基于紅光和近紅外反射光譜特征參數(shù)反演草地地上生物量

羅 媛，謝堂民，龍顯靜，馮樹林，陳 功

(云南農(nóng)業(yè)大學(xué) 動(dòng)物科學(xué)技術(shù)學(xué)院，云南 昆明 650201)

基于紅光和近紅外反射光譜特征參數(shù)反演草地地上生物量

羅 媛，謝堂民，龍顯靜，馮樹林，陳 功

(云南農(nóng)業(yè)大學(xué) 動(dòng)物科學(xué)技術(shù)學(xué)院，云南 昆明 650201)

2013年6～10月測(cè)定東非狼尾草+白三葉混播草地冠層反射光譜和地上生物量；分析紅光波段和近紅外波段反射光譜特征參數(shù)與牧草鮮重及干物質(zhì)之間的相關(guān)關(guān)系；構(gòu)建并檢驗(yàn)基于紅光單波段和植被指數(shù)(NDVI、RVI、DVI)反演草地地上生物量回歸模型。結(jié)果表明：紅光波段反射率與草地地上生物量之間存在顯著相關(guān)性；地上生物量的增加能夠顯著降低“紅谷”反射率，顯著升高近紅外850.0 nm處反射率；選用紅光單波段反射率、紅光波段構(gòu)建的植被指數(shù)RVI或紅光與近紅外波段構(gòu)建的植被指數(shù)NDVI，均能夠精確反演草地鮮草產(chǎn)量和干物質(zhì)產(chǎn)量；適宜估產(chǎn)的植被指數(shù)因季節(jié)和草地生物量的差異而不同，在6月11日，植被指數(shù)RVI反演模型估測(cè)的草地生物量與實(shí)測(cè)值的模擬效果最好，10月12日，植被指數(shù)NDVI反演模型估測(cè)的草地生物量與實(shí)測(cè)值的模擬效果最好。

近地面反射光譜；光譜特征參數(shù)；亞熱帶混播草地；地上生物量估測(cè)

地上生物量是草地生產(chǎn)力的重要指標(biāo)，也是草地健康評(píng)價(jià)和草業(yè)生產(chǎn)規(guī)劃的基礎(chǔ)依據(jù)。因此，及時(shí)而準(zhǔn)確地監(jiān)測(cè)地上生物量及其隨時(shí)間、空間變化的動(dòng)態(tài)，對(duì)于合理、高效、持續(xù)利用草地資源，保護(hù)草地生態(tài)環(huán)境具有重要意義。草地地上生物量估測(cè)有測(cè)產(chǎn)杖法[1，2]、雙重取樣法[3]、照片分析法[4]等。利用植被反射光譜特征估測(cè)草地生物量具有宏觀性強(qiáng)和信息豐富等優(yōu)點(diǎn)，能夠進(jìn)行大面積的地上生物量反演和動(dòng)態(tài)監(jiān)測(cè)[5-13]。影響草地地上生物量光譜估測(cè)模型的主要因素有草地類型[14，15]、植被覆蓋度[16，17]和季相[18]等。目前，光譜分析技術(shù)在農(nóng)林牧業(yè)，以及環(huán)境監(jiān)測(cè)與質(zhì)量評(píng)價(jià)、資源調(diào)查等領(lǐng)域得到廣泛應(yīng)用，但是在我國(guó)亞熱帶人工草地上生物量估測(cè)方面鮮有報(bào)道。借鑒在牧草[19]和草坪[20]方面的研究成果，探索亞熱帶混播草地近地面反射光譜特征參數(shù)與地上生物量之間的相關(guān)性，建立并驗(yàn)證適宜不同季節(jié)的估測(cè)模型，為利用光譜分析技術(shù)精確反演草地地上生物量提供實(shí)踐依據(jù)。

1 材料和方法

1.1 試驗(yàn)地概況

試驗(yàn)地位于昆明市云南省草地動(dòng)物科學(xué)研究院示范牧場(chǎng)，地理位置N 25°21′，E 102°58′，海拔1 960 m，屬暖溫帶與北亞熱帶的過渡氣候帶，年均溫13.7℃，最高月均溫6月，20.2℃，最低月均溫1月，6.8℃。年均降水量990 mm，主要集中在7～9月。年均蒸發(fā)量2 384 mm，年日照2 617.4 h，無霜期301 d。土壤為山地紅壤。

東非狼尾草(Pennisetumclandestinum)+白三葉(Trifoliumrepens)混播人工草地，刈割利用，東非狼尾草、白三葉在草群中所占比例分別為80%～90%和10%～20%。2013年6月11日草地覆蓋度85%，東非狼尾草植株高度21.0～33.8 cm，白三葉植株高度15.0～25.2 cm。2013年10月12日，草地覆蓋度95%以上，東非狼尾草植株高度36.3～55.3 cm，白三葉植株高度15.2～32.5 cm。

1.2 試驗(yàn)設(shè)計(jì)

1.2.1 樣地和樣方 選用100 m×100 m草地作為樣地，在兩條對(duì)角線上隨機(jī)測(cè)定50個(gè)樣方(0.1 m2)，分別于2013年6月11日和2013年10月12日測(cè)定冠層反射光譜和地上生物量。

1.2.2 反射光譜 選用HR-2000光纖光譜儀(美國(guó)產(chǎn))，探頭垂直向下，距地面100 cm，測(cè)定冠層反射光譜。每測(cè)定10個(gè)樣方，進(jìn)行標(biāo)準(zhǔn)白板校正。

1.2.3 牧草鮮重 反射光譜測(cè)定后，以光譜測(cè)定點(diǎn)為中心，齊地面刈割0.1 m2樣圓內(nèi)草樣，裝入草樣袋帶回室內(nèi)，將東非狼尾草和白三葉分揀，分別稱量記錄鮮重。

1.2.4 牧草干物質(zhì) 從鮮重中取出部分東非狼尾草和白三葉樣品，稱量并記錄鮮重。將所取樣品在烘箱中105℃殺青15 min，溫度調(diào)至65℃，烘干至恒重，折算干物質(zhì)。

1.3 數(shù)據(jù)分析

分析在400.0～900.0 nm地上生物量與反射率之間的相關(guān)關(guān)系，篩選敏感波段并構(gòu)建植被指數(shù)，建立并檢驗(yàn)基于單波段和植被指數(shù)反演地上生物量的回歸模型。使用SPSS 19.0統(tǒng)計(jì)軟件進(jìn)行相關(guān)及回歸分析，使用SigmaPlot 10.0軟件制圖。

2 結(jié)果與分析

2.1 地上生物量與光譜反射率的相關(guān)分析

從6月11日～10月12日，草地干物質(zhì)產(chǎn)量顯著升高(P<0.001)，并從35.1 g/(0.1 m2)增加到89.0 g/(0.1 m2)(表1)；草地反射光譜特征在特定波段處表現(xiàn)出一定的差異，“紅谷”反射率顯著降低(P<0.05)，而850.0 nm反射率顯著升高(P<0.05)。

將6月11日的牧草產(chǎn)量與反射率進(jìn)行相關(guān)分析，結(jié)果表明：鮮重、干物質(zhì)均與543.0～725.0 nm的反射率之間呈顯著負(fù)相關(guān)關(guān)系(P<0.05)，且與紅光波段的反射率相關(guān)程度較高(圖1)。與鮮重及干物質(zhì)相關(guān)系數(shù)最高的兩個(gè)紅光波段是682.3 nm和681.8 nm。將10月12日牧草產(chǎn)量與反射率進(jìn)行相關(guān)分析，結(jié)果表明，鮮重、干物質(zhì)均與490.0～733.0 nm反射率呈顯著負(fù)相關(guān)(P<0.05)，且鮮重與可見光波段(496.9～730.9 nm)反射率的相關(guān)性較好(P<0.01)；干物質(zhì)與紅光波段(604.0～718.0 nm)反射率的相關(guān)性較好(P<0.01)(圖1)。與鮮重、干物質(zhì)相關(guān)系數(shù)最高的2個(gè)紅光波段是679.2 nm和670.3 nm。

表1 不同取樣時(shí)間草地地上生物量、紅谷和近紅外反射率Table 1 The pasture aboveground biomass，reflectance at red valley and 850.0nm at different sampling time

注：同列不同小寫字母表示差異顯著(P<0.05)

圖1 混播草地牧草產(chǎn)量與光譜反射率的相關(guān)性分析Fig.1 The correlation analysis between the reflectance and the yields of pasture(n=25)

2.2 基于單波段和植被指數(shù)的地上生物量估測(cè)模型

2.2.1 基于紅光單波段建立并檢驗(yàn)回歸模型 將6月11日牧草鮮重、干物質(zhì)分別與682.3 nm、681.8 nm處的反射率進(jìn)行回歸分析，結(jié)果表明，以682.3 nm反射率建立的倒數(shù)方程擬合鮮重、干物質(zhì)最佳(表2)。將10月12日牧草鮮重、干物質(zhì)分別與670.3 nm、679.2 nm處的反射率進(jìn)行回歸分析，結(jié)果表明，679.2 nm反射率建立的倒數(shù)方程擬合鮮重、干物質(zhì)最佳(表2)。

表2 光譜反射率與牧草產(chǎn)量之間的回歸模型(n=25)Table 2 Regression model between grass yield and reflectance

注：**表示P<0.01

將6月11日25個(gè)驗(yàn)證樣本682.3 nm處的反射率分別代入表2回歸方程中，得到該時(shí)期牧草鮮重和干物質(zhì)的估測(cè)值；相關(guān)分析結(jié)果表明，牧草鮮重及干物質(zhì)的估測(cè)值與實(shí)測(cè)值之間存在顯著的相關(guān)關(guān)系(P<0.01)。將10月12日25個(gè)驗(yàn)證樣本679.2 nm處的反射率代入表2回歸方程中，得到該時(shí)期牧草鮮重和干物質(zhì)的估測(cè)值；相關(guān)分析結(jié)果表明，牧草鮮重、干物質(zhì)的估測(cè)值與實(shí)測(cè)值之間存在極顯著的相關(guān)關(guān)系(P<0.01)。

2.2.2 基于植被指數(shù)建立并檢驗(yàn)回歸模型 將紅光波段進(jìn)行組合，或紅光與近紅外波段組合，建立3種植被指數(shù)。分析結(jié)果表明，RVI、DVI、NDVI與6月11日及10月12日牧草產(chǎn)量之間的相關(guān)性均達(dá)到顯著水平(P<0.01)。將植被指數(shù)NDVI、RVI、DVI分別作為自變量x，牧草鮮重和干物質(zhì)分別作為因變量y進(jìn)行回歸分析，建立基于植被指數(shù)的牧草產(chǎn)量回歸模型及擬合度較高的回歸方程(表3)。

表3 植被指數(shù)與草地地上生物量的回歸模型(n=25)Table 3 Regression models between grass yield and vegetation indices

注：**表示P<0.01

試驗(yàn)將6月11日25個(gè)驗(yàn)證樣本在696.0 nm和631.5 nm處的反射率代入回歸方程中(表3)，得到該時(shí)期牧草鮮重和干物質(zhì)的估測(cè)值；相關(guān)分析結(jié)果表明，牧草鮮重及干物質(zhì)的估測(cè)值與實(shí)測(cè)值之間存在顯著的相關(guān)關(guān)系(P<0.01)。將10月12日25個(gè)驗(yàn)證樣本在779.6 nm和640.5 nm處的光譜反射率代入上表回歸方程中，得到該時(shí)期牧草鮮重和干物質(zhì)的估測(cè)值；相關(guān)分析結(jié)果表明，牧草鮮重及干物質(zhì)的估測(cè)值與實(shí)測(cè)值之間存在顯著的相關(guān)關(guān)系(P<0.01)。

3 討論

1)紅光波段是綠色植物進(jìn)行光合作用吸收的主要波段，紅光區(qū)域光譜特征參數(shù)與草地地上生物量之間存在顯著的相關(guān)關(guān)系。試驗(yàn)表明，地上生物量的增加能夠顯著降低紅谷反射率，選用紅光區(qū)域單波段反射率，可以精確反演草地鮮草產(chǎn)量和干物質(zhì)產(chǎn)量。劉占宇等[9]在內(nèi)蒙古典型草原研究發(fā)現(xiàn)，草地地上生物量與紅邊內(nèi)一階微分光譜最大值、紅谷反射率等多個(gè)光譜特征參數(shù)均存在極顯著相關(guān)關(guān)系。喻小勇等[21]對(duì)青海省三江源區(qū)的不同草地類型進(jìn)行了地面光譜測(cè)量發(fā)現(xiàn)，高寒草甸地上生物量與其光譜曲線的“紅邊” 斜率相關(guān)性較高，且反射光譜的紅邊斜率與高寒草甸地上生物量的關(guān)系優(yōu)于植被指數(shù)NDVI。Gitelson證明選用“紅邊位置”建立的對(duì)數(shù)方程能夠精確估測(cè)草地生物量[22]。基于上述研究結(jié)果，利用紅光反射光譜特征參數(shù)反演試驗(yàn)區(qū)草地地上生物量是可行的。

2)選用紅光波段構(gòu)建植被指數(shù)RVI，或紅光與近紅外波段構(gòu)建植被指數(shù)NDVI，能夠精確反演草地鮮草產(chǎn)量和干物質(zhì)產(chǎn)量，當(dāng)季節(jié)和地上生物量發(fā)生明顯改變時(shí)，適宜的植被指數(shù)有所不同。據(jù)報(bào)道，用RVI指標(biāo)估測(cè)溫性低地鹽化草甸、溫性荒漠草原牧草產(chǎn)量的精度優(yōu)于NDVI，溫性平原荒漠用非線性模型要比用線性模型估產(chǎn)精度高[23]。RVI更適于估測(cè)牧草的鮮草產(chǎn)量，NDVI更適合估測(cè)草地的干草產(chǎn)量[17]。王艷榮等[24]對(duì)荒漠草原的研究發(fā)現(xiàn)，RVI是比較穩(wěn)定的估產(chǎn)指數(shù)，但估產(chǎn)精度受測(cè)定月份的影響；在產(chǎn)草量較低的月份，植被指數(shù)與產(chǎn)草量之間趨于曲線相關(guān)，而在產(chǎn)草量較高的月份，二者之間趨于直線相關(guān)。米兆榮等[25]對(duì)青藏高原高寒草地研究發(fā)現(xiàn)，在植被覆蓋度較高時(shí)，NDVI出現(xiàn)飽和現(xiàn)象，而EVI不容易出現(xiàn)飽和現(xiàn)象，對(duì)植被的響應(yīng)依然較敏感[25]。綜合分析研究結(jié)果，利用植被指數(shù)反演草地地上生物量是可行的，但適宜的植被指數(shù)、估產(chǎn)模型因草地類型和草地基況而存在明顯的差異，試驗(yàn)區(qū)草地在不同季節(jié)的適用植被指數(shù)和估產(chǎn)模型有待于進(jìn)一步深入研究。

[1] 龍顯靜,謝堂民,吳文榮,等.落盤式測(cè)定法在云南亞熱帶人工草地產(chǎn)量估測(cè)中的應(yīng)用研究[J].草原與草坪,2014(1):34-37.

[2] Correll O,Isselstein J,Pavlu V.Studying spatial and temporal dynamics of sward structure at low stocking densities:the use of an extended rising-plate meter method[ J].Grass and Forage Science,2003,58 (4):450-454.

[3] Catchpole W R,Wheeler C J.Estimating plant biomass:A review of techniques[J].Australian Journal of Ecology,1992(17):121-131.

[4] Jose M P,William L A.Estimating aboveground plant biomass using a photographic technique[J].Journal of Range Manage,2000,(53):190-193.

[5] 張風(fēng)麗,尹球,匡定波.草場(chǎng)地面波譜數(shù)據(jù)的處理與分析方法[J].紅外,2003(8):20-23.

[6] 戴小華,余世孝.遙感技術(shù)支持下的植被生產(chǎn)力與生物量研究進(jìn)展[J].生物學(xué)雜志,2004,23(4):92-98.

[7] 陶偉國(guó)，徐斌，劉麗軍，等.不同利用狀況下草原遙感估產(chǎn)模型[J].生態(tài)學(xué)雜志，2007,26(3)：332-337.

[8] 孫成明,劉濤,田婷，等.基于MODIS的南方草地NPP遙感估算與應(yīng)用[J].草業(yè)學(xué)報(bào),2013,22(5):11-17.

[9] 劉占宇,黃敬峰,吳新宏,等.草地生物量的高光譜遙感估算模型[J].農(nóng)業(yè)工程學(xué)報(bào),2006，22(2):111-115

[10] 王正興，劉闖，趙冰茄，等.利用MODIS增強(qiáng)型植被指數(shù)反演草地地上生物量[J].蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版)，2005,41(2)：10-16.

[11] 楊秀春，徐斌，朱曉華，等.北方農(nóng)牧交錯(cuò)帶草原產(chǎn)量遙感監(jiān)測(cè)模型[J].地理研究，2007,26(2)：213-221.

[12] Daolan Zheng,John Rademacher.Estimating Abovegro-und Biomass Using Landsatl ETM+Data Across a Managed Landscape in Northern Wiscousin.USA[J].Remote Sensing of Environment,2004(93):402-411.

[13] Mutanga O,Skidmore A K.Narrow band vegetation indices overcome the saturation problem in biomass estimation[J].International Journal of Remote Sensing,2004,25(19):3999-4014.

[14] 王艷榮.內(nèi)蒙古草原植被近地面反射波譜特征與地上生物量相關(guān)關(guān)系的研究[J].植物生態(tài)學(xué)報(bào),2004,28(2):178-185.

[15] 王建偉,陳功.草地植被指數(shù)及生物量的遙感估測(cè)[J].云南農(nóng)業(yè)大學(xué)學(xué)報(bào),2006,21(3):372-375.

[16] 韓冬梅，何峰，謝開云，等.利用手持光譜設(shè)備估測(cè)羊草草地生物量[J].草原與草坪，2013,33(6)：36-41.

[17] 陳功,王建偉.封育條件下草地光譜反射特征及地上生物量估測(cè)[J].云南農(nóng)業(yè)大學(xué)學(xué)報(bào),2008,23(4):462-467.

[18] 王艷榮.羊草草原不同利用強(qiáng)度下植被反射波譜季節(jié)變化特征及其與產(chǎn)草量相關(guān)性的比較研究[J].內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版),1998,29(1):102-108.

[19] 楊紅麗，陳功,吳建付.施氮水平對(duì)多花黑麥草植株氮含量及反射光譜特征的影響[J].草業(yè)學(xué)報(bào),2011，20(3)：239-244.

[20] 陳興濤，陳功，單貴蓮.草坪近地面光譜特征研究進(jìn)展[J].草原與草坪，2011,31(5):91-96.

[21] 喻小勇,邵全琴,劉紀(jì)遠(yuǎn),等.三江源區(qū)不同退化程度的高寒草甸光譜特征分析[J].地球信息科學(xué)學(xué)報(bào),2012,14(3):398-404.

[22] Gitelson A A,Kaufman Y J,Robert S K.Novel algorithms for remote estimation of vegetation fraction[J].Remote Sensing of Environmnet，2002,80:76-87.

[23] 李建龍,蔣平.遙感技術(shù)在大面積天然草地估產(chǎn)和預(yù)報(bào)中的應(yīng)用探討[J].武漢測(cè)繪科技大學(xué)學(xué)報(bào),1998,23(2):153-157.

[24] 王艷榮,雍偉義,蘇德畢力格.荒漠草原近地面反射光譜特征研究—戈壁針茅荒漠草原產(chǎn)草量與植被指數(shù)相關(guān)性的時(shí)空動(dòng)態(tài)研究[J].內(nèi)蒙古大學(xué)學(xué)報(bào)(自然科學(xué)版),1996,27(4):553-561.

[25] 米兆榮,張耀生,趙新全,等.NDVI 和EVI 在高寒草地牧草鮮質(zhì)量估算和植被動(dòng)態(tài)監(jiān)測(cè)中的比較[J].草業(yè)科學(xué),2010,27(6):13-19.

Pasture aboveground biomass estimating based on spectral reflectance characters of red and near-infra red bands

LUO Yuan,XIE Tang-min,LONG Xian-jing,FENG Shu-lin,CHEN Gong

(CollegeofAnimalScienceandTechnology,YunnanAgriculturalUniversity,Kunming650201,China)

From June to October 2013，the mixed pasture (PennisetumclandestinumandTrifoliumrepens) was selected to estimate the aboveground biomass through building the estimating model by measuring the canopy spectral reflectance of the pasture and analyzing the relationship between biomass and reflectance of special wavelengths,red edge parameter and vegetation indices.Results showed that there were significant relationships between spectral reflectance in red band and pasture aboveground biomass.Reflectance at red valley could be significantly decreased and reflectance at 850.0 nm could be significantly increased by increased biomass from June 11 to October 12.Reflectance of red band and vegetation index RVI as well as vegetation index NDVI could be used for estimating pasture fresh forage and dry matter yield，but the most suitable vegetative indices varied with the season and forage yield.RVI was better used in June and NDVI was better in October.

red and near-infra red bands;spectral characteristic parameter；subtropical mixed pasture；aboveground biomass estimating；

2015-04-21；

2015-05-08

云南省自然科學(xué)基金項(xiàng)目(2004C0038M)資助

羅媛(1992-)，女，云南昆明人，在讀碩士。 E-mail：375327767@qq.com 陳功為通訊作者。

S 812.8

A

1009-5500(2015)05-0065-05