什么是物候？不妨看看中國(guó)的古人是如何說(shuō)的？“花木管時(shí)令，鳥(niǎo)鳴報(bào)農(nóng)時(shí)”是說(shuō)花草蟲(chóng)鳥(niǎo)應(yīng)節(jié)氣而動(dòng)，而宋人秦觀的詩(shī)句“天寒水鳥(niǎo)自相依，十百為群戲落暉。過(guò)盡行人都不起，忽聞冰響一齊飛”則給我們呈現(xiàn)了一幅水鳥(niǎo)因氣溫降低而減少活動(dòng)的畫(huà)面。其實(shí)，物候這個(gè)詞，在中文里已經(jīng)早就有對(duì)應(yīng)“術(shù)語(yǔ)”了：節(jié)氣。無(wú)論是物候，還是節(jié)氣，均是描述了大自然的動(dòng)植物為適應(yīng)氣溫變化而展開(kāi)的一系列活動(dòng)。

從科學(xué)的角度來(lái)看，物候主要包括以下三個(gè)方面：

（1）植物物候，又稱(chēng)為作物物候，如植物的開(kāi)花、結(jié)果等現(xiàn)象。

（2）動(dòng)物物候，如候鳥(niǎo)、昆蟲(chóng)及其他動(dòng)物的遷徙、冬眠等現(xiàn)象。

（3）各種水文、氣象現(xiàn)象，如初霜、結(jié)冰、初雪等現(xiàn)象。

目前，植物物候作為氣候變化對(duì)生態(tài)系統(tǒng)影響的感應(yīng)器，具有至關(guān)重要的作用。簡(jiǎn)單來(lái)說(shuō)，植物物候就是植物的發(fā)芽、展葉、開(kāi)花、葉變色和落葉等，是植物長(zhǎng)期適應(yīng)氣候與環(huán)境的季節(jié)性變化而形成的生長(zhǎng)發(fā)育節(jié)律。監(jiān)測(cè)物候動(dòng)態(tài)不僅能夠更好地理解植被對(duì)氣候變化響應(yīng)的過(guò)程，而且對(duì)提高大氣與植被之間物質(zhì)與能量交換的模擬精度、準(zhǔn)確評(píng)估植被生產(chǎn)力與全球碳收支具有重要意義。

圖1 英國(guó)霍爾特森林春夏秋冬植被變化的圖像

圖片來(lái)源于(Wilkinson et al., 2018)

了解植物物候的驅(qū)動(dòng)因素對(duì)于預(yù)測(cè)未來(lái)氣候變暖對(duì)陸地生態(tài)系統(tǒng)碳循環(huán)的影響和對(duì)氣候的反饋至關(guān)重要。植物物候變化主要受溫度、水分和光周期的影響。歐洲物候觀測(cè)網(wǎng)的物候數(shù)據(jù)表明春季展葉普遍提前(Menzel et al., 2006)，但因冬季升溫和光周期的限制，這種趨勢(shì)逐漸減緩(Fu et al., 2015)。但從歸一化植被指數(shù)（NDVI）來(lái)看，北半球70%遙感像素的秋季物候有推遲的趨勢(shì)(Liu et al., 2016)。此外，新研究表明空氣濕度的增加也會(huì)推遲溫帶樹(shù)種的春季展葉時(shí)間(He et al., 2021)。

圖2 空氣濕度與春季物候的關(guān)系

圖片來(lái)源于(He et al., 2021)

隨著物候?qū)W的科技的發(fā)展，植被物候的監(jiān)測(cè)方法更加完善。目前，植物物候的監(jiān)測(cè)方法主要包括地面人工觀測(cè)、數(shù)字相機(jī)監(jiān)測(cè)、渦度相關(guān)法觀測(cè)和遙感光學(xué)監(jiān)測(cè)等。

? 地面人工觀測(cè)是在植株尺度上，通過(guò)人工目測(cè)確定不同植物的特定物候期，該方法具有時(shí)間和個(gè)體分辨率高的特點(diǎn)；

? 數(shù)字相機(jī)能在野外條件下實(shí)現(xiàn)植被群落冠層圖像數(shù)據(jù)的自動(dòng)連續(xù)獲取，具有一致性高、成本低的特點(diǎn)(Sonnentag et al., 2012)；

? 隨著植被的生長(zhǎng)發(fā)育，植被大氣間的碳交換發(fā)生規(guī)律性變化，通過(guò)渦度相關(guān)觀測(cè)獲取植被與大氣之間的凈碳交換量，并推得總初級(jí)生產(chǎn)力（GPP）或凈生態(tài)系統(tǒng)生產(chǎn)力（NEP），根據(jù)這2個(gè)指標(biāo)，通常以植被生態(tài)系統(tǒng)開(kāi)始光合固碳或轉(zhuǎn)變?yōu)樘紖R的日期作為物候起始日期，碳通量法能在較大尺度上反映植被的物候進(jìn)程；

? 遙感光學(xué)監(jiān)測(cè)的原理是當(dāng)?shù)乇碇脖惶幱诓煌l(fā)育階段時(shí)，對(duì)不同波段的反射率不同，據(jù)此可構(gòu)建各種植被指數(shù)，根據(jù)植被指數(shù)的變化拐點(diǎn)來(lái)確定表征展葉、葉變色和落葉等物候期。遙感觀測(cè)具有全空間覆蓋的優(yōu)點(diǎn)，使得遙感影像能夠很好地描述整個(gè)生態(tài)系統(tǒng)的物候變化，特別是對(duì)植物生長(zhǎng)的開(kāi)始日期和結(jié)束日期定位清晰(翟佳等, 2015)。

衛(wèi)星遙感利用由不同波段的探測(cè)數(shù)據(jù)組合而成的植被指數(shù)（VI）來(lái)量化植被的物候和葉面積指數(shù)（LAI）變化(Richardson et al., 2013)。衛(wèi)星遙感具有多時(shí)相、覆蓋范圍廣等特點(diǎn)，但其空間分辨率較低，與地面觀測(cè)的空間尺度不匹配。已有研究表明衛(wèi)星遙感NDVI低估了過(guò)去30年青藏高原高寒草地植被生長(zhǎng)的變化(Wang et al., 2021)。因此，精準(zhǔn)的遙感監(jiān)測(cè)還需要地面觀測(cè)的驗(yàn)證。

圖3 海北站高寒草地觀測(cè)場(chǎng)衛(wèi)星遙感物候變化與地面觀測(cè)物候變化不匹配示意圖(a)及其潛在的生物學(xué)機(jī)制(b)

圖4 衛(wèi)星遙感NDVI低估了過(guò)去30年青藏高原高寒草地植被生長(zhǎng)的變化

圖3，4均來(lái)源于(Wang et al., 2021)

*研究地點(diǎn)的地理位置和景觀以及MODISNDVI的空間異質(zhì)性(a-c)。黃色框表示長(zhǎng)期監(jiān)測(cè)區(qū)域。野外實(shí)測(cè)生物量和基于衛(wèi)星的NDVI(分別為GIMMS NDVI和MODIS NDVI)的季節(jié)變化(d, e)和基于生物量和NDVI數(shù)據(jù)估算的物候指標(biāo)的年際變化(f-h)。圓形、三角形和菱形分別表示生長(zhǎng)季開(kāi)始(SOG)、極大生長(zhǎng)時(shí)間(DOY max)和生長(zhǎng)季高峰開(kāi)始(SOPG)。

近地遙感是指在距離地面50m以?xún)?nèi)，利用安裝在桅桿或者高塔上光學(xué)傳感器探測(cè)地物光譜信息(Richardson et al., 2013)。近地面光學(xué)傳感器包括輻射傳感器和數(shù)字圖像傳感器兩大類(lèi)。其中輻射傳感器包含了與通量塔配套的常規(guī)輻射表和多種不同分辨率的光譜儀，圖像傳感器則以包含紅、綠、藍(lán)（R、G、B）3個(gè)通道的數(shù)碼相機(jī)為主。數(shù)碼相機(jī)利用數(shù)字圖像監(jiān)測(cè)冠層物候，從圖像中提取紅、綠、藍(lán)（R、G、B）3個(gè)通道的亮度（DN）值或?qū)GB空間轉(zhuǎn)換到其它顏色空間計(jì)算顏色指數(shù)量化植被狀態(tài)的變化，是監(jiān)測(cè)物候的有效途徑。

常見(jiàn)的物候相機(jī)主要包括以下幾種：

圖5 常見(jiàn)的幾種物候相機(jī)

目前，衛(wèi)星遙感所獲得的植被指數(shù)及物候相關(guān)參數(shù)已被廣泛的應(yīng)用在較大尺度的植物物候研究中，如葉面積指數(shù)（LAI）、歸一化植被指數(shù)（NDVI）、增強(qiáng)型植被指數(shù)（EVI）、物候指標(biāo)（GCC、RCC、BCC）等。

圖6 植被指數(shù)及物候相關(guān)參數(shù)

葉面積指數(shù)（LAI）指單位土地面積上植物葉片總面積的一半（遙感研究中多用這個(gè)定義）。它與植被的密度、結(jié)構(gòu)、樹(shù)木的生物學(xué)特性和環(huán)境條件有關(guān)，是表示植被利用光能狀況和冠層結(jié)構(gòu)的一個(gè)綜合指標(biāo)。歸一化植被指數(shù)（NDVI）NDVI通過(guò)綠色植物的波譜特性以評(píng)估其光合作用過(guò)程中的輻射狀況，能夠在大范圍覆蓋區(qū)域內(nèi)精準(zhǔn)地反映植被綠度、光合作用強(qiáng)度，反映植被代謝強(qiáng)度及其季節(jié)和年際變化，因而可運(yùn)用于植被物候分析。

NDVI=(NIR-R)/(NIR+R)

式中，NIR為近紅外波段的反射值，R為紅光波段的反射值。

? 近紅外波段位于植物的高反射區(qū)，反映了大量的植物信息，多用于植物的識(shí)別、分類(lèi)，同時(shí)它也位于水體的強(qiáng)吸收區(qū)，用于識(shí)別與水有關(guān)的地質(zhì)構(gòu)造、地貌等。

? 紅光波段位于葉綠素的主要吸收帶，可用于區(qū)分植物類(lèi)型、覆蓋度、判斷植物生長(zhǎng)狀況等，此外該波段對(duì)裸露地表、植被、水文等特征均可提供植物信息。

根據(jù)公式，我們可以看出NDVI的值在?1到+1之間。

? 數(shù)據(jù)為負(fù)時(shí)，可以簡(jiǎn)單理解成近紅外更多被吸收，紅光波段更多被反射。對(duì)近紅外的吸收較強(qiáng)，說(shuō)明該區(qū)域很可能是水體；

? 如果NDVI數(shù)值接近+1，說(shuō)明紅光波段數(shù)值接近0，被全部吸收，進(jìn)一步說(shuō)明該區(qū)域很可能是密集的綠葉；

? 而如果數(shù)據(jù)接近0，則說(shuō)明紅光波段沒(méi)有被吸收，說(shuō)明該區(qū)域不是綠色植被，可能是裸地或者城鎮(zhèn)化區(qū)域。

增強(qiáng)型植被指數(shù)（EVI）EVI不僅繼承NDVI的優(yōu)點(diǎn)，還改善了其高植被區(qū)飽和，大氣影響校正不徹底和土壤背景等問(wèn)題。EVI對(duì)植被變化的監(jiān)測(cè)具有更高的靈敏性和準(zhǔn)確性。在草地退化監(jiān)測(cè)、草原植被變化分析等研究中應(yīng)用廣泛。

植被覆蓋度（VCF，也稱(chēng)FVC）是衡量地表植被狀況的一個(gè)重要指標(biāo)，指植被（包括葉、莖、枝）在地面的垂直投影面積占統(tǒng)計(jì)區(qū)總面積的百分比。使用區(qū)域的遙感影像圖的波段信息來(lái)進(jìn)行植被覆蓋度的估算，目前較為常用和準(zhǔn)確度較高的方法就是利用NDVI來(lái)近似估算植被覆蓋度。

 總結(jié)：隨著物候?qū)W的不斷發(fā)展與全球氣候變化研究的深入，人們逐漸認(rèn)識(shí)到物候不僅能夠反應(yīng)自然生命周期的變化，而且能夠指示生態(tài)系統(tǒng)對(duì)全球環(huán)境變化的響應(yīng)和適應(yīng)，并且物候變化可作為一個(gè)獨(dú)立的證據(jù)來(lái)解釋全球氣候變化 。但物候的觀測(cè)方法各有利弊，建議建立“地面-近地遙感-衛(wèi)星遙感”的綜合立體長(zhǎng)期觀測(cè)結(jié)構(gòu)，從而獲取準(zhǔn)確的物候數(shù)據(jù)，為預(yù)測(cè)氣候變化條件下植物的適應(yīng)能力提供有力支撐。

預(yù)告：下一期我們將繼續(xù)關(guān)注物候，重點(diǎn)綜述全球主要的物候觀測(cè)網(wǎng)絡(luò)。

部分參考文獻(xiàn)

Fu YH, Zhao H, Piao S, et al. Declining global warming effects on the phenology of spring leaf unfolding. Nature, 2015, 526(7571): 104-107.

He X, Chen S, Wang J, et al. Delaying effect of humidity on leaf unfolding in Europe. Science of The Total Environment, 2021, 800: 149563.

Liu Q, Fu YH, Zhu Z, et al. Delayed autumn phenology in the Northern Hemisphere is related to change in both climate and spring phenology. Global Change Biology, 2016, 22(11): 3702-3711.

Menzel A, Sparks TH, Estrella N, et al. European phenological response to climate change matches the warming pattern. Global Change Biology, 2006,12(10): 1969-1976.

Richardson AD, Klosterman S, Toomey M. Near-surface sensor-derivedphenology, Phenology: An Integrative Environmental Science. Springer, 2013: 413-430.

Sonnentag O, Hufkens K, Teshera-Sterne C,et al. Digital repeat photography for phenological research in forest ecosystems. Agricultural and Forest Meteorology, 2012, 152: 159-177.

Wang H, Liu H, Huang N, et al. Satellite-derived NDVI underestimates the advancement of alpine vegetation growth over the past three decades. Ecology, 2021, 102(12): e03518.

Wilkinson M, Eaton EL, Morison JIL. Can upward-facing digital camera imagesbe used for remote monitoring of forest phenology? Forestry: An International Journal of Forest Research, 2018, 91(2): 217-224.

翟佳, 袁鳳輝, 吳家兵. 植物物候變化研究進(jìn)展. 生態(tài)學(xué)雜志, 2015,24(11): 3237-3243.