物候期是反映作物生长发育阶段的关键指标，地表过程与资源生态国家重点实验室张朝教授课题组基于全球陆表遥感（Global Land Surface Satellite, GLASS）叶面积指数（Leaf Area Index, LAI）产品，提出了一种基于最优滤波方法的物候提取方法，建立了中国三大主要农作物（玉米、小麦和水稻）的1km物候数据集（ChinaCropPhen1km）。相关成果于2020年1月31日正式刊登在杂志《Earth System Science Data》（2018年影响因子10.951）。文章第一作者为博士研究生骆玉川，通讯作者为张朝教授。

该文章首先根据中国土地利用现状遥感监测数据，在研究区内选取耕地样本格点，基于GLASS LAI产品提取各样本格点LAI时序数据。然后选择了三种常用的滤波方法分别对样本格点LAI时序数据进行滤波处理，即Savitzky-Golay (S-G)滤波、Double logistic (DL)和小波滤波器(Wavelet-based filter, WF)方法。根据农气站记录的物候观测值，先划定农气站邻近样本格点的物候提取时间范围，再结合拐点法和阈值法识别出LAI特征曲线的拐点和峰值，作为遥感提取的样本格点关键物候期。随后，计算研究区内各作物在不同滤波方法下提取的样本格点关键物候期和对应农气站物候观测值的均方根误差（Root Mean Square Error, RMSE），以RMSE最小原则来确定最佳滤波方法。最后根据最佳滤波方法，对研究区内各耕地格点LAI时序数据进行滤波处理，提取各作物整个生长季节的关键物候期。

结果表明，S-G滤波最适合本研究采用的物候提取方法，实现相对较高的物候提取精度。三种作物的物候期提取精度（RMSE）均小于10天（图1）。其中，水稻的关键物候期提取精度最高，平均RMSE为5.3天，随后是小麦（5.5天）和玉米（6.7天）。此外，该研究根据作物生长发育条件和物候期特征对不同作物将整个研究区划分为了不同的分区，探讨了各分区、各种作物关键物候期的时空格局（图2）。三种作物关键物候期在2000-2015年间总体呈现延后的规律，在此基础上，该研究还计算了三个生长发育阶段（营养生长、生殖生长和总发育阶段），并发现生长发育阶段总体呈现延长的规律（图3）。

图1 三种作物关键物候期提取精度：a) 水稻；b) 小麦；c)玉米

图2 2000-2015年三种作物关键物候期时空格局：a) 水稻；b) 小麦；c)玉米

图3 2000-2015年三种作物关键物候期（左）和生长发育阶段（右）时间变化趋势：a) 水稻；b) 小麦；c)玉米

该研究首次建立了国家尺度的三大作物关键物候期数据集，并可公开下载。物候信息可以用于同化作物模型以实现精确的产量预测，也可以用于研究气候变化对作物生长发育的影响。因此，该数据集为实现大尺度农业系统建模提供了基础。

原文链接：

https://essd.copernicus.org/articles/12/197/2020/

(供稿人：骆玉川)

地表过程与资源生态国家重点实验室