Page 119 - 2025年第56卷第6期

数等气象数据来源于中国气象数据网的日值数据集（ｈｔｔｐ：??ｄａｔａ．ｃｍａ．ｃｎ）。本研究选取海河山区及周边
共计 １６２个气象站点数据，利用 ＡｒｃＧＩＳ的克里金插值法进行空间插值并重采样为月值数据集。站点日太
阳辐射数据根据日照时数计算得到 ［２５］ ，利用 ＡｒｃＧＩＳ的克里金插值法进行空间插值并重采样为月值数据
集。土地覆盖类型数据来源于中国土地覆盖遥感监测数据库（ ＣＮＬＵＣＣ），空间分辨率 ３０ｍ，时间跨度为
５年一期。为保证数据的可用性，选取各数据的重叠时间作为本文研究的时间范围，即 １９８２—２０２０年。

注：ａ时段为 １９８０—１９９０年，ｂ时段为 １９９０—２０００年，ｃ时段为 ２０００—２０１０年，ｄ时段为 ２０１０—２０２０年。
图 ２ 研究区土地利用变化情况

３ 研究方法

３．１ 植被物候的提取 基于 ＮＤＶＩ数据获取植被物候信息包含以下两个过程：（１）数据降噪和平滑。
由于 ＮＤＶＩ时间序列易受到云层、气溶胶的影响而存在较明显的噪声，因此需要对数据进行重构。目
前，数据降噪和平滑处理的方法较多，如高斯拟合、多项式拟合、Ｓａｖｉｔｚｋｙ － Ｇｏｌａｙ滤波法、单（双）逻
辑斯特拟合等 ［２６］ 。为了减少单一方法处理数据产生的误差，本研究选择高斯拟合、双逻辑曲线拟合和
Ｓａｖｉｔｚｋｙ － Ｇｏｌａｙ滤波法分别对 ＮＤＶＩ数据进行平滑处理，得到 ＮＤＶＩ时间序列重构曲线。（２）物候提取。
基于上一步得到的 ＮＤＶＩ时间序列重构曲线，使用动态阈值法 ［２７］ 在像元尺度上提取物候信息。在动态阈
值法中，ＳＯＳ和 ＥＯＳ被定义为 ＮＤＶＩ时间序列重构曲线分别上升和下降达到固定百分点（阈值）时对应的
日期。阈值计算见式（ １）。ＥＯＳ和 ＳＯＳ的差值为 ＬＯＳ。依据相关研究 ［２８ － ２９］ 和中国物候观测网北京站观测
２
数据，将 ＳＯＳ和 ＥＯＳ的动态阈值设定为 ２０％和 ５０％。经验证，提取的遥感物候数据与观测数据的 Ｒ分别
达到 ０．７３（ＳＯＳ）和 ０．６６（ＥＯＳ），说明提取的遥感物候信息具备一定的可靠性，可用于后续的分析和计算。
ＮＤＶＩ － ＮＤＶＩ
ｔ
ｍｉｎ
ｎ ＝ （１）
ＮＤＶＩ － ＮＤＶＩ
ｍａｘ
ｍｉｎ
式中：ｎ为阈值；ＮＤＶＩ为时间 ｔ处对应的 ＮＤＶＩ值；ＮＤＶＩ 和 ＮＤＶＩ 为给定时期内（通常为一个日历
ｍｉｎ
ｔ
ｍａｘ
年）的最小和最大 ＮＤＶＩ值。
３．２ 分析方法
３．２．１ 时间趋势分析 根据物候提取结果，研究区内的 ＳＯＳ集中在 ４月，ＥＯＳ集中在 １０月，故 ４—１０
月为研究区的生长季节。采用 Ｓｅｎ’ｓ斜率估计法分析 １９８２—２０２０年 ＳＯＳ、ＥＯＳ、ＬＯＳ，生长季 ＮＤＶＩ的
变化趋势，见式（ ２）。利用线性回归分析评估了生长季内温度（Ｔｍｅａｎ）、降水（Ｐｒｅ）、太阳辐射（Ｒａｄ）、
径流（Ｒ）的时间变化。由于不同小流域的径流量差异较大，在分析时间趋势之前，径流数据采用最小
最大值法进行归一化处理。

— ８ ０ ７ —