基于MODIS數(shù)據(jù)的松嫩平原西部蘆葦濕地地上生物量遙感估算

田艷林,劉賢趙,毛德華,王宗明, 李延峰,高長(zhǎng)春

1 湖南科技大學(xué)建筑與城鄉(xiāng)規(guī)劃學(xué)院, 湘潭 411201 2 中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所,中國(guó)科學(xué)院濕地生態(tài)與環(huán)境重點(diǎn)實(shí)驗(yàn)室, 長(zhǎng)春 130102

基于MODIS數(shù)據(jù)的松嫩平原西部蘆葦濕地地上生物量遙感估算

田艷林1,劉賢趙1,毛德華2,*,王宗明2, 李延峰2,高長(zhǎng)春1

1 湖南科技大學(xué)建筑與城鄉(xiāng)規(guī)劃學(xué)院, 湘潭 411201 2 中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所,中國(guó)科學(xué)院濕地生態(tài)與環(huán)境重點(diǎn)實(shí)驗(yàn)室, 長(zhǎng)春 130102

蘆葦作為濕地生態(tài)系統(tǒng)中重要的群落類(lèi)型,其地上生物量是衡量濕地生態(tài)系統(tǒng)質(zhì)量的關(guān)鍵指標(biāo)。應(yīng)用面向?qū)ο蟮耐恋馗采w分類(lèi)技術(shù),基于多季相Landsat8 OLI遙感數(shù)據(jù),提取松嫩平原西部蘆葦濕地分布信息；依托野外實(shí)測(cè)蘆葦?shù)厣仙锪繑?shù)據(jù)(AGB)和同期MODIS數(shù)據(jù)源的NDVI、EVI、RVI、MSAVI和WDVI 5種光譜植被指數(shù),探討不同光譜植被指數(shù)對(duì)蘆葦AGB的敏感性,進(jìn)而構(gòu)建松嫩平原西部蘆葦AGB遙感估算最優(yōu)模型,并進(jìn)行蘆葦AGB遙感反演及空間格局分析。結(jié)果表明：2014年松嫩平原西部地區(qū)蘆葦總面積為1653 km2,其中扎龍濕地自然保護(hù)區(qū)內(nèi)蘆葦分布面積最大(1178km2),占區(qū)域蘆葦總面積的71.3%；所選取的5種植被指數(shù)均與蘆葦AGB呈極顯著正相關(guān)(P<0.01),基于EVI構(gòu)建的指數(shù)曲線模型為松嫩平原西部蘆葦AGB反演的最優(yōu)模型(R2=0.55)。研究區(qū)蘆葦平均AGB為372.1g/m2,AGB總量為6.14105t,其中扎龍濕地自然保護(hù)區(qū)內(nèi)蘆葦AGB總量為4.38105t；各保護(hù)區(qū)蘆葦平均AGB由大到小依次為：向海保護(hù)區(qū)(469.7 g/m2)>大布蘇保護(hù)區(qū)(454.1 g/m2)>莫莫格保護(hù)區(qū)(373.0 g/m2)>扎龍保護(hù)區(qū)(372.4 g/m2)>查干湖保護(hù)區(qū)(369.8 g/m2)；松嫩平原西部蘆葦AGB總體呈現(xiàn)南高北低的分布格局,將為濕地生態(tài)系統(tǒng)管理與保護(hù)及蘆葦資源的合理利用提供科學(xué)依據(jù)。

MODIS；植被指數(shù)；蘆葦濕地；地上生物量(AGB)；松嫩平原西部

濕地作為一種重要的生態(tài)系統(tǒng)類(lèi)型,約占地球表面積的6.2%—7.6%[1],是自然界最富生物多樣性的生態(tài)景觀和人類(lèi)最重要的自然資源之一。它不僅可以維護(hù)地區(qū)和全球的生態(tài)平衡,同時(shí)也為多種動(dòng)植物提供重要的棲息地[2]。濕生植被作為濕地生態(tài)系統(tǒng)的重要組成部分,其地上生物量(aboveground biomass,AGB)是表征生態(tài)環(huán)境質(zhì)量的關(guān)鍵指標(biāo)[3]。蘆葦濕地是一種適應(yīng)性廣、抗逆性強(qiáng)的獨(dú)特濕地生態(tài)系統(tǒng),在維系濕地生態(tài)系統(tǒng)穩(wěn)定、保護(hù)珍稀鳥(niǎo)類(lèi)資源等方面具有舉足輕重的作用[4-5]。對(duì)區(qū)域蘆葦濕地地上生物量進(jìn)行定期監(jiān)測(cè)和定量評(píng)估,對(duì)濕地生態(tài)系統(tǒng)管理和濕地資源可持續(xù)利用,具有重要意義[6]。

隨著遙感技術(shù)的發(fā)展,國(guó)內(nèi)外學(xué)者利用各種遙感數(shù)據(jù)進(jìn)行濕地監(jiān)測(cè)和濕地植被生物量估算研究[7-10]。如童慶禧等[11]在利用高光譜圖像定量提取植被生理參數(shù)的基礎(chǔ)上,對(duì)鄱陽(yáng)湖濕地植被生物量進(jìn)行了估算；Schmid等[12]結(jié)合多源遙感影像,實(shí)現(xiàn)了濕地的分類(lèi)和動(dòng)態(tài)變化監(jiān)測(cè)；李鳳秀等[13]建立了洪河自然保護(hù)區(qū)苔草濕地植被生物量估算模型。目前多數(shù)研究都是基于單一時(shí)相遙感影像,利用像元分類(lèi)方法提取濕地信息,并未考慮濕地植被的季相差異,使分類(lèi)結(jié)果難以滿(mǎn)足精度要求；濕地植被生物量的估算研究也多是基于同一生物量估算模型進(jìn)行不同植被類(lèi)型生物量的擬合。當(dāng)前,對(duì)于蘆葦濕地這一重要濕地類(lèi)型,根據(jù)不同光譜植被指數(shù)對(duì)生物量的敏感性差異而建立遙感估算模型的研究尚不多見(jiàn)。因此,基于多時(shí)相中等空間分辨率遙感影像,進(jìn)行蘆葦濕地空間分布信息提取,比較不同光譜植被指數(shù)對(duì)蘆葦AGB的敏感性,選擇最優(yōu)植被指數(shù)進(jìn)行蘆葦AGB遙感估算的工作十分必要。

我國(guó)的蘆葦濕地主要分布在東北、華北、西南和青藏高原等地區(qū)[14-15]。松嫩平原西部地處我國(guó)東北核心區(qū)域,是我國(guó)蘆葦濕地的重要分布區(qū)[16],其作為水陸之間的生物保護(hù)帶,不僅為東亞候鳥(niǎo)南北遷徙提供了重要的棲息場(chǎng)所,而且在調(diào)蓄洪水、防洪排澇、美化環(huán)境、豐富社會(huì)自然資源等方面具有重要作用。然而,目前對(duì)松嫩平原生物量的研究多集中在草地生產(chǎn)力和蘆葦生態(tài)學(xué)方面[17-18],針對(duì)該區(qū)蘆葦濕地分布信息提取及地上生物量反演與估算的報(bào)道十分匱乏。本文基于Landsat8 OLI影像和MODIS數(shù)據(jù),進(jìn)行松嫩平原西部蘆葦濕地空間分布信息提取,并進(jìn)行濕地植被AGB遙感估算,以期為區(qū)域濕地生態(tài)系統(tǒng)管理和蘆葦濕地資源的合理利用提供科學(xué)依據(jù)。

1 數(shù)據(jù)獲取與研究方法

1.1 研究區(qū)概況

松嫩平原西部(44°00′—48°35′N(xiāo),121°36′—126°36′E)位于中國(guó)東北地區(qū)中部的半干旱半濕潤(rùn)的農(nóng)牧過(guò)渡帶[19],行政區(qū)劃上包括黑、吉兩省西部共22個(gè)市縣(圖1),總面積1.01×105km2,屬中溫帶季風(fēng)氣候。溫度在空間上呈現(xiàn)自北向南的遞增趨勢(shì)[20],年均溫度4—6℃,無(wú)霜期136—163 d；年降水量350—650 mm,降水集中在6—8月,且自東向西遞減,年均蒸發(fā)量(1923 mm)遠(yuǎn)大于降水量。該區(qū)地貌類(lèi)型以山前傾斜平原、低平原以及部分河谷平原為主；植被類(lèi)型主要有草原、草甸、疏林草原和沼澤濕地[14]。研究區(qū)內(nèi)有扎龍、莫莫格、查干湖、向海和大布蘇5個(gè)國(guó)家級(jí)濕地自然保護(hù)區(qū),其中扎龍濕地和向海濕地在1992年分別被列為國(guó)際重要濕地名錄(編號(hào):No.549和No.548),莫莫格濕地在2013年被列為國(guó)際重要濕地(編號(hào):No.2188)。上述保護(hù)區(qū)為典型的鹽堿化沼澤濕地,濕地內(nèi)部的河流沿岸、水庫(kù)及湖泊周?chē)J葦廣布。

1.2 數(shù)據(jù)來(lái)源及研究方法

1.2.1 蘆葦濕地分布信息提取及精度驗(yàn)證

在對(duì)研究區(qū)不同季相遙感影像特征進(jìn)行比較分析的基礎(chǔ)上,確定各地物類(lèi)型存在顯著季相差異的多季相影像組合。通常3—4幅影像(多分布在5—10月份)即可區(qū)分大部分地物類(lèi)型[21]。本文選取3期美國(guó)地質(zhì)調(diào)查局(USGS)(http://glovis.usgs.gov/)發(fā)布的空間分辨率為30 m的Landsat8 OLI影像(時(shí)間分別是2014年6月4日、2014年8月7日和2014年9月24日),采用遙感圖像處理軟件ENVI5.1,對(duì)影像進(jìn)行輻射定標(biāo)、大氣校正(FLAASH模塊)處理,并以研究區(qū)1∶10萬(wàn)地形圖為底圖,進(jìn)行幾何精校正(校正誤差控制在0.5個(gè)像元內(nèi))之后,利用8月份生物量旺季的影像區(qū)分濕地植被與其他地物類(lèi)型,同時(shí)根據(jù)6月初和9月末蘆葦與其他濕地植被的明顯差異區(qū)分出蘆葦信息,在eCognition8.6軟件的支持下對(duì)影像進(jìn)行多尺度分割,經(jīng)反復(fù)嘗試確定最佳分割尺度；然后通過(guò)野外獲取的驗(yàn)證點(diǎn)所對(duì)應(yīng)的地物斑塊,提取不同地物類(lèi)型的各種分類(lèi)參數(shù)(各種指數(shù)、波段反射率等)信息。以此為依據(jù),確定區(qū)分濕地植被與其他地物類(lèi)型的分類(lèi)參數(shù)組合(NDVI、NDWI和紋理特征等)及其閾值,基于此建立規(guī)則集,結(jié)合目視判讀法,提取景觀類(lèi)型信息,并根據(jù)研究需要對(duì)提取的地物類(lèi)型進(jìn)行歸并,得到蘆葦空間分布信息。最后,利用2013—2014年5—9月在松嫩平原西部野外采集獲得的427個(gè)土地覆蓋野外調(diào)查驗(yàn)證點(diǎn)(其中濕地蘆葦驗(yàn)證點(diǎn)224個(gè)),通過(guò)混淆矩陣法對(duì)松嫩平原西部提取的地物類(lèi)型信息進(jìn)行精度驗(yàn)證,驗(yàn)證點(diǎn)分布如圖2所示。

圖1 松嫩平原西部在東北地區(qū)的位置及采樣點(diǎn)分布圖 Fig.1 Location of the Western Songnen Plain and distribution of sampling points in Northeast China

圖2 土地覆蓋驗(yàn)證點(diǎn)分布示意圖Fig.2 Points for land-cover verification

1.2.2 蘆葦?shù)厣仙锪恳巴庥^測(cè)與處理

本研究中,蘆葦AGB取樣于2014年7—8月,在蘆葦生長(zhǎng)的最大生物量季節(jié)進(jìn)行。即先根據(jù)研究區(qū)蘆葦分布特征及生長(zhǎng)密度分割結(jié)果,選取91個(gè)代表一個(gè)MODIS像元大小范圍的典型樣地進(jìn)行采樣,每個(gè)樣地即為一個(gè)樣點(diǎn)。具體方法為：每個(gè)樣點(diǎn)利用取樣框隨機(jī)取得3個(gè)1 m×1 m的樣方,齊地割下樣方內(nèi)所有蘆葦植株的地上部分,并用手持GPS接收儀測(cè)定每個(gè)樣點(diǎn)的經(jīng)緯度,并記錄采樣點(diǎn)的環(huán)境背景情況(如有無(wú)明顯人為干擾等)；然后將樣品帶回實(shí)驗(yàn)室自然風(fēng)干1 d后,放置于65℃溫度下烘干至恒重,并以精度為0.02克的電子秤稱(chēng)重,將3個(gè)小樣方的干生物量取平均值,計(jì)算蘆葦單位面積的干物質(zhì)量,作為該樣點(diǎn)的蘆葦?shù)厣仙锪俊?/p>

1.2.3 遙感植被指數(shù)的選取及處理

根據(jù)研究區(qū)特點(diǎn),參考國(guó)內(nèi)外植被地上生物量遙感反演的相關(guān)成果[22- 24],本研究選取歸一化差異植被指數(shù)(NDVI)、比值植被指數(shù)(RVI)、修改型土壤調(diào)整植被指數(shù)(MSAVI)、增強(qiáng)型植被指數(shù)(EVI)和加權(quán)差分植被指數(shù)(QSXWDVI)來(lái)參與反演研究區(qū)內(nèi)蘆葦?shù)牡厣仙锪?。為使所用的植被指?shù)與采樣時(shí)間同步,這里采用2014年7月28日—8月13日NASA/EOSLPDAAC數(shù)據(jù)分發(fā)中心(https://wist.echo.nasa.gov)開(kāi)發(fā)的MOD13Q1數(shù)據(jù)集(空間分辨率為250 m,時(shí)間分辨率為16 d)。利用MODIS處理軟件MODIS Reprojection Tools(MRT)對(duì)原始數(shù)據(jù)集進(jìn)行投影變換、格式轉(zhuǎn)換和拼接處理后,根據(jù)NASA/MODIS提出的統(tǒng)一算法式(1)、式(2),計(jì)算NDVI和EVI,RVI、MSAVI和WDVI利用MODIS光譜帶中的紅色波段和近紅外波段反射率數(shù)據(jù),分別按式(3)—式(5)進(jìn)行計(jì)算：

(1)

(2)

(3)

(4)

WDVI=ρNIR-1.06ρR

(5)

1.2.4AGB反演模型構(gòu)建與精度驗(yàn)證

從植被指數(shù)數(shù)據(jù)和樣點(diǎn)實(shí)測(cè)AGB量數(shù)據(jù)所組成的樣本序列中,隨機(jī)選取71個(gè)樣點(diǎn)數(shù)據(jù)(總樣點(diǎn)91個(gè))利用統(tǒng)計(jì)軟件SPSS19.0進(jìn)行相關(guān)分析和一元曲線回歸分析,得到以各植被指數(shù)為自變量的蘆葦AGB遙感估算一元曲線回歸模型(SCRM),通過(guò)比較決定系數(shù)R2,篩選出最優(yōu)模型進(jìn)行蘆葦AGB遙感估算。然后,利用預(yù)留的20個(gè)實(shí)測(cè)樣點(diǎn)AGB數(shù)據(jù)與建立的遙感估算模型計(jì)算的AGB進(jìn)行比較,通過(guò)均方根誤差(RMSE)和估算精度(Accuracy)對(duì)模型進(jìn)行精度分析。RMSE和Accuracy的計(jì)算公式如下：

(6)

(7)

2 結(jié)果與分析

2.1 蘆葦分布提取與格局分析

在面向?qū)ο蟮亩嗉鞠噙b感分類(lèi)方法的基礎(chǔ)上,通過(guò)比較研究區(qū)不同季相的影像特征,提取得到松嫩平原西部蘆葦分布信息。利用野外采集的驗(yàn)證點(diǎn)與提取的信息通過(guò)混淆矩陣法對(duì)提取結(jié)果進(jìn)行分析,發(fā)現(xiàn)松嫩平原西部土地覆蓋分類(lèi)的總體精度為86.89%,其中濕地蘆葦分類(lèi)準(zhǔn)確的樣點(diǎn)為201個(gè),蘆葦信息提取的用戶(hù)精度和制圖精度均達(dá)到較高水平,能滿(mǎn)足本研究的需要(表1)。

表1 松嫩平原西部地區(qū)土地分類(lèi)結(jié)果的混淆矩陣

松嫩平原西部蘆葦分布如圖3所示,蘆葦主要分布于研究區(qū)北部的扎龍濕地自然保護(hù)區(qū),在研究區(qū)的南部分布相對(duì)稀少；且在沿河流及湖泊等水量充足的區(qū)域,蘆葦分布最為集中,而在距離河、湖偏遠(yuǎn)的地區(qū),蘆葦分布相對(duì)較少。

圖3 松嫩平原西部蘆葦濕地分布格局Fig.3 Distribution of reed wetlands in the Western Songnen Plain, China

結(jié)果表明,松嫩平原西部蘆葦總面積為1653 km2,5個(gè)典型濕地保護(hù)區(qū)內(nèi)的蘆葦分布面積達(dá)1313 km2,約占松嫩平原西部蘆葦總面積的79.5%,其中分布在研究區(qū)中北部的扎龍濕地,現(xiàn)有蘆葦面積占71.3%(表2)。

表2 松嫩平原西部蘆葦分布面積分區(qū)統(tǒng)計(jì)

2.2 蘆葦AGB反演模型構(gòu)建與評(píng)價(jià)

2.2.1 不同光譜植被指數(shù)對(duì)蘆葦AGB的敏感性分析

通過(guò)對(duì)不同光譜植被指數(shù)與蘆葦AGB進(jìn)行相關(guān)分析(71個(gè)樣本),結(jié)果發(fā)現(xiàn)：蘆葦AGB與其同期的5種植被指數(shù)均極顯著相關(guān)(表3),但不同的植被指數(shù)與AGB之間的相關(guān)程度不同,即不同的植被指數(shù)對(duì)AGB變化表現(xiàn)出不同的敏感性。其中,蘆葦AGB與RVI、EVI間的相關(guān)系數(shù)均達(dá)到0.68以上,表明RVI、EVI指數(shù)對(duì)蘆葦AGB的敏感性較強(qiáng),能很好的反映蘆葦AGB的變化情況。5種植被指數(shù)敏感性由大到小依次為：RVI> EVI > WDVI > NDVI> MSAVI,這意味著選擇合適的植被指數(shù)可用于蘆葦AGB遙感反演模型的構(gòu)建。

2.2.2 最優(yōu)估算模型選擇及精度評(píng)價(jià)

表4列出基于5種植被指數(shù)與蘆葦AGB擬合的一元回歸模型。從表4中可以看出,利用EVI、WDVI、RVI、NDVI等植被指數(shù)擬合的一元曲線回歸模型(SCRM)均達(dá)到較好的擬合效果。在所選的線性模型、指數(shù)模型、二次項(xiàng)模型和冪指數(shù)模型中,5種植被指數(shù)與蘆葦AGB擬合的指數(shù)模型效果較好。其中,EVI的擬合效果最好,其決定系數(shù)R2達(dá)0.55；WDVI次之,R2為0.52,擬合效果最差的是MSAVI,R2系數(shù)僅為0.43。

表3 不同植被指數(shù)與蘆葦?shù)厣仙锪康南嚓P(guān)系數(shù)

**在 0.01 水平上顯著相關(guān)；EVI:增強(qiáng)型植被指數(shù)Enhanced vegetation index;MSAVI:修改型土壤調(diào)整植被指數(shù)Modified soil adjusted vegetation index;NDVI:歸一化差異植被指數(shù)Normalized difference vegetation index;WDVI:加權(quán)差分植被指數(shù)Weighted difference vegetation index;RVI:比值植被指數(shù)Ratio vegetation index

表4 基于植被指數(shù)的蘆葦AGB估算模型

圖4 松嫩平原西部蘆葦AGB擬合精度驗(yàn)證Fig.4 Validation for reed AGB in the Western Songnen Plain

針對(duì)擬合效果最好的EVI指數(shù)模型,利用預(yù)留的驗(yàn)證點(diǎn),通過(guò)預(yù)測(cè)誤差(均方根誤差)和預(yù)測(cè)精度(估算精度)進(jìn)行精度評(píng)價(jià),實(shí)測(cè)值與估算值對(duì)比結(jié)果如圖4,EVI指數(shù)擬合的指數(shù)模型達(dá)到較高的估算精度,實(shí)測(cè)值與估算值的回歸系數(shù)達(dá)0.85(P<0.01),其預(yù)測(cè)誤差為60.9g/m2,預(yù)測(cè)精度達(dá)到86.7%。綜合考慮5種植被指數(shù)對(duì)生物量的敏感程度,可以認(rèn)為利用EVI構(gòu)建的遙感估算指數(shù)模型y=166.4e2.99×EVI具有較好、較穩(wěn)定的估算能力,可應(yīng)用于松嫩平原西部蘆葦AGB的遙感定量估算。

2.3 蘆葦AGB遙感估算及空間格局

2.3.1 松嫩平原西部蘆葦AGB遙感估算

利用構(gòu)建的EVI最優(yōu)遙感反演模型,對(duì)松嫩平原西部蘆葦AGB進(jìn)行估算,得到蘆葦AGB統(tǒng)計(jì)結(jié)果如表5所示：從整個(gè)研究區(qū)來(lái)看,2014年8月該區(qū)蘆葦總產(chǎn)量為6.14×105t,蘆葦平均AGB為372.1 g/m2,區(qū)域內(nèi)最大值與最小值變幅達(dá)831.3 g/m2。對(duì)于各保護(hù)區(qū)而言,蘆葦AGB最大值和最小值均出現(xiàn)在大布蘇保護(hù)區(qū),變幅最小的為向海保護(hù)區(qū)。各保護(hù)區(qū)蘆葦平均AGB差異較小,除查干湖平均AGB略低于整個(gè)區(qū)域的平均水平外,其他幾個(gè)保護(hù)區(qū)的平均AGB均在整個(gè)區(qū)域的平均值之上。扎龍自然保護(hù)區(qū)蘆葦總產(chǎn)量最大,為4.38×105t,占整個(gè)松嫩平原西部地區(qū)蘆葦總產(chǎn)量的71.3%；而大布蘇保護(hù)區(qū)總產(chǎn)量最小,僅為0.1×105t(表5)。

2.3.2 松嫩平原西部蘆葦AGB分布格局

基于EVI所構(gòu)建的最優(yōu)地上生物量遙感估算模型y=166.4e2.99×EVI反演得到松嫩平原西部蘆葦AGB,空間分布制圖如圖5。結(jié)合松嫩平原西部蘆葦分布面積(圖3),可以發(fā)現(xiàn)：研究區(qū)北部的蘆葦AGB總量大于南部。在5個(gè)自然保護(hù)區(qū)中,扎龍保護(hù)區(qū)內(nèi)的蘆葦AGB總量最高,且平均AGB從西北向東南呈現(xiàn)出遞減的趨勢(shì),即在西北部單位面積內(nèi)的蘆葦長(zhǎng)勢(shì)較好；查干湖保護(hù)區(qū)內(nèi)蘆葦平均AGB值整體偏低,AGB較高的地區(qū)多分布在查干湖南部；莫莫格保護(hù)區(qū)的北部和西部蘆葦AGB較高,表明蘆葦長(zhǎng)勢(shì)較好,而在莫莫格中部和南部地區(qū)蘆葦AGB相對(duì)偏低；向海保護(hù)區(qū)和大布蘇保護(hù)區(qū)內(nèi)蘆葦AGB普遍較高,表明這些地區(qū)的蘆葦生長(zhǎng)旺盛,但在向海保護(hù)區(qū)的中部和大布蘇保護(hù)區(qū)的邊緣,蘆葦AGB較低,這可能與邊緣地區(qū)受到的人為活動(dòng)干擾較強(qiáng)有關(guān)。

表5 不同區(qū)域蘆葦AGB估算結(jié)果

圖5 松嫩平原西部蘆葦AGB空間分布Fig.5 Spatial pattern of reed AGB in the Western Songnen Plain

3 討論

目前,濕地遙感分類(lèi)的傳統(tǒng)方法分類(lèi)精度通常不高,常用的濕地分類(lèi)方法(如最大似然法)分類(lèi)精度大多只有30%—60%[25-26]。盡管許多新的分類(lèi)方法使分類(lèi)效果明顯提高,但大多數(shù)仍停留在只利用光譜信息,而對(duì)目標(biāo)地物在遙感影像上的其他特征(如形狀、紋理等)未能充分利用[27],并且普遍存在模型參數(shù)多、運(yùn)算復(fù)雜等缺陷,從而在實(shí)際應(yīng)用過(guò)程中出現(xiàn)“同物異譜”和“異物同譜”的現(xiàn)象。本文采用面向?qū)ο蟮倪b感分類(lèi)方法,借助對(duì)象光譜特征及空間特征,并利用多季相影像上不同植被特征的季相差異,較好地提取了松嫩平原西部蘆葦濕地空間分布信息,其制圖精度達(dá)90.13%。本研究的結(jié)果表明,利用面向?qū)ο蟮姆椒?對(duì)中等空間分辨率影像進(jìn)行分類(lèi),可以有效提取蘆葦空間分布信息,能夠滿(mǎn)足精度要求。

植被指數(shù)是一種簡(jiǎn)單而有效的光譜信號(hào),不同光譜通道所獲得的植被信息與植被的不同要素或某種特征狀態(tài)的相關(guān)性不同[28]。因而,建立植被指數(shù)與植物生物量的數(shù)學(xué)模型,可以實(shí)現(xiàn)植物長(zhǎng)勢(shì)動(dòng)態(tài)遙感監(jiān)測(cè)和估產(chǎn)。王正興等[29]對(duì)不同植被指數(shù)進(jìn)行研究發(fā)現(xiàn)MODIS-EVI同時(shí)減少了大氣和土壤噪音的影響,明顯改善了高植被覆蓋區(qū)內(nèi),植被指數(shù)與不同覆蓋程度植被的線性關(guān)系。李紅軍等[30]應(yīng)用數(shù)理統(tǒng)計(jì)和地統(tǒng)計(jì)學(xué)方法對(duì)NDVI和EVI比較分析表明EVI 很好的克服了NDVI在植被生長(zhǎng)旺盛期容易達(dá)到飽和這一缺陷,比較真實(shí)地反映了植被的生長(zhǎng)變化過(guò)程及研究區(qū)內(nèi)植被的空間差異。本文選用了NDVI、EVI、RVI、MSAVI、WDVI 5種植被指數(shù)對(duì)蘆葦AGB做敏感性分析,結(jié)果顯示：不同的植被光譜指數(shù)對(duì)蘆葦AGB的敏感性響應(yīng)不同,RVI、EVI指數(shù)對(duì)蘆葦AGB的敏感性較好,相關(guān)系數(shù)均達(dá)到0.68以上；WDVI、NDVI的敏感反應(yīng)一般； MSAVI對(duì)蘆葦AGB的敏感性最差,相關(guān)系數(shù)僅為0.538。這可能與植被光譜受到植被本身、生長(zhǎng)環(huán)境、大氣狀況等多種因素影響,具有明顯地域性和時(shí)效性有關(guān)[28],如研究區(qū)內(nèi)蘆葦生長(zhǎng)的環(huán)境土壤水分含量較高,受土壤水分的影響,不同植被光譜指數(shù)在使用時(shí)具有不同的局限性[31],從而對(duì)植被生物量表現(xiàn)出不同的敏感反應(yīng)；且研究區(qū)內(nèi)蘆葦分布較為集中,在高覆蓋區(qū),EVI對(duì)植被變化的敏感性更強(qiáng)。

本文根據(jù)研究區(qū)蘆葦分布集中的特點(diǎn),選取91個(gè)典型性的樣地,每個(gè)樣地即為1個(gè)樣點(diǎn),每個(gè)樣點(diǎn)均劃定3個(gè)有代表性的樣方,按照這一原則進(jìn)行采樣,以降低地面測(cè)量尺度與被驗(yàn)證像元尺度之間的不匹配問(wèn)題對(duì)生物量反演精度的影響。在對(duì)不同植被指數(shù)與生物量之間構(gòu)建的線性模型、指數(shù)模型、二次項(xiàng)模型和冪指數(shù)模型進(jìn)行比較分析的基礎(chǔ)上,選取最優(yōu)模型對(duì)蘆葦AGB進(jìn)行估算和反演。結(jié)果顯示,松嫩平原西部蘆葦AGB具有明顯的南高北低的空間分布差異。這可能與以下幾個(gè)因素有關(guān)：(1)松嫩平原西部氣溫受緯度影響由北向南遞增,降水量平均值呈現(xiàn)由東南向西北遞減的空間分布格局,研究區(qū)內(nèi)氣候特點(diǎn)的差異,在一定程度上導(dǎo)致了蘆葦AGB在空間上南高北低的分布格局；(2)不同地區(qū)河流、湖泊水位狀況不同,使其土壤的養(yǎng)分存在一定差異,因而影響蘆葦?shù)拈L(zhǎng)勢(shì)；(3)蘆葦長(zhǎng)勢(shì)的空間差異在一定程度上也受人類(lèi)活動(dòng)的影響,如圍墾開(kāi)荒、石油污染、工業(yè)廢水、道路修建等,而不同地區(qū)人為活動(dòng)的干擾程度不同。

4 結(jié)論

本文以松嫩平原西部為研究區(qū),利用多季相Landsat遙感影像實(shí)現(xiàn)了蘆葦分布信息的精確提取；基于MODIS數(shù)據(jù)和野外實(shí)測(cè)數(shù)據(jù),構(gòu)建蘆葦AGB遙感估算模型并進(jìn)行蘆葦AGB遙感反演。主要結(jié)論如下：(1)基于多季相遙感數(shù)據(jù)和面向?qū)ο蠓诸?lèi)方法提取研究區(qū)蘆葦分布信息,松嫩平原西部蘆葦分布面積為1653 km2,提取精度滿(mǎn)足研究的需要。(2)基于MODIS數(shù)據(jù)源計(jì)算的5種植被指數(shù),與蘆葦AGB存在極顯著相關(guān)性(P<0.01),但不同植被指數(shù)對(duì)地上生物量的敏感程度不同。受研究區(qū)內(nèi)土壤水分以及蘆葦集中分布的影響,使得EVI植被指數(shù)建立的指數(shù)回歸模型(y=166.4e2.99×EVI)具有較好的擬合效果,估算精度達(dá)86.7%,表明利用合適的植被指數(shù)對(duì)蘆葦AGB進(jìn)行遙感反演可以達(dá)到較為理想的效果。(3)蘆葦AGB遙感估算和反演的空間分布格局表明,松嫩平原西部蘆葦AGB總量為6.14×105t。蘆葦平均AGB存在明顯的空間差異,高值區(qū)主要分布在向海保護(hù)區(qū)和大布蘇保護(hù)區(qū)內(nèi),整體呈現(xiàn)南高北低的分布格局。以上結(jié)果說(shuō)明,基于多季相影像數(shù)據(jù),采用面向?qū)ο蟮姆椒ㄌ崛竦靥J葦信息,能夠有效提高分類(lèi)精度,是一種低成本且行之有效的濕地信息提取方法；利用植被指數(shù)開(kāi)展景觀尺度的蘆葦AGB估算,對(duì)于區(qū)域濕地資源管理和科學(xué)利用具有重要的支撐作用。

[1] Lehner B, D?ll P. Development and validation of a global database of lakes, reservoirs and wetlands. Journal of Hydrology, 2004, 296(1/4): 1- 22.

[2] 樊玉清, 王秀海, 孟慶生. 遼河口濕地蘆葦群落退化過(guò)程中土壤營(yíng)養(yǎng)元素和含鹽量變化. 濕地科學(xué), 2013, 11(1): 35- 40.

[3] 張德君, 高航, 楊俊, 席建超, 李雪銘. 基于GIS的南四湖濕地生態(tài)脆弱性評(píng)價(jià). 資源科學(xué), 2014, 36(4): 874- 882.

[4] 程嘉偉, 鄧昶身, 魯長(zhǎng)虎. 蘇州太湖湖濱人工種植和原生蘆葦濕地鳥(niǎo)類(lèi)群落. 動(dòng)物學(xué)雜志, 2014, 49(3): 347- 356.

[5] 唐娜, 崔保山, 趙欣勝. 黃河三角洲蘆葦濕地的恢復(fù). 生態(tài)學(xué)報(bào), 2006, 26(8): 2616- 2624.

[6] 歐陽(yáng)志云, 王效科, 苗鴻. 中國(guó)陸地生態(tài)系統(tǒng)服務(wù)功能及其生態(tài)經(jīng)濟(jì)價(jià)值的初步研究. 生態(tài)學(xué)報(bào), 1999, 19(5): 607- 613.

[7] 陳建, 王世巖, 毛戰(zhàn)坡. 1976- 2008年黃河三角洲濕地變化的遙感監(jiān)測(cè). 地理科學(xué)進(jìn)展, 2011, 30(5): 585- 592.

[8] 任玉環(huán), 劉亞嵐, 許華, 劉旭東, 尹球. 基于環(huán)境一號(hào)小衛(wèi)星CCD圖像的濱海濕地監(jiān)測(cè)研究. 遙感信息, 2011, (3): 27- 32, 37- 37.

[9] Salem F, Kafatos M, El-Ghazawi T, Gomez R, Yang R X. Hyperspectral image assessment of oil-contaminated wetland. International Journal of Remote Sensing, 2005, 26(4): 811- 821.

[10] Hirano A, Madden M, Welch R. Hyperspectral image data for mapping wetland vegetation. Wetlands, 2003, 23(2): 436- 448.

[11] 童慶禧, 鄭蘭芬, 王晉年, 王向軍, 董衛(wèi)東, 胡遠(yuǎn)滿(mǎn), 黨順行. 濕地植被成象光譜遙感研究. 遙感學(xué)報(bào), 1997, 1(1): 50- 57, 82- 83, 85- 85.

[12] Schmid T, Koch M, Gumuzzio J, Mather P M. A spectral library for a semi-arid wetland and its application to studies of wetland degradation using hyperspectral and multispectral data. International Journal of Remote Sensing, 2004, 25(13): 2485- 2496.

[13] 李鳳秀, 張柏, 劉殿偉, 宋開(kāi)山. 洪河自然保護(hù)區(qū)烏拉苔草生物量高光譜遙感估算模型. 濕地科學(xué), 2008, 6(1): 51- 59.

[14] 劉興土. 東北濕地. 北京: 科學(xué)出版社, 2005:263- 300.

[15] 呂憲國(guó), 劉曉輝. 中國(guó)濕地研究進(jìn)展——獻(xiàn)給中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所建所50周年. 地理科學(xué), 2008, 28(3): 301- 308.

[16] Yu X F, Grace M, Zou Y C, Yu X F, Lu X G, Wang G P. Surface sediments in the marsh-sandy land transitional area: sandification in the western Songnen Plain, China. PLoS One, 2014, 9(6): e99715.

[17] 羅玲, 王宗明, 任春穎, 宋開(kāi)山, 李曉燕. 基于MODIS數(shù)據(jù)的松嫩草原產(chǎn)草量遙感估算模型與空間反演. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(5): 182- 187.

[18] 楊允菲, 李建東. 松嫩平原不同生境蘆葦種群分株的生物量分配與生長(zhǎng)分析. 應(yīng)用生態(tài)學(xué)報(bào), 2003, 14(1): 30- 34.

[19] Wang Z M, Song K S, Zhang B, Liu D W, Ren C Y, Luo L, Yang T, Huang N, Hu L J, Yang H J, Liu Z M. Shrinkage and fragmentation of grasslands in the West Songnen Plain, China. Agriculture Ecosystems & Environment, 2009, 129(1/3): 315- 324.

[20] Wang Z M, Huang N, Luo L, Li X Y, Ren C Y, Song K S, Chen J M. Shrinkage and fragmentation of marshes in the West Songnen Plain, China, from 1954 to 2008 and its possible causes. International Journal of Applied Earth Observation and Geoinformation, 2011, 13(3): 477- 486.

[21] 謝靜. 基于多季相遙感信息的三江平原濕地信息提取[D]. 長(zhǎng)春: 中國(guó)科學(xué)院研究生院(東北地理與農(nóng)業(yè)生態(tài)研究所), 2013.

[22] Lu D S, Chen Q, Wang G X, Liu L J, Li G Y, Moran E. A survey of remote sensing-based aboveground biomass estimation methods in forest ecosystems. International Journal of Digital Earth, 2014, (13): 1- 43, doi: 10.1080/17538947.2014.990526.

[23] Zhang G, Ganguly S, Nemani R R, White M A, Milesi C, Hashimoto H, Wang W L, Saatchi S, Yu Y F, Myneni R B . Estimation of forest aboveground biomass in California using canopy height and leaf area index estimated from satellite data. Remote Sensing of Environment, 2014, 151(8): 44- 56.

[24] Mao D H, Wang Z M, Li L, Ma W H. Spatiotemporal dynamics of grassland aboveground net primary productivity and its association with climatic pattern and changes in Northern China. Ecological Indicators, 2014, 41(6): 40- 48.

[25] Macalister C, Mahaxay M. Mapping wetlands in the Lower Mekong Basin for wetland resource and conservation management using Landsat ETM images and field survey data. Journal of Environmental Management, 2009, 90(7): 2130- 2137.

[26] Ozesmi S L, Bauer M E. Satellite remote sensing of wetlands. Wetlands Ecology and Management, 2002, 10(5): 381- 402.

[27] 史澤鵬, 馬友華, 王玉佳, 馬中文, 黃勤, 黃艷艷. 遙感影像土地利用/覆蓋分類(lèi)方法研究進(jìn)展. 中國(guó)農(nóng)學(xué)通報(bào), 2012, 28(12): 273- 278.

[28] 高明亮, 趙文吉, 宮兆寧, 赫曉慧. 基于環(huán)境衛(wèi)星數(shù)據(jù)的黃河濕地植被生物量反演研究. 生態(tài)學(xué)報(bào), 2013, 33(2): 542- 553.

[29] 王正興, 劉闖, Huete A. 植被指數(shù)研究進(jìn)展: 從AVHRR-NDVI到MODIS-EVI. 生態(tài)學(xué)報(bào), 2003, 23(5): 979- 987.

[30] 李紅軍, 鄭力, 雷玉平, 李春強(qiáng), 周戡. 基于EOS/MODIS數(shù)據(jù)的NDVI與EVI比較研究. 地理科學(xué)進(jìn)展, 2007, 26(1): 26- 32.

[31] Holzman M E, Rivas R, Piccolo M C. Estimating soil moisture and the relationship with crop yield using surface temperature and vegetation index. International Journal of Applied Earth Observation and Geoinformation, 2014, 28(5): 181- 192.

Remote sensing estimation of the aboveground biomass of reed wetland in the Western Songnen Plain, China, based on MODIS data

TIAN Yanlin1, LIU Xianzhao1, MAO Dehua2,*, WANG Zongming2, LI Yanfeng2, GAO Changchun1

1CollegeofArchitectureandUrbanPlanning,HunanUniversityofScienceandTechnology,Xiangtan411201,China2KeyLaboratoryofWetlandEcologyandEnvironment,NortheastInstituteofGeographyandAgroecology,ChineseAcademyofSciences,Changchun130102,China

Reed is one of the important community types in wetland ecosystems, and its aboveground biomass (AGB) is a key index characterizing the quality of these ecosystems. In this study, the spatial distribution of reed wetland in the Western Songnen Plain was mapped using the object-oriented classification method combined with multi-seasonal Landsat8 OLI remote sensing data. Field observed reed aboveground biomass data and five spectral vegetation indices, i.e., normalized differential vegetation index (NDVI), ratio vegetation index (RVI), enhanced vegetation index (EVI), modified soil adjusted vegetation index (MSAVI), and weighted difference vegetation index (WDVI), which were derived from moderate-resolution imaging spectroradiometer (MODIS) products, were used to determine the sensitivity of different spectral vegetation indices to reed AGB and further to develop an optimal remote sensing model for reed AGB estimation and inversion. The results showed that, the total area of reeds in 2014 was 1653 km2in the Western Songnen Plain, and Zhalong Wetland Nature Reserve had the largest reed area (1178 km2) among the five wetland natural reserves. Additionally, strong correlations were found between each of the five vegetation indices and reed AGB (P< 0.01). The exponential curve model established using EVI was the optimal model (R2= 0.55) for reed AGB estimation and inversion. In the Western Songnen Plain, the mean reed AGB based on the exponential curve model was estimated to be 372.1 g/m2and the total reed AGB to be 6.14105t. The maximum reed AGB was observed in Zhalong Nature Reserve with a value of 4.38105t. The averaged reed AGB for each of the five wetland natural reserves can be listed in a decreasing order as Xianghai Natural Reserve (469.7 g/m2) > Dabusu Natural Reserve (454.1 g/m2) > Momoge Natural Reserve (373.0 g/m2) > Zhalong Natural Reserve (372.4 g/m2) > Chagan Lake Natural Reserve (369.8 g/m2). Higher AGB values were found in the southern area than in the northern. Results from this study could contribute to the protection and management of reed wetland, and the utilization of reed resource.

MODIS; vegetation index; reed wetland; aboveground biomass (AGB); Western Songnen Plain

國(guó)家自然科學(xué)基金資助項(xiàng)目(41401502, 41371403)；吉林省科技發(fā)展計(jì)劃青年科研基金資助項(xiàng)目(20150520068JH)

2015- 05- 11;

日期:2016- 04- 12

10.5846/stxb201505110959

*通訊作者Corresponding author.E-mail:maodehua@iga.ac.cn

田艷林,劉賢趙,毛德華,王宗明, 李延峰,高長(zhǎng)春.基于MODIS數(shù)據(jù)的松嫩平原西部蘆葦濕地地上生物量遙感估算.生態(tài)學(xué)報(bào),2016,36(24):8071- 8080.

Tian Y L, Liu X Z, Mao D H, Wang Z M, Li Y F, Gao C C.Remote sensing estimation of the aboveground biomass of reed wetland in the Western Songnen Plain, China, based on MODIS data.Acta Ecologica Sinica,2016,36(24):8071- 8080.