內蒙古典型草原干草生物量高光譜遙感估算研究*

胥 慧,包 玉 海,包 剛,包 玉 龍

(內蒙古師范大學 內蒙古自治區(qū)遙感與地理信息系統重點實驗室,內蒙古 呼和浩特 010022)

草地在生態(tài)環(huán)境上有助于防風固沙、保持水土、涵養(yǎng)水源、調節(jié)氣候、固氮儲碳、維護生物多樣性等。在經濟上它是發(fā)展畜牧業(yè)的基本生產資料之一。它的巨大環(huán)境意義和經濟效益越來越引起人們的高度重視。內蒙古天然草地面積達78.6×104km2，占全區(qū)面積的66.4%。[1]不僅是我國的主要畜牧業(yè)基地，更是維系整個北方生態(tài)環(huán)境質量的綠色屏障。草地地上生物量是影響野生動物攝食方式和分布的重要因素之一，是草地生態(tài)系統的重要參數之一。草地地上生物量的估算將為確定合理的草地載畜量提供依據，為保障畜牧業(yè)生產發(fā)展、保護生態(tài)環(huán)境、實現可持續(xù)發(fā)展服務。

干草是指經過收割、干燥加工處理后的草料，以儲備作動物飼料用途，特別是喂養(yǎng)畜類如馬、牛、山羊和綿羊等。干草還可作為寵物飼料，如兔子和豚鼠。豬也可以喂以干草，但它們對干草的消化并不是很好。在沒有足夠的草場和牧場或者天氣惡劣的情況下，干草是較好的飼料來源。按中華人民共和國農業(yè)部頒布的農業(yè)行業(yè)標準規(guī)定，干草含水量為14%。

高光譜遙感是一門新興的交叉學科，它是建立在航空航天、傳感器、計算機等技術上的，涉及電磁理論、光譜學與色度學、物理、幾何光學、固體理論、電子工程、信息學、地理學、地球科學、地質學、林學、農學、大氣科學、海洋學等多門學科。這其中電磁理論是遙感最重要的物理基礎，電磁波與(地表)物質的相互作用機理、電磁波在不同介質的傳輸模型和對其進行接收、分析是凝聚各門學科和技術的核心。[2]

因此本文利用高光譜遙感這一先進技術手段對秋季干枯牧草生物量進行研究，在一定區(qū)域范圍內，通過樣點地物高光譜的采集，從光譜反射率曲線中提取光譜吸收特征，這些特征主要由以下特征參數表示，吸收波波長波段位置(P)、反射值(R)、深度(H)、寬度(W)、斜率(K)、對稱度(S)、面積(A)等，提取一階、二階導數的地物光譜特征[3]。進行了地上生物量的高光譜遙感估算模型研究，旨在促進高光譜分辨率遙感技術在草地畜牧業(yè)動態(tài)監(jiān)測和遙感估產中的應用(黃敬峰，2001)。[4]

圖1 樣地分布圖

1 數據源與研究方法

1.1 數據采集

試驗于2013年9月20-9月29日在內蒙古錫林郭勒草原進行。共設計30個樣地(圖1)，在每個樣地內選取1個1m×1m大小的樣方，采用美國Spectra Vista公司生產的SVCHR-1024i(分辨率 ≤ 3.5 nm, 350-1000nm；分辨率≤8.5nm, 1000-1850nm；分辨率≤6.5nm,1850-2500nm)野外光譜儀在每樣方內均采集冠層反射光譜曲線，測量前均用標準白板進行校正。整個測量過程中，傳感器探頭在草地冠層上方垂直向下，距冠層垂直高度1.3m左右，沿正對太陽入射方向行進觀測，以避免人影對光源強度的影響。[5]

在每個樣方內采集光譜反射數據之后，收割其所有地上植物，利用電子天平立即對鮮生物量進行秤重，單位為g/m2。

1.2 研究區(qū)域概況

該研究區(qū)域地處42.6563°N-45.8364°N，l12.3611°E-119. 351°E，位于內蒙古自治區(qū)錫林郭勒盟中北部，西起二連浩特，東至東烏珠穆沁旗。屬北部溫帶大陸性氣候。[6]氣候特點是風大、干旱、寒冷。年平均氣溫0-3℃， 結冰期長達5個月，寒冷期長達7個月，1月氣溫最低，平均-20℃，為華北最冷的地區(qū)之一。7月氣溫最高，平均21℃。年較差為35-42℃，極端最高氣溫39．9℃，極端最低氣溫-42．4℃，日較差平均為12-16℃。平均降雨量295mm，由東南向西北遞減。典型植物群落由克氏針茅(Stipa klyrovii)、糙隱子草(Cleistogenes squarrosa)、冷蒿(Artemisiafrigida)組成，在該區(qū)西北部地區(qū)降雨相對偏少，分布有退化蔥類植被，在中東大部分地區(qū)分布有小葉錦雞兒等[7]。

1.3 研究方法

1.3.1高光譜數據特征參數及提取方法

本方法基于單個特征參量或兩個(或多個)特征波段組合的光譜指數，建立它們與某個生理或生化參量的經驗方程，因此又分為特征參量法和光譜指數法。[8]

常見的高光譜吸收特征參數包括了從原始光譜、一階微分光譜提取的基于高光譜位置變量、基于高光譜面積變量、基于高光譜植被指數變量3種類型共19個吸收特征參數。[9]

基于高光譜位置變量的有8個：1)Db：藍邊內一階微分光譜中的最大值，藍邊覆蓋430-470nm；2) λb：Db對應的波長位置(nm)；3)Dr：紅邊內一階微分光譜中的最大值，紅邊覆蓋620-760 nm；4)λr：Dr對應的波長位置(nm)；5)Dinr：近紅外平臺一階微分光譜中的最大值，近紅外平臺覆蓋780-1300nm；6)λinr：Dinr對應的波長位置(nm)即對應近紅外位置；7)H：綠峰的反射峰高度，RC,RS,RE,分別為吸收特征中心點、起點和結束點處的光譜反射率，λC,λS,λE,分別為反射特征中心點、起點和結束點處的波長，分別為560nm，500nm，670nm；

(1)[10]

8)D：紅谷的吸收深度，RC,RS,RE，分別為吸收特征中心點、起點和結束點處的光譜反射率，λC,λS,λE,分別為反射特征中心點、起點和結束點處的波長，分別為670nm，560nm，760nm。

(2)[10]

基于高光譜面積的變量有3個：SDb：藍邊波長范圍內一階微分波段值的總和；SDr：紅邊波長范圍內一階微分波段值的總和；SDinr：近紅外平臺一階微分波段值的總和。

基于高光譜植被指數的變量有： VI1=D/H： 紅谷吸收深度(D)與綠峰反射峰高度(H)的比值；VI2= (D-H)/(D+ H)：紅谷吸收深度(D)與綠峰反射峰高度(H)的歸一化值；VI3=SDr/SDb：紅邊內一階微分的總和(SDr)與藍邊內一階微分的總和(SDb)的比值；VI4=SDinr/SDb近紅外平臺一階微分的總和(SDinr)與藍邊內一階微分的總和(SDb)的比值；VI5=SDinr/SDr近紅外平臺一階微分的總和(SDinr)與紅邊內一階微分的總和(SDr)的比值；VI6=(SDr—SDb)/(SDr+SDb)：紅邊內一階微分的總和(SDr)與藍邊內一階微分的總和(SDb)的歸一化值。VI7=(SDinr-SDb)/(SDinr+ SDb)：近紅外平臺一階微分的總和(SDinr)與藍邊內一階微分的總和(SDb)的歸一化值；VI8=(SDinr-SDr)/(SDinr+ SDr)：近紅外平臺一階微分的總和(SDinr)與紅邊內一階微分的總和(SDr)的歸一化值。

1.3.2高光譜數據的主成分分析[11]

在SPSS環(huán)境下，對所采光譜數據400—1000nm波段數據進行主成分分析，實現高光譜數據的降維，減少數據量，結合干草生物量獲得主成分。對所得光譜進行分段，可見光340-780nm、短波紅外780-1300nm和短波紅外1300-2500nm三段。

2 結果與分析

2.1 對25個樣地進行高光譜參數提取，獲得19種高光譜參數

表2:高光譜參數與生物量2

2.2 精度檢驗

對所得高光譜特征參數進行相關性分析，得到回歸方程，并進行驗證。

表3:高光譜特征參數(25個樣地)與回歸方程

驗證結果如下表

表4:回歸方程精度驗證(5個樣地)

本研究綜合分析了高光譜特征參數、不同波段組合的19種常用植被指數與草地生物量間的相關關系，來建立草地生物量高光譜遙感估算模型，探討了其模擬精度。[12]通過研究得出了如下結論：

高光譜特征參數D、Sdinr/SDb、(D-H)/(D+H)和草地生物量具有較高的相關性，其相關系數分別為0.687、0.688、0.660，其D和(D-H)/(D+H)的為指數函數，Sdinr/SDb為二次函數方程。通過精度驗證，上述三個高光譜參數與干草生物量相關性最好。

草地冠層在可見光波段350-700nm范圍的反射率較低，一般不會超過0.3，反射值沿波長增大方向呈逐漸增加趨勢。同時，隨著草地生物量的減小，葉片葉綠素、葉黃素和胡蘿卜素等生化組分含量也隨之減小，導致綠光波段反射峰值不夠突出，使光譜曲線變得更平滑。[13]在近紅外波段(760-1000 nm)內，反射率值一般在0.15-0.6之間，且比較平穩(wěn)。

2.3 主成分分析結果與驗證

紫外、可見、近紅外

340-780nm 回歸方程 y=19.134e-12.2xR=0.7126

短波紅外

780-1300nm 回歸方程 y=23.37e-11.06xR=0.5002

1300-2500nm 回歸方程 y=5.3488e-19.2xR=0.5895

可見光波段主成分與干草生物量相關性最好，干草中葉綠色含量低，反射率增加，隨著東西樣地空間距離的增加，水分條件由東向西逐漸降低，干草生物量逐漸減少，干草反射率越向西越大。

通過對比高光譜特征參數與主成分分析兩種方法，主成分分析獲得的可見光波段光譜與生物量相關性最高，R值為0.7126，干草由于葉綠素含量大為下降，水分含量也大為減少，所以可見光波段光譜信息有效性較高。

3 結論與討論

本次試驗利用高光譜特征參數提取與主成分分析相結合對比比較，對內蒙古典型草原秋季干枯草生物量進行相關性研究。得到較為有效的干草生物量估算光譜波段與計算方法，這是本文的主要特點。以往植被生物估算大多以植被生長期或收獲期，植被體內葉綠素含量較大，綜合使用各種植被指數進行估算，對綠色植被估算較為有效，但在枯草研究中研究對比較少，本實驗就這點進行了有益的實驗研究，對整個植被生物量估算進行有力補充。未來可增加不同草地類型干草生物量估算研究，為農牧業(yè)發(fā)展提供技術支持。

〔參考文獻〕

[1]章祖同.內蒙古草地資源[M]. 呼和浩特：內蒙古人民出版社，1990．

[2]童慶禧，張兵，劉蘭芬.高光譜遙感——原理、技術與應用[M].北京：高等教育出版社，2006,6．

[3]劉占宇,等.草地生物量的高光譜遙感估算模型[J] .農業(yè)工程學報，2006.

[4]黃敬峰,等. 天然草地牧草產量遙感綜合監(jiān)測預測模型研究[J] .遙感學報, 2001.

[5]中國科學院內蒙古寧夏綜合考察隊．內蒙古自治區(qū)及其東西部毗鄰地區(qū)天然草場[M]．北京：科學出版社，1980．

[6]黃文秀，農業(yè)自然資源[M] .北京:科學出版社，1998.

[7]中華人民共和國畜牧獸醫(yī)司，全國畜牧獸醫(yī)總站主編.中國草地資源[M]．北京：中國科學技術出版社，1996．

[8]樸世龍，方精云，郭慶華.利用CASA模型估算我國植被凈第一性生產力[J].植物生態(tài)學報,2001．

[9]柏延臣，王勁峰.遙感信息的不確定性研究--分類與尺度效應模型[M] .北京：地質出版社，2003.

[10]Baret F., Fourty T.．Study on Plant canopy biochemistry for a high spectral resolution land surface Processes mission[J].INRA Bioclimatologie,1995．

[11]包剛,等.草地生物量高光譜遙感估算研究[J].自然資源學報，2013,7.

[12]徐玲玲，錢栓.內蒙古天然草場牧草產量的氣象估算模型[J].中國草地學報,2011．

[13]Sun Rui, Zhu Qijiang . A remote sensing based net primary production model and thedistribution of net primary production in China[J]. Journal of Beijing Normal University ( Natural Science) , 1998, 34：132-137.