英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料
www.elsevier.com/locate/rse
环境遥感84 (2003)471-475
简短的沟通
利用MODIS监测植被物候
张晓阳，*，马克·a·弗里德拉，克里斯托·b·沙夫a，艾伦·h·斯特拉，约翰·c·f·霍奇萨，冯高亚，布拉德利·c·里德，阿尔弗雷多·惠特克
美国波士顿大学地理与遥感中心，波士顿联邦大道675号
美国亚利桑那大学土桑分校土壤与水科学中心，苏福尔斯，SD 57198, bEROS数据中心，AZ 85721
2002年5月25日收到;2002年9月6日收到的修订表格;2002年9月7日接受申请
摘要
为了改进陆地生态系统碳交换和气候-生物圈相互作用的年际变化模型和理解，需要精确测量区域到全球尺度的植被动力学(物候学)。自1980年代中期以来，卫星数据被用来研究这些过程。提出了一种利用卫星时间序列监测全球植被物候的新方法。该方法利用一系列适合遥感植被指数(VI)数据的分段逻辑函数来表示年际植被动态。利用该方法，可以从卫星数据中确定VI数据年时间序列内的植被活动过渡日期。该方法允许以一种对生态有意义的方式大规模监测植被动态，不需要预先平滑数据或使用用户定义的阈值。对美国东北部地区的MODIS数据进行了年度时间序列分析，初步结果表明，该方法能够较好地监测植被物候。
D 2002爱思唯尔科学公司。
关键词:植被物候学;MODIS;遥感
1. 介绍
陆地生态系统的物候动力学反映了地球生物圈对地球气候和水文系统年际和年际动态的响应(Myneni, Keeling, Tucker, Asrar， amp; Nemani, 1997;施瓦兹,1999;怀特，桑顿和朗宁斯，1997)。由于卫星观测提供的天气覆盖和重复的时间采样，遥感数据具有在区域到全球尺度上监测植被动态的重要潜力(例如，Myneni et al.， 1997)。在过去的十年中，已经发展了许多不同的方法来确定植被的青绿和衰老的时间。采用先进的甚高分辨率辐射计(AVHRR)的归一化植被指数(NDVI)数据进行时间序列分析。这些方法采用了各种不同的方法，包括使用特定的
*通讯作者。
电子邮件地址:Zhang @crsa.bu.edu (X. Zhang)。
NDVI阈值(Lloyd, 1990;White et al.， 1997)，最大的NDVI增长(Kaduk amp; Heimann, 1996)，向后看移动平均线(Reed et al.， 1994)，或经验方程(Moulin, Kergoat, Viovy， amp; Dedieu, 1997)。但是，这种方法很难在全球范围内应用，而且一般不考虑具有多种生长周期特征的生态系统(例如，双季或三季作物农业、多雨季半干旱系统等)。
NDVI等卫星植被指数(VI)数据与绿叶面积指数(LAI)、绿色生物量、绿色植被覆盖度百分比相关(Asrar, Myneni， amp; Kanemasu, 1989;《歌舞与盖奥》，1991)。直到最近，AVHRR才为此目的提供了唯一的全球数据来源。然而，由于AVHRR从来没有为土地应用而设计，这些数据并不适合于植被监测应用。具体来说，由于缺乏精确的校准，几何配准较差，以及云筛选AVHRR数据的困难，导致了高水平的噪声(Goward, Markham, Dye, Dulaney， amp; Yang, 1991)。美国宇航局Terra航天器上的中分辨率成像光谱仪(MODIS)的辐射特性和几何特性的结合
0034-4257/02/$ -见front matter D 2002 Elsevier Science Inc。保留所有权利。
张x等/环境遥感84 (2003)471-475 472
MODIS科学团队的活动提供了改进的大气校正和云层遮挡，为这一性质的研究提供了一个大幅度改进的基础。本文首次尝试利用MODIS数据研究植被物候学。
2. 利用遥感监测物候
在本研究中，遥感推断的植被物候年周期特征为四个关键的过渡日，它们在年尺度上定义了植被动态的关键物候期。这些转变日期为:(1)光合作用开始的日期greenup;(2)成熟期，植物绿叶面积最大的时期;(3)衰老，光合作用和绿叶面积开始迅速减少的时间;(4)休眠，指生理活动接近于零的状态。由于这些过程的空间、时间和生态复杂性，从遥感监测它们的简单方法已被证明是难以实现的。在此，我们提出了一种新的方法，将卫星VI数据与时间的逻辑函数进行拟合。根据这个函数，可以确定上面定义的四个转换日期。
基于野外的生态研究表明，植被物候往往遵循相对明确的时间模式。例如，在落叶植被和许多农作物中，叶片的出现往往伴随着一个快速生长的时期，随后是一个相对稳定的最大叶面积时期。这个模式反映了从生长开始的累积温度(或者更简单的天数)，可以用logistic模型很容易地表示(例如，Ratkowsky, 1983;维勒加斯，阿帕里西奥，布兰科，amp;罗约，2001)。向衰老和休眠的转变遵循着相似但相反的模式。
在区域和更大的尺度上，群落组成、微观和区域气候状况、土壤和土地管理的变化导致物候学的复杂时空变化。此外，一些植被类型在一个单一的年周期内表现出多种生长和衰老模式。因此，基于遥感的方法
图1所示。利用多种逻辑模型描述了多生长期植被指数的理想轨迹。
图2所示。这张示意图显示了如何使用曲率变化率中的最小值和最大值计算过渡日期。实线是植被指数数据的理想化时间序列，虚线是VI数据曲率变化率。圆圈表示转换日期。位于每个圆之间的极值表示曲率变化率改变符号的点。
需要足够灵活，以允许这种类型的可变性。
图1显示了植被物候如何用一系列时间的分段逻辑函数来表示。这种描述是完全普遍的，可以用来描述以复杂行为为特征的生态系统物候学。具体地说，卫星获得的单个生长或衰老周期的VI数据的时间变化可以使用以下形式的函数来建模:
yeth;tTHORN;frac14;c
1thorn;eathorn;bt
thorn;d eth;1THORN;
其中t为时间(天)，y(t)为t时刻的VI值，a和b为拟合参数，c d为最大VI值，d为初始背景VI值。这种方法与Badhwar(1980, 1984)的方法相似，Badhwar拟合了相似的时间平滑函数(指数函数和逻辑函数)来近似玉米和大豆作物在生长阶段的光谱反射率变化。然而，本文所描述的方法较为通用，因为它可以用于对VI数据在生长或衰老期间的变化进行建模。
为了确定物候转换日期，我们使用了拟合逻辑模型的曲率变化率(图2)。具体来说，转换日期对应于VI数据中曲率变化率显示局部极小值或最大值的时间。这些日期表示年周期从一个近似线性的阶段过渡到另一个阶段的时间。更正式地说，式(1)任意时刻t的曲率(K)可以用:
其中z = ea bt, a为单位切向量在t时刻沿可微曲线的角度(单位为弧度)，s为单位
张晓霞等/环境遥感84 (2003)471-475 473
曲线的长度。曲率变化率KV为:
KVfrac14;b3cz
3 zeth;1 zTHORN;eth;1thorn;zTHORN;3
h
2eth;1thorn;zTHORN;3thorn;b2c2z
我
heth;1thorn;zTHORN;4thorn;eth;bczTHORN;2
i5
2
8 gt; lt; gt;:
增长时期,当植被从休眠状态过渡到最大叶面积,三个极端点在VI曲线可以推断出从情商。(3)。这些点对应于叶的发病增长,最大叶面积的发作,这两个事件之间的转折点(图2)。过渡日期显示衰老的发生和休眠可以估计以类似的方式。
3.MODIS数据
MODIS仪器拥有7个光谱波段，这些波段是专门为空间分辨率从250米到1公里的土地应用而设计的(Justice et al.， 1997)。MODIS双向反射率分布函数(BRDF)/反射率算法使用16天周期内每天收集的多角度、无云和大气校正的地表反射率，在1公里空间分辨率下为每个MODIS陆地波段生成一个最低点BRDF调整反射率(NBAR) (Schaaf et al.， 2002)。本分析使用的数据集包括1年
图3所示。新英格兰混合森林象元的MODIS EVI数据样本时间序列和物候变化估计日期。菱形虚线为原始EVI数据，星形实线为拟合逻辑模型。
图4所示。使用第二节中描述的方法估计物候转变日期的地图。
(2000年6月9日至2001年5月25日)的NBAR时间序列数据，该数据以新英格兰为中心，面积为1200- 1200公里，除2000年7月27日和2001年2月2日开始的16天周期外，其余均未生成。为了估计物候模型，增强植被指数(EVI);Huete, Didan, Miura， amp; Rodriguez, 2002)使用NBAR数据计算的值。由于雪的存在可以显著影响EVI值，所以使用标准化差异雪指数(NDSI)来确定在给定的16天周期中，雪或冰背景存在超过一半的情况(Hall, Riggs， amp; Salomonson, 1995)。在检测到雪或冰的情况下，EVI值被替换为最近的无雪值。
在NBAR EVI数据能够符合Eq.(1)所描述的logistic函数之前，首先需要确定EVI的持续增减周期(即，生长和衰老)。为此，在年度时间序列中应用了一个使用5个16天周期的移动窗口。然后通过任意给定窗口内从正斜率到负斜率的变化来确定从增加到减少EVI趋势的过渡，反之亦然。这样，在给定的年时间序列内可以识别任意数量的生长周期(如图1)，然后将式(1)定义的logistic函数拟合到EVI增减的每个周期，并使用曲率变化率的极值点
张晓霞等/环境遥感84 (2003)471-475 474
确定物候变化日期如上所述。
4. 结果
图3为第2节所述方法对新英格兰混合森林像素的代表性结果。对该图的可视化检查表明，物候转换日期是实际检测到的。提供更多的区域的角度来看,图4给出了美国东北部的图像显示空间变化的物候交接日期,和图5显示了变化greenup发病,发病休眠纬度的函数在该地区不同土地覆盖类型。最后一个数据是通过计算研究区域内30分钟纬度增量的greenup和休眠onsets的平均日期创建的，并根据MODIS土地覆盖产品提供的土地覆盖类别进行分层(Friedl et al.， 2002)。
这些图显示了地理和生态上一致的模式，与该地区已知的物候逻辑行为相一致。青肿发生在3月底或4月初(每年85天)的南部地区(蓝色区域)，随后在北部地区(红色和黄色区域)逐渐变绿。在所示区域内，森林和自然植被的greenup平均滞后时间为每纬度1.7天，城市和农业用地的平均滞后时间为每纬度2.2天。在大多数地区，大约是35天
图5所示。5、落叶阔叶林、 、混交林、D、农田、*、农田和植被镶嵌、城市。
需要从青绿期开始到成熟期，再一次有明显的由南向北发展的趋势。衰老开始于8月下旬至9月，无明显的空间趋势。相反，从10月下旬到11月下旬，休眠开始在北部地区向南传播。森林和自然植被休眠的平均滞后时间约为每纬度2.4天，城市和农业土地覆盖的平均滞后时间约为4.4天。注意，城市区域表现出最早的绿化和最新的休眠，而农田则表现出相反的模式。
5. 讨论和结论
本文提出了一种利用遥感研究植被物候的新方法。该方法为利用遥感监测大面积植被动态提供了一种灵活的手段。使用MODIS数据对新英格兰中部地区的初步结果表明，该方法提供了与该地区已知植被行为在地理和生态上一致的现实结果。特别是，基于modis的绿启动、成熟启动和休眠启动的估计显示出强烈的时空模式，这也依赖于土地覆盖类型。
本工作中提出的方法具有几个令人满意的特性。由于该方法不需要设置阈值或经验常数就可以单独处理每个像素，因此具有全局适用性。此外，它还能够识别在一年之内多次生长和衰老的物候行为，这在农田和半干旱地区很常见。最后，由于该方法不受特定的日历周期(如1月至12月)的限制，它提供了近实时监测植被物候的潜力。
在基于遥感的大面积物候学研究中，验证是一个关键问题(Schwartz amp; Reed, 1999)。虽然已经启动了各种物候监测的现场项目(例如，Schwartz, 1999)，但这些项目提供的数据通常是特定于物种的，并且收集的数据的规模与粗分辨率遥感观测不兼容。在1公里分辨率的图像中，每个像素都反映了不同物种和物候行为的景观综合反应。虽然这项工作没有将地面观测结果与遥感结果进行比较，但是需要这种活动来更充分地了解和验证基于遥感的陆地植被大规模物候观测结果。
确认
这项工作是根据NASA合同编号NAS5-31369资助的。
张晓霞等/环境遥感84 (2003)471-475 475
参考文献
Asrar G。，米内尼，r。， amp; Kanemasu, e.t.(1989)。从光谱反射率测量估计植物冠层属性，第7章。《光学遥感的理论与应用》(第252-296页)。纽约:威利。
巴德瓦尔，g.d.(1980)。作物出苗率数据由光谱数据确定。摄影测量工程与遥感，46,369 - 377。
巴德瓦尔，g.d.(1984)。利用Landsat MSS数据对玉米-大豆进行自动分类:早季作物比例估算。环境遥感，14,31 - 37。
Baret F。， amp; Guyot, G.(1991)。LAI和APAR评价植被指数的潜力和限制。环境遥感，35,161 - 173。
fiedl的用于检查
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[20256]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
