黃土丘陵區(qū)林草地枯落層蓋度遙感估算研究

謝小燕，劉詠梅*，李京忠,2，常 偉，王 玲

1. 西北大學(xué)城市與環(huán)境學(xué)院，陜西 西安 710127

2. 許昌學(xué)院城鄉(xiāng)規(guī)劃與園林學(xué)院，河南 許昌 461000

黃土丘陵區(qū)林草地枯落層蓋度遙感估算研究

謝小燕1，劉詠梅1*，李京忠1,2，常 偉1，王 玲1

1. 西北大學(xué)城市與環(huán)境學(xué)院，陜西 西安 710127

2. 許昌學(xué)院城鄉(xiāng)規(guī)劃與園林學(xué)院，河南 許昌 461000

枯落層蓋度的定量估算對于植被防蝕功效的評價具有重要作用。在陜北黃土丘陵溝壑區(qū)選取典型落葉林和退耕草地作為光譜測試樣地，通過室內(nèi)和野外實驗分析枯落層—土壤混合場景的光譜變化規(guī)律，研究高光譜指數(shù)NDLI(normalized difference lignin index)和CAI(cellulose absorption index)估算枯落層蓋度的有效性。結(jié)果表明，受顏色及含水量等因素的影響，不同蓋度枯落層—土壤混合場景的光譜反射率呈現(xiàn)不同的變化規(guī)律。干和濕狀態(tài)下，隨著枯落層蓋度的增加混合場景的NDLI、CAI指數(shù)值均呈現(xiàn)增大的趨勢，CAI與枯落層蓋度的相關(guān)性高于NDLI，R2最高為0.98(闊葉林和退耕草地干的混合場景)，CAI能夠更有效地估算枯落層蓋度。野外實測驗證了室內(nèi)實驗結(jié)果，退耕草地混合場景的CAI值與枯落層蓋度相關(guān)性最高(R2=0.90)，野外條件下兩種高光譜指數(shù)估算枯落層蓋度的有效性均有一定程度的降低。該研究為枯落層蓋度的遙感定量反演提供了基礎(chǔ)與依據(jù)。

枯落層蓋度； 土壤； 混合場景； 植被指數(shù)； 黃土丘陵溝壑區(qū)

引 言

枯落層在植被防止土壤侵蝕的功效中發(fā)揮著主導(dǎo)作用，只有達(dá)到一定的蓋度和厚度，其防蝕功效才能得到充分發(fā)揮[1-2]。精確估算枯落層的覆蓋度，查明枯落層的空間分布特征并進(jìn)行動態(tài)監(jiān)測，對于正確評價植被群落各層次的防蝕功效具有重要意義。

枯落層覆蓋狀況的研究目前主要側(cè)重于對農(nóng)作物殘茬蓋度的估算，傳統(tǒng)的估算方法有樣線法、沿路調(diào)查法[3-4]，但這些方法主觀性強(qiáng)、誤差較大，且無法反映農(nóng)作物殘茬的空間分布特征[3, 5-6]。近年來枯落層與土壤背景的光譜特征研究表明： 在可見光—近紅外波段(VIS-NIR，400～1 100 nm)，農(nóng)作物殘茬和土壤存在較高的光譜相似性[7-10]，而在短波紅外波段(SWIR，1 100～2 400 nm)農(nóng)作物殘茬與土壤具有各自獨(dú)特的光譜特征[8, 11]； 干枯落物在1 700 nm處具有明顯的木質(zhì)素吸收特征，并在2 100和2 300 nm處具有纖維素吸收的診斷特征[12-13]，這些研究為枯落層蓋度的遙感估算提供了理論基礎(chǔ)。

高光譜數(shù)據(jù)蘊(yùn)含豐富的地物光譜信息，較好反映了枯落層和土壤在短波紅外波段的光譜可分性，為大范圍精確估算枯落層蓋度提供了可能。目前利用枯落層在短波紅外波段的診斷性光譜特征已經(jīng)構(gòu)建了相應(yīng)的高光譜指數(shù)來提取枯落層信息，如歸一化木質(zhì)素指數(shù)NDLI[14]和纖維素吸收指數(shù)CAI[15-22]，但利用這些指數(shù)估算枯落層蓋度的有效性有待于進(jìn)一步驗證； 不同蓋度枯落層—土壤混合場景的光譜特征及其對枯落層蓋度遙感估算的影響研究也亟待開展。本文通過室內(nèi)實驗和野外驗證分析枯落層—土壤混合場景光譜的變化規(guī)律，探討高光譜指數(shù)NDLI和CAI估算枯落層蓋度的有效性，可為枯落層蓋度的遙感定量反演提供參考依據(jù)。

1 研究區(qū)概況

光譜實驗區(qū)位于陜西省北部的安塞縣境內(nèi)，該縣位于108°5′44″—109°26′18″E，36°30′45″—37°19′31″N之間，海拔1 012～1 731 m，屬于典型的黃土梁峁丘陵溝壑區(qū)，年平均輸沙模數(shù)為8 373 t·km-2[23]，為黃土高原水土流失重點治理縣之一。該區(qū)域處于暖溫帶半干旱氣候區(qū)，年平均降水量500 mm，年平均氣溫8.9 ℃，無霜期160～180 d。植被地帶屬于暖溫帶落葉闊葉林區(qū)向溫帶草原區(qū)的過渡帶—森林草原區(qū)，以次生落葉闊葉林、灌木混交林和荒坡草地為主。在安塞縣東南部的馬家溝和縣南溝選取典型刺槐林、山楊林和退耕草地各2塊作為枯落層—土壤混合場景光譜測試樣地，分別于2014年3月下旬和和2014年12月下旬進(jìn)行了土壤和枯落層的野外采樣和光譜測試。

2 實驗部分

2.1 枯落層—土壤混合場景光譜室內(nèi)測試

在每個樣地的枯落層覆蓋區(qū)設(shè)置3個大小為1 m×1 m的樣方，采集樣方內(nèi)所有枯落物； 在裸露土壤上設(shè)置3個同樣大小的樣方，采集5 cm以上的表層土壤，將采集的枯落層和土壤樣本帶回實驗室進(jìn)行自然風(fēng)干。

光譜測量采用ASD FieldSpec 4 Hi-Res地物光譜儀，光譜測量范圍350～2 500 nm。首先測量干狀態(tài)下枯落層和土壤的光譜反射率。以直徑28 cm的黑色樣本盤裝滿厚度2 cm的干土壤樣本，采用ASD標(biāo)準(zhǔn)室內(nèi)照明光源，傾斜45°并距離樣本30 cm； 光譜儀鏡頭采用25°視場角，探頭垂直向下位于樣本中間，距離樣本高度56 cm，視場范圍直徑為25 cm。每次測量前將探頭垂直朝下對準(zhǔn)標(biāo)準(zhǔn)白板進(jìn)行校正，為了消除樣本表面不均勻帶來的光譜測量誤差，90°度旋轉(zhuǎn)樣本盤4次進(jìn)行測量并求均值作為該樣本的反射光譜值。然后將厚度2 cm的干枯落層樣本完全覆蓋于干土壤樣本之上，采用同樣方法進(jìn)行測量。由于實驗室內(nèi)無法模擬枯落層在土壤上的自然分布，采用“相對蓋度(relative percent cover)”[20]表示混合場景中枯落層覆蓋狀況： 將干枯落層樣本完全覆蓋樣本盤底部，取出并稱重獲取蓋度100%的枯落層樣本重量； 將該樣本分為10等份，在樣本盤中裝滿干土壤樣本，在其上均勻撒上1份枯落層樣本，表示枯落層的相對蓋度為10%； 逐次添加枯落層樣本份數(shù)，對不同等級相對蓋度的混合場景光譜進(jìn)行測量，同時垂直向下拍照獲取混合場景蓋度照片。在ArcGIS軟件下對蓋度照片進(jìn)行校正和裁切，并在其上覆蓋10×10的網(wǎng)格，采用目視解譯估算光譜儀視場范圍內(nèi)所有網(wǎng)格中枯落層所占面積的百分比，將相對蓋度換算為蓋度(percent cover)。其次采用同樣方法測量濕狀態(tài)下枯落層、土壤及不同蓋度枯落層—土壤混合場景的光譜反射率。將干土壤和干枯落層樣本分別浸水2 h后排干，用保鮮袋封存進(jìn)行水分均衡，測量時取出樣本即可。

2.2 枯落層—土壤混合場景光譜野外測試

在每個光譜測試樣地設(shè)定不同蓋度的枯落層—土壤混合場景樣方，大小為1 m×1 m。光譜儀鏡頭采用25°視場角，測量時探頭位于樣方中間，距樣方高度2.2 m，視場范圍直徑約為1 m。光譜測量方法與室內(nèi)實驗相同，同時拍攝蓋度照片并采用20×20的網(wǎng)格估算枯落層蓋度。對獲取的室內(nèi)和野外光譜數(shù)據(jù)做異常數(shù)據(jù)剔除和平滑降噪處理，消除因外部因素帶來的誤差。

2.3 高光譜指數(shù)

(1)NDLI指數(shù)： 利用1 680和1 754 nm處的木質(zhì)素吸收特征構(gòu)建，根據(jù)植被冠層和葉片干物質(zhì)的木質(zhì)素含量來提取枯落層信息[14]，公式為

(1)

式中：ρ1 754表示1 754 nm處的反射率；ρ1 680表示1 680 nm處的反射率。

(2)CAI指數(shù)： 利用農(nóng)作物殘茬在2 100 nm處的纖維素吸收特征，選取3個40 nm寬的波段構(gòu)建，用于區(qū)分土壤和農(nóng)作物殘茬[15, 19]，公式為

(2)

式中：R2 000，R2 200和R2 100分別表示中心位于2 000，2 200和2 100 nm波段的反射率。NDLI和CAI指數(shù)計算所用的光譜吸收特征見圖1(a)。

3 結(jié)果與討論

3.1 400～2 400 nm波段內(nèi)枯落層—土壤混合場景的光譜特征

圖1(a)和(c)顯示，在VIR-NIR波段，枯落層和土壤的光譜反射曲線形狀相似而無明顯差異特征； 在SWIR波段，枯落層與土壤在1 400和1 900 nm處均具有明顯的水分吸收谷，除此之外，干枯落層在1 680和2 100 nm處各有一個診斷性吸收特征，主要與含醇羥基化合物，如木質(zhì)素、纖維素、糖類、淀粉等密切相關(guān)[14, 24]。在整個400～2 400 nm波段干黃綿土的顏色淺而干枯落層的顏色深，土壤的光譜反射率明顯高于枯落層的反射率，隨著枯落層蓋度的增加混合場景光譜反射率呈現(xiàn)先降后升的趨勢。當(dāng)枯落層蓋度較低時，蓋度的增加使混合場景光譜反射率呈現(xiàn)下降趨勢； 當(dāng)相對蓋度達(dá)到約50%(蓋度75%～80%)時，混合場景光譜反射率趨于穩(wěn)定而不再下降，隨著蓋度的繼續(xù)增加呈現(xiàn)上升趨勢。這說明土壤和枯落層的顏色是不同蓋度混合場景光譜特征的重要影響因素。枯落層相對蓋度約為10%(蓋度20%～25%)時，混合場景光譜幾乎不呈現(xiàn)枯落層在1 680和2 100 nm處的木質(zhì)素和纖維素吸收特征； 隨著蓋度的增加混合場景光譜的該吸收特征逐步凸顯，和土壤光譜的差異性增大。

圖1(b)和(d)顯示含水量對枯落層、土壤及混合場景的反射光譜影響強(qiáng)烈，主要表現(xiàn)在： (1)在400～2 400 nm波段含水量對土壤光譜反射率的衰減大于枯落層，在濕狀態(tài)下黃綿土的光譜反射率幾乎減少到干狀態(tài)下的一半。(2)在VIR-NIR波段，濕黃綿土的光譜反射率高于濕枯落層，隨著蓋度增加枯落層—土壤混合場景的反射光譜仍具有先降后升的趨勢。(3)在SWIR波段，含水量使所有樣本在1 400與1 900 nm處的水分吸收谷顯著放大形成深谷，枯落層及混合場景光譜在1 680和2 100 nm處的吸收特征幾乎完全消失，但1 754 nm處的吸收特征得到凸顯。在整個400～2 400 nm波段含水量使枯落層、土壤及混合場景的反射光譜曲線形態(tài)趨于一致，光譜反射率的差異性明顯減小。

3.2 枯落層—土壤混合場景高光譜指數(shù)與枯落層蓋度的關(guān)系

3.2.1 NDLI指數(shù)

利用室內(nèi)實測光譜數(shù)據(jù)，根據(jù)式(1)計算枯落層—土壤混合場景的NDLI指數(shù)。圖2(a)和(d)顯示在干和濕狀態(tài)下，所有植被類型混合場景的NDLI值均隨著枯落層蓋度的增加而增大，當(dāng)蓋度達(dá)到約50%時趨于平緩。刺槐林、山楊林的枯落物以枯葉和枯枝為主，退耕草地的枯落物主要為枯草，兩者的枯落物構(gòu)成差異明顯，因此分闊葉林和退耕草地兩類對混合場景的NDLI指數(shù)與枯落層蓋度進(jìn)行二次多項式回歸分析。圖2(b)，(c)，(e)，(f)顯示，干狀態(tài)下兩種植被類型混合場景的NDLI與枯落層蓋度的相關(guān)性均高于濕狀態(tài)下的相關(guān)性，其中，退耕草地混合場景NDLI指數(shù)與枯落層蓋度的相關(guān)性最高(R2=0.98)。

圖1 干和濕狀態(tài)下枯落層-土壤混合場景反射率光譜

圖2 干和濕狀態(tài)下混合場景NDLI與枯落層蓋度的關(guān)系

3.2.2 CAI指數(shù)

采用均值處理方法對CAI指數(shù)所用的3個波段進(jìn)行實測光譜的重采樣，根據(jù)式(2)計算混合場景的CAI指數(shù)。圖3(a)和(d)顯示，在干和濕狀態(tài)下，所有植被類型枯落層—土壤混合場景CAI值隨枯落層蓋度的增加而增大，并在蓋度達(dá)到50%時變化趨于平緩。水分的影響使所有植被類型混合場景CAI值的差異性明顯降低，隨蓋度而增大的趨勢明顯變緩。圖3(b)，(c)，(e)，(f)表明干、濕狀態(tài)下兩種植被類型混合場景的CAI與枯落層蓋度均具有顯著相關(guān)性，干狀態(tài)下闊葉林和退耕草地混合場景CAI值與枯落層蓋度具有最高的相關(guān)性(R2=0.98)?？傮w來看，干和濕狀態(tài)下混合場景CAI指數(shù)與枯落層蓋度的相關(guān)性均高于NDLI指數(shù)。

圖3 干和濕狀態(tài)下混合場景CAI與枯落層蓋度的關(guān)系

3.2.3 NDLI與CAI指數(shù)估算枯落層蓋度的有效性

所有混合場景樣本在水分吸收特征1 925 nm處的反射率為橫軸，NDLI和CAI指數(shù)分別為縱軸做出散點圖。圖4(a)和(b)顯示，濕狀態(tài)下枯落層、土壤及不同蓋度枯落層—土壤混合場景在1 925 nm處的光譜反射率明顯小于干狀態(tài)下這些樣本在1 925 nm處的光譜反射率，含水量降低了所有樣本在1 925 nm處的反射率。濕枯落層、土壤及混合場景的NDLI值均大于0，而其CAI值則集中分布在零值附近。當(dāng)濕枯落層蓋度達(dá)到27%～31%時，混合場景與土壤的NDLI與CAI值仍有一定的可分性。干枯落層、土壤及混合場景的NDLI、CAI值的差異性明顯增大，干枯落層蓋度達(dá)到20%～27%時，多數(shù)混合場景樣本的NDLI與CAI值大于0，而土壤的NDLI與CAI值則小于0，兩者的可分性提高，而CAI指數(shù)對兩者的可分性明顯優(yōu)于NDLI。室內(nèi)實驗表明，枯落層蓋度低于20%時，混合場景和土壤的NDLI，CAI值接近，枯落層與土壤難以區(qū)分。

圖4 NDLI，CAI與1 925 nm波段處的水分吸收特征反射率散點圖

3.3 野外實測驗證

自然狀態(tài)下土壤很少完全裸露或者完全被枯落層所覆蓋，圖5(a)和(b)表示2014年12月下旬選取的山楊林與退耕草地樣地實測的枯落層—土壤混合場景反射光譜，兩塊樣地的土壤和枯落層的相對含水量[20]分別為： 8.43%和6.39%，6.15%和3.48%，混合場景的光譜反射特征與室內(nèi)實驗中干的混合場景相似。

圖5 野外實測枯落層-土壤混合場景反射率光譜

野外與室內(nèi)光譜測試結(jié)果的主要差異有： (1)自然植被群落土壤表面不同程度地覆蓋黑灰色結(jié)皮，加上一定含水量的影響，使土壤的光譜反射率低于枯落層，混合場景的光譜反射率隨著蓋度增加呈現(xiàn)持續(xù)增大的趨勢，與室內(nèi)實驗干混合場景光譜反射率隨著蓋度增加先減小后增加的趨勢不同。(2)自然光照條件與室內(nèi)人工光源存在差異，以及周圍物體對目標(biāo)物產(chǎn)生輻射的影響[25]，使野外混合場景光譜反射率普遍高于室內(nèi)測試結(jié)果。

圖6(a)和(d)顯示與室內(nèi)實驗結(jié)果相同，野外混合場景的NDLI和CAI值均隨著枯落層蓋度的增加而增大。圖6(b)，(c)，(e)，(f)顯示，兩種植被類型野外混合場景的CAI指數(shù)與枯落層蓋度的相關(guān)性均明顯高于NDLI指數(shù)，退耕草地混合場景的CAI值與枯落層蓋度具有最高的相關(guān)性(R2=0.90)。NDLI與CAI指數(shù)分別利用枯落物木質(zhì)素在1 700 nm及纖維素在2 100 nm處的光譜吸收深度來提取枯落層信息。圖1及圖5顯示，隨著混合場景中枯落層蓋度的增加，2 000，2 101及2 200 nm吸收谷深度的增加要大于1 680～1 754 nm吸收谷深度的增加。因此，與NDLI相比，CAI指數(shù)對枯落層蓋度變化更敏感，更能反映枯落層蓋度的變化。

圖6 野外實測混合場景NDLI，CAI與枯落層蓋度的關(guān)系

不同種類植物枯葉、枯莖枯枝的木質(zhì)素及纖維素含量不同，室內(nèi)和野外混合場景中這兩部分的比例不同，同時室內(nèi)實驗中枯落層在土壤上的均勻分布與野外的自然分布有明顯不同，加上野外環(huán)境因素的綜合影響，使各種植被類型混合場景NDLI與CAI值的變化規(guī)律有一定差異。室內(nèi)和野外實驗均顯示，蓋度大于50%時NDLI與CAI值隨蓋度增大的趨勢變緩，趨于穩(wěn)定，但這種現(xiàn)象在室內(nèi)實驗結(jié)果中更顯著。

圖7顯示，與室內(nèi)實驗結(jié)果相比，野外混合場景的NDLI和CAI值明顯升高； 枯落層蓋度為2%～3%的近似裸土混合場景相當(dāng)于室內(nèi)實驗中的純土壤，其NDLI值大于0、CAI值則主要集中在零值附近。當(dāng)枯落層蓋度低于約20%時，混合場景與近似裸土的NDLI、CAI值接近，枯落層與土壤難以區(qū)分。自然狀態(tài)下NDLI與CAI指數(shù)對枯落層與土壤的可分性均比室內(nèi)實驗結(jié)果均有相當(dāng)程度的降低，但CAI指數(shù)對于兩者的可分性仍明顯優(yōu)于NDLI指數(shù)。

圖7 野外NDLI，CAI與1 925 nm波段處的水分吸收特征反射率散點圖

4 結(jié) 論

(1)枯落層在SWIR波段的1 700，2 100和2 300 nm處存在木質(zhì)素和纖維素的診斷性吸收特征，與土壤有一定的可分性。受顏色及含水量等因素影響，枯落層—土壤混合場景的光譜反射率呈現(xiàn)不同的變化規(guī)律。含水量使混合場景光譜在1 680和2 100 nm處的吸收特征幾乎完全消失，而在1 754 nm處的吸收特征得到凸顯。在濕狀態(tài)下枯落層、土壤及混合場景的光譜曲線形態(tài)趨于一致，差異性變小。

(2)室內(nèi)實驗表明，隨著蓋度增加混合場景的NDLI和CAI值均呈現(xiàn)增大的趨勢。干和濕狀態(tài)下混合場景CAI指數(shù)與枯落層蓋度的相關(guān)性均高于NDLI指數(shù)。干狀態(tài)下CAI指數(shù)對混合場景與土壤的可分性亦明顯優(yōu)于NDLI指數(shù)，應(yīng)用CAI指數(shù)能夠更有效地估算枯落層蓋度，蓋度低于20%時枯落層與土壤難以區(qū)分。野外測試驗證了室內(nèi)實驗結(jié)果，枯落層構(gòu)成、空間分布的不同以及環(huán)境因素的影響，使野外條件下NDLI、CAI估算枯落層蓋度的有效性均有一定程度的降低，但CAI對枯落層與土壤的可分性仍然優(yōu)于NDLI。

(3)含水量是枯落層與土壤光譜的重要影響因素，分析含水量變化對枯落層—土壤混合場景光譜特征及遙感估算的影響，利用野外實測數(shù)據(jù)進(jìn)一步驗證基于高光譜影像估算枯落層蓋度的有效性，該方面的研究工作有待于進(jìn)一步開展和深化。

[1] WU Qin-xiao, ZHAO Hong-yan, LIU Xiang-dong, et al(吳欽孝，趙鴻雁，劉向東，等). Journal of Soil Erosion and Soil and Water Conservation(土壤侵蝕與水土保持學(xué)報)，1998, 4(2): 2328.

[2] WU Qin-xiao, LIU Xiang-dong, SU Ning-hu, et al(吳欽孝, 劉向東, 蘇寧虎，等). Journal of Soil and Water Conservation(水土保持學(xué)報), 1992, 6(1): 71.

[3] Morrison Jr J E, Huang C, Lightle D T, et al. Journal of Soil and Water Conservation, 1993, 48: 479.

[4] CTIC. Conservation Technology Information Center. West Lafayette, IN http://www.ctic.purdue.edu/CTIC/CRM.html, 2004.

[5] Morrison Jr J E, Lemunyon J, Bogusch Jr H C. Transactions of the ASAE, 1995，38: 521.

[6] Shelton D P, Dickey E C. Conservation Tillage. Conservation Technology Information Center, Cooperative Extension Service, 1995.

[7] Aase J K, Tanaka D L. Agronomy Journal, 1991，83: 753.

[8] Daughtry C S T, McMurtrey J E III, Nagler P L, et al. In Near Infrared Spectroscopy: The Future Waves (A. M. C. Davies and Phil Williams, Eds. ), NIR Publications, Chichester, UK, 1996. 505.

[9] Baird F, Baret F. Remote Sensing of Environment, 1997，59: 530.

[10] Streck N A, Rundquist D, Connot J. Photogrammetric Engineering & Remote Sensing, 2002，68: 1193.

[11] Stoner E R, Baumgardner M F. Soils Science Soc. Am. J., 1981, 45(6): 1161.

[12] Fourty T, Baret F, Jacquemoud S, et al. Remote Sensing of Environment, 1996, 56: 104.

[13] Elvidge C D. International Journal of Remote Sensing, 1990, 10(11): 1775.

[14] Serrano L, Penuelas J, Ustin S L. Remote Sensing of Environment, 2002, 81: 355.

[15] Zheng B, Campbell J B, Serbin G, et al. Soil and Water Conservation Society, 2013, 68(2): 119.

[16] Daughtry C S T. Agronomy Journal, 2001，93: 125.

[17] Daughtry C S T, Hunt Jr E R, McMurtrey III J E. Remote Sensing of Environment, 2004, 90(1): 126.

[18] Zheng Baojuan, James B Campbell, Kirsten M de Beurs. Remote Sensing of Environment, 2012, 117: 177.

[19] Nagler P L, Inoue Y, Glenna E P, et al. Remote Sensing of Environment, 2003, 87: 310.

[20] Daughtry C S T, Hunt Jr E R. Remote Sensing of Environment, 2008, 112: 1647.

[21] Zheng Baojuan, James B Campbell, Guy Serbin, et al. Soil & Tillage Research, 2014, 138: 26.

[22] Wang Lingli, Hunt Jr E R, John J Q, et al. Remote Sensing of Environment, 2013, 129: 103.

[23] WANG Chun-mei, YANG Qin-ke, WANG Qi, et al(王春梅, 楊勤科, 王 琦，等). Science of Soil and Water Conservation(中國水土保持科學(xué)), 2010, 8(3): 1.

[24] Murray I, Williams P C. //Williams P C, Norris K. Near-Infrared Technology in the Agricultural and Food Industries. St Paul, Minnesota: American Association of Cereal Chemists, Inc., 1988. 17.

[25] HE Ting, LIU Rong, WANG Jing(何 挺, 劉 榮, 王 靜). Geography and Geo-Information Science(地理與地理信息科學(xué)), 2003, 19(5): 6, 31.

(Received Mar. 29, 2015; accepted Jul. 14, 2015)

*Corresponding author

Remote Sensing Estimation of Plant Litter Cover Based on the Spectra of Plant Litter-Soil Mixed Scenes

XIE Xiao-yan1, LIU Yong-mei1*, LI Jing-zhong1, 2, CHANG Wei1, WANG Ling1

1. College of Urban and Environmental Sciences, Northwest University, Xi’an 710127, China

2. College of Urban Planning and Landscape Garden, Xuchang University, Xuchang 461000, China

Quantifying plant litter cover is important to evaluate the effectiveness of vegetation to protect soil against soil erosion. Field campaign was carried out in the Loess Hilly-gully Region of Northern Shaanxi to acquire the spectral reflectance data of plant-soil mixed scenes for two broadleaf forests and rehabilitated grassland. Spectral behavior of plant-soil mixed scenes was analyzed and the effectiveness of hyperspectral indexes NDLI (normalized difference lignin index) and CAI (cellulose absorption index) for quantifying plant litter cover was evaluated based on lab and field experiments. The results showed spectra reflectance of plant-soil mixed scenes with different proportions of litter and soil varied greatly by the influence of color and water content. The NDLI and CAI values increased with the rise of proportion of litter within the mixed scene under dry and wet status, regression analysis between the two indexes and plant litter cover of mixed scenes showed that the obviously better result for CAI (R2=0.98, rehabilitated grassland and broadleaf forests under dry status). The discrimination between mixed scenes and soil using CAI significantly outperformed NDLI under dry status; the estimation of plant litter cover by CAI is more effective compared to NDLI. Lab analysis was validated by field measuring:R2=0.90 showed highest correlation between CAI and plant litter cover for rehabilitated grassland. The validity of estimation of plant litter cover by both two indexes reduced to some degree in the field. The research enhanced the scientific basis for remote sensing estimation of plant litter cover.

Plant litter cover; Soil; Mixed scene; Vegetation index； The Loess Hilly-gully Region

2015-03-29，

2015-07-14

國家自然科學(xué)基金項目(41171225)，農(nóng)業(yè)部公益性行業(yè)科研專項(201203062)資助

謝小燕，1989年生，西北大學(xué)城市與環(huán)境學(xué)院碩士研究生 e-mail: yanzifeifei4150@126.com *通訊聯(lián)系人 e-mail: liuym@nwu.edu.cn

TP79

A

10.3964/j.issn.1000-0593(2016)07-2217-07