作者与机构 本研究由中国地质大学（北京）信息工程学院的邹欣宇、刘湘南（通讯作者）、刘梦雪、刘美玲和张碧瑶共同完成。研究成果以题为“A Framework for Rice Heavy Metal Stress Monitoring Based on Phenological Phase Space and Temporal Profile Analysis”的论文形式，发表于学术期刊 *International Journal of Environmental Research and Public Health*，于2019年1月26日正式在线发表。
学术背景 本研究属于环境遥感与农业生态安全交叉领域。重金属污染是威胁区域乃至全球粮食安全和公众健康的严重问题之一。传统的重金属污染监测方法，如野外调查和实验室分析，虽然精度高但耗时费力，且仅能获取采样点附近的局部信息，难以满足大范围农业污染监测的需求。遥感技术具有大范围、实时和连续获取数据的特点，为大尺度农田重金属污染监测提供了重要手段。
先前的研究表明，作物在重金属胁迫下，其色素含量、干物质含量、光合作用和蒸腾作用会发生改变，从而导致作物颜色、形态、生理功能及其在遥感影像中的光谱特征发生变化。基于此，现有的遥感监测方法主要聚焦于三类：1）基于视觉症状（颜色和形态）的光谱分析；2）基于生理功能（如叶绿素含量、光合作用）的反演与分析；3）结合作物生长模型与遥感数据同化的方法。然而，这些方法大多依赖单时相或少数几个多时相影像，未能充分揭示水稻在整个生长季内连续变化的动态过程，可能忽略了重金属胁迫下水稻生长过程的显著变化信息。
作物物候不仅是反映环境变化的敏感指标，也揭示了生态系统过程的重要信息。因此，利用时间序列数据中的物候信息来监测水稻重金属胁迫成为一个新兴方向。但现有研究多仅利用植被绿度信息（如归一化植被指数NDVI或增强型植被指数EVI），而重金属胁迫影响水稻的各个方面，仅靠绿度信息可能不足以全面表征。时空数据融合技术的快速发展和相空间理论为重金属胁迫监测提供了新思路。本研究旨在结合时空数据融合方法与物候相空间理论，从水稻完整生育期中提取稳定且敏感的指标，以区分不同等级的重金属胁迫。
详细工作流程 本研究的工作流程主要包括四个核心步骤：生成合成Landsat时间序列数据、提取植被指数时间序列曲线、构建物候相空间，以及构建与分析胁迫监测指标。
第一步：生成合成Landsat时间系列数据。 研究区域位于湖南省湘江流域的株洲市，属于典型的亚热带季风气候和重金属污染区。研究选取了7个典型研究站点，根据土壤中镉（Cd）的含量将其划分为轻度、中度和重度胁迫三个等级。为获取高时空分辨率数据，研究采用了增强型时空自适应反射率融合模型（Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model, ESTARFM）。该算法利用基础日期的一对高分辨率（Landsat）与低分辨率（MODIS）影像，以及预测日期的低分辨率影像，来预测生成预测日期的高分辨率影像。本研究收集了2016年水稻生长季（4月下旬至10月下旬）的Landsat-8 OLI、Landsat-7 ETM+以及MODIS地表反射率产品（MOD09A1）。经过辐射定标、大气校正、影像裁剪与重采样等预处理后，利用ESTARFM算法将MODIS数据（500米分辨率，8天合成）与Landsat数据（30米分辨率，16天重访周期）融合，生成了时空分辨率为8天、30米的合成Landsat时间序列数据，以弥补原始Landsat数据数量的不足。
第二步：从时间序列数据中提取植被指数曲线。 为了从不同方面描述水稻生长，本研究选择了两个植被指数来构建时间序列曲线：增强型植被指数（EVI）和归一化水分指数（Normalized Difference Water Index, NDWI）。EVI对高生物量区域不易饱和，并能校正部分大气和土壤背景影响，能更好地反映植被绿度。NDWI则用于测量植被冠层水分含量，可从水分状况方面反映水稻的胁迫情况。计算公式分别基于近红外（NIR）、红（Red）、蓝（Blue）和短波红外（SWIR）波段。从每个研究站点的合成时间序列数据中提取平均EVI和NDWI值后，使用S-G滤波法对曲线进行平滑处理，以消除云、阴影和气溶胶等噪声的影响，得到平滑的水稻生长过程曲线。
第三步：构建EVI-NDWI物候相空间。 物候相空间是一个用于描述系统所有可能状态的数学空间。本研究将NDWI设为横轴（X轴），EVI设为纵轴（Y轴），构建了一个二维物候相空间。将水稻生长季内每天的（NDWI， EVI）数据点标记在该空间中，并按时间顺序连接形成一条轨迹，这条轨迹即代表了水稻生长的动态过程。为了使轨迹更平滑，研究对原始数据点进行了B样条插值以生成每日数据。在该相空间中，定义了几个关键物候参数：生长季开始点（Start of Season, SOS），即生长季前半段（到达最大值点之前）轨迹上离坐标原点最近的点；生长季结束点（End of Season, EOS），即生长季后半段（最大值点之后）轨迹上离坐标原点最近的点；最大值点，即整个轨迹上离坐标原点最远的点。此外，定义了每日数据点到原点的距离Ri = √(EVIi² + NDWIi²)，用以表征水稻生长的综合状态。
第四步：构建物候相空间指标并分析。 Ri的一阶导数（FDR）可以表示水稻的生长速率。为了量化生长速率的波动情况，本研究提出了一个新的指标：水稻生长速率波动指数（Growth Rate Fluctuation Index, GRFI）。GRFI通过计算水稻在某一生长阶段内生长速率（FDR）的标准差得到，其值越大，表明生长速率波动越大、越不稳定，暗示生长受到了某种干扰。考虑到研究区域内水稻种植模式、气候条件和管理措施相对一致，不同站点间的主要干扰差异可归因于重金属胁迫水平。进一步，基于前人研究指出重金属对水稻生长前期的影响大于后期，本研究构建了生长速率波动比（GRFI Ratio） 这一核心判别指标。其计算方法为：将水稻生长季以最大值点为界分为前后两半，用前半段的GRFI值除以后半段的GRFI值。理论预期是，重金属胁迫越严重，生长前期受到的干扰波动相对于后期越大，GRFI Ratio的值也就越高。该比率型指标还能在一定程度上消除不同站点间非重金属胁迫因素的干扰。
主要研究结果 1. 不同胁迫等级下水稻生长轨迹的相空间分析。 在EVI-NDWI物候相空间中，所有胁迫等级下的水稻生长轨迹均呈现先上升后下降的总体规律，方向为逆时针。然而，不同胁迫等级的轨迹存在明显差异：（1）重度胁迫下水稻的EVI和NDWI振幅最小，轨迹覆盖的面积也最小；（2）重度胁迫下轨迹的最大Ri值（即离原点最远距离）小于中度和轻度胁迫；（3）重度胁迫下生长轨迹的方向变化更为频繁。这些直观表明，相空间轨迹能够有效描绘不同重金属胁迫水平下水稻生长的相似性与差异性。
2. 常见物候参数对比。 研究提取了生长季长度、最大Ri值、Ri振幅和轨迹长度等常见物候参数进行分析。结果表明，总体上，重度胁迫站点的生长季长度、Ri振幅和轨迹长度均小于轻度和中度胁迫站点。例如，重度胁迫的Site_6和Site_7生长季长度仅为90天和97天，而轻度站点可达142天以上；其Ri振幅（0.158， 0.116）也远低于其他站点。虽然这些参数在一定程度上反映了重金属胁迫的影响，但它们无法准确、稳定地区分不同胁迫等级，尤其是轻度与中度之间界限模糊。这凸显了需要构建更敏感、特异性更强的指标。
3. GRFI Ratio指标的判别性能。 GRFI Ratio的分析结果显示出优异的判别能力。如图9所示，不同胁迫等级站点的GRFI Ratio值存在明显分异：轻度胁迫站点（Site_1， Site_2）的值较小（0.538， 0.673）；中度胁迫站点（Site_3， Site_4， Site_5）的值处于中等水平（0.953， 1.043， 0.865）；而重度胁迫站点（Site_6， Site_7）的值最大（2.747， 1.232）。更重要的是，重度胁迫站点的最小GRFI Ratio值（1.232）大于中度胁迫站点的最大值（1.043），中度胁迫站点的最小值（0.865）也大于轻度胁迫站点的最大值（0.673）。这表明GRFI Ratio与重金属胁迫水平存在明显的正相关关系，胁迫越严重，GRFI Ratio值越高，且该指标能够清晰地区分三个胁迫等级。
结论与意义 本研究成功构建并验证了一个基于物候相空间和时间序列分析的遥感监测框架，用于检测水稻重金属胁迫水平。主要结论如下： 1. 该框架（合成时间序列生成+物候相空间构建）是可行且有效的。 2. 物候相空间及其中的水稻生长轨迹能够很好地描绘水稻生长过程，并反映不同重金属胁迫水平对生长的影响。 3. 相较于相空间中常见的物候参数，本研究提出的GRFI Ratio是一个稳定且敏感的指标，在区分不同重金属胁迫等级方面表现更优。
本研究的科学价值在于创新性地将物候相空间理论引入农业胁迫遥感监测，通过融合EVI（绿度）和NDWI（水分）两个维度的时序信息，更全面地捕捉了重金属胁迫下水稻生长的动态响应。方法学上，结合ESTARFM时空数据融合技术解决了中高分辨率数据源时间分辨率不足的问题，为连续监测提供了数据基础。所提出的GRFI Ratio指标具有明确的生物物理意义（反映生长速率波动在时间上的不对称性），且为比率型，增强了其稳定性和实用性。
研究亮点 1. 视角创新：首次将物候相空间理论系统性地应用于水稻重金属胁迫遥感监测，突破了传统方法主要依赖单一时相或单一植被指数（绿度）的局限，通过双指数轨迹动态刻画胁迫过程。 2. 方法创新：提出了全新的判别指标——生长速率波动比（GRFI Ratio）。该指标巧妙利用了重金属胁迫对水稻生长前后期影响差异的生理学基础，构建了一个稳定、敏感且易于计算的比率参数，实现了对轻、中、重三个胁迫等级的清晰区分。 3. 技术集成：有效集成了时空数据融合（ESTARFM）、时间序列滤波（S-G滤波）和相空间分析等多种技术，形成了一套完整的技术流程，为农业环境污染大范围、动态监测提供了新的方法思路。
其他有价值内容与局限 研究在讨论部分也指出了自身的局限性：首先，研究区域和验证数据仅局限于株洲市2016年的数据，未来需要在不同气候区和更多年份的数据上进行验证以增强普适性。其次，研究中植被指数值采用了站点内像元平均的方式，可能存在混合像元问题，未来可尝试像元级分析。再次，合成时间序列数据由于融合算法本身的误差，无法完全替代原始影像。最后，本研究构建的是二维相空间，未来探索包含更多信息维度（如温度指数、叶面积指数等）的多维相空间可能会揭示更显著的差异。
尽管存在这些局限，本研究展示的框架为农田重金属污染调查提供了一种稳定、准确的新方法，对保障粮食安全和农业生态安全具有重要的应用潜力，也为作物胁迫遥感监测领域带来了新的思路。