郭超凡，陳雯璟，牛明艷,張志高

(1.衢州學(xué)院商學(xué)院，浙江 衢州 324000；2.安陽師范學(xué)院資源環(huán)境與旅游學(xué)院，河南 安陽 455000)

地上生物量(Aboveground Biomass，AGB)是草地生態(tài)系統(tǒng)的物質(zhì)基礎(chǔ)，不僅能夠客觀反映草地的生長狀況和草場(chǎng)載畜量，還是草地碳庫的重要組成部分[1]。及時(shí)、準(zhǔn)確地掌握草地地上生物量的累計(jì)狀態(tài)、分布及動(dòng)態(tài)變化對(duì)于評(píng)估草地生態(tài)系統(tǒng)、研究全球碳循環(huán)和確保草地生態(tài)安全等均具有重要意義。

目前，遙感技術(shù)被認(rèn)為是最有效、最具潛力的草地生物量估算方法。遙感估算技術(shù)是以植被指數(shù)為主要輸入變量，基于像元數(shù)理統(tǒng)計(jì)的回歸分析方法，通過不同尺度數(shù)據(jù)之間建立函數(shù)關(guān)系來完成由點(diǎn)及面的轉(zhuǎn)換[2]。植被指數(shù)的本質(zhì)是多波段反射率的數(shù)學(xué)變換，使變換后的數(shù)據(jù)在增強(qiáng)植被信息的同時(shí)最小化非植被特征[3]，因此植被指數(shù)可以較好地反映植物的生長狀況及空間分布。Tucker等[4]發(fā)現(xiàn)通過對(duì)近紅外波段和紅光波段反射率進(jìn)行歸一化處理獲取的NDVI(Normalized difference vegetation index)對(duì)于生物量的變化十分敏感。此后，為了突出植被特征、消除噪聲因子影響，國內(nèi)外學(xué)者相繼提出了一系列的衍生植被指數(shù)(至今已有40余種)，如反映植被衰老變化的NDVIre(Red-edge NDVI)[5]，消除大氣干擾的ARVI (Atmospherically resistant vegetation index )[6]。雖然大多數(shù)衍生指數(shù)與生物量存在較好的擬合關(guān)系，但研究發(fā)現(xiàn)不同指數(shù)對(duì)于生物量的敏感性存在最優(yōu)適用范圍，且一些指數(shù)模型的適用范圍存在互補(bǔ)性。如鄭陽等[7]的研究結(jié)果表明，NDVI、NDVIre等歸一化差值指數(shù)在生物量低于1 000 g·m-2保持較高的敏感性，而SR (Simple ratio)、CIre(Red-edge chlorophyll index)等比值指數(shù)在生物量高于1 000 g·m-2時(shí)敏感性增強(qiáng)。近年來，植被指數(shù)適用性研究逐漸受到相關(guān)學(xué)者關(guān)注[7-9]，但基于適用范圍互補(bǔ)性的多個(gè)指數(shù)模型的綜合運(yùn)用研究尚不多見。因此，評(píng)估不同植被指數(shù)在草地生物量估算中的適用性并根據(jù)其適用范圍構(gòu)建多指數(shù)模型的協(xié)同估算方案，對(duì)于提高草地資源的定量監(jiān)測(cè)精度具有重要的意義。

Sentinel-2相較于Landsat系列數(shù)據(jù)，具有更高的空間分辨率(10、20 m)和更多的光譜波段(13個(gè)波段)，其獨(dú)有的紅邊波段對(duì)于植被多種理化參量的變化敏感，可以衍生出更多具有不同生態(tài)學(xué)意義的植被指數(shù)[10-12]，因此具有更大的草地生物量估算潛力。本研究以青海省金銀灘草場(chǎng)為研究區(qū)，以Sentinel-2數(shù)據(jù)提取的18種植被指數(shù)為數(shù)據(jù)源，建立植被指數(shù)與草地生物量的擬合模型，并對(duì)其進(jìn)行敏感性分析；對(duì)比不同指數(shù)模型的適用范圍，探索通過構(gòu)建多指數(shù)模型協(xié)同反演方案來提高草地生物量空間分布制圖精度的可能性。研究結(jié)果以期為草地生物量遙感監(jiān)測(cè)提供理論依據(jù)，為青海草原“智慧畜牧業(yè)”發(fā)展提供借鑒。

1 材料與方法

1.1 研究區(qū)概況

金銀灘草原位于青海省海北藏族自治州海晏縣境內(nèi)，地理位置36°53′30″～37°5′30″N， 100°47′30″～100°59′10″E(圖1)；年日照時(shí)數(shù)2 980 h，年平均溫度1.7℃，年均降水量499 mm，夏秋降水多，春冬降水少，屬于高原內(nèi)陸型氣候，全縣草地面積占總面積49.35%，草場(chǎng)資源豐富，草種類型多樣，是全國草地生態(tài)畜牧業(yè)試驗(yàn)區(qū)。草地類型以高寒草甸類、高寒草甸草原類和溫性草原三大類型草地為主。

1.2 采樣點(diǎn)設(shè)置與生物量測(cè)定

地上生物量(AGB)數(shù)據(jù)采集于2017年8月5—6日進(jìn)行。實(shí)地調(diào)查發(fā)現(xiàn)，研究區(qū)內(nèi)草場(chǎng)實(shí)行輪牧制度，即草場(chǎng)只選擇在非生長季節(jié)放牧(11月—次年4月，稱為冬季牧場(chǎng))或生長季節(jié)放牧(5—10月，稱為夏季牧場(chǎng))。根據(jù)研究區(qū)內(nèi)牧草生長狀況和輪牧類型，設(shè)置了3個(gè)采樣區(qū)，包括1個(gè)夏秋草場(chǎng)(采樣區(qū)Ⅰ)和2個(gè)冬季草場(chǎng)(采樣區(qū)Ⅱ，Ⅲ)。3個(gè)采樣區(qū)隨機(jī)采集97個(gè)樣方(圖1)，樣方盡可能代表整個(gè)研究區(qū)域牧草的生長狀況。樣方設(shè)置在地勢(shì)平坦、草地優(yōu)勢(shì)種單一、面積大于10 m×10 m的樣地內(nèi)，且樣方應(yīng)位于樣地的中心。樣方規(guī)格為0.5 m×0.5 m，齊地刈割，挑出石子和動(dòng)物糞便等不可食部分并稱重。最后中心樣方的稱重結(jié)果作為10 m×10 m樣地的草地AGB。

圖1 研究區(qū)位置及樣方分布Fig.1 Location of the study areas and distribution of sampling points

1.3 遙感數(shù)據(jù)獲取及預(yù)處理

研究所選用的遙感數(shù)據(jù)為Sentinel-2影像，包含13個(gè)波段，其中490、560、665 nm和842 nm波段空間分辨率為10 m，705、740、783、865、1 610 nm和2 190 nm波段分辨率為20 m，443、945 nm和1 375 nm波段分辨率為60 m。影像過境時(shí)間為2017年8月4日。Sentinel-2數(shù)據(jù)下載網(wǎng)址：https://scihub.copernicus.eu/dhus/#/home。使用SNAP對(duì)影像進(jìn)行預(yù)處理，經(jīng)過輻射定標(biāo)，大氣校正后得到反射率數(shù)據(jù)。Sentinel-2數(shù)據(jù)各個(gè)波段的空間分辨率有所不同，本文使用最近鄰插值法，將處理后的各波段重采樣至10 m。

1.4 植被指數(shù)計(jì)算

選取常用于草地生長狀況監(jiān)測(cè)的18種植被指數(shù)，不同指數(shù)的計(jì)算公式見表1。由于Sentinel-2包含3個(gè)紅邊波段，而相關(guān)研究表明705 nm和740 nm處的反射率與葉綠素含量均具有較高的相關(guān)性[10]，因此本文分別選用中心波長在705 nm和740 nm的波段作為計(jì)算中的紅邊波段。同時(shí)，由于中心波長在2 190 nm處的反射率與植被水分相關(guān)性優(yōu)于1 375 nm和1 610 nm處的反射率，因此本文選取中心波長在2 190 nm的波段作為計(jì)算中的短波紅外波段。

表1 植被指數(shù)公式Table 1 Vegetation index formula

1.5 植被指數(shù)適用性評(píng)價(jià)

Nguy-Robertson等[27]研究表明，在單變量模型擬合過程中，當(dāng)估算方程呈非線性時(shí)，R2和RMSE的評(píng)估結(jié)果會(huì)存在偏差，需采用噪聲等效 (Noise equivalent，NE) 進(jìn)行模型的敏感性分析，對(duì)模型的適用性給出科學(xué)合理的分析評(píng)價(jià)。NE值越小，則說明植被指數(shù)對(duì)生物量的敏感度和適用性就越強(qiáng)。地上生物量估算的噪聲等效NEΔAGE(Noise equivalent AGE)計(jì)算公式[28]：

式中，RMSE(VIvsAGB)表示植被指數(shù)關(guān)于生物量最優(yōu)擬合函數(shù)的均方根誤差，d(VI)/d(AGB)表示植被指數(shù)關(guān)于生物量的最優(yōu)擬合函數(shù)對(duì)生物量的一階導(dǎo)數(shù)。

2 結(jié)果與分析

2.1 草地地上生物量數(shù)據(jù)分析

對(duì)獲取的樣本點(diǎn)生物量進(jìn)行統(tǒng)計(jì)分析，結(jié)果如表2所示。97個(gè)樣方的生物量波動(dòng)區(qū)間為0.040～1.744 kg·m-2，均值為0.606 kg·m-2。其中采樣區(qū)Ⅰ生物量波動(dòng)區(qū)間為0.040～0.484 kg·m-2，均值為0.247 kg·m-2；采樣區(qū)Ⅱ生物量波動(dòng)區(qū)間為0.300～1.444 kg·m-2，均值為0.763 kg·m-2；采樣區(qū)Ⅲ生物量波動(dòng)區(qū)間為0.364～1.744 kg·m-2，均值為0.810 kg·m-2。結(jié)果表明，受到輪牧制度、放牧強(qiáng)度、草地類型以及人類活動(dòng)等因素影響，青海省金銀灘草原牧草生物累積量存在空間差異。

表2 不同樣區(qū)生物量統(tǒng)計(jì)結(jié)果/(kg·m-2)Table 2 Biomass statistics results in different sampling areas

2.2 指數(shù)模型構(gòu)建及精度驗(yàn)證

為了直觀地展示植被指數(shù)與草地生物量之間的擬合關(guān)系，繪制了18種指數(shù)與生物量之間的1∶1關(guān)系圖，并進(jìn)行了擬合模型的構(gòu)建與最優(yōu)模型的篩選，結(jié)果如圖2所示。從圖中能夠看出所選植被指數(shù)與草地生物量之間均呈現(xiàn)顯著的非線性擬合關(guān)系，R2為0.52～0.73，RMSE為0.230～0.283 kg·m-2，說明選擇的指數(shù)均能夠較好地反映草地生長狀況，但效果存在差異。其中SR、mSR、SRre、mSRre、CIgreen、CIre、MTCI和MTVI2與生物量呈冪函數(shù)關(guān)系；而NDVI、mNDVI、NDVIre、mNDVIre、WDRVI、NDII、EVI、OSAVI、NDWI和GVMI與生物量呈指數(shù)函數(shù)關(guān)系，且NDII模型所對(duì)應(yīng)的R2=0.73、RMSE=0.234 kg·m-2，在所有指數(shù)模型中精度最高。同時(shí)研究結(jié)果表明，18種指數(shù)擬合模型均受到不同程度“過飽和”問題的影響，且不同指數(shù)的飽和點(diǎn)存在差異。植被指數(shù)的“過飽和”問題已經(jīng)成為定量遙感研究中的一個(gè)重要制約[7]。

圖2 調(diào)查點(diǎn)植被指數(shù)和地上生物量的最優(yōu)擬合散點(diǎn)圖Fig.2 Best-fit scatter plot of vegetation index and aboveground biomass at survey site

留一交叉驗(yàn)證的結(jié)果表明(表3)，不同植被指數(shù)最優(yōu)模型評(píng)價(jià)結(jié)果和交叉驗(yàn)證結(jié)果基本一致。其中，典型植被指數(shù)NDVI和SR模型均具有較高的精度，而改進(jìn)的mNDVI和mSR模型精度均低于NDVI和SR，這與鄭陽等[7]的研究結(jié)果不一致，可能原因是枯黃期的干枯牧草影響了該類指數(shù)的靈敏性[29]。與植被葉面/冠層水分密切相關(guān)的NDWI、GVMI和NDII均具有較高的擬合精度，由于該類型指數(shù)包含了短波紅外波段，研究表明短波紅外對(duì)于植被水分含量變化十分敏感[23]。葉綠素作為反映植被生長狀況的重要指標(biāo)，對(duì)于植被生物量的累計(jì)同樣十分敏感。由表3可知，能夠反映植被葉綠素的CIgreen和Clre模型同樣具有較好的估算結(jié)果。而其他反映植被葉面積指數(shù)(MTVI2、WDRVI)、緩解“過飽和”問題(EVI、WDRVI)、降低背景噪聲(OSAVI)的指數(shù)并未在草地生物量估算中表現(xiàn)出優(yōu)于NDVI和SR的結(jié)果。綜上所述，影響草地生物量估算精度的主要因素是水分和葉綠素。

表3 不同指數(shù)最優(yōu)模型精度評(píng)價(jià)及交叉驗(yàn)證Table 3 Accuracy evaluation and cross validation of the optimal models with the selected vegetation indices

2.3 估算模型敏感性分析

NEΔAGE能夠反映植被指數(shù)對(duì)于生物量變化的響應(yīng)能力。RMSE越小，一階微分絕對(duì)值越大，NEΔAGE越小，就證明植被指數(shù)對(duì)生物量的敏感度和適用性越強(qiáng)。以NDVI和SR建模精度和驗(yàn)證結(jié)果為標(biāo)準(zhǔn)，選擇NDVI、SR、CIgreen、CIre、NDII、NDWI和GVMI 7個(gè)植被指數(shù)進(jìn)行NEΔAGE分析，結(jié)果如圖3所示， 7種植被指數(shù)的NEΔAGE均隨著生物量的增加呈上升趨勢(shì)。其中，NDVI、NDII、NDWI和GVMI所對(duì)應(yīng)的NEΔAGE與生物量的變化呈經(jīng)過(0，0)點(diǎn)的線性關(guān)系，而CIgreen、CIre和SR所對(duì)應(yīng)的NEΔAGE與生物量的變化呈冪函數(shù)關(guān)系。兩種不同NEΔAGE的變化趨勢(shì)在0.6 kg·m-2附近相交。

圖3 植被指數(shù)的敏感性分析Fig.3 Sensitivity analysis of vegetation index

綜合考慮不同植被指數(shù)所對(duì)應(yīng)的生物量最優(yōu)擬合模型精度和NEΔAGE，冪函數(shù)關(guān)系模型中CIgreen的模型精度和驗(yàn)證精度高于CIre和SR，而對(duì)應(yīng)的NEΔAGE值均小于CIre和SR，說明在冪函數(shù)關(guān)系模型中CIgreen指數(shù)適用性最佳；指數(shù)函數(shù)關(guān)系模型中NDII的模型精度和驗(yàn)證精度均高于GVMI、NDVI和NDWI，而對(duì)應(yīng)的NEΔAGE小于GVMI、NDVI和NDWI，說明在指數(shù)函數(shù)關(guān)系模型中NDII適用性最佳。同時(shí)，NDII和CIgreen所對(duì)應(yīng)的NEΔAGE在0.65 kg·m-2附近相交，那么在生物量低于0.65 kg·m-2時(shí)，NDII在所有選擇的指數(shù)中具有最佳的適用性，而CIgreen在生物量高于0.65 kg·m-2時(shí)適用性最優(yōu)。

2.4 基于多指數(shù)模型協(xié)同的草地生物量反演制圖

上述研究結(jié)果表明NDII和CIgreen模型適用范圍具有互補(bǔ)優(yōu)勢(shì)，因此本文嘗試采用NDII和CIgreen模型進(jìn)行研究區(qū)草地生物量協(xié)同反演制圖。具體流程是：分別利用NDII和CIgreen最優(yōu)擬合模型對(duì)研究區(qū)觀測(cè)時(shí)間段的生物量空間分布進(jìn)行制圖。在NDII和CIgreen制圖結(jié)果均大于0.65 kg·m-2的區(qū)域，選用CIgreen的制圖結(jié)果；在NDII和CIgreen制圖結(jié)果均小于0.65 kg·m-2的區(qū)域，選用NDII的制圖結(jié)果；剩余區(qū)域?yàn)榱讼Ｐ烷g的誤差采用NDII和CIgreen制圖結(jié)果的平均值(即均值模型)。剔除城區(qū)、道路和水域等非植被區(qū)域獲取的研究區(qū)生物量反演制圖結(jié)果如圖4所示。結(jié)果反映出研究區(qū)草地生物量分布具有明顯的空間差異性。生物量最高的區(qū)域是優(yōu)質(zhì)草地種植基地，同時(shí)遠(yuǎn)離城區(qū)的草地生物量較高，而城區(qū)周邊的草地生物量明顯較低，可能是由于城區(qū)周圍多為夏季牧場(chǎng)，牛羊放牧制約了草地生物量的累積，此外旅游開發(fā)以及人為活動(dòng)也會(huì)在一定程度影響草地的生長。

圖4 研究區(qū)草地生物量估算結(jié)果Fig.4 Estimation results of biomass in study area

圖5 生物量預(yù)測(cè)值與實(shí)測(cè)值的關(guān)系Fig.5 Relationship between predicated biomass and measured biomass

3 討 論

牧草的水分和葉綠素含量是表征草地地上濕生物量的主要指標(biāo)[30]。本文通過模型擬合發(fā)現(xiàn)，能夠反映植被葉面(冠層)水分含量的NDWI、GVMI和NDII指數(shù)和能夠反映植被葉綠素含量的CIgreen和Clre指數(shù)均對(duì)于草地生物量變化十分敏感。這個(gè)結(jié)果與董建軍等[31]利用多源衛(wèi)星遙感數(shù)據(jù)得出的結(jié)果一致，說明這類植被指數(shù)與牧草生物量不僅存在統(tǒng)計(jì)意義上的相關(guān)性，同時(shí)可以從植被理化特征角度解釋兩者的關(guān)聯(lián)，具有很好的穩(wěn)定性。

近年來，遙感估算研究開始關(guān)注不同植被指數(shù)的適用性[7-9]，但基于適用范圍的多指數(shù)模型綜合運(yùn)用研究則相對(duì)薄弱。本文利用NEΔAG對(duì)比分析了不同植被指數(shù)在牧草生物量估算研究中的適用范圍，并在此基礎(chǔ)上提出了基于NDII和CIgreen的多指數(shù)模型牧草生物量協(xié)同估算方案。結(jié)果表明，上述協(xié)同方案較常規(guī)的單變量模型具有更高的精度，能夠應(yīng)用于整個(gè)研究區(qū)生物量的反演制圖。理論上，該方法也可應(yīng)用于其他植被理化參量如葉綠素、水分含量的估測(cè)。本研究的方案針對(duì)其他生理生化參量反演的適用性有待今后進(jìn)一步研究。

4 結(jié) 論

采用Sentinel-2遙感影像結(jié)合地面實(shí)測(cè)數(shù)據(jù)進(jìn)行牧草生物量估算研究，綜合分析、評(píng)價(jià)了18種具有不同理化特征含義植被指數(shù)在牧草生物量估算中的適用性，并在此基礎(chǔ)上利用提出的多指數(shù)模型協(xié)同估算方法完成對(duì)研究區(qū)生物量空間分布的高精度制圖，結(jié)論如下：