再談物候：從科普與科學的角度

什么是物候？不妨看看中國的古人是如何說的？“花木管時令，鳥鳴報農時”是說花草蟲鳥應節氣而動，而宋人秦觀的詩句“天寒水鳥自相依，十百為群戲落暉。過盡行人都不起，忽聞冰響一齊飛”則給我們呈現了一幅水鳥因氣溫降低而減少活動的畫面。其實，物候這個詞，在中文里已經早就有對應“術語”了：節氣。無論是物候，還是節氣，均是描述了大自然的動植物為適應氣溫變化而展開的一系列活動。

從科學的角度來看，物候主要包括以下三個方面：

（1）植物物候，又稱為作物物候，如植物的開花、結果等現象。

（2）動物物候，如候鳥、昆蟲及其他動物的遷徙、冬眠等現象。

（3）各種水文、氣象現象，如初霜、結冰、初雪等現象。

目前，植物物候作為氣候變化對生態系統影響的感應器，具有至關重要的作用。簡單來說，植物物候就是植物的發芽、展葉、開花、葉變色和落葉等，是植物長期適應氣候與環境的季節性變化而形成的生長發育節律。監測物候動態不僅能夠更好地理解植被對氣候變化響應的過程，而且對提高大氣與植被之間物質與能量交換的模擬精度、準確評估植被生產力與全球碳收支具有重要意義。

圖1 英國霍爾特森林春夏秋冬植被變化的圖像

圖片來源于(Wilkinson et al., 2018)

了解植物物候的驅動因素對于預測未來氣候變暖對陸地生態系統碳循環的影響和對氣候的反饋至關重要。植物物候變化主要受溫度、水分和光周期的影響。歐洲物候觀測網的物候數據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，這種趨勢逐漸減緩(Fu et al., 2015)。但從歸一化植被指數（NDVI）來看，北半球70%遙感像素的秋季物候有推遲的趨勢(Liu et al., 2016)。此外，新研究表明空氣濕度的增加也會推遲溫帶樹種的春季展葉時間(He et al., 2021)。

圖2 空氣濕度與春季物候的關系

圖片來源于(He et al., 2021)

隨著物候學的科技的發展，植被物候的監測方法更加完善。目前，植物物候的監測方法主要包括地面人工觀測、數字相機監測、渦度相關法觀測和遙感光學監測等。

? 地面人工觀測是在植株尺度上，通過人工目測確定不同植物的特定物候期，該方法具有時間和個體分辨率高的特點；

? 數字相機能在野外條件下實現植被群落冠層圖像數據的自動連續獲取，具有一致性高、成本低的特點(Sonnentag et al., 2012)；

? 隨著植被的生長發育，植被大氣間的碳交換發生規律性變化，通過渦度相關觀測獲取植被與大氣之間的凈碳交換量，并推得總初級生產力（GPP）或凈生態系統生產力（NEP），根據這2個指標，通常以植被生態系統開始光合固碳或轉變為碳匯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程；

? 遙感光學監測的原理是當地表植被處于不同發育階段時，對不同波段的反射率不同，據此可構建各種植被指數，根據植被指數的變化拐點來確定表征展葉、葉變色和落葉等物候期。遙感觀測具有全空間覆蓋的優點，使得遙感影像能夠很好地描述整個生態系統的物候變化，特別是對植物生長的開始日期和結束日期定位清晰(翟佳等, 2015)。

衛星遙感利用由不同波段的探測數據組合而成的植被指數（VI）來量化植被的物候和葉面積指數（LAI）變化(Richardson et al., 2013)。衛星遙感具有多時相、覆蓋范圍廣等特點，但其空間分辨率較低，與地面觀測的空間尺度不匹配。已有研究表明衛星遙感NDVI低估了過去30年青藏高原高寒草地植被生長的變化(Wang et al., 2021)。因此，精準的遙感監測還需要地面觀測的驗證。

圖3 海北站高寒草地觀測場衛星遙感物候變化與地面觀測物候變化不匹配示意圖(a)及其潛在的生物學機制(b)

圖4 衛星遙感NDVI低估了過去30年青藏高原高寒草地植被生長的變化

圖3，4均來源于(Wang et al., 2021)

*研究地點的地理位置和景觀以及MODISNDVI的空間異質性(a-c)。黃色框表示長期監測區域。野外實測生物量和基于衛星的NDVI(分別為GIMMS NDVI和MODIS NDVI)的季節變化(d, e)和基于生物量和NDVI數據估算的物候指標的年際變化(f-h)。圓形、三角形和菱形分別表示生長季開始(SOG)、極大生長時間(DOY max)和生長季高峰開始(SOPG)。

近地遙感是指在距離地面50m以內，利用安裝在桅桿或者高塔上光學傳感器探測地物光譜信息(Richardson et al., 2013)。近地面光學傳感器包括輻射傳感器和數字圖像傳感器兩大類。其中輻射傳感器包含了與通量塔配套的常規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（R、G、B）3個通道的數碼相機為主。數碼相機利用數字圖像監測冠層物候，從圖像中提取紅、綠、藍（R、G、B）3個通道的亮度（DN）值或將RGB空間轉換到其它顏色空間計算顏色指數量化植被狀態的變化，是監測物候的有效途徑。

常見的物候相機主要包括以下幾種：

圖5 常見的幾種物候相機

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

圖6 植被指數及物候相關參數

葉面積指數（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定義）。它與植被的密度、結構、樹木的生物學特性和環境條件有關，是表示植被利用光能狀況和冠層結構的一個綜合指標。歸一化植被指數（NDVI）NDVI通過綠色植物的波譜特性以評估其光合作用過程中的輻射狀況，能夠在大范圍覆蓋區域內精準地反映植被綠度、光合作用強度，反映植被代謝強度及其季節和年際變化，因而可運用于植被物候分析。

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，反映了大量的植物信息，多用于植物的識別、分類，同時它也位于水體的強吸收區，用于識別與水有關的地質構造、地貌等。

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

根據公式，我們可以看出NDVI的值在?1到+1之間。

? 數據為負時，可以簡單理解成近紅外更多被吸收，紅光波段更多被反射。對近紅外的吸收較強，說明該區域很可能是水體；

? 如果NDVI數值接近+1，說明紅光波段數值接近0，被全部吸收，進一步說明該區域很可能是密集的綠葉；

? 而如果數據接近0，則說明紅光波段沒有被吸收，說明該區域不是綠色植被，可能是裸地或者城鎮化區域。

增強型植被指數（EVI）EVI不僅繼承NDVI的優點，還改善了其高植被區飽和，大氣影響校正不徹底和土壤背景等問題。EVI對植被變化的監測具有更高的靈敏性和準確性。在草地退化監測、草原植被變化分析等研究中應用廣泛。

植被覆蓋度（VCF，也稱FVC）是衡量地表植被狀況的一個重要指標，指植被（包括葉、莖、枝）在地面的垂直投影面積占統計區總面積的百分比。使用區域的遙感影像圖的波段信息來進行植被覆蓋度的估算，目前較為常用和準確度較高的方法就是利用NDVI來近似估算植被覆蓋度。

 總結：隨著物候學的不斷發展與全球氣候變化研究的深入，人們逐漸認識到物候不僅能夠反應自然生命周期的變化，而且能夠指示生態系統對全球環境變化的響應和適應，并且物候變化可作為一個獨立的證據來解釋全球氣候變化 。但物候的觀測方法各有利弊，建議建立“地面-近地遙感-衛星遙感”的綜合立體長期觀測結構，從而獲取準確的物候數據，為預測氣候變化條件下植物的適應能力提供有力支撐。

預告：下一期我們將繼續關注物候，重點綜述全球主要的物候觀測網絡。

部分參考文獻

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展. 生態學雜志, 2015,24(11): 3237-3243.