《Agricultural and Forest Meteorology》：Spectral colour calibration improves flowering phenology detection in phenocam imagery in an evergreen woodland
编辑推荐：
物候相机已成为自然和受管理生态系统中长期自动监测物候的重要工具。气候变化与植被物候的变化相关联，凸显了物候相机数据在全球变化研究中的重要性。物候相机需要尽可能灵敏和精确，以检测有时可能很微妙的植被颜色变化，这些变化可能预示着重要的物候事件。现有的物候相机网络通
物候相机已成为自然和受管理生态系统中长期自动监测物候的重要工具。气候变化与植被物候的变化相关联，凸显了物候相机数据在全球变化研究中的重要性。物候相机需要尽可能灵敏和精确，以检测有时可能很微妙的植被颜色变化，这些变化可能预示着重要的物候事件。现有的物候相机网络通常使用从压缩JPEG图像中获取的绿色色度坐标（GCC）来评估植被物候的变化。这些图像会强烈受到变化的光照条件影响，导致记录的颜色出现大幅波动，由于数字图像中红、绿、蓝信息的高度相关性，这会影响GCC。为了解决这些限制，研究人员测试了一种新的颜色校准方法，使用光谱数据校准原始数字相机图像，并与自动JPEG图像进行比较。此外，研究人员测试了色调作为跟踪颜色变化的指标，并与GCC进行比较。使用感知颜色差异度量Delta E 2000（dE2000）将地面真值颜色测量值与相机捕捉的颜色进行比较，其中值为零表示两种颜色相同，值为100表示两种颜色相反。校准后的原始图像的平均dE2000为3.49，而JPEG图像为21.70。从原始图像和JPEG图像计算的GCC值之间存在显著差异（p < 0.001），色调值也存在显著差异（p < 0.001）。案例研究表明，色调值比GCC更紧密地跟随观察到的物候事件，并且显示出更强的信号来检测可能否则未被检测到的变化。所提出的校准方法作为物候相机在不同时间和地点更准确测量颜色的工具显示出极好的前景。
**论文解读：光谱颜色校准提升常绿林地物候相机图像的花期物候检测**
**研究背景**
物候相机（phenocam）已成为长期自动监测自然和受管理生态系统物候的重要工具。气候变化导致植被物候发生改变，凸显了物候相机数据在全球变化研究中的关键作用。然而，现有物候相机网络通常使用从压缩JPEG图像中提取的绿色色度坐标（GCC）来评估植被物候变化。JPEG图像受光照条件变化影响强烈，导致记录颜色大幅波动，且红、绿、蓝通道高度相关，限制了GCC的敏感性和准确性。此外，GCC作为一维指标，无法区分不同色调的绿色，容易遗漏关键物候事件（如开花）。因此，需要开发更精确的校准方法和替代指标，以提高物候相机在复杂光照条件下的检测能力。
**研究概述**
研究人员在澳大利亚西南部全球生物多样性热点地区的常绿灌木林地（banksia woodland）开展研究，使用三台改装佳能PowerShot A810相机，于2022年8月至2023年2月捕获原始（raw）和自动JPEG图像。主要目标是：1) 验证基于光谱数据的颜色校准方法，通过比较校准后原始图像与自动JPEG图像与地面真值光谱叶片测量值的颜色差异；2) 测试色调（hue）作为替代GCC的指标，用于检测植被颜色变化。研究提出新校准方法，估计相机光谱响应并计算3×3校准矩阵，将原始图像转换为XYZ颜色空间，再转换为LCH（亮度、色度、色调）颜色空间以提取色调。地面真值通过ASD FieldSpec 4高分辨率光谱辐射计测量叶片光谱反射率获得，颜色差异采用Delta E 2000（dE2000）量化。统计方法包括F检验和配对t检验比较原始与JPEG图像在GCC和色调上的方差和均值差异。研究发表在《Agricultural and Forest Meteorology》。
**关键方法**
1. **相机光谱响应估计**：通过拍摄X-Rite ColorChecker 24色卡，结合实测光照光谱功率分布（SPD），利用随机曲线模型（基于Jiang等（2013）的数据库）迭代匹配，估计相机红、绿、蓝通道的光谱灵敏度。
2. **颜色校准矩阵计算**：基于估计光谱响应，通过线性模型计算3×3矩阵，将原始图像从相机传感器RGB转换为CIE XYZ颜色空间，再转换为CIELAB和LCH颜色空间，提取色调值。
3. **地面真值测量与颜色差异评估**：使用ASD光谱辐射计测量四种植物叶片光谱反射率（350–2500 nm），裁剪至400–720 nm，计算标准颜色值，并与校准后原始及JPEG图像比较，以dE2000量化差异。
**研究结果**
**3.1 原始图像校正与地面真值光谱叶片测量的验证**
通过比较校准后原始图像与JPEG图像对四种植物叶片颜色的还原能力，发现原始图像平均dE2000为3.49，远低于JPEG图像的21.70，表明校准后原始图像颜色更接近地面真值。例如，Eucalyptus todtiana和Xanthorrhoea preissii的原始图像dE2000分别仅为1.66和1.82，视觉上几乎无法区分。
**3.2 时间序列数据中的颜色方差**
对两个感兴趣区域（ROI 1：Banksia attenuata；ROI 2：Verticordia nitens）的时间序列（2022年8月至2023年2月）分析显示，原始图像的GCC方差显著低于JPEG图像（F检验，p < 0.001），而原始图像的色调方差显著高于JPEG图像（p < 0.001）。这表明校准减少了光照引起的GCC波动，但色调保留了更多颜色变化信息。
**3.3 时间序列数据中的物候信号**
配对t检验显示，两个ROI中原始与JPEG图像的GCC和色调均值均有显著差异（p < 0.001）。案例研究表明，原始图像的色调值更紧密地跟随观察到的物候事件：ROI 1中，Banksia attenuata新叶延迟变绿（黄色至绿色）的色调下降信号清晰可见，而GCC信号延迟且波动大；ROI 2中，Verticordia nitens的亮黄色开花事件在原始色调中呈现明显峰值，而JPEG GCC几乎无法检测到变化。
**总结讨论与结论**
讨论部分指出，校准方法显著减少了光照条件变化引起的颜色变异，使原始图像颜色更接近真实植被颜色，且色调作为一维指标优于GCC。色调基于三维颜色模型（LCH），能捕捉更广泛的颜色变化，尤其在开花等非绿色事件中优势明显。此外，色调可应用于现有JPEG图像，无需硬件改动。方法局限性包括原始文件存储需求大（约24 MB vs. 8 MB）和依赖估计光谱响应，但dE2000值较低表明估计结果可靠。未来需在更多生态系统中测试以增强鲁棒性。
**结论翻译**：
本研究中提出的颜色校准方法为物候相机提供了机会，使其能够增强跨时间和空间观测的可比性，无论光照条件和相机型号如何。校准后的原始物候相机图像对植物物候变化（表现为植被颜色变化）比JPEG图像更敏感，并且其颜色更接近从光谱反射率曲线导出的真实植被颜色。色调作为变化指标，在与图像视觉比较时，比GCC对物候变化更敏感。重要的是，色调可以计算并应用于现有物候相机网络捕获的JPEG图像，无需更改现有硬件，并可利用开源软件库轻松计算。色调作为颜色指标比其他植被指标更直观且更易解释，因为其值直接对应于颜色轮上的角度。物候相机之间更高的站点间和仪器间一致性为物候相机网络中可能探索的新研究途径提供了令人兴奋的前景。
