Change Biology, 2011, 17(7): 2 385-2 399. [本文引用:2]
[58] Liu Shuangyu, Zhang Li, Wang Guizhen, et al. Vegetation phenology in the Tibetan Plateau using MODIS data from 2000 to 2010[J]. Remote Sensing Information, 2014, 29(6): 25-30.
[刘双俞, 张丽, 王翠珍, 等. 基于 MODIS 数据的青藏高原植被物候变化趋势研究(2000—2010年)[J]. 遥感信息, 2014, 29(6): 25-30. ] [本文引用:1]
[59] Xiao X, Boles S, Liu J, et al. Characterization of forest types in Northeastern China, using multi-temporal SPOT-4 VEGETATION sensor data[J]. Remote Sensing of Environment, 2002, 82(2): 335-348. [本文引用:1]
[60] Krinner G, Viovy N, de Noblet-Ducoudré N, et al. A dynamic global vegetation model for studies of the coupled atmosphere-biosphere system[J]. Global Biogeochemical Cycles, 2005, 19(1), doi: DOI:10.1029/2003GB002199. [本文引用:2]
[61] Thornton P E, Law B E, Gholz H L, et al. Modeling and measuring the effects of disturbance history and climate on carbon and water budgets in evergreen needleleaf forests[J]. Agricultural and Forest Meteorology, 2002, 113(1/4): 185-222. [本文引用:1]
[62] Jolly W M, Nemani R, Running S W. A generalized, bioclimatic index to predict foliar phenology in response to climate[J]. Global Change Biology, 2005, 11(4): 619-632. [本文引用:1]
[63] Sitch S, Smith B, Prentice I C, et al. Evaluation of ecosystem dynamics, plant geography and terrestrial carbon cycling in the LPJ Dynamic Global Vegetation Model[J]. Global Change Biology, 2003, 9(2): 161-185. [本文引用:1]
[64] Tian H, Chen G, Liu M, et al. Model estimates of net primary productivity, evapotranspiration, and water use efficiency in the terrestrial ecosystems of the southern United States during 1895-2007[J]. Forest Ecology and Management, 2010, 259(7): 1 311-1 327. [本文引用:1]
[65] Melaas E K, Richardson A D, Friedl M A, et al. Using FLUXNET data to improve models of springtime vegetation activity onset in forest ecosystems[J]. Agricultural and Forest Meteorology, 2013, 171/172: 46-56. [本文引用:1]
[66] Shen M, Zhang G, Cong N, et al. Increasing altitudinal gradient of spring vegetation phenology during the last decade on the Qinghai-Tibetan Plateau[J]. Agricultural and Forest Meteorology, 2014, 189/190: 71-80. [本文引用:2]
[67] Lu Peiling, Yu Qiang, He Qingtang. Responses of plant phenology to climatic change[J]. Acta Ecologica Sinica, 2006, 26(3): 923-929.
[陆佩玲, 于强, 贺庆棠. 植物物候对气候变化的响应[J]. 生态学报, 2006, 26(3): 923-929. ] [本文引用:1]
[68] Richardson A D, Anderson R S, Arain M A, et al. Terrestrial biosphere models need better representation of vegetation phenology: Results from the North American Carbon Program Site Synthesis[J]. Global Change Biology, 2012, 18(2): 566-584. [本文引用:1]
[69] Baldocchi D, Falge E, Gu L H, et al. FLUXNET: A new tool to study the temporal and spatial variability of ecosystem-scale carbon dioxide, water vapor, and energy flux densities[J]. Bulletin of the American Meteorological Society, 2001, 82(11): 2 415-2 434. [本文引用:1]
[70] Fan Deqin, Zhu Wenquan, Pan Yaozhong, et al. Identifying an optimal method for estimating green-up date of Kobresia pygmaea alpine meadow in Qinghai-Tibetan Plateau[J]. Journal of Remote Sensing, 2014, 18(5): 1 117-1 127.
[范德芹, 朱文泉, 潘耀忠, 等. 青藏高原小嵩草高寒草甸返青期遥感识别方法筛[J]. 遥感学报, 2014, 18(5): 1 117-1 127. ] [本文引用:1]
[71] Kross A S E, Roulet N T, Moore T R, et al. Phenology and its role in carbon dioxide exchange processes in northern peatland s[J]. Biogeosciences, 2014, 119(11): 1 370-1 384. [本文引用:1]
[72] Liu Ya’nan, Xiao Fei, Du Yun. Improved logistic model for fitting time-series NDVI data[J]. Remote Sensing Technology and Application, 2015, 30(4): 737-743.
[刘亚南, 肖飞, 杜耘. Logistic函数方法拟合多时序NDVI数据的改进研究[J]. 遥感技术与应用, 2015, 30(4): 737-743. ] [本文引用:1]
[73] Zhang X, Friedl M A, Schaaf C B, et al. Monitoring vegetation phenology using MODIS[J]. Remote Sensing of Environment, 2003, 84(3): 471-475. [本文引用:1]
[74] Song Chunqiao, Ke Linghong, You Songcai, et al. Comparison of three NDVI time-series fitting methods based on TIMESAT—Taking the grassland in Northern Tibet as case[J]. Remote Sensing Technology and Application, 2011, 26(2): 147-155.
[宋春桥, 柯灵红, 游松财, 等. 基于TIMESAT的3种时序NDVI拟合方法比较研究——以藏北草地为例[J]. 遥感技术与应用, 2011, 26(2): 147-155. ] [本文引用:1]
[75] Yan Huimin, Cao Mingkui, Liu Jiyuan, et al. Characterizing spatial patterns of multiple cropping system in China from multi-temporal remote sensing images[J]. Transactions of the Chinese Society of Agricultural Engineering, 2005, 21(4): 85-90.
[闫慧敏, 曹明奎, 刘纪远, 等. 基于多时相遥感信息的中国农业种植制度空间格局研究[J]. 农业工程学报, 2005, 21(4): 85-90. ] [本文引用:1]
[76] Fan Deqin, Zhu Wenquan, Pan Yaozhong, et al. Noise detection for NDVI time series based on Dixon’s test and application in data reconstruction[J]. Journal of Remote Sensing, 2013, 17(5): 1 158-174.
[范德芹, 朱文泉, 潘耀忠, 等. 基于狄克松检验的NDVI时序数据噪声检测及其在数据重建中的应用[J]. 遥感学报, 2013, 17(5): 1 158-1 174. ] [本文引用:1]
[77] Cong N, Wang T, Nan H, et al. Changes in satellite-derived spring vegetation green-up date and its linkage to climate in China from 1982 to 2010A multimethod analysis[J]. Global Change Biology, 2013, 19(3): 881-891. [本文引用:1]
[78] Ma M, Veroustraete F. Reconstructing pathfinder AVHRR land NDVI time-series data for the Northwest of China[J]. Advances in Space Research, 2006, 37(4): 835-840. [本文引用:1]
[79] Wu C, Gough C M, Chen J M, et al. Evidence of autumn phenology control on annual net ecosystem productivity in two temperate deciduous forests[J]. Ecological Engineering, 2013, 60: 88-95, doi: DOI:10.1016/j.ecoleng.2013.07.019. [本文引用:1]
[80] Shen M, Tang Y, Chen J, et al. Influences of temperature and precipitation before the growing season on spring phenology in grassland s of the central and eastern Qinghai-Tibetan Plateau[J]. Agricultural and Forest Meteorology, 2011, 151(12): 1 711-1 722. [本文引用:1]
[81] Ivits E, Cherlet M, Toth G, et al. Combining satellite derived phenology with climate data for climate change impact assessment[J]. Global and Planetary Change, 2012, 88/89: 85-97. [本文引用:1]
[82] Chen J, Jönsson P, Tamura M, et al. A simple method for reconstructing a high-quality NDVI time-series data set based on the Savitzky-Golay filter[J]. Remote Sensing of Environment, 2004, 91(3/4): 332-344. [本文引用:1]
[83] Mou Minjie, Zhu Wenquan, Wang Lingli, et al. Evaluation of remote sensing extraction methods for vegetation phenology based on flux tower net ecosystem carbon exchange data[J]. Chinese Journal of Applied Ecology, 2012, 23(2): 319-327.
[牟敏杰, 朱文泉, 王伶俐, 等. 基于通量塔净生态系统碳交换数据的植被物候遥感识别方法评价[J]. 应用生态学报, 2012, 23(2): 319-327. ] [本文引用:1]
[84] Zhang G, Zhang Y, Dong J, et al. Green-up dates in the Tibetan Plateau have continuously advanced from 1982 to 2011[J]. Proceedings of the National Academy of Sciences of the United States of America, 2013, 110(11): 4 309-4 314. [本文引用:1]