基于叶绿素荧光的华北平原冬小麦物候量化研究及其对气候变化的响应

《Agricultural Water Management》：Quantifying winter wheat phenology patterns in the North China Plain using Solar-Induced Chlorophyll Fluorescence

本研究针对传统遥感指标在监测冬小麦物候时存在的不确定性问题，系统比较了SIF、NDVI、EVI、EVI2、LAI和GPP六种指标在华北平原的监测效果。结果表明SIF指标具有更清晰的物候阶段划分和更高稳定性，发现返青期总体提前而抽穗成熟期延迟的时空格局，并揭示温度是主要驱动因子。该研究为作物物候监测提供了更优的代理指标，对水资源优化管理具有重要意义。

　　

在保障粮食安全的重大需求背景下，准确掌握作物生长节律对农业水资源管理和产量预测至关重要。华北平原作为中国最重要的冬小麦生产基地，贡献着全国约50%的产量，但该地区同时面临着严重的水资源短缺问题。随着全球气候变暖加剧，近二十年来地表温度已上升1.1°C，这对冬小麦物候产生了显著影响，进而影响作物产量和灌溉需求。

目前冬小麦物候监测主要依赖遥感技术，但常用的植被指数如归一化植被指数(NDVI)、增强型植被指数(EVI)等存在局限性。这些基于绿色度的指标对早期生理变化不敏感，且容易产生空间不一致性。虽然叶面积指数(LAI)能提供结构信息，总初级生产力(GPP)反映碳同化过程，但它们都无法完全捕捉快速的光合作用变化。近年来，太阳诱导叶绿素荧光(SIF)作为一种直接的光合作用生理信号，展现出物候监测的巨大潜力。

山东农业大学的研究团队在《Agricultural Water Management》上发表了最新研究成果，系统比较了2000-2023年间六种遥感指标(NDVI、EVI、EVI2、LAI、GPP和SIF)在华北平原冬小麦物候监测中的表现。研究创新性地结合阈值法和变化检测法，提取了返青期(GUD)、抽穗期(HE)和成熟期(MA)三个关键物候期，揭示了SIF在物候监测中的优越性。

研究团队采用了多项关键技术方法：利用MOD13C1、GLASS和GOSIF等多源遥感数据，通过双逻辑函数重建时间序列；结合Theil-Sen趋势分析和Mann-Kendall检验进行趋势检测；运用标准差椭圆法分析物候变异的空间分布特征；采用偏相关分析解析气候因子对物候的影响。

物候指标性能比较

通过统计分析发现，SIF衍生物候指标表现出最小的标准差和最窄的范围(均在23天以内)。与植被指数相比，SIF指标的标准偏差降低了67%，范围缩小了65%。半小提琴图显示SIF和LAI指标呈单峰分布，而植被指数衍生物候存在明显的物候期重叠现象，特别是在70-90和110-150 DOY(年积日)期间。这表明SIF能够更清晰地区分冬小麦的不同生长阶段。

物候时空分布特征

空间分析显示，冬小麦物候存在明显的纬向梯度，高纬度和沿海地区物候期较晚。返青期主要集中在52-56 DOY，93.6%的区域分布在此范围内；抽穗期集中在105-125 DOY(94.5%)；成熟期集中在140-160 DOY(95.8%)。返青期表现出最显著的空间异质性，特别是在华北平原西北部高纬度地区以及东北部和东南部沿海地区。

物候变化趋势分析

时间序列分析发现，返青期在52.4%的区域呈现提前趋势，5%的区域达到显著水平；而抽穗期和成熟期则分别有58.7%和58.6%的区域呈现延迟趋势。标准差椭圆分析显示，返青期和抽穗期的趋势轨迹相似，重心均呈现自东向西的移动特征。物候变化被归类为八种模式，其中I型(三个阶段均提前)占比最高(23.67%)，空间分布呈东南-西北方向。

气候驱动机制

偏相关分析表明，温度是物候变化的主要驱动因子。在控制降水影响后，温度与返青期、抽穗期和成熟期的偏相关系数分别达到0.72、0.59和0.73。而降水的影响相对较弱，但随着生长季推进其作用逐渐增强，三个物候期的偏相关系数分别为0.03、0.14和0.29。这种阶段性差异反映了冬小麦不同生长阶段对气候因子响应的特异性。

研究结论表明，SIF作为直接的光合作用信号，比传统遥感指标更能准确捕捉冬小麦物候动态。华北平原冬小麦物候呈现返青期提前、抽穗成熟期延迟的整体趋势，这种变化主要受温度升高驱动。该研究为作物物候监测提供了更可靠的技术手段，对理解气候变化背景下作物响应机制、优化农业水资源管理具有重要指导意义。

值得注意的是，研究发现南部地区返青期反而较晚，这与传统认知存在差异。研究人员认为这可能与越冬期间低温积累不足导致的春化作用不充分有关，同时也受到品种遗传分化的影响。这一发现强调了在物候研究中需要考虑多种生物和非生物因子的综合作用。

研究的创新性在于首次系统比较了多种遥感指标在冬小麦物候监测中的性能，明确了SIF的优势地位。通过综合分析物候时空变异特征及其气候驱动机制，为农业适应气候变化提供了科学依据。未来研究可进一步结合高分辨率遥感观测与田间实验，深入解析物候变化与产量形成的关联机制。