标题

Transcription

1 第 35 卷第 4 期 Vol.35,No.4 草业科学 PRATACULTURALSCIENCE 737G748 4/2018 DOI: /j.issn.1001G G0251 殷建鹏, 高金龙, 冯琦胜, 葛静, 孟宝平, 杨淑霞, 梁天刚, 孟小平. 黄河源区高寒草甸群落高度遥感模拟与评价. 草业科学,2018, 35(4):737G748. YinJP,GaoJL,FengQS,GeJ,MengBP,YangSX,LiangT G,MengXP.Simulationandevaluationofforageheightinalpine meadowgrasslandinheadwatersoftheyelow River.PrataculturalScience,2018,35(4):737G748. 黄河源区高寒草甸群落高度遥感模拟与评价 1,2 1,2 1,2 1,2 1,2 殷建鹏, 高金龙, 冯琦胜, 葛静, 孟宝平, 1,2 1,2 3 杨淑霞, 梁天刚, 孟小平 (1. 草地农业生态系统国家重点实验室兰州大学草地农业科技学院, 甘肃兰州 ; 2. 农业部草牧业创新重点实验室, 甘肃兰州 ;3. 陇西县马营滩小学, 甘肃定西 ) 摘要 : 草层高度是反映草地生长状况的重要指标之一, 与草地地上生物量的监测及载畜力的评估具有紧密联系. 目前, 对我国天然草地群落高度的监测尚缺乏精确的遥感方法. 本研究以黄河源区高寒草甸为研究区, 分别基于 MODIS 植被指数 冠层高度模型以及草地冠层高光谱反射率, 构建了高寒草甸草地群落高度的估算模型, 并对模型精度进行了评价. 结果表明,1)12 种 MODIS 植被指数中,NDVI 对草层高度的变化最为敏感, 其 4 种回归模型的 R 2 均较低, 介于 0.203~0.241,NDVI 指数模型 (y=0.789e 3.186x,R 2 =0.241) 的拟合效果最好, 但反演误差较大 (RMSE=4.2cm, CVRMSE=45.7%);2) 冠层高度模型在黄河源地区高寒草甸试验区的反演精度较低 (RMSE=5.8cm,CVRMSE= 62.1%), 实际应用误差较大 ;3) 高寒草甸群落高度与 nm 波段之间的冠层光谱反射率存在显著负相关关系 (P<0.05), 基于光谱位置变量 R 的线性模型 (y= x ) 相对最优 (R 2 =0.489,RMSE=3.5cm), 较适合反演高寒草甸群落的草层高度. 关键词 : 黄河源区 ; 群落高度 ; 植被指数 ; 冠层高度模型 ; 高光谱反射率中图分类号 :Q 文献标志码 :A 文章编号 :1001G0629(2018)04G0737G12 Simulationandevaluationofforageheightinalpinemeadowgrasslandin headwatersoftheyelowriver YinJianGpeng 1,2,GaoJinGlong 1,2,FengQiGsheng 1,2,GeJing 1,2,MengBaoGping 1,2, YangShuGxia 1,2,LiangTianGgang 1,2,MengXiaoGping 3 (1.StateKeyLaboratoryofGrasslandandAgroGecosystems,ColegeofPastoralAgricultureScienceand Technology,LanzhouUniversity,Lanzhou730020,Gansu,China; 2.KeyLaboratoryofGrasslandLivestockIndustryInnovation,MinistryofAgriculture,Lanzhou730020,Gansu,China; 3.PrimaryschoolofMayingtan,Dingxi748105,Gansu,China) Abstract:Canopyheightingrasslandisanimportantfactorforreflectinggrowthstatus,andiscloselyrelated to monitoringofabovegroundbiomassandgrazingcapacityevaluationaswel.presently,accurateremotesensg ingmethodsfor monitoringcanopyheightinnaturalgrasslandcommunitiesarestillacking.inthisstudy, heightestimationmodelsbasedon MODISvegetationindices,canopyheightmodel,andgrasslandhyperspecG tralreflectancewereestablished,andassessedinthesourceregionoftheyelow River,individualy.ThereG 收稿日期 :2017G05G17 接受日期 :2017G09G04 基金项目 : 国家自然科学基金 ( ); 长江学者和创新团队发展计划资助 (IRT_17R50); 中央高校基本科研业务费 (lzujbkyg2016g186) 第一作者 : 殷建鹏 (1994G), 男, 甘肃张掖人, 在读硕士生, 研究方向为草地遥感与地理信息系统.EGmail:yinjp2013@lzu.edu.cn 通信作者 : 梁天刚 (1967G), 男, 甘肃崇信人, 教授, 博导, 博士, 研究方向为草地遥感与地理信息系统.EGmail:tgliang@lzu.edu.cn

2 738 草业科学第 35 卷 sultsshowedthat:1)ndviwas mostsensitivetograsslandcanopyheightin12 MODISvegetationindices. However,theR 2 valuesoffourregressionmodelsderivedfrom NDVIwerelow,whichwere0.203~0.241.The NDVIexponentialmodel(y=0.789e 3.186x,R 2 =0.241)hadthebestfitingefect;however,inversionerrorwas greater(rmse=4.2cm,cvrmse = 45.7%);2)Theaccuracyofthecanopyheightmodelinalpinemeadow waslow (RMSE=5.8cm,CVRMSE=62.1%);3)Therewasasignificantnegativecorrelationbetweenheight ofalpine meadow communityandcanopyspectralreflectanceranging within519.4~583.17nm band (P < 0.05).Thelinearmodely= x (R 2 =0.489,RMSE=3.5cm)basedonR wassuitable forestimatingthegrasslandcanopyheightinalpinemeadows. Keywords:sourceregionoftheYelow River;grasslandcanopyheight;vegetationindex;canopyheightmodG el;hyperspectralreflectance Correspondingauthor:LiangTianGgang EGmail:tgliang@lzu.edu.cn 草层高度在草地资源管理中具有重要的作用, 其 与生物量 载畜力 采食率 牧草净初级生产力 草地营 养状况等有明显的相关性 [1]. 传统的野外草地资源监 测中对草层高度的调查大多以尺具测量为主, 该方法 不仅耗时费力, 而且无法反映大范围的草地草层高度 的时空分布及变化情况. 近年来, 随着 3S 技术的飞 速发展, 特别是遥感技术具有多平台 多层次 多波段 多时相 短周期 低价格等特点 [2], 已逐步成为草地资 源监测的重要方法, 可以在不同空间尺度上针对草地 地上生物量 草地盖度及群落高度等生物物理指标进 行动态监测 [3]. 在草层高度的遥感监测方面, 国内外学者已经从 微波遥感 植被指数以及植被冠层光谱反射率等多方 面进行了研究, 研究主要集中在面积较小 物种数目较 少 群落结构简单以及地势比较平坦的栽培草地. 例 [4] 如,Hil 等研究发现, 机载合成孔径雷达 (synthetic apertureradar,sar)c L 波段的反向散射与草层高 度之间存在显著的相关关系, 并结合雷达影像制作了 [5] 草层高度分布图.Smal 等利用 GPS 卫星波段的 反射信号研究了信噪比 (SNR) 与植被季节性生长的关 系, 结果证明 GPS 多波段信号对植被的高度十分敏 感, 可以用来估测除森林之外的绝大多数植被类型的 高度, 表明微波遥感在估测植被高度方面有一定的潜 [6] 力.He 等研究发现, 利用 SPOT4 卫星数据产品中 改进土壤调节植被指数 (adjustedtransformedsoilgadg justedvegetationindex,atsavi) 计算得到的草地叶 面积指数 (leafareaindex,lai) 与草层高度有显著的 线性相关关系 (R 2 =0.58).Bufet 和 Dger [7] 发现, 草 地冠层光谱 780 与 677nm 波段处的反射率之差与草 [8] 层高度有一定相关性, 而 Capolupo 等研究牧草冠层 反射率与草层高度的相关性后认为, 窄波段归一化红 边指数 (normalizeddiferencerededge,ndre) 可以 较好地反映草层高度的变化. 随着科技的进步及牧草 生产精细化管理的需求, 拥有更高分辨率 更高准确率 [9] 的遥感新技术被应用到了牧草生产中.Kaizu 等利 用 3D 激光扫描仪测量草地冠层与地面的高度之差并 估算草层高度, 发现估测值与实测值之间的相关系数 [10] 达到 0.62.Fricke 等使用超声波距离传感器 (alg trasonicdistancesensor,ads) 实现了混播栽培草地 草层高度的高精度测量与地上生物量估产.PitG man [11] 比较了测距激光传感器与超声波距离传感器 测量草层高度的精度, 发现前者的精度明显高于后者. 相较于栽培草地, 我国天然草地面积辽阔 物种组 成复杂 地势高低起伏, 情况较为复杂. 目前, 国内学 者主要采用 MODIS 植被指数 冠层高光谱反射率等 遥感方法对我国天然草地的盖度 营养水平以及地上 生物量等指标进行监测 [12G16], 只有少数学者对天然草 [17] 地草层高度遥感监测方面进行过研究.Wang 等利 用机载激光雷达传感器 (lightdetectionandranging, LiDAR) 对呼伦贝尔草原的草层高度进行监测, 估测 值与实测值的拟合系数达到 0.583, 均方根误差 (root [18] meansquareerror,rmse) 达到 4.9cm.Chen 等 在利用地表能量平衡系统 (surfaceenergybalance systern,sebs) 模型估算青藏高原地区地表蒸散量时 提出一种适用于大尺度非均匀地表 基于 NDVI 的植 被冠层高度反演公式, 该公式估测天然草地草层高度 的精度还有待进一步考证. 由于我国天然草地的特殊 性, 实现对天然草地草层高度的精确监测仍是一个巨 大的挑战. 本研究以黄河源地区高寒草甸为研究对象, 通过 分析 MODIS 植被指数和草地高光谱反射率数据与高 寒草甸群落草层高度之间的相关关系, 重点研究探索 :

3 第 4 期殷建鹏等 : 黄河源区高寒草甸群落高度遥感模拟与评价 739 1)12 种 MODIS 植被指数对草层高度变化的敏感程度, 分析研究区高寒草甸群落高度反演模型的适用性 ; 2) 利用 MOD09GA 和野外观测数据, 验证基于 SEBS 研究提出的冠层高度模型是否适合反演高寒草甸群落的草层高度, 并对其精度进行评价 ;3) 分析高寒草甸群落高度与其冠层高光谱反射率之间的相关关系, 并筛选出典型光谱特征波段, 构建草层高度反演模型. 以期实现对高寒草甸草层高度的准确监测, 为草地资源生长状况的综合评价提供科学依据. 1 材料与方法 1.1 研究区概况黄河源区是三江源生态自然保护区的重要组成部分, 位于青海省东部, 覆盖果洛藏族自治州及周边玛多 称多等县的部分地区, 介于 E, N, 总面积约 12.2 万 km 2[19]. 黄河源区地处青藏高原东缘, 海拔变化差异较大, 介于 2568~6264m, 平均海拔 4217 m [19]. 黄河源区属高原山地气候, 年降水量在 262.2~772.8 mm, 降水主要集中在 6-9 月, 占全年降水的 75%~90%, 年均光照时数 h [20], 年平均气温 -5.38~4.14. 从我国的植被分区看, 黄河源区主要属于青藏高原高寒 植被区, 主要植被类型有高寒草甸 高寒草原 沼泽等, 在局部高海拔地带分布有垫状植被和流石滩稀疏植 [21] 被, 植被稀疏低矮. 在黄河源区东部贵南县 玛沁县 河南县及久治县典型高寒草甸区设立试验区 ( 图 1), 试验区高寒草甸植被群落主要以小嵩草 (Kobresiapygmaea) 藏蒿草 (K.tibetica) 矮嵩草 (K.humilis) 线叶嵩草 (K. capilifolia) 和针茅 (Stipacapilata) 等为优势种. 1.2 数据来源及预处理 草地群落高度数据野外调查时间为 2014 年 8 月上旬和 2015 年 8 月上旬, 根据高寒草甸植被特征, 在试验区选择草地植被空间分布均一 有代表性的地段设置样地. 其中,2014 年在贵南县设置样地 10 块, 玛沁县设置样地 7 块,2015 年在河南县设置样地 2 块, 久治县设置样地 2 块, 共设置样地 21 个, 大小为 100m 100 m. 在样地中选用 9 点法布设 0.5 m 0.5m 的样方, 记录草层高度 盖度等指标, 以 9 个样方的平均草层高度代表该样地的群落高度 草地植被冠层高光谱反射率数据光谱数据的采集利用荷兰 Avantes 公司制造的 AvaFieldG3 便携式高光谱地物波谱仪, 其光谱范围为 nm, 其中 nm 的光谱分辨率为 1.4nm, 光 图 1 黄河源东部试验区样地分布图 Fig.1 DistributionofsamplingsitesintheeasternregionoftheYelowRiver

4 740 草业科学第 35 卷 谱采样间隔为 0.6nm; nm 的光谱分辨率为 15nm, 光谱采样间隔为 6nm. 光谱采集尽量选择在少云或者无云 光照条件良好的时间段进行, 每块样地中选择 9 点法对角线处的 5 个样方进行高光谱数据采集, 采集参数设置时间为 100 ms, 测量后及时进行白板校正, 每个样点重复测量 10 次. 使用 Viewer7.0 软件对每个样点的多次重复测量值进行平均处理, 得到各样点的光谱反射率数据. 由于光谱反射率存在一定的噪声, 通过 Origin9.0 数据分析软件的 SavitzkyGGolay 卷积平滑法 ( 即 SGG 滤 [22] 波 ) 对光谱数据进行平滑滤波处理, 经反复测试, 在滤波参数移动窗口宽度及多项式次数的优化上选择 11 和 5, 这种方法可有效消除噪声, 提高信噪比, 但不会改变信号的形状. 由于 和 nm 之间的光谱采样间隔不一致, 为保证数据的整齐度及后期的数据分析, 在 Origin9.0 数据分析软件中采用 Linear 插值法, 插值后生成原始光谱曲线. 为有 [23] 效降低或消除土壤等背景对冠层光谱的影响, 提高光谱数据的多重共线性, 突出地物的光谱吸收和反射特征, 在 ENVI5.0 遥感图像处理软件中利用一阶微分插件及去包络线插件对原始光谱数据进行处理, 得到一阶微分光谱和去包络线光谱. 因为野外草地高光谱测量的不定性因素较多, 且高寒草地不同植被类型及其结构存在较大差异等原因, nm 之间的光谱数据出现了较大的噪声, 考虑到研究植被特征光谱常用波段大多分布在可见光和近红外区域, 故本研究使用 nm 波段范围内的反射率数据来研究对草层高度敏感的特征波段 卫星遥感数据所用遥感数据为来自美国国家航空航天局 (NationalAeronauticsandSpaceAdG ministration,nasa) 的地球观测系统数据及信息系统网站的 MODIS 地表反射率产品 MOD09GA. 该产品是逐日地表反射率值, 包含了 MODIS1G7 通道的反射率数据, 已经对大气 气溶胶及薄卷云的影响进行了校正, 地面分辨率为 500 m. 本研究使用了 2014 年 8 月和 2015 年 8 月覆盖黄河源区的 MOD09GA 影像, 在全球正弦投影系统中的空间编号为 h25v05 和 h26v05, 数据格式为 EOSGHDF. 数据预处理过程如下 :1) 使用 MODIS 投影转换工具 MRT (MODIS Reprojection Tool) 软件, 对 MOD09GA 逐日地表反射率数据进行投影转换等处理, 将正弦曲线投影转换为 Albers 地图投影, 椭球体 选用 WGS84, 用最邻近法进行重采样, 最后输出的影 像文件格式为 GeoTIFF, 得到 MOD09GA1G7 波段的 逐日反射率数据 ;2) 在 ArcGIS 软件中分别计算 NDG VI EVI SAVI MSAVI OSAVI SATVI 和 RVI, 以 及 B7/B2 B2-B7 B7/B5 B5/B7 和 (B5-B7)/(B5+ B7) 这 12 种植被指数的每日数据 ( 表 1), 利用最大值 合成 (MVC) 方法, 合成 2014 年 8 月和 2015 年 8 月的 月最大植被指数数据 ;3) 分别提取样地的植被指数值 ; 4) 按照黄河源主要草地类型分别统计 NDVI 最大值 和最小值等统计指标. 1.3 群落高度反演模型的构建及评价 植被指数反演模型将野外实测样地草层高 度数据与 MODIS 植被指数数据进行配对后, 得到有 效数据 21 组, 以每个样地对应的 12 种植被指数数值 分别为自变量, 样地实测平均草层高度为因变量, 在 SPSS 软件中分别构建线性模型 指数模型 乘幂模型 对数模型, 并根据每种模型的决定系数 (R 2 ) 对模型的 精度进行评价, 确定对高寒草甸群落高度变化较为敏 感的植被指数及相对最优反演模型. [18] 冠层高度模型 Chen 等提出的植被冠层高 度反演公式如下 : HC=HCmin+ HCmax-HCmin (NDVI- NDVImax-NDVImin NDVImin) (1) 式 (1) 中 :HC 为草层高度,HCmin 和 HCmax 是实地测量 草层高度中的最小值和最大值,NDVImin 和 NDVImax 分别指高寒草甸试验区样地对应 NDVI 中的最小值 和最大值 光谱反射率反演模型分析原始光谱反射率 一阶微分反射率以及去包络线反射率与样地实测草层 高度之间的相关关系, 并且通过相关系数检验确定显 著性检验的临界值, 选取与草层高度显著相关的特征 波段作为自变量, 以草层高度为因变量, 在 SPSS 软件 中建立回归模型, 并对模型的精度进行评价, 从中选择 估算高寒草甸草层高度的最优模型, 探索草地冠层光 谱反射率与草层高度之间的内在规律 不同草层高度估算模型的精度评价以均方 根误差 (RMSE) 及平均平方根离差系数 (CVRMSE) [31] 作为模型评价指标, 综合评价基于植被 指数的反演模型 冠层高度模型及光谱反射率反演模 型的精度, 从中选出适合黄河源高寒草甸的草层高度 反演最优模型. 其中,RMSE 常被用来量化模型的精 度 [9],RMSE 越小, 估测值与实测值之间的相关系数

5 第 4 期殷建鹏等 : 黄河源区高寒草甸群落高度遥感模拟与评价 741 植被指数 Vegetationindices 表 1 植被指数计算公式 Table1 Equationsforsevenvegetationindices 计算公式 Equation 参考文献 Reference 归一化植被指数 (NDVI) Normalizeddiferencevegetationindex NDVI= NIR-R NIR+R [24] 增强型植被指数 (EVI) Enhancedvegetationindex 土壤调节植被指数 (SAVI) SoilGadjustedvegetationindex NIR-R EVI= NIR+C1R-C2B+L 2.5 [25] SAVI= NIR-R NIR+R+L ( 1+L) [26] 改进土壤调节植被指数 (MSAVI) ModifiedsoilGadjustedvegetationindex MSAVI= 2NIR+1- (2NIR+1) 2-8(NIR-R) 2 [27] 优化土壤调节植被指数 (OSAVI) OptimizedsoilGadjustedvegetationindex 总体土壤调节植被指数 (SATVI) Soiladjustedtotalvegetationindex OSAVI= NIR-R NIR+R+0.16 SATVI= SWIR1-R SWIR1+R+L (1+L)- SWIR2 2 [28] [29] 比值植被指数 (RVI) Ratiovegetationindex RVI=SWIR2/SWIR1=B7/B6 [30] NIR, 近红外波段 ;R, 红外波段 ;SWIR1, 短红外波段 ;SWIR2, 中红外波段 ; 在 EVI 计算公式中,C1=6,C2=7.5,L=1; 在 SAVI 和 SATVI 计算公式中,L=0.5. NIRdenotesthenearGinfraredband,andRdenotestheredband.IntheequationofEVI,C1=6,C2=7.5,andL=1;intheequationsofSAVIand SATVIequations,L=0.5. r 越接近 1, 模型的精度越高.CVRMSE 则是反映模 型估测值分布情况的指标, 如果 CVRMSE<10%, 则 表示模拟效果优良 ; 如果 10% CVRMSE<20%, 则 表明模拟效果好 ; 如果 20% CVRMSE<30%, 则表 明模拟效果一般 ; 如果 CVRMSE 30%, 则表明模拟 效果差. 另外, 将变异系数 (CV) 作为反映试验区 21 块样地观测值的变异程度.CV RMSE 及 CVRMSE 的计算公式如下 : CV= SD M. ( 2) RMSE= n (Hi-Yi) 2 i=1 n. (3) CVRMSE= RMSE H 100%. (4) 式 (2) 中 :SD 表示试验区样地 NDVI 和草层高度的标 准差,M 表示试验区样地 NDVI 和草层高度的平均 值. 式 (3) 中 :Hi 表示第 i 个样地的估测草层高度,Yi 表示第 i 个样地的实测草层高度,n 为总样地数 ; 式 (4) 中 :H 为实测总体草层高度的平均值. 2 结果与分析 2.1 基于 MODIS 植被指数的草层高度估算 12 种植被指数与黄河源区高寒草甸典型试验区草层高度的回归统计结果 ( 表 2) 表明, 除 NDVI 之外, 其余 11 种植被指数的回归模型均未通过显著水平为 0.05 的 F 检验, 这表明,NDVI 对高寒草甸的草层高度最为敏感, 基本上可以反映黄河源地区高寒草甸群落高度的时空变化状况. 在 NDVI 构建的 4 种回归模型中, 指数模型的拟合决定系数 (R 2 =0.241) 明显高于乘幂模型 (R 2 =0.221) 线性模型 (R 2 =0.217) 及对数模型 (R 2 =0.203), 说明该模型对草层高度的估测能力相对较优. 该模型的估测值与实测值之间的相关系数 r 达到 0.51,RMSE 仅为 4.2cm,CVRMSE 为 45.7% ( 表 3), 估测精度一般. 2.2 基于冠层高度模型的草层高度估算盛草期野外实地测量的 21 块高寒草甸样地的草层高度与相应 NDVI 的统计结果 ( 表 4) 表明, 高寒草甸试验区草层高度的变异系数较大, 而 NDVI 的变异系数较小, 这表明不同样地之间的草层高度有较大的

6 742 草业科学第 35 卷 差异, 但各样地植被的长势较为均一. 高寒草甸试验 区 NDVImin 和 NDVImax 分别为 和 将 NDVImin 和 NDVImax 代入冠层高度公式 (1) 中, 得到高寒草甸试验区草层高度的估测值, 估测样地草 层高度与实测样地草层高度之间的相关系数仅为 0.33, 冠层高度模型的 RMSE 达到 5.8cm. 表 2 MODIS 植被指数与草层高度的回归分析结果 Table2 ResultsfromregresionanalysisresultsofMODISvegetationindicesandgraslandcanopyheight 植被指数 Vegetationindices R 2 线性模型 Linear 指数模型 Exponential 乘幂模型 Power 对数模型 Logarithm NDVI EVI RVI SAVI MSAVI OSAVI SATVI B5/B B7/B B2-B B7/B (B5-B7)/(B5+B7) n=21; 表示显著性相关 (P<0.05), 表 3 同. n=21; indicatesignificantlycorrelationatthe0.05level,similarlyfortable3. 表 3 基于 NDVI 的草层高度最优模型的估计参数及估测精度 Table3 Estimationparametersandaccuracyofgraslandcanopyheightoptimalmodelderivedfrom NDVI 模型 Model 参数估计与检验 Parameterandinspection 估测精度 Accuracy 参数 Parameter 估计值 Estimation t RMSE/cm r CVRMSE/% y=0.789e 3.186x b a 表 4 试验区样地草层高度与相应的 MODISNDVI 统计结果 Table4 Statisticalresultsofgraslandcanopy heightandmodisndvi 指标 Parameter 草层高度 Height NDVI 最小值 Min 最大值 Max 平均值 Mean 标准偏差 Standarddeviation 变异系数 Coeficientofvariation 基于草地冠层高光谱反射数据的草层高度估算 从黄河源区典型高寒草甸的原始光谱曲线 ( 图 2) 可以看出, 高寒草甸的光谱反射曲线 ( nm) 与健康植被波谱曲线特征相似, 可见光 560 和 675nm 左右处形成明显的 绿峰 和 红谷, 这是由草地植被冠层中色素反射绿光及强烈吸收红光的特性所决定 [16] 的. 受到草地冠层叶片细胞结构的影响, nm 间反射率急增, 形成一个陡坡 ; 在 nm 范围内, 植被光谱曲线的反射率高达 20% ~60%, 主 [32] 要是光在叶片内部及叶片间的多次散射造成的. 由高寒草甸草层高度与草地原始光谱 一阶微分光谱及去包络线光谱反射率之间的相关系数曲线 ( 图 3) 可以看出, 在 nm 之间, 原始光谱反射率与草层高度之间呈现明显的负相关关系 (P < 0.05), 在 nm 处相关性最高, 达到 -0.59(P < 0.01). 一阶微分光谱反射率与群落高度的相关性高于原始光谱, nm 波段处的一阶微分反射率与

7 第 4 期殷建鹏等 : 黄河源区高寒草甸群落高度遥感模拟与评价 743 图 2 21 块样地植被冠层 ( nm) 光谱曲线 Fig.2 Vegetationcanopyspectralcurves( nm)of21sampleplots 草层高度呈显著正相关关系, 相关系数达 0.64(P < 0.01), nm 波段之间的一阶微分光谱反射率与草层高度之间具有显著的负相关关系, 相关系数的绝对值均在 0.6 以上 (P<0.01),510.59nm 波段的一阶微分光谱反射率与草层高度负相关系数最大, 达 -0.69(P<0.01) nm 波段范围的去包络线光谱反射率与草层高度的相关系数绝对值大于 0.5(P<0.05),775.91nm 波段处的负相关系数最大, 达 选取原始光谱 一阶微分光谱及去包络线光谱相关性曲线中相关系数 r >0.5 的波段作为特征波段, 并构建光谱参量与草层高度进行回归分析 ( 表 5). 可以看出, 高寒草甸冠层高光谱反射率与群落高度之间的最优反演模型是 蓝边 波段内以 nm 波段的一阶微分值为自变量的线性模型 (y= x ,R 2 =0.489), 其反演精度较高,RMSE 为 3.5 cm, 估测值与实测值相关系数 r 达到 0.70(P<0.01). 2.4 模型的精度比较与评价本研究共采用 3 种方法对黄河源区高寒草甸群落的高度进行估测,3 种方法的估测精度不尽相同. 从典型试验区 (21 个样地 ) 的估测结果 ( 表 6) 可以看出, 这 3 种模型的 RMSE 从大到小依次是冠层高度模型 NDVI 指数模型 高光谱模型, 而估测值与实测值之间的相关系数 r 从大到小依次为高光谱模型 NDVI 指数模型 冠层高度模型. 3 种模型的估测效果 ( 图 4) 显示, 模型的估测准确度从高到低依次为高光谱模型 (R 2 =0.4888) NDVI 指数模型 (R 2 = ) 冠层高度模型 (R 2 = ). 其中, 冠层高度模型的估测值大多数落在 1 1 直线上方 ( 图 4b), 说明该模型的估测值相较于真 实值偏大 ; 而 NDVI 指数模型和高光谱模型的估测值 均匀分布在 1 1 直线两侧 ( 图 4a 和 c); 综合考虑, 这 3 种模型的大多数估测值与 1 1 直线的偏离程度较大, 并且估测值的离散程度也较大, 而出现这种分布情况 是因为这 3 种模型的 CVRMSE 均大于 30%. 尽管如 此, 高光谱模型相较于 NDVI 指数模型和冠层高度模 型有较低的 CVRMSE(37.2%), 比后两种模型更适合 反演高寒草甸群落的高度. 3 讨论与结论 在 NDVI EVI SAVI MSAVI OSAVI SATVI 和 RVI, 以及 B7/B2 B2-B7 B7/B5 B5/B7 和 (B5- B7)/(B5+B7) 这 12 种植被指数中, 仅有 NDVI 可以 反映高寒草甸群落高度的变化情况.NDVI 构建的 4 种模型 ( 线性 指数 对数及乘幂 ) 的决定系数 (R 2 ) 均 较低, 介于 0.203~0.241, 其构建的指数模型 y = 0.789e 3.186x 相对最优, 但 R 2 仅为 0.241,RMSE 达 4.2 [33] cm. 该模型的反演精度与 Liang 等在青南牧区建 立的基于 EVI 反演草层高度的乘幂模型相似 (R 2 = ,RMSE=7.02cm), 说明利用 MODIS 植被指 数估测高寒草地群落高度的误差较大. 而引起这些误 差的主要原因在于 MODIS 植被指数与草层高度之间 没有较为密切的联系. 其次, 地面样方实测数据与卫 星遥感数据的匹配性问题也是误差来源之一 :1) 时间

8 744 草业科学第 35 卷 图 3 高寒草甸原始光谱 一阶微分光谱 去包络线光谱与草层高度的相关系数 Fig.3 Correlationcoeficientbetweenthecanopyheightandoriginalspectrum,andthefirstGorderdiferential spectrumandcontinuumremovedspectralreflectancecurveinthealpinemeadow 上的匹配性问题. 野外地面观测样点的调查是在 8 月初盛草期进行的, 由于光学卫星遥感数据受云层等天气状况的极大限制, 大多数地面样地的调查时间与卫星成像时间无法完全匹配, 最大值合成法计算的 MOG DIS 植被指数与样方调查时间也有差异.2) 空间上的匹配问题. 本研究中野外调查样地的面积较小, 为 100m 100 m 的样地, 与所用的 500 m 空间分辨率的 MODIS 产品有一定差异, 普遍存在混合像元情况,

9 第 4 期 殷建鹏 等 : 黄河源区高寒草甸群落高度遥感模拟与评价 745 因此基于 MODIS 植被指数的回归模型精度较差. 可以归结为以下两个方面 : 首先, 该模型中变量 NDVI 冠层高度模型在黄河源区高寒草甸试验区的适用 的值易受 MODIS 混合像元因素的影响 ; 其次,NDG 性较差. 本研究经过验证, 该模型估测高寒草甸草层 VImin 和 NDVImax 的取值也会影响估测的精度. 本研 高度的精度较低, 存在明显的高估现象,R 2 也仅为 究只评价了冠层高度模型在高寒草甸上的适用性, 该 ,RMSE 高达 5.8cm. 导致此结果的主要原因 模型在其他草地类型上的适用性还需要进一步探索. 表 5 高光谱参量描述及草层高度估测模型 Table5 Hyperspectralparameterdescriptionandestimationmodels 变量 Variable 光谱参量 Spectralparameter 参量描述 Parameterdescription 回归方程 Regressionequation R 2 R nm 处光谱反射率 Spectralreflectanceat549.87nm y=-2.064x y= lnx y= x y=73.448e x 光谱位置变量 Spectrumlocation variable R R nm 处光谱反射率一阶微分值 FirstGorderdiferentialspectral reflectanceat366.31nm nm 处光谱反射率一阶微分值 FirstGorderdiferentialspectral reflectancein510.59nm y=28.279x y=8.910e 2.680x y= x y=-9.907lnx y=0.325x y=29.707e x 植被指数变量 Spectrumarea variable BD [362.15,549.87] R R R R [673.14,549.87] R R R R nm 处去包络线光谱的波段深度 Banddepthofcontinuumremoved spectrumat775.91nm y= x y=6.006e x y=6.009x y= x y=-3.192lnx =5.752x y=21.321e x y=-6.365x y=-1.352lnx y=7.112x y=8.971e x 表示在 0.05 水平显著相关 (P<0.05), 表示在 0.01 水平显著相关 (P<0.01). 表 6 同. and indicatesignificantlycorrelationat0.05and0.01level,respectively;similarlyfortable6. 表 6 典型试验区 3 种模型的估测精度 Table6 Estimationaccuracyofthreemodelsintypicalstudyarea 模型 Model 样地数 Numberofsamples RMSE/ cm CVRMSE/ % r R 2 NDVI 指数模型 NDVIexponentmodel 冠层高度模型 Canopyheightmodel 高光谱模型 Hyperspectralmodel

10 746 草业科学第 35 卷 图 4 NDVI 指数模型 (a) 冠层高度模型 (b) 及高光谱模型 (c) 的草层高度估测值与实测值的拟合结果 Fig.4 ResultsoffitingresultsofthegraslandcanopyheightestimationandthemeasuredvaluesofNDVIexponential model(a),canopyheightmodel(b)andhyperspectralmodel(c) 高寒草甸群落 519.4~583.17nm 原始光谱反射率与草层高度之间呈现显著的负相关关系 ( r 0.5,P<0.05), 在 nm 处的相关性最高, 相关系数达到 -0.59(P<0.01). 选取多种光谱参量构建的回归模型之中, 以 nm 波段一阶微分值为自变量的线性模型 y= x 相对最优 (R 2 =0.489,RMSE=3.5cm), 估测值与实测值之间的相关系数 r 达到 0.70, 精度较高. 高寒草甸 550nm 左右是 绿峰 的形成区, 该波长范围内的植 [34] 被冠层反射率对叶绿素含量比较敏感. 在正常情况下, 植被在可见光波段的反射率主要受叶绿素的 [32] 影响, 植被群落在可见光波段范围内的反射率都 小于裸地, 而在近红外波段及红外波段植被群落的 反射率大于裸地 [35]. 因此, 随着草地群落高度的降 低, 冠层结构也会发生改变, 一般植被叶绿素含量会 减少, 草地光谱在可见光波段范围内的反射率会变 大, 逐渐接近纯裸地的反射率. 这个结果与孙红 [36] 等发现的冬小麦 (Triticumaestivum) 在特定的生 长期冠层反射率与小麦高度呈反比的结论相似. 本 研究只分析了可见光及短波近红外波段的冠层光谱 反射率与草层高度之间的相关关系, 其他波段冠层 光谱反射率与草层高度之间的关系还需要进一步研 究. 参考文献 References: [1] 安渊, 闫志坚. 利用草层高度管理大针茅草原的方法初探. 北京 : 中国国际草业发展大会暨中国草原学会代表大,2002. AnY,YanZJ.ResearchonthewayofmanagingStipagrandissteppaapplyingswardheight.Beijing:ChinaInternationalGrass

11 第 4 期殷建鹏等 : 黄河源区高寒草甸群落高度遥感模拟与评价 747 IndustryDevelopmentConferenceandChinaGrasslandSocietyCongress,2002.(inChinese) [2] 张军. 多时相图像检测方法及其在毁伤评估系统中的应用. 上海 : 上海交通大学硕士学位论文,2008. ZhangJ.ProcessingmethodofmultiGtemporalremotesensingimagesandtheuseindamageassessment.MasterThesis.Shanghai: ShanghaiJiaoTongUniversity,2008.(inChinese) [3] KalenbachRL.Describingthedynamic:Measuringandassessingthevalueofplantsinthepasture.CropScience,2015,55(6): 2531G2539. [4] HilMJ,DonaldG E,VickeryPJ.Relatingradarbackscatertobiophysicalpropertiesoftemperateperennialgrassland.Remote SensingofEnvironment,1999,67(1):15G31. [5] SmalEE,LarsonK M,BraunJJ.Sensingvegetationgrowth withreflectedgpssignals.geophysicalresearchleters,2010, 37(12):245G269. [6] HeY H,GuoXL,WilmshurstJF.Reflectancemeasuresofgrasslandbiophysicalstructure.InternationalJournalofRemoteSensG ing,2009,30(10):2509g2519. [7] BufetD,OgerR.CharacterisationofgrasslandcanopyusingCASIGSASIhyperspectralimagery.Bruges,Belgium:CASIGSWIR 2002 WorkshopGBelspoGSTEREOProgram,2003. [8] CapolupoA,KooistraL,BerendonkC,BocciaL,SuomalainenJ.Estimatingplanttraitsofgrasslandsfrom UAVGAcquiredhyperG spectralimages:acomparisonofstatisticalapproaches.isprsinternationaljournalofgeoginformation,2015,4(4):2792g2820. [9] KaizuY,Jong M C,KangT H.GrassheightandyieldestimationusingathreeGdimensionallaserscanner.EnvironmentalControlin Biology,2012,50(1):41G51. [10] FrickeT,RichterF,WachendorfM.Assessmentofforagemassfrom grasslandswardsbyheightmeasurementusinganultrag sonicsensor.computers& ElectronicsinAgriculture,2011,9(2):142G152. [11] PitmanJJ.Heightmeasurementandforagebiomassestimationusinglaserandultrasonicsensorsfromamobileplatform.FloriG da,usa:asa,cssa,& SSSAInternationalAnnualMeetings,2013. [12] 冯琦胜, 高新华, 黄晓东, 于惠, 梁天刚 年青藏高原草地生长状况遥感动态监测. 兰州大学学报 ( 自然科学版 ), 2011,47(4):75G81. FengQS,GaoX H,HuangXD,YuH,LiangTG.RemotesensingdynamicmonitoringofgrassgrowthinQinghaiGTibetplatG eaufrom2001to2010.journaloflanzhouuniversity(naturalsciences),2011,47(4):75g81.(inchinese) [13] 李亚刚, 李文龙, 刘尚儒, 秦兰兰. 基于遥感技术的甘南牧区草地植被状况多年动态. 草业科学,2015,32(5):675G685. LiY G,LiW L,LiuSR,QinLL.GrasslandvegetationdynamicsovertheyearsbasedonremotesensingtechnologyinGannan pastoralarea.pratacultaralscience,2015,32(5):675g685.(inchinese) [14] 陈佼, 张丽. 天山北坡草地盖度高光谱遥感估算. 草业科学,2017,34(1):30G39. ChenJ,ZhangL.EstimatinggrasslandcoveragebasedonhyperspectralremotesensinginthenorthernTianshanMountains.PratG acultaralscience,2017,34(1):30g39.(inchinese) [15] 宋清洁, 崔霞, 张瑶瑶, 孟宝平, 高金龙, 向宇轩. 基于小型无人机与 MODIS 数据的草地植被覆盖度研究 : 以甘南州为例. 草业科学,2017,34(1):40G50. SongQJ,CuiX,ZhangY Y,MengBP,GaoJL,XiangY X.GrasslandfractionalvegetationcoveranalysisusingsmalUVAs and MODIS:AcasestudyinGannanPrefecture.PratacultaralScience,2017,34(1):40G50.(inChinese) [16] 高金龙, 侯尧宸, 白彦福, 孟宝平, 杨淑霞, 胡远宁, 冯琦胜, 崔霞, 梁天刚. 基于高光谱数据的高寒草甸氮磷钾含量估测方法研究 : 以青海省贵南县及玛沁县高寒草甸为例. 草业学报,2016,25(3):9G21. GaoJL,HouYC,BaiYF,MengBP,YangSX,HuY N,FengQS,CuiX,LiangTG.Methodsforestimatingnitrogen,phosG phorusandpotassiumcontentbasedonhyperspectraldatafromalpinemeadowsinguinanand MaqinCounties,QinghaiProvG ince.actaprataculturaesinica,2016,25(3):9g21.(inchinese) [17] WangDL,XinXP,ShaoQ Q,BrolyM,ZhuZL,ChenJ.ModelingabovegroundbiomassinHulunbergrasslandecosystemby usingunmannedaerialvehiclediscretelidar.sensors,2017,17(1):180. [18] ChenXL,SuZB,MaY M,YangK,WenJ,ZhangY.AnimprovementofroughnessheightparameterizationofthesurfaceenerG gybalancesystem (SEBS)overtheTibetanPlateau.JournalofApplied Meteorology & Climatology,2013,52(3):607G622. [19] ChuH,WeiJ,LiT,JiaK.ApplicationofsupportvectorregressionformidandlongGtermrunofforecastingin Yelow River

12 748 草业科学第 35 卷 Headwater region.procediaengineering,2016,154:251g1257. [20] 徐晓桃. 黄河源区 NPP 及植被水分利用效率时空特征分析. 兰州 : 兰州大学硕士学位论文,2007. XuXT.SpatialandtemporalanalysisofnetprimaryproductivityandwateruseeficiencyinYelowRiverSourceRegion.Master Thesis.Lanzhou:LanzhouUniversity,2007.(inChinese) [21] 林琳, 金会军, 罗栋梁, 吕兰芝, 何瑞霞. 黄河源区高寒植被主要特征初探. 冰川冻土,2014,36(1):230G236. LinL,JinHJ,LuoD L,LyuLZ,HeR X.Preliminarystudyon majorfeaturesofalpinevegetationinthesourceareaofthe Yelow River(SAYR).JournalofGlaciologyandGeocryology,2014,36(1):230G236.(inChinese) [22] 刘树深, 易忠胜. 基础化学计量学. 北京 : 科学出版社,1999. LiuSS,YiZS.BasicStoichiometry.Beijing:SciencePress,1999.(inChinese) [23] DemetriadesGShahT H,StevenM D,ClarkJA.Highresolutionderivativespectrainremotesensing.RemoteSensingofEnvironG ment,1990,33(1):55g64. [24] TuckerCJ,JusticeCO,PrinceSD.MonitoringthegrasslandsoftheSahel InternationalJournalofRemoteSensG ing,1986,7(11):1571g1581. [25] HueteA,JusticeC,LiuH.DevelopmentofvegetationandsoilindicesforMODISGEOS.RemoteSensingofEnvironment,1994, 49(3):224G234. [26] HueteA R.AsoilGadjustedvegetationindex(SAVI).RemoteSensingofEnvironment,1988,27(3):295G309. [27] QiJ,ChehbouniA,HueteA R,KerrY H,SorooshianS.A modifiedsoiladjustedvegetationindex.remotesensingofenvirong ment,1994,48:119g126. [28] Steven M D.ThesensitivityoftheOSAVIvegetationindextoobservationalparameters.RemoteSensingofEnvironment,1998, 63(1):49G60. [29] QiJ,Watson M C,GoodrichD.Remotesensingforgrasslandmanagementinthearidsouthwest.RangelandEcology & manageg ment,2005,59(5):530g540. [30] GuerschmanJP,HilMJ,RenzuloLJ,BarretDJ,MarksAS,BothaM E.EstimatingfractionalcoverofphotosyntheticvegeG tation,nongphotosyntheticvegetationandbaresoilintheaustraliantropicalsavannaregionupscalingtheeog1 Hyperionand MODISsensors.RemoteSensingofEnvironment,2009,113:928G945. [31] 梁天刚, 林慧龙, 冯琦胜. 草地综合顺序分类系统研究进展. 南京 : 江苏凤凰科学技术出版社,2015. LiangT G,LinH L,FengQS.Nanjing:AdvanceinGrasslandComprehensiveSequentialClassificationSystem.Nanjing:Jiangsu FenghuangScience& TechnologyPress,2015.(inChinese) [32] 马文勇, 王训明. 基于高光谱分析的草地叶绿素含量估算研究进展. 地理科学进展,2016,35(1):25G34. Ma W Y,WangX M.Progressongrasslandchlorophylcontentestimationbyhyperspectralanalysis.ProgressinGeography, 2016,35(1):25G34.(inChinese) [33] LiangTG,YangSX,FengQS,LiuBK,ZhangRP,HuangXD,XieHJ.MultiGfactormodelingofaboveGgroundbiomassinalpine grassland:acasestudyinthethreegriverheadwatersregion,china.remotesensingofenvironment,2016,186:164g172. [34] 刘淼. 不同营养水平冬小麦长势高光谱遥感监测. 杨凌 : 西北农林科技大学硕士学位论文,2016. Liu M.Winterwheatgrowth monitoringusinghyperspectralremotesensingunderdiferentnutritionlevels.masterthesis. Yangling:NorthwestA & FUniversity,2016.(inChinese) [35] 娜日苏, 苏和, 格根图. 退化草甸草原近地面光谱特征初探. 安徽农业科学,2009,38(6):164G167. Narisu,Suhe,Gegentu.PreliminarystudyonthenearGgroundspectralcharacteristicofthedegradedmeadowgrassland.Journal ofanhuiagriculturalsciences,2009,38(6):164g167.(inchinese) [36] 孙红, 李民赞, 赵勇, 张彦蛾, 王晓敏, 李修华. 冬小麦生长期光谱变化特征与叶绿素含量监测研究. 光谱学与光谱分析,2010, 30(1):192G196. SunH,LiM Z,ZhaoY,ZhangYE,WangX M,LiX H.Thedpectralvharacteristicsandchlorophylcontentatwinterwheat growthstages.spectroscopyandspectralanalysis,2010,30(1):192g196.(inchinese) ( 责任编辑王芳 )