夏 穎,范建容，張茜彧，畢永清

(1.中國(guó)科學(xué)院水利部成都山地災(zāi)害與環(huán)境研究所，四川 成都 610041；2.中國(guó)科學(xué)院大學(xué)，北京 100049； 3.西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，四川 成都 610031)

前植物生產(chǎn)層

復(fù)合植被指數(shù)在稀疏高寒草原植被蓋度遙感反演中的應(yīng)用

夏 穎1,2,范建容1，張茜彧1,2，畢永清3

(1.中國(guó)科學(xué)院水利部成都山地災(zāi)害與環(huán)境研究所，四川 成都 610041；2.中國(guó)科學(xué)院大學(xué)，北京 100049； 3.西南交通大學(xué)地球科學(xué)與環(huán)境工程學(xué)院，四川 成都 610031)

基于Landsat 8遙感影像數(shù)據(jù)，以西藏日喀則經(jīng)南木林到申扎縣的一條樣帶高寒草原作為研究對(duì)象,選擇較為常用的歸一化植被指數(shù)(normalized difference vegetation index,NDVI)、土壤調(diào)整植被指數(shù)(soil adjusted vegetation index,SAVI)、修改型土壤調(diào)整植被指數(shù)(modified soil adjusted vegetation index,MSAVI)以及對(duì)半干旱區(qū)低覆蓋植被信息較為敏感的轉(zhuǎn)換型土壤調(diào)整植被指數(shù)(transformational soil adjusted vegetation index,TSAVI)，結(jié)合地表反射率改進(jìn)運(yùn)算的FCD模型(forest canopy density mapping model)裸土(bare soil index,BI)和陰影指數(shù)(shadow index,SI)構(gòu)建適合低植被覆蓋區(qū)域的復(fù)合植被指數(shù)(vegetation bare shadow index,VBSI);基于各植被指數(shù)構(gòu)建像元二分模型，定量反演高寒草原植被蓋度;并利用網(wǎng)格法實(shí)測(cè)的植被蓋度分析反演精度。研究結(jié)果表明，8種植被指數(shù)所構(gòu)建的像元二分模型對(duì)高寒草原植被蓋度的反演精度以VBSI(TSAVI)最高，反演精度為85.66%；并證明了基于野外采集的土壤光譜曲線獲取的TSAVI所構(gòu)建的像元二分模型對(duì)高寒草原植被蓋度信息的提取具有一定的實(shí)用性；改進(jìn)運(yùn)算的FCD模型裸土和陰影指數(shù)能較好地削弱土壤和陰影對(duì)植被信息的影響，所構(gòu)建的復(fù)合植被指數(shù)對(duì)提取稀疏高寒草原植被蓋度信息具有重要的實(shí)際意義。

像元二分模型;高光譜曲線;復(fù)合植被指數(shù);高寒草原;植被蓋度;土壤線;FCD模型

Corresponding: Fan Jian-rong E-mail: fjrong@imde.ac.cn

植被是地表生態(tài)系統(tǒng)的重要組成部分，也是全球氣候變化非常重要的影響因素[1]。植被蓋度(Fractional Vegetation Cover,FVC)是衡量地表植被狀況的重要參數(shù)之一，也是水文、土壤、氣象模型研究的重要輸入因子[2]。植被蓋度一般被定義為區(qū)域內(nèi)植被地面上的垂直投影面積占統(tǒng)計(jì)區(qū)面積的比例[3-4]。傳統(tǒng)的野外人工植被蓋度測(cè)量方法耗時(shí)、耗力，受地理環(huán)境條件和人為誤差影響明顯[5]。遙感技術(shù)具有監(jiān)測(cè)范圍廣、信息量大、更新周期快等優(yōu)勢(shì)，近年來(lái)逐步成為區(qū)域植被參數(shù)反演的主要方法。已有的研究選擇不同的指標(biāo)和模型，構(gòu)建了很多植被蓋度遙感反演方法，例如植被指數(shù)法[6]、回歸模型法[7]、像元分解法[8]以及光譜梯度差法[9]等。其中像元分解法中的像元二分模型因參數(shù)易獲取而應(yīng)用最為廣泛。

研究者[10]基于MODIS數(shù)據(jù)，采用像元二分法估算了新疆荒漠的植被蓋度，其反演結(jié)果表明，當(dāng)植被蓋度約小于30%時(shí)，估算值相對(duì)實(shí)測(cè)值偏高，誤差較大。而采用像元二分模型對(duì)昌都縣的植被蓋度信息進(jìn)行提取，總體精度達(dá)82.5%，隨著植被蓋度的降低，模型估算誤差也越大[11]?；贚andsat 8影像數(shù)據(jù)，利用像元二分模型法反演干旱荒漠區(qū)植被蓋度，結(jié)果表明當(dāng)植被蓋度較高時(shí)，模型反演效果較好，而隨著植被蓋度的降低，模型反演精度則越低[12]。

上述研究均表明像元二分模型在中高植被覆蓋區(qū)域?qū)χ脖簧w度的反演精度較高，而對(duì)于低植被蓋度反演精度則相對(duì)較低。原因是低植被覆蓋區(qū)域土壤背景對(duì)植被具有較大的干擾作用。青藏高原天然草地面積占全國(guó)草地面積的1/3[13]，其中約60%的面積為高寒草原[14]，其對(duì)整個(gè)高原及周邊地區(qū)的生態(tài)系統(tǒng)具有重要的作用。青藏高原高寒草原的監(jiān)測(cè)和保護(hù)，也是我國(guó)生態(tài)安全屏障建設(shè)的重要組成[15]。而高寒草原的植被蓋度較低，基于普通植被指數(shù)的像元二分模型反演稀疏高寒草原植被蓋度存在一定的局限性。應(yīng)用像元二分模型估算植被蓋度的關(guān)鍵在于植被指數(shù)的選取。因此，為了提高像元二分模型對(duì)高寒草原植被蓋度的反演精度，選取或構(gòu)造更適合于高寒草原植被蓋度反演模型的植被指數(shù)是非常有必要的。而植被指數(shù)眾多，結(jié)合前人經(jīng)驗(yàn)以及高寒草原植被分布稀疏、蓋度低的特點(diǎn)，此次研究選用了常用的歸一化植被指數(shù)(NDVI)、土壤調(diào)整植被指數(shù)(SAVI)、修改型土壤調(diào)整植被指數(shù)(MSAVI)以及對(duì)半干旱區(qū)低覆蓋植被信息較為敏感的轉(zhuǎn)換型土壤調(diào)整植被指數(shù)(TSAVI)[16]4種植被指數(shù)作為像元二分模型建立的基礎(chǔ)，并引入了FCD模型中的裸土指數(shù)和陰影指數(shù)，構(gòu)造對(duì)應(yīng)的4種復(fù)合植被指數(shù)，從而建立像元二分模型，反演高寒草原植被蓋度。

1 數(shù)據(jù)來(lái)源與研究方法

1.1研究區(qū)概況

選擇西藏自治區(qū)中部一條樣帶作為研究區(qū)，樣區(qū)南北長(zhǎng)266.40 km，東西寬74.68 km，主要分布在申扎縣、南木林縣、班戈縣、謝通門(mén)縣、日喀則市、白朗縣和薩迦縣境內(nèi)(88°31′-89°17′ E，29°12′-31°37′ N)(圖1)。研究區(qū)海拔在3 700～6 400 m，年均降水量300 mm，降水集中在6月-8月，年均溫6.5 ℃，氣候干燥，大陸性氣候特征明顯，從東南向西北由高原溫帶半干旱季風(fēng)氣候區(qū)過(guò)渡到高原亞寒帶干旱季風(fēng)氣候區(qū)。研究區(qū)植被以高寒草原為主，主要植被包括披堿草(Elymusdahuricus)、火絨草(Leontopodiumalpinum)、紫花針茅(Stipapurpurea)、青藏苔草(Carexmoorcroftii)等，由于地勢(shì)和海拔引起的輻射、溫度和水分條件的不同，導(dǎo)致高寒草原從南到北呈現(xiàn)出植被蓋度逐漸下降、植株愈加低矮的趨勢(shì)[17-18]。

圖1 研究區(qū)概況圖Fig. 1 Sketch of the study area

1.2數(shù)據(jù)來(lái)源

研究選用了3景Landsat 8遙感影像，軌道號(hào)139/38、139/39、139/40，覆蓋整個(gè)研究區(qū)，其云量分別為0.35%、0.18%、23.99%，但研究區(qū)所在區(qū)域無(wú)云覆蓋，影像質(zhì)量較好。影像獲取時(shí)間為2015年7月5日，與野外調(diào)查時(shí)間一致。使用的影像都利用ENVI5.1的相關(guān)模塊進(jìn)行了輻射定標(biāo)、大氣校正、幾何精校正[19]。輻射校正過(guò)程中將像元亮度值轉(zhuǎn)換為反射率值，繼而基于面向?qū)ο蟮挠跋裥畔⑻崛》椒ù_定了研究區(qū)高寒草原的分布范圍，進(jìn)而反演植被蓋度。

研究使用了2015年7月5日-10日野外同步采集的植被蓋度和高光譜數(shù)據(jù)。其中植被蓋度采用網(wǎng)格法，獲取了172個(gè)樣地(圖1)調(diào)查數(shù)據(jù)。為了提高實(shí)測(cè)數(shù)據(jù)的可靠性和可行性，利用谷歌高分影像預(yù)先設(shè)采樣方案，樣地的交通可達(dá)性高，樣地植被類(lèi)型相對(duì)一致，空間上盡可能隨機(jī)分布并具有海拔梯度。在野外調(diào)查時(shí)，每個(gè)樣地布置3～5個(gè)樣方，樣方大小為1 m×1 m，調(diào)查1 m×1 m范圍內(nèi)植被蓋度，其中，1 m×1 m樣方被劃分10×10的網(wǎng)格，樣方蓋度求平均值作為該樣地的蓋度，并利用空間誤差為1-3 m的GPS對(duì)各樣方進(jìn)行定位，同時(shí)記錄其海拔、經(jīng)緯度、草高、礫石蓋度、植被蓋度等信息。另外，為更好地計(jì)算植被指數(shù)，野外還實(shí)測(cè)了土壤光譜。研究區(qū)地表組成以礫石土壤為主，礫石蓋度多在20%～40%。使用SVCHR-1024地物光譜儀測(cè)定土壤高光譜數(shù)據(jù)，該儀器的波長(zhǎng)范圍為350～2 500 nm。每次測(cè)量前，先對(duì)照白板進(jìn)行定標(biāo)，將25°視場(chǎng)角的傳感器探頭垂直置于樣點(diǎn)上方1.35 m處，探頭接收垂直中心點(diǎn)直徑0.6 m圓形范圍內(nèi)的光譜。每個(gè)樣點(diǎn)重復(fù)測(cè)量5次，后期對(duì)光譜曲線進(jìn)行去重疊和平滑處理，獲得每個(gè)樣點(diǎn)的反射光譜數(shù)據(jù)。

1.3研究方法

1.3.1技術(shù)路線 由于研究對(duì)象為高寒草原，因此本研究利用Ecognition軟件，運(yùn)用面向?qū)ο蟮姆诸?lèi)方法剔除了湖泊、河流、冰川等無(wú)植被區(qū)，提取出高寒草原，經(jīng)驗(yàn)證，生產(chǎn)者精度和用戶(hù)精度分別為92.80%和90.84%，在此基礎(chǔ)上，進(jìn)行人工修正，以保證高寒草原植被蓋度反演研究的嚴(yán)密性；基于遙感影像和實(shí)測(cè)數(shù)據(jù)計(jì)算4種植被指數(shù)，利用FCD模型進(jìn)一步計(jì)算獲得4種對(duì)應(yīng)的復(fù)合植被指數(shù)；基于8種植被指數(shù)構(gòu)建像元二分模型反演高寒草原植被蓋度；最后利用實(shí)測(cè)蓋度數(shù)據(jù)對(duì)反演結(jié)果進(jìn)行精度分析，確定高寒草原區(qū)最佳的植被蓋度反演方法(圖2)。

圖2 研究技術(shù)路線Fig. 2 Workflow of the study

1.3.2土壤線提取 研究中TSAVI的計(jì)算需要土壤線斜率、截距因子作為基本參數(shù)，因此土壤線的獲取是必不可少的。在30 m的Landsat 8影像上難以直接獲取純土壤背景像元信息，本研究利用野外實(shí)測(cè)的64組土壤光譜曲線獲取了土壤線方程。為保證研究的可靠性，需要將實(shí)測(cè)光譜數(shù)據(jù)獲取的土壤線方程的光譜波段統(tǒng)一到遙感影像光譜波段上，使之具有相同的波段間隔，研究基于Landsat 8遙感影像的波普響應(yīng)函數(shù)對(duì)實(shí)測(cè)土壤光譜數(shù)據(jù)進(jìn)行了重采樣，計(jì)算方法見(jiàn)公式(1)。得到最終的土壤線方程(圖3)。并將方程中獲取的斜率和截距用于有關(guān)植被指數(shù)的計(jì)算。

(1)

式中:i為4或5(分別為L(zhǎng)andsat 8的4或5波段);ρ(λ)為波長(zhǎng)λnm處土壤光譜反射率;λi1和λi2分別為L(zhǎng)andsat 8波譜響應(yīng)函數(shù)中第i波段范圍邊界波長(zhǎng);W(λ)為波長(zhǎng)λnm處光譜反射率的權(quán)重；ρOLI為L(zhǎng)andsat 8第i波段的光譜反射率。

研究區(qū)土壤線斜率為1.125 8，截距0.036 2，斜率值在1.06～1.60正常區(qū)間內(nèi)，截距在-0.01～0.07正常區(qū)間內(nèi)[20]，因此本研究所獲得的研究區(qū)土壤線方程具有一定的理論意義。

1.3.3植被指數(shù)的選取 選擇合適的植被指數(shù)是提高像元二分模型植被蓋度估算精度的關(guān)鍵之一[21]。在眾多的植被指數(shù)中，NDVI被廣泛用于監(jiān)測(cè)植被蓋度，指示植被生長(zhǎng)狀況及空間分布。SAVI在一定程度上降低了土壤背景的影響[22]。MSAVI在SAVI的基礎(chǔ)上，進(jìn)一步進(jìn)行了修正，以提高土壤線參數(shù)的適應(yīng)性[23]。TSAVI通過(guò)引入土壤線的斜率和截距因子，提高了半干旱區(qū)植被狀態(tài)的指示作用[16]。為降低研究區(qū)土壤背景對(duì)植被蓋度估算的影響，本研究選取這4種指數(shù)反演高寒草原植被蓋度，計(jì)算公式如下:

(2)

(3)

(4)

(5)

式中:R、NIR分別為紅、近紅外波段的反射率；L為土壤調(diào)節(jié)系數(shù)[22]，取值范圍0～1；a、b分別為土壤線斜率和截距。

1.3.4復(fù)合植被指數(shù)的構(gòu)建

1)FCD模型原理

FCD模型包含4個(gè)指數(shù):植被指數(shù)(VI)、裸土指數(shù)(BI)、陰影指數(shù)(SI)和熱量指數(shù)(TI)，其中植被指數(shù)可以使用現(xiàn)有的植被指數(shù)或改進(jìn)的植被指數(shù)[24]。4個(gè)指數(shù)的特性如圖4所示，從圖中可以看出當(dāng)植被類(lèi)型為草地時(shí)，裸土指數(shù)與熱量指數(shù)對(duì)植被的影響較大，而陰影指數(shù)雖小，但其對(duì)植被指數(shù)的相對(duì)影響力是不容忽視的。TI指數(shù)需要從熱紅外波段提取，Landsat 8的熱紅外波段空間分辨率為100 m，與其它30 m空間分辨率波段存在較大差異，因此本研究未使用熱量指數(shù)。FCD為定性分析模型[25]，為保證定量研究的嚴(yán)密性，本研究首先將影像DN值轉(zhuǎn)化為地表反射率，對(duì)BI、SI指數(shù)進(jìn)行改進(jìn)運(yùn)算。BI和SI指數(shù)的計(jì)算公式如下:

(6)

圖4 4個(gè)指數(shù)的特性Fig. 4 The characteristicsof four vegetation indices

(7)

其中，SWIR、RED、NIR、BLUE、GREEN分別為短波紅外、紅、近紅、藍(lán)和綠波段的反射率。

2)復(fù)合植被指數(shù)的構(gòu)建

已有研究[26]指出FCD模型NDVI、SI和BI 指數(shù)的線性組合可以在一定程度上降低山體陰影和土壤背景等對(duì)植被信息的影響，適合提取山區(qū)植被蓋度。實(shí)驗(yàn)發(fā)現(xiàn)，植被指數(shù)在高植被覆蓋地區(qū)具有飽和性，在低覆蓋區(qū)會(huì)夸大數(shù)值[27]，因此本研究經(jīng)過(guò)多次試驗(yàn)選擇了適合低植被覆蓋區(qū)域的復(fù)合植被指數(shù)VBSI(vegetation bare shadow index)，公式為:

VBSI(VI)=f(VI,BI,SI)=(VI+n·BI)·SI

(8)

式中:n為修正系數(shù)，這里n=-0.1，VI為植被指數(shù)，研究中分別將4種植被指數(shù)(NDVI、SAVI、MSAVI和TSAVI)作為變量輸入，獲取對(duì)應(yīng)的復(fù)合植被指數(shù)VBSI(NDVI)、VBSI(SAVI)、VBSI(MSAVI)和VBSI(TSAVI)。

3)復(fù)合植被指數(shù)的優(yōu)勢(shì)

本研究以NDVI與VBSI(NDVI)為例，對(duì)比分析簡(jiǎn)單植被指數(shù)與復(fù)合植被指數(shù)削弱山體陰影干擾的能力。首先，在研究區(qū)影像上選取10個(gè)不同地點(diǎn)相鄰山體陽(yáng)坡(影像上無(wú)陰影的山坡)和陰坡(影像上有陰影的山坡)的NDVI和VBSI(NDVI)值。由于陰坡受山體陰影的影響，其植被指數(shù)值均小于陽(yáng)坡。因此這里以陽(yáng)坡植被指數(shù)為標(biāo)準(zhǔn)進(jìn)行比較分析(表1)。其中，相對(duì)誤差=(陽(yáng)坡植被指數(shù)-陰坡植被指數(shù))/陽(yáng)坡植被指數(shù)。

VBSI(NDVI)與NDVI的平均相對(duì)誤差分別為11.46%和19.13%(表1)?？梢?jiàn)，復(fù)合植被指數(shù)相對(duì)于簡(jiǎn)單植被指數(shù)可以更好地削弱山體陰影對(duì)高寒草原的干擾作用，為更好地提取研究區(qū)高寒草原植被蓋度信息奠定了較好的基礎(chǔ)。

表1 VBSI(NDVI)和NDVI削弱影像陰影干擾作用的比較分析Table 1 Analysis of NDVI and VBSI(NDVI) with decreasing interference from shadow

1.3.5植被蓋度反演模型采用像元二分模型反演植被蓋度。該模型假設(shè)遙感影像單個(gè)像元由土壤和植被兩部分組成，即植被信息(Sveg)和土壤信息量(Ssoil)之和[28-30]。這里以NDVI為例，計(jì)算公式為:

(9)

式中:Fc為植被蓋度，NDVIsoil為裸土或無(wú)植被覆蓋區(qū)的NDVI值(理想狀態(tài)下為最小值，即NDVImin)，NDVIveg為完全植被覆蓋的純植被像元的NDVI值(理想狀態(tài)下為最大值，即NDVImax)。由于噪聲的干擾，遙感影像上植被指數(shù)的最大值或最小值不一定是地面實(shí)際的最大值或最小值。研究往往選擇置信區(qū)間或野外實(shí)測(cè)數(shù)據(jù)確定這些參數(shù)[31]。本研究利用野外實(shí)測(cè)數(shù)據(jù)確定這些參數(shù)，然后代入8種植被指數(shù)分別估算研究區(qū)高寒草原植被蓋度，以FNDVI、FVBSI(NDVI)、FSAVI、FVBSI(SAVI)、FMSAVI、FVBSI(MAVI)、FTSAVI、FVBSI(TSAVI)標(biāo)識(shí)對(duì)應(yīng)的植被蓋度估算值。

2 結(jié)果與分析

從8種植被指數(shù)反演的高寒草原植被蓋度結(jié)果(圖5)來(lái)看，研究區(qū)植被蓋度整體偏低。

2.1精度分析

實(shí)測(cè)數(shù)據(jù)揭示,8種植被指數(shù)反演植被蓋度的總體精度都大于70%，最高的精度可達(dá)85.66%，說(shuō)明像元二分模型在高寒草原區(qū)有較好的適應(yīng)性(表2)。在8種植被指數(shù)中，VBSI(TSAVI) 指數(shù)反演植被蓋度的效果最好，反演結(jié)果與實(shí)測(cè)值的相關(guān)系數(shù)達(dá)0.864(圖 6)，二者呈顯著相關(guān)性(P<0.01)。均方根誤差(RMSE)值和相對(duì)誤差都是最小，可選作高寒區(qū)植被蓋度反演的首選植被指數(shù)。在簡(jiǎn)單植被指數(shù)中，TSAVI和NDVI的反演蓋度值與實(shí)測(cè)值之間的相關(guān)系數(shù)較高，分別為0.752和0.769，F(xiàn)TSAVI的RMSE和相對(duì)誤差均低于FNDVI，相對(duì)而言TSAVI對(duì)高寒草原植被蓋度的反演效果更好。MSAVI和SAVI的反演精度相對(duì)較低，F(xiàn)MSAVI反演成果優(yōu)于FSAVI。在復(fù)合植被指數(shù)中，4種植被指數(shù)反演結(jié)果的精度出現(xiàn)類(lèi)似順序，F(xiàn)VBSI(TSAVI)的精度最高，其余由高到低依次為FVBSI(NDVI)、FVBSI(MSAVI)、FVBSI(SAVI)，這揭示了不同區(qū)域植被蓋度估算需要對(duì)植被指數(shù)進(jìn)行篩選，確定最優(yōu)的反演方法。

圖5 采用不同方法提取的研究區(qū)植被蓋度信息Fig. 5 Fractional vegetation coverage of the study area estimated using different methods

表2 不同模型植被蓋度模擬值與實(shí)測(cè)值精度分析Table 2 Analysis of the correlation between modelled and observed vegetation index data for eight modelling methods

圖6 VBSI(TSAVI)模擬值與實(shí)測(cè)值散點(diǎn)圖Fig. 6 Scatter plots of observed fractional vegetation coverage and modelled using VBSI(TSAVI)

總體上，復(fù)合植被指數(shù)提取的高寒草原植被蓋度精度均優(yōu)于簡(jiǎn)單植被指數(shù)獲取的結(jié)果。說(shuō)明通過(guò)FCD模型降低了地形陰影和土壤背景對(duì)植被信息的影響，這種方法在植被相對(duì)稀疏的高寒區(qū)仍具有明顯的效果。

VBSI(TSAVI)指數(shù)反演的植被蓋度精度最高，土壤線參數(shù)是該指數(shù)計(jì)算的關(guān)鍵。研究利用野外實(shí)測(cè)光譜數(shù)據(jù)獲取了土壤線參數(shù)，進(jìn)而很好地提取了研究區(qū)的植被蓋度信息?？紤]到研究區(qū)的植被蓋度情況，將反演的植被蓋度分為7級(jí)(0～0.10、0.10～0.15、0.15～0.20、0.20～0.25、0.25～0.30、0.30～0.40、>0.40)，結(jié)果表明(表3)，隨著植被蓋度的提高，研究區(qū)反演結(jié)果的相對(duì)誤差和最大誤差總體呈現(xiàn)下降的趨勢(shì)。研究區(qū)大多數(shù)的采樣點(diǎn)蓋度低于20%，代表當(dāng)?shù)刂脖桓采w總體情況，研究反演結(jié)果在低植被蓋度區(qū)的相對(duì)誤差均在20%以?xún)?nèi)，提升了低蓋度高寒草原植被蓋度的反演精度，具有很強(qiáng)的實(shí)用性。

表3 VBSI(TSAVI)模擬值與實(shí)測(cè)值比較Table 3 Comparison between observed FVC data and modelled using VBSI(TSAVI)

2.2植被覆蓋現(xiàn)狀

選擇VBSI(TSAVI)指數(shù)反演的植被蓋度數(shù)據(jù)分析研究區(qū)2015年植被分布情況。研究區(qū)植被總面積12 631.66 km2，平均植被蓋度為23%，大部分(55.11%)植被蓋度低于25%，大于40%植被蓋度的比例低于11%，研究區(qū)植被蓋度總體較低(表4)。

研究區(qū)植被集中在海拔4 600～5 400 m，占80.48%，高寒特征明顯，植被分布相對(duì)稀疏(圖7、圖8)。伴隨海拔上升，植被蓋度呈現(xiàn)出顯著的變化，突出的表現(xiàn)為:海拔升高，低覆蓋植被(小于10%)的比例逐步增加，10%～25%蓋度的植被在多數(shù)海拔區(qū)都占優(yōu)勢(shì)，高覆蓋植被的比例在減少，甚至消失(5 400 m以上)，反映了該區(qū)植被覆蓋的總體情況。

表4 2015年研究區(qū)植被覆蓋Table 4 Vegetation cover of the study area in 2015

圖7 研究區(qū)不同海拔土地面積統(tǒng)計(jì)Fig. 7 Land area statistics at different altitudes in study area

圖8 研究區(qū)不同海拔植被蓋度面積統(tǒng)計(jì)Fig. 8 Area statistics of vegetation coverage at different altitudes in the study area

3 討論與結(jié)論

研究從像元二分模型的原理出發(fā)，針對(duì)高寒草原植被稀疏的特點(diǎn)，選擇了適合反演其植被蓋度的4種植被指數(shù)(NDVI、SAVI、MSAVI及TSAVI)。研究者[16]指出，TSAVI對(duì)干旱半干旱區(qū)稀疏植被具有較好地指示作用，但TSAVI中的土壤線斜率和截距因子難以獲取。對(duì)此，受劉煥軍等[32]的啟發(fā)，本研究通過(guò)獲取研究區(qū)典型土壤類(lèi)型的高光譜曲線構(gòu)造土壤線，獲取土壤線參數(shù)，從而構(gòu)造TSAVI。值得注意的是，為保證數(shù)據(jù)的一致性和結(jié)果的可靠性，實(shí)測(cè)的土壤光譜數(shù)據(jù)須利用遙感影像的波譜響應(yīng)函數(shù)與其匹配。從精度分析結(jié)果來(lái)看，4種簡(jiǎn)單植被指數(shù)中，基于TSAVI的像元二分模型對(duì)高寒草原植被蓋度反演精度較其它幾種植被指數(shù)高，因此研究建議可利用實(shí)測(cè)的土壤光譜數(shù)據(jù)獲取土壤線參數(shù)，從而提高稀疏植被蓋度反演效果。而制約山區(qū)稀疏植被蓋度遙感反演精度最重要的兩個(gè)因素是土壤背景及山體陰影。對(duì)此有學(xué)者[26,33]提出FCD模型的裸土和陰影因子與簡(jiǎn)單植被指數(shù)經(jīng)過(guò)線性組合，可以在一定程度上削弱土壤背景和山體陰影對(duì)植被造成的影響。但FCD模型為定性分析模型，其各指數(shù)均通過(guò)計(jì)算DN值得到。此次研究為植被蓋度定量反演，因此通過(guò)將DN值轉(zhuǎn)為地表反射率改進(jìn)運(yùn)算FCD模型的裸土和陰影因子，并與簡(jiǎn)單植被指數(shù)經(jīng)過(guò)一定的線性組合構(gòu)建了對(duì)應(yīng)的復(fù)合植被指數(shù)。研究通過(guò)對(duì)比分析簡(jiǎn)單植被指數(shù)與復(fù)合植被指數(shù)在削弱山體陰影對(duì)植被影響方面的能力后發(fā)現(xiàn)，復(fù)合植被指數(shù)相對(duì)簡(jiǎn)單植被指數(shù)而言，在削弱山體陰影對(duì)植被影響的效果上存在一定的優(yōu)勢(shì)，得到了與前人研究相同的結(jié)論[34]。這對(duì)于山區(qū)植被蓋度的定量遙感反演具有借鑒意義。最終將各植被指數(shù)引入像元二分模型中，反演高寒草原植被蓋度。從精度分析來(lái)看，基于復(fù)合植被指數(shù)的像元二分模型對(duì)高寒草原植被蓋度的反演精度普遍高于其對(duì)應(yīng)的簡(jiǎn)單植被指數(shù)，最高精度達(dá)85.66%。另外，從反演結(jié)果來(lái)看，研究區(qū)高寒草原蓋度多小于25%，平均蓋度為23%，與實(shí)測(cè)數(shù)據(jù)具有一致性，更加證明了復(fù)合植被指數(shù)相對(duì)于簡(jiǎn)單植被指數(shù)在定量反演山區(qū)稀疏植被蓋度時(shí)，可有效地削弱土壤背景及山體陰影對(duì)植被的影響，更真實(shí)地反映出植被覆蓋信息。此次研究積累了高寒半干旱、干旱區(qū)植被蓋度反演的經(jīng)驗(yàn)，可為其它相似研究區(qū)植被蓋度反演提供借鑒。

盡管本研究較好地提取了高寒草原植被蓋度，但研究仍存在一些不足。由于高寒草原植被稀疏，無(wú)法獲取全植被覆蓋的像元，因此研究采用實(shí)測(cè)數(shù)據(jù)獲取了像元二分模型的相關(guān)參數(shù)。另外，由于研究區(qū)較大，且天氣和時(shí)間條件對(duì)野外工作具有一定的限制性，因此無(wú)法使實(shí)測(cè)數(shù)據(jù)與遙感影像保持完全的同步。另外由于受實(shí)測(cè)數(shù)據(jù)的限制，研究目前僅針對(duì)一個(gè)時(shí)期遙感影像進(jìn)行了研究。在未來(lái)?xiàng)l件允許的情況下，可利用多年影像數(shù)據(jù)及實(shí)測(cè)數(shù)據(jù)對(duì)研究區(qū)開(kāi)展更長(zhǎng)時(shí)間的植被蓋度動(dòng)態(tài)監(jiān)測(cè)。

References:

[1] 陳愛(ài)京,傅瑋東,肖繼東,張旭,王蕾,沙依然.基于像元二分模型的和布克賽爾縣植被覆蓋動(dòng)態(tài)變化分析.草業(yè)科學(xué),2012,29(6):857-862. Chen A J,Fu W D,Xiao J D,Zhang X,Wang L,Sha Y R.Dynamic analysis for vegetation coverage change in Hoboksar based on dimidiate pixel model.Pratacultural Science,2012,29(6):857-862.(in Chinese)

[2] 廖春華,張顯峰,孫權(quán),趙杰鵬,王旭陽(yáng),包慧漪.基于HJ-1高光譜數(shù)據(jù)的植被覆蓋度估測(cè)方法研究.遙感信息,2011,26(5):65-70. Liao C H,Zhang X F,Sun Q,Zhao J P,Wang X Y,Bao H Y.Fractional vegetation cover estimation using HJ-1 spaceborne hyperspectral data.Remote Sensing Information,2011,26(5):65-70.(in Chinese)

[3] 陳建軍,宜樹(shù)華,任世龍,秦彧,王曉云.疏勒河上游高寒草地植被蓋度反演及精度評(píng)價(jià).草業(yè)科學(xué),2014,31(1):56-65. Chen J J,Yi S H,Ren S L,Qin Y,Wang X Y.Retrieval of fractional vegetation cover of alpine grassland and the efficiency of remote sensing retrieval in the upper of Shule River Basin.Pratacultural Science,2014,31(1):56-65.(in Chinese)

[4] 宋清潔,崔霞,張瑤瑤,孟寶平,高金龍,向宇軒.基于小型無(wú)人機(jī)與MODIS數(shù)據(jù)的草地植被覆蓋度研究——以甘南州為例.草業(yè)科學(xué),2017,34(1):40-50. Song Q J,Cui X,Zhang Y Y,Meng B P,Gao J L,Xiang Y X.Grassland fractional vegetation cover analysis using small UVAS and MODIS——A case study in Gannan Prefecture.Pratacultural Science,2017,34(1):40-50.(in Chinese)

[5] 張喜旺,吳炳方.基于中高分辨率遙感的植被覆蓋度時(shí)相變換方法.生態(tài)學(xué)報(bào),2015,35(4):1155-1164. Zhang X W,Wu B F.A temporal transformation method of fractional vegetation cover derived from high and moderate resolution remote sensing data.Acta Ecological Sinica,2015,35(4):1155-1164.(in Chinese)

[6] Gillies R R,Kustas W P,Humes K S.A verification of the ‘triangle’ method for obtaining surface soil water content and energy fluxes from remote measurements of the normalized difference vegetation index (NDVI) and surface.International Journal of Remote Sensing.1997,18(15):3145-3166.

[7] Wittich K P,Hansing O.Area-averaged vegetative cover fraction estimated from satellite data.International Journal of Biometeorology.1995,38(4):209-215.

[8] Zribi M,Hégarat-Mascle S L,Taconet O,Ciarletti V,Vidal-Madjar D,Boussema M R.Derivation of wild vegetation cover density in semi-arid regions:ERS2/SAR evaluation.International Journal of Remote Sensing，2003,24(6):1335-1352.

[9] 古麗·加帕爾,陳曦,包安明.干旱區(qū)荒漠稀疏植被覆蓋度提取及尺度擴(kuò)展效應(yīng).應(yīng)用生態(tài)學(xué)報(bào),2009,20(12):2925-2934. Guli·Jiapael,Chen X,Bao A M.Coverage extraction and up-scaling of sparse desert vegetation in arid.Chinese Journal of Applied Ecology,2009,20(12):2925-2934.(in Chinese)

[10] 李向婷,白潔,李光錄,羅格平,古麗·加帕爾,李均力.新疆荒漠稀疏植被覆蓋度信息遙感提取方法比較.干旱區(qū)地理,2013,36(3):502-511. Li X T,Bai J,Li G L,Luo G P,Guli·Jiapaer,Li J L.Comparison of methods based on MODIS for estimating sparse vegetation fraction across desert in Xinjiang.Arid Land Geography,2013,36(3):502-511.(in Chinese)

[11] 郭芬芬,范建容,嚴(yán)冬,郭祥,宮奎方,張定容.基于像元二分模型的昌都縣植被蓋度遙感估算.中國(guó)水土保持,2010,31(5):65-67. Guo F F,Fan J R,Yan D,Guo X,Gong K F,Zhang D R.Extraction of vegetation coverage in Changdu based on remote sensing data and dimidiate pixel model.Soil and Water Conservation in China,2010,31(5):65-67.(in Chinese)

[12] 李藝夢(mèng),祁元,馬明國(guó).基于Landsat 8影像的額濟(jì)納荒漠綠洲植被覆蓋度估算方法對(duì)比研究.遙感技術(shù)與應(yīng)用,2016,31(3):590-598. Li Y M,Qi Y,Ma M G.The contrast research of estimation vegetation fraction coverage in the Ejina Oasis based on Landsat 8 images.Remote Sensing technology and application,2016,31(3):590-598.(in Chinese)

[13] 韋惠蘭,祁應(yīng)軍.基于遙感監(jiān)測(cè)的青藏高原草地退化及其人文驅(qū)動(dòng)力分析.草業(yè)科學(xué),2016,33(12):2576-2586. Wei H L,Qi Y J.Analysis of grassland degradation of the Tibet Plateau and human driving forces based on remote sensing.Pratacultural Science,2016,33(12):2576-2586.(in Chinese)

[14] Ding M J,Zhang Y L,Sun X M,Liu L S,Wang Z F,Bai W Q.Spatiotemporal variation in alpine grassland phenology in the Qinghai-Tibetan Plateau from 1999 to 2009.Science Bulletin.2013,58(3):396-405.

[15] 鄒珊,呂富成.青藏高原兩種特殊的植被類(lèi)型:高寒草原和高寒草甸.地理教學(xué),2016,58(2):4-7. Zou S,Luy F C.Two kinds of special vegetation types in Tibet Plateau:Alpine steppe and alpine meadow.Geography Teaching,2016,58(2):4-7.(in Chinese)

[16] 劉金鋒.基于多源遙感數(shù)據(jù)的青海湖流域植被指數(shù)研究.西寧:青海師范大學(xué)碩士學(xué)位論文,2014. Liu J F.Vegetation indices based on multi-source remote sensing data of the Qinghai Lakebasin.Master Thesis.Xining:Qinghai Normal University,2014.(in Chinese)

[17] 裴志永,周才平,歐陽(yáng)華,楊文斌.青藏高原高寒草原區(qū)域碳估測(cè).地理研究,2010,29(1):102-110. Pei Z Y,Zhou C P,Ouyang H,Yang W B.A carbon budget of alpine steppe area in the Tibetan Plateau.Geographical Research,2010,29(1):102-110.(in Chinese)

[18] 鄭度,李炳元.青藏高原自然環(huán)境的演化與分異.地理研究,1990,9(2):1-10. Zheng D,Li B Y.Evolution and different ation of the physico-geographical environment of Qinghai-Xizang Plateau.Geographical Research,1990,9(2):1-10.(in Chinese)

[19] 王杰,李衛(wèi)朋.基于靈活的時(shí)空融合模型的植被覆蓋度與植被指數(shù)關(guān)系.草業(yè)科學(xué),2017,34(2):264-272. Wang J,Li W P.Research on relationship between vegetation cover fraction and vegetation index based on flexible spatiotemporal data fusion model.Pratacultural Science,2017,34(2):264-272.(in Chinese)

[20] Galv?o L S,Vitorello.Variability of laboratory measured soil lines of soils from southeastern Brazil.Remote Sensing of Environment,1998,63(2):166-181.

[21] 李亞剛,李文龍,劉尚儒,秦蘭蘭.基于遙感技術(shù)的甘南牧區(qū)草地植被狀況多年動(dòng)態(tài).草業(yè)科學(xué),2015,32(5):675-685. Li Y G,Li W G,Liu S R,Qin L L.Grassland vegetation dynamics over the years based on remote sensing technology in Gannan pastoral area.Pratacultural Science,2015,32(5):675-685.(in Chinese)

[22] Huete A R.A soil-adjusted vegetation index (SAVI).Remote Sensing of Environment,1988,25(3):295-309.

[23] Qi J,Chehbouni A,Huete A R,Kerr Y H,Sorooshian S.A modified soil adjusted vegetation index.Remote Sensing of Environment.1994,48(2):119-126.

[24] Rikimaru A.Landsat T M data processing guide for forest canopy density mapping and monitoring model.International Tropical Timber Organization (ITTO) Workshop on Utilization of Remote Sensing in Site Assessment and Planning for Rehabilitation of Logged-over Forest.Thailand:Bangkok,1996:1-8.

[25] Rikimaru A,Roy P S,Miyatake S.Tropical forest cover density mapping.Tropical Ecology,2002,43(1):39-47.

[26] 羅志軍,趙小敏,劉耀林.基于遙感的三峽庫(kù)區(qū)植被覆蓋度動(dòng)態(tài)監(jiān)測(cè).農(nóng)業(yè)工程學(xué)報(bào),2008,24(S1):57-60. Luo Z J,Zhao X M,Liu Y L.Dynamic monitoring of vegetation fraction based on remote sensing in Three Gorge area,Transactions of the Chinese Society of Agricultural Engineering,2008,24(S1):57-60.(in Chinese)

[27] 趙英時(shí).遙感應(yīng)用分析原理與方法.第二版.北京:科學(xué)出版社,2013:370. Zhao Y S.Principles and Methods of Remote Sensing Application Analysis.2nd Edition.Beijing:Science Press,2003.(in Chinese)

[28] 姜燁,孫建國(guó),李慶.基于像元二分模型的植被覆蓋度遙感信息提取.科技信息,2013,30(10):168. Jiang Y,Sun J G,Li Q.A study of extracting vegetation coverage based on remote sensing data and dimidiate pixel model.Science & Technology Information,2013,30(10):168.(in Chinese)

[29] 黎良財(cái),鄧?yán)?曹穎,肖萬(wàn)娟,陳翠玉,李宏志.基于NDVI像元二分模型的礦區(qū)植被覆蓋動(dòng)態(tài)監(jiān)測(cè).中南林業(yè)科技大學(xué)學(xué)報(bào),2012,32(6):18-23. Li L C,Deng L,Cao Y,Xiao W J,Chen C Y,Li H Z.Vegetation dynamic monitoring in mining area based on NDVI serial images and dimidiate pixel model.Journal of Central South University of Forestry & Technology,2012,32(6):18-23.(in Chinese)

[30] 馬娜,胡云鋒,莊大方,張學(xué)利.基于遙感和像元二分模型的內(nèi)蒙古正藍(lán)旗植被覆蓋度格局和動(dòng)態(tài)變化.地理科學(xué),2012,32(2):251-256. Ma N,Hu Y F,Zhuang D F,Zhang X L.Vegetation coverage distribution and its changes in Plan Blue Banner based on remote sensing data and dimidiate pixel model.Scientia Geographica Sinica,2012,32(2):251-256.(in Chinese)

[31] 李苗苗.植被覆蓋度的遙感估算方法研究.北京:中國(guó)科學(xué)院研究生院(遙感應(yīng)用研究所)碩士學(xué)位論文,2003. Li M M.The method of vegetation fraction estimation by remote sensing.Master Thesis.Beijing:Graduate University of Chinese Academy of Sciences (Institute of Remote Sensing Applications),2003.(in Chinese)

[32] 劉煥軍,張柏,宋開(kāi)山,王宗明,段洪濤,楊飛,張新樂(lè).基于室內(nèi)光譜反射率的土壤線影響因素分析.遙感學(xué)報(bào),2008,23(1):119-127. Liu H J,Zhang B,Song K S,Wang Z M,Duan H T,Yang F,Zhang X L.Soilline influence factors analysis based on laboratory soil hyperspectral reflectance.Journal of Remote Sensing,2008,23(1):119-127.(in Chinese)

[33] 蔡蘅,王結(jié)貴,楊瑞霞,李超,吉瑋,王心源.基于FCD模型的且末綠洲植被覆蓋度時(shí)空變化分析.國(guó)土資源遙感,2013,25(2):131-137. Cai H,Wang J G,Yang R X,Li C,Ji W,Wang X Y.Analysis of spatial-temporal change of Qiemo oasis vegetation coverage based on FCD model.Remote Sensing for Land and Resources,2013,25(2):131-137.(in Chinese)

[34] 江洪,王欽敏,汪小欽.福建省長(zhǎng)汀縣植被覆蓋度遙感動(dòng)態(tài)監(jiān)測(cè)研究.自然資源學(xué)報(bào),2006,21(1):126-132. Jiang H,Wang Q M,Wang X Q.Dynamic monitoring of vegetation fraction by remote sensing in Changting County of Fujian Province.Journal of Natural Resources,2006,21(1):126-132.(in Chinese)

(責(zé)任編輯 茍燕妮)

ApplicationofcompositevegetationindexinremotesensinginversionofsparsefractionalvegetationcoverinAlpinesteppe

Xia Ying1,2, Fan Jian-rong1, Zhang Xi-yu1,2, Bi Yong-qing3
(1.Institute of Mountain Disaster and Environment, Chinese Academy of Sciences, Chengdu 610041, China;2.Chinese Academy of Sciences, Beijing 100049, China; 3.Faculty of Geosciences and Environmental Engineering, Southwest Jiaotong University, Chengdu 610031, China)

Based on the Landsat 8 remote sensing image data,a transect of alpine steppe from Shigatse City through Nanmulin County to Shenzha County in Tibet was selected as the research area. Four commonly used vegetation indices were used in this study, including the normalised difference vegetation index (NDVI), soil-adjusted vegetation index (SAVI), modified soil-adjusted vegetation index (MSAVI), and transformational soil-adjusted vegetation index (TSAVI), which is sensitive to vegetation information with low coverage in semi-arid areas. Furthermore, the study improved the bare soil index (BI) and the shadow index (SI) using surface reflectance to construct the vegetation bare shadow index (VBSI) suitable for areas of low vegetation coverage. Then, based on the above vegetation indices, the quantitative inversion of vegetation coverage of the alpine steppe was conducted by the dimidiate pixel model. Finally, the inversion accuracy was analysed using the field vegetation coverage data by the grid method. The results showed that the inversion accuracy of VBSI (TSAVI) was the highest among the eight vegetation indices used, and the inversion accuracy was 85.66%. It was demonstrated that the dimidiate pixel model constructed by TSAVI based on the soil spectrum obtained by field collection has a certain practicality for the inversion of vegetation coverage of alpine steppe. The BI and SI of the improved FCD model can significantly reduce the influence of soil and shade on vegetation information. The constructed composite vegetation index is of great practical significance to extract the vegetation coverage information of sparse alpine steppe.

dimidiate pixel model; hyperspectral curve; composite vegetation index; alpine steppe; fractional vegetation cover; soil line; FCD model

S812;S127

：A

：1001-0629(2017)09-1767-11

10.11829/j.issn.1001-0629.2016-0589

夏穎,范建容,張茜彧,畢永清.復(fù)合植被指數(shù)在稀疏高寒草原植被蓋度遙感反演中的應(yīng)用.草業(yè)科學(xué),2017,34(9)：1767-1777.

Xia Y,Fan J R,Zhang X Y,Bi Y Q.Application of composite vegetation index in remote sensing inversion of sparse fractional vegetation cover in Alpine steppe.Pratacultural Science，2017,34(9)：1767-1777.

2016-11-25接受日期：2017-02-24

中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專(zhuān)項(xiàng)(B類(lèi))(XDB03030505)

夏穎(1991-)，女，重慶長(zhǎng)壽人，在讀碩士生，主要從事植被遙感研究。E-mail:137330621@qq.com

范建容(1969-)，女，四川井研人，研究員，博士，主要從事山地生態(tài)與災(zāi)害遙感研究。E-mail:fjrong@imde.ac.cn