李想,马立军,李颖池,陈峰

(1.台州学院 艺术与设计学院,浙江 台州 318000;2.西丰县农业发展服务中心,辽宁 铁岭 112499;3.北京华益瑞科技有限公司,北京 100043)

0 引言

森林是水库、钱库、粮库、碳库[1]。森林物候作为全球气候变化的“诊断指纹”,影响生物圈与大气之间的交互作用,从而影响地表反射率、碳水通量和养分循环过程[2-3]。由于物候同时也是陆面模式和植被生产力模型的重要参数[4],因此长期、连续、精确监测物候变化不仅有助于理解植被对气候变化的响应和反馈,对准确评估植被生产力和全球碳收支同样具有重要意义[5]。

目前有多种方法能够在不同的时空尺度上观测森林物候[6-7]。作为卫星遥感和地面观测的桥梁,近地遥感以其高时间分辨率和空间尺度适中的优点成为长期连续监测森林物候的重要手段[6],也是涡动协方差碳水通量观测的重要辅助设备[6]。在近地遥感物候观测技术中,数码相机作为应用最为广泛[8],且是唯一能够同时监测森林树种和冠层尺度物候的方法[9],已逐渐实现了全球物候联网观测和数据共享[7,9-11]。基于数码相机的绿度指数已成为估算草地或农作物地上生物量的重要参数[12]。对于单站点尺度观测,白平衡模式设置是安装物候相机必然要考虑的问题,早期很多站点均采用自动模式[13],后因自动模式易受天气影响产生较大的噪声,进而逐渐发展为晴天模式或其他固定模式[14]。迄今鲜有研究评估不同白平衡模式对物候观测的影响[15]。Mizunuma等[16-17]通过野外和室内控制试验发现固定白平衡模式增大了NetCam颜色指数的振幅,且NetCam可能比Coolpix对白平衡更敏感[17]。目前的相关研究只评估了相机类型和白平衡对绿度指数绝对数值的影响,缺乏对绿度指数季节变化特征和关键物候期影响的评估。

对于区域或全球尺度的联网观测,各站点安装的数码相机类型不尽相同。例如,北美和欧洲大多数站点采用StarDot生产的网络相机(NetCam)[14,18],日本物候网络大部分安装的是尼康(Nikon)生产的Coolpix系列相机[19],而澳大利亚物候网络采用佳能(Canon)的单反相机(Powershot A810)[20-21]。这些相机配备了不同的图像传感器,导致采集的图像在感光度、分辨率和存储格式等方面均存在差异。由于数码相机与辐射类传感器(光谱仪和辐射表)不同,不属于科学仪器,很多参数难以从厂家获得[16],从而加大了交互对比的难度。目前在整合各站点物候数据时,通常没有考虑由于相机类型的差异引入的不确定性[22]。对比哈佛森林站11 种不同类型的数码相机发现,秋季绿度指数在叶衰老初期差异较大,在后期基本一致[22],如果排除室内网络相机,其他相机间的差异可以忽略。寻找低成本且稳定的相机监测森林物候,有助于实现更大覆盖面的物候联网观测,因此迫切需要比较不同类型相机的绿度指数季节变化和估计关键物候期的差异。大多数用于监测野生动物的野外相机价格大多在600～5 000 元人民币,远低于应用最广泛的NetCam相机(国内代理商报价在20 000 元人民币左右)。但此类相机的白平衡为自动模式,用户无法自定义,因此尚未见利用此类相机用于监测冠层物候的报道。此外,生活中最为普遍的智能手机也可以作为一台数码相机,相比数码相机更为廉价且更为方便操作。例如,Hufkens等[23]利用智能手机监测小麦物候和健康状况。但智能手机的缺陷在于无法安装在野外进行长期自动观测,且智能手机与数码相机观测物候是否存在差异尚不清楚。

本研究以帽儿山站温带落叶林、东北林业大学校园水曲柳(Fraxinusmandshurica)和落叶松(Larixgmelinii)林为例,对比3种类型的数码相机(即美国生产的NetCam、日本生产的Coolpix和中国生产的Ltl-5610)以及国产Ltl-5610和华为智能手机的颜色指数和关键物候期的差异,探究白平衡设置对物候观测的影响,为建立中国物候相机观测网络提供技术参考。

1 材料与方法

1.1 研究区域概况

本研究的主要地点位于黑龙江省东北林业大学帽儿山森林生态站(45°24′N,127°40′E),平均海拔400 m。气候属大陆性季风气候,夏季温暖湿润,冬季寒冷干燥,2008—2018年平均气温为2.0 ℃,平均年降水量为676 mm[24]。通量观测塔位于西北坡向(296°)下坡位,塔周围平均坡度为9°,塔高48 m[25-26]。通量风浪区内植被为林龄约70年的温带落叶阔叶林,主林层高约20 m,乔木层平均胸高断面积为24 m2/hm2,平均生物量密度为154 mg/hm2。主要乔木树种有春榆(Ulmusjaponica)、水曲柳、白桦(Betulaplatyphylla)、枫桦(Betulacostata)、胡桃楸(Juglansmandshurica)、五角槭(Acermono)和大青杨(Populusussuriensis)等。林下植被以暴马丁香(Syingareticulatavar.mandshurica)为主[27]。

另一个辅助研究地点在东北林业大学主楼西侧后面的水曲柳和落叶松林。东北林业大学位于哈尔滨市香坊区内,哈尔滨气候属大陆性季风气候,冬长夏短,1月平均气温-19 ℃,7月平均气温23 ℃。平均年降水量569 mm,降水主要集中在6—9月,降雪期为每年11月至次年1月。

1.2 图像采集

2015年4月在通量塔48 m高度朝北向安装1台网络相机(NetCam SC Camera, StarDot Technologies, USA),水平向下倾斜30°,白平衡设置为固定模式(平均亮度值:红色R=385,绿色G=256,蓝色B=330),曝光为自动模式。每小时采集1张冠层图像,在当地时间的整点时刻采集(北京时间半点时刻)。图像传感器为CMOS传感器,存储图像为JPEG格式,分辨率为1 296×960。2016年8月在通量塔48 m高度朝北向分别安装一台国产定时拍照相机(Ltl-5610, LTL ACORN, China),水平向下30°,白平衡为自动模式,曝光为自动模式。图像采集时间与NetCam同步,图像传感器为CMOS传感器,存储图像为JPEG格式,分辨率为4 000×3 000。2018年由厂家将自动白平衡修改为晴天模式。由于Ltl-5610不能自动切换白平衡模式,而且相机无法标定,很难消除不同相机间的系统偏差,本研究利用同一台相机的不同年份数据探讨白平衡模式的影响。

2016年和2018年利用数码相机(Coolpix L120, Nikon Corporation, Japan)在通量塔48 m手动采集冠层图像。为保证每次采集图像的位置和角度一致,朝北向固定1 个独脚架和云台,将云台倾斜角分别设置为水平向下30°。植被展叶期和落叶期(5—6月,9—10月),每2～5 d采集一次;植被饱和期(7—8月),采集图像频率保持每7 d 1次。每次采集图像时间为当地时间11:30—12:00,避免阴天、大雾或雨天。白平衡设置为晴天模式,曝光为自动模式。图像传感器为CCD传感器,存储图像为JPEG格式,分辨率为4 320×3 240。

2017年在东北林业大学校园内主楼楼顶安装一台Ltl-5610相机,相机设置和图像采集时间与帽儿山通量塔上的3 台相机一致。另外,为了探讨白平衡设置对冠层绿度指数和物候期估算的影响,正午用1 台国产华为智能手机(Nova)自带的拍照功能手动采集图像,白平衡模式依次切换为晴天、阴天和自动模式,每5～10 d拍摄一次。图像传感器为CMOS传感器,分辨率为4 032×3 016。由于Ltl-5610相机的春季图像丢失,本研究仅对比Ltl-5610和华为手机观测的秋季物候。

1.3 颜色指数提取和计算

为了消除不同相机视野的差异进而精确对比不同类型相机监测物候的差异,从不同相机采集的图像中选择相同的“感兴趣区域”(region of interest, ROI),提取每张图像ROI内所有像素的红(R)、绿(G)、蓝(B)3 个通道的平均亮度值(digital number , DN),如图1所示。根据每张图像的3 个通道DN值计算3 种颜色指数,这3 种颜色指数分别为相对绿度指数(green chromatic coordinate, GCC,式中用GCC表示)、绝对绿度指数(green excess index, GEI,式中用GEI表示)、相对红度指数(red chromatic coordinate, RCC,式中用RCC表示)。由于不同相机颜色指数的绝对数值存在较大差异,本研究将所有颜色指数进行了标准化处理。手动相机均在晴天采集图像,没有再对颜色指数的时间序列进行滤波。

矩形内区域为用于计算冠层颜色指数的“感兴趣区域”The rectangle region is the ‘region of interest’ for calculating canopy color index图1 帽儿山站通量塔3 种类型数码相机采集的冠层图像(2018年6月22 日11:30采集) Fig.1 Canopy images captured by three types of digital camera on the eddy flux tower at Maoershan site (11:30 on June 22, 2018)

(1)

GEI=2×G-R-B。

(2)

(3)

(4)

式中:R、G、B分别表示红、绿、蓝3 个通道DN值;GCC、GEI和RCC为相对绿度指数、绝对绿度指数和相对红度指数;CI为颜色指数;CINOR为标准化颜色指数;CIMAX和CIMIN分别为颜色指数季节变化的最大值和最小值。

1.4 物候期提取

对于相对绿度指数GCC和绝对绿度指数GEI,利用逻辑斯蒂模型(式(5))模拟绿度指数春季变化曲线,将曲率(式(6))变化速率的3 个极值点分别定义为展叶开始SOS、展叶高峰MOS和展叶结束POS,分别接近于绿度指数振幅的10%、50%和90%[28-29],如图2所示。秋季变化曲线拟合和物候期(叶衰老开始SOF、落叶高峰MOF和落叶结束EOF)提取与春季同理。根据MOS到MOF以及SOS到EOF的持续时间计算2 种生长季长度(length of season, LOS1和LOS2)。RCC秋季变色高峰日(peak of color, POC)定义为秋季最大值出现的时间[30]。

SOS为展叶开始,MOS为展叶高峰,POS为展叶结束。SOS is start of spring, MOS is middle of spring, POS is peak of spring.图2 关键物候期的定义方法(以2018年NetCam的春季相对绿度指数为例)Fig.2 Method for defining key phenophases (using green chromatic coordinate measured withNetCam in the spring in 2018 as an example)

(5)

(6)

式中:f(t)为拟合曲线;a为绿度指数的春季最小值或秋季最大值;b为振幅;c和d分别为控制曲线的拐点和变化速率;K为拟合曲线的曲率;f′(t)和f″(t)分别为f(t)的一阶和二阶导数。

1.5 统计分析

利用Spearman相关分析评估不同相机颜色指数时间序列的同步性[31]。绿度指数(GCC和GEI)物候期的不确定性用估计值的95%置信区间评估。基于NetCam和Ltl5610的RCC物候期的不确定性定义为滤波后的时间间隔3 d,而基于Nikon的RCC物候期不确定性定义为图像采集的时间间隔5 d。以通量塔数码相机视野内20 m × 30 m的固定样地定期收集的凋落叶秋季物候为参考,评估数码相机精度。春季物候的地面测量只能人工观测,对于树种组成复杂的天然林,很难准确判断关键物候期,因而本研究春季物候没有地面参考值。GCC和GEI估计的3 个物候期与凋落叶相同的物候参数进行比较,RCC估计的POC与凋落叶的MOF进行比较。本研究统计分析由SPSS19.0完成,作图由Sigmaplot12.5完成。

2 结果与分析

2.1 数码相机与凋落叶秋季物候对比

2016年和2018年3 种相机GCC和GEI与秋季凋落叶动态显著相关(Spearman相关系数>0.90),但RCC与凋落叶的相关性较弱,且2016年NetCam和2018年Coolpix的RCC与凋落叶相关性不显著,如图3所示。2016年和2018年冠层在9月1 日和6 日开始凋落,9月26 日和25 日达到凋落高峰,10月21 日和15 日凋落完毕。对比3 类相机颜色指数与凋落叶物候期,除2018年GEI与凋落叶估计的SOF明显晚17 d之外(表1),GCC和GEI秋季物候与凋落叶物候差异均不显著,但2种绿度指数与凋落叶的SOF和MOF的差异较大(1～17 d)。Ltl5610和Coolpix的RCC估计的秋季变色高峰与凋落叶MOF差异显著(6～31 d)。

表1 3种相机与凋落叶法估计的秋季物候对比Tab.1 Comparisons of autumn phenophases estimated by three cameras versus by leaf litter

R为Spearman相关系数,N、C和L分别表示NetCam、Coolpix和Ltl-5610、A litterfall。F、S、A和Lf分别表示固定白平衡、晴天模式、自动模式和凋落物,下同。R is the Spearman's rank correlation coefficient, N, C, and L represent NetCam, Coolpix, and Ltl-5610. F, S, A and Lf represent fixed, sunny, automatic white balance mode, respectively, and lifferfall,the same as below.图3 帽儿山站不同类型相机以及白平衡模式的标准化颜色指数季节变化Fig.3 Seasonal variation in standard color index derived by different types of camera with different white balance modes at Maoershan site

2.2 白平衡模式设置对估计秋季物候的影响

华为手机晴天模式GCC和GEI估计的2017年东北林业大学校园内落叶松和水曲柳林在9月25 日或26 日开始凋落,10月5 日或6 日达到凋落高峰,10月15 日或16 日凋落完毕;RCC估计的变色高峰在10月15 日。对比3 种白平衡模式,SOF、MOF和EOF差异均不显著(<5 d),MOF差异最小且最为稳定,见表2。但晴天模式比阴天和自动模式物候期估计值的不确定性略小。

表2 华为智能手机3种白平衡模式下估计的秋季物候期对比Tab.2 Comparisons of autumn phenophases estimated by Huawei smartphone between three white balance modes

2.3 不同类型数码相机对比

2018年3 类相机的绿度指数全年变化趋势基本一致(Spearman相关系数>0.95),但不同阶段的变化略有差异,春季和衰老中后期差异较小,夏季和衰老初期差异较大(图3)。2017年晴天模式的Ltl-5610相机与智能手机的秋季绿度指数显著相关(Spearman相关系数>0.88),衰老初期差异较大,衰老末期基本一致,如图4所示。

L和M分别为Ltl-5610相机和华为智能手机。L and M are Ltl-5610 camera and Huawei smartphone.图4 2017年秋季东北林业大学校园内标准化冠层绿度指数季节变化Fig.4 Seasonal courses of standard canopy greenness index in Northeast Forestry University in the autumn in 2017

由表3可知,3 类相机估计的6 个关键物候期和2 种LOS大体一致,春季物候差异相对稳定,而秋季SOF和EOF波动较大。MOS和MOF的不确定性最小,3类相机间分别相差0～4 d和1～7 d;但NetCam估计的SOF比Coolpix和Ltl-5610的估计值早11～16 d。Ltl-5610与华为手机估计的秋季物候期差异不显著(0～7 d),见表4。

表3 基于3种类型数码相机颜色指数估计的物候期对比Tab.3 Comparisons of phenophases estimated by greenness indices of three types of digital camera

表4 基于Ltl-5610相机与智能手机的秋季物候期对比Tab.4 Comparisons of autumn phenophases between Ltl-5610 and smartphone

3 讨论

3.1 白平衡和相机类型对森林物候观测的影响

对于单站点尺度的长期观测,白平衡模式的改变影响图像质量,可能会改变颜色指数,进而影响关键物候期估计[17]。本研究对比同一部智能手机采集的3 种白平衡模式图像,发现秋季物候期非常接近(表2),表明白平衡对3 种颜色指数的物候提取影响不大,但自动模式可能容易受天气影响,导致物候估计的不确定性较大。Mizunuma等[17]也发现Coolpix相机受白平衡影响很小,但固定模式增大了NetCam颜色指数的振幅。因此,本研究仍然建议采用固定或晴天模式。

区域或全球尺度的联网观测需要选择相机类型。不同类型相机的绿度指数(GCC和GEI)季节变化基本一致,且不同相机间物候期差异不显著(表3)。与此类似,排除室内网络相机,哈佛森林站不同相机间物候期仅相差1～2 d[22];Richardson等[9]对比Axis 211和NetCam,发现2 种相机GCC季节变化高度一致(R2=0.98),且50%阈值定义的春季和秋季物候期差异均在3 d以内。具体来看,不同相机绿度指数在夏季和叶衰老初期差异较大,秋季落叶过程中差异逐渐减小(图3),与Sonnentag等[22]的研究结果相同。一方面,焦距、光圈大小和视场角等导致不同相机的景深和图像分辨率等存在差异;另一方面,感光度的差异可能导致不同类型相机对冠层动态(含水率、叶厚和叶变色等)的敏感度存在差异[32]。如果要精确对比图像传感器的光响应能力,需要在室内标准光源下做光谱响应曲线[9]。另外,NetCam的固定白平衡设置减少了蓝光波段的波动(数据未给出),红光和绿光的比例相对增加使得NetCam对色素变化更敏感,可能也是NetCam估计的SOF比其他2 类相机早11～16 d的原因。

不同颜色指数对相机类型和白平衡的响应不同。GCC和GEI的季节变化和物候期差异很小,且对相机类型和白平衡的响应相同。数码相机GCC和GEI估计的MOF与凋落叶接近,但SOF比凋落叶晚1～17 d,可能是绿度指数对早期的落叶不敏感。而数码相机EOF比凋落叶早4～11 d,当冠层叶片叶绿素完全分解,相机绿度指数降到最低,叶片却没有凋落完毕。NetCam和Coolpix相机的RCC变色高峰日比叶凋落高峰略早,可能是凋落过程中冠层保留的大部分是绿叶,当所有叶片变色时,大部分叶片已经凋落。值得注意的是,Ltl-5610相机RCC的季节动态与其他相机存在显著差异,而且变色高峰日比其他相机和凋落叶高峰日晚得多。这预示廉价的自动相机可能不适合用RCC来估计秋季物候,不过需要大量其他类型的廉价相机来验证。Liu等[30]发现RCC的变色高峰日比冠层LAI估计的EOF早,与本研究结果RCC变色高峰比凋落叶结束日早2～23 d一致。

综合来看,数码相机绿度指数估计的春季开始展叶日SOS和秋季落叶结束日EOF的不确定性较大,而春季展叶高峰MOS和秋季的落叶高峰MOF最为稳定,且受相机类型、白平衡模式和绿度指数选择的影响最小。本研究建议用MOS和MOF或50%阈值定义生长季的开始和结束[33-34],有望整合全球物候网络中不同相机类型和白平衡模式的数据集。

3.2 廉价数码相机的应用和推广

全球数码相机物候网络发展迅速,已覆盖北美[14]、欧洲[18]、日本[35]和澳大利亚[21]等区域,但目前我国仍然处于起步阶段。从发表论文看,各个通量观测站仅限于单站点观测,如长白山森林站[36]、帽儿山森林站[8]、禹城农田站[37-38]、当雄草地站[39]和阿柔草地站[40]等,还有一些试验点用相机监测特定物种的生长[41]。中国生态系统研究网络已经在部分站点统一配备了4通道物候相机(Sequoia, Parrot, USA)和数码相机(CCFC, Campbell Scientific, USA),但站点数量仍然有限。因此需要组织多个研究机构和野外观测站共同参与,利用低成本且稳定的相机发展大范围的网络化和自动化物候观测系统,并建立数据共享平台[42],从而弥补全球物候网络在亚洲的覆盖率。

综合先前研究和本研究结果,除一些低成本室内网络相机外,利用各类数码相机监测植被物候均为可行[22]。各类相机各有优缺点,例如,Coolpix和Ltl-5610配备广角镜头,视野比NetCam更大,且图像分辨率更高。Coolpix和NetCam的白平衡能够由用户设置,而监测野生动物的定时拍摄相机通常不具备该功能(本研究中Ltl-5610通过厂家预设晴天模式)。NetCam在有网络的条件下可以实现实时监控以及数据上传和下载,而普通相机只能将图像存储在SD卡中定期下载。从费用角度考虑,美国的NetCam和CCFC的价格相对较昂贵(几千美元或几万元人民币),而国产定时拍摄相机的价格(600～5 000元人民币)仅为NetCam的5%～20%,更容易实现多点密集观测(如区分乔、灌、草层次或局域尺度地形影响)和大范围联网观测,具有非常广阔的应用前景。监测野生动物的红外相机在我国应用很广,但拍摄照片日期不连续。考虑计算物候对白平衡设置不是很敏感,可以通过定点增设定时拍照来监测珍稀动物赖以生存的森林物候动态变化。

4 结论

本研究测试的3种类型数码相机绿度指数季节变化大体一致,在春季和秋季落叶过程中差异较小,在夏季和叶衰老初期差异较大。不同类型相机绿度指数估计的6个关键物候期和2种LOS普遍差异不显著,且秋季3个物候期与地面凋落叶差异也不显著,但秋季SOF和EOF波动较大。此外,不同相机的红度指数及其估计的变色高峰相差1～24 d,2018年Ltl-5610比凋落叶晚31 d。白平衡模式对物候估计影响不大,但固定或晴天模式估计值的不确定性更低。对比6个物候期,MOS和MOF受相机类型和白平衡模式影响最小,更适合用于整合全球不同类型相机和白平衡模式的物候数据。本研究证实低成本的国产定时拍摄相机绿度指数能够用于森林物候的监测。