黃河源區(qū)高寒草甸群落高度遙感模擬與評價

殷建鵬，高金龍，馮琦勝，葛 靜，孟寶平，楊淑霞，梁天剛,孟小平

(1.草地農(nóng)業(yè)生態(tài)系統(tǒng)國家重點實驗室 蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，甘肅 蘭州 730020；2.農(nóng)業(yè)部草牧業(yè)創(chuàng)新重點實驗室，甘肅 蘭州 730020； 3.隴西縣馬營灘小學(xué)，甘肅 定西 748105)

草層高度在草地資源管理中具有重要的作用，其與生物量、載畜力、采食率、牧草凈初級生產(chǎn)力、草地營養(yǎng)狀況等有明顯的相關(guān)性[1]。傳統(tǒng)的野外草地資源監(jiān)測中對草層高度的調(diào)查大多以尺具測量為主，該方法不僅耗時費力，而且無法反映大范圍的草地草層高度的時空分布及變化情況。近年來，隨著“3S”技術(shù)的飛速發(fā)展，特別是遙感技術(shù)具有多平臺、多層次、多波段、多時相、短周期、低價格等特點[2]，已逐步成為草地資源監(jiān)測的重要方法，可以在不同空間尺度上針對草地地上生物量、草地蓋度及群落高度等生物物理指標進行動態(tài)監(jiān)測[3]。

在草層高度的遙感監(jiān)測方面，國內(nèi)外學(xué)者已經(jīng)從微波遙感、植被指數(shù)以及植被冠層光譜反射率等多方面進行了研究，研究主要集中在面積較小、物種數(shù)目較少、群落結(jié)構(gòu)簡單以及地勢比較平坦的栽培草地。例如，Hill等[4]研究發(fā)現(xiàn)，機載合成孔徑雷達(synthetic aperture radar，SAR)C、L波段的反向散射與草層高度之間存在顯著的相關(guān)關(guān)系，并結(jié)合雷達影像制作了草層高度分布圖。Small等[5]利用GPS衛(wèi)星波段的反射信號研究了信噪比(SNR)與植被季節(jié)性生長的關(guān)系，結(jié)果證明GPS多波段信號對植被的高度十分敏感，可以用來估測除森林之外的絕大多數(shù)植被類型的高度，表明微波遙感在估測植被高度方面有一定的潛力。He等[6]研究發(fā)現(xiàn)，利用SPOT4衛(wèi)星數(shù)據(jù)產(chǎn)品中改進土壤調(diào)節(jié)植被指數(shù)(adjusted transformed soil-adjusted vegetation index，ATSAVI)計算得到的草地葉面積指數(shù)(leaf area index，LAI)與草層高度有顯著的線性相關(guān)關(guān)系(R2=0.58)。Buffet和Dger[7]發(fā)現(xiàn)，草地冠層光譜780與677 nm波段處的反射率之差與草層高度有一定相關(guān)性，而Capolupo等[8]研究牧草冠層反射率與草層高度的相關(guān)性后認為，窄波段歸一化紅邊指數(shù)(normalized difference red edge，NDRE)可以較好地反映草層高度的變化。隨著科技的進步及牧草生產(chǎn)精細化管理的需求，擁有更高分辨率、更高準確率的遙感新技術(shù)被應(yīng)用到了牧草生產(chǎn)中。Kaizu等[9]利用3D激光掃描儀測量草地冠層與地面的高度之差并估算草層高度，發(fā)現(xiàn)估測值與實測值之間的相關(guān)系數(shù)達到0.62。Fricke等[10]使用超聲波距離傳感器(altrasonic distance sensor，ADS)實現(xiàn)了混播栽培草地草層高度的高精度測量與地上生物量估產(chǎn)。Pittman[11]比較了測距激光傳感器與超聲波距離傳感器測量草層高度的精度，發(fā)現(xiàn)前者的精度明顯高于后者。

相較于栽培草地，我國天然草地面積遼闊、物種組成復(fù)雜、地勢高低起伏，情況較為復(fù)雜。目前，國內(nèi)學(xué)者主要采用MODIS植被指數(shù)、冠層高光譜反射率等遙感方法對我國天然草地的蓋度、營養(yǎng)水平以及地上生物量等指標進行監(jiān)測[12-16]，只有少數(shù)學(xué)者對天然草地草層高度遙感監(jiān)測方面進行過研究。Wang等[17]利用機載激光雷達傳感器(light detection and ranging，LiDAR)對呼倫貝爾草原的草層高度進行監(jiān)測，估測值與實測值的擬合系數(shù)達到0.583，均方根誤差(root mean square error，RMSE)達到4.9 cm。Chen等[18]在利用地表能量平衡系統(tǒng)(surface energy balance systern,SEBS)模型估算青藏高原地區(qū)地表蒸散量時提出一種適用于大尺度非均勻地表、基于NDVI的植被冠層高度反演公式，該公式估測天然草地草層高度的精度還有待進一步考證。由于我國天然草地的特殊性，實現(xiàn)對天然草地草層高度的精確監(jiān)測仍是一個巨大的挑戰(zhàn)。

本研究以黃河源地區(qū)高寒草甸為研究對象，通過分析MODIS植被指數(shù)和草地高光譜反射率數(shù)據(jù)與高寒草甸群落草層高度之間的相關(guān)關(guān)系，重點研究探索：1)12種MODIS植被指數(shù)對草層高度變化的敏感程度，分析研究區(qū)高寒草甸群落高度反演模型的適用性；2)利用MOD09GA和野外觀測數(shù)據(jù)，驗證基于SEBS研究提出的冠層高度模型是否適合反演高寒草甸群落的草層高度，并對其精度進行評價；3)分析高寒草甸群落高度與其冠層高光譜反射率之間的相關(guān)關(guān)系，并篩選出典型光譜特征波段，構(gòu)建草層高度反演模型。以期實現(xiàn)對高寒草甸草層高度的準確監(jiān)測，為草地資源生長狀況的綜合評價提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

黃河源區(qū)是三江源生態(tài)自然保護區(qū)的重要組成部分，位于青海省東部，覆蓋果洛藏族自治州及周邊瑪多、稱多等縣的部分地區(qū)，介于95°30′-103°30′ E，32°05′-36°30′ N，總面積約12.2萬km2[19]。黃河源區(qū)地處青藏高原東緣，海拔變化差異較大，介于2 568～6 264 m，平均海拔4 217 m[19]。黃河源區(qū)屬高原山地氣候，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%，年均光照時數(shù)2 567.4 h[20]，年平均氣溫-5.38～4.14 ℃。從我國的植被分區(qū)看，黃河源區(qū)主要屬于青藏高原高寒植被區(qū)，主要植被類型有高寒草甸、高寒草原、沼澤等，在局部高海拔地帶分布有墊狀植被和流石灘稀疏植被，植被稀疏低矮[21]。

在黃河源區(qū)東部貴南縣、瑪沁縣、河南縣及久治縣典型高寒草甸區(qū)設(shè)立試驗區(qū)(圖1)，試驗區(qū)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)、線葉嵩草(K.capilifolia)和針茅(Stipacapillata)等為優(yōu)勢種。

1.2 數(shù)據(jù)來源及預(yù)處理

1.2.1草地群落高度數(shù)據(jù) 野外調(diào)查時間為2014年8月上旬和2015年8月上旬，根據(jù)高寒草甸植被特征，在試驗區(qū)選擇草地植被空間分布均一、有代表性的地段設(shè)置樣地。其中，2014年在貴南縣設(shè)置樣地10塊，瑪沁縣設(shè)置樣地7塊，2015年在河南縣設(shè)置樣地2塊，久治縣設(shè)置樣地2塊，共設(shè)置樣地21個，大小為100 m×100 m。在樣地中選用9點法布設(shè)0.5 m×0.5 m的樣方，記錄草層高度、蓋度等指標，以9個樣方的平均草層高度代表該樣地的群落高度。

1.2.2草地植被冠層高光譜反射率數(shù)據(jù) 光譜數(shù)據(jù)的采集利用荷蘭Avantes公司制造的AvaField-3便攜式高光譜地物波譜儀，其光譜范圍為300-2 500 nm，其中300-1100nm的光譜分辨率為1.4nm，光譜采樣間隔為0.6 nm；1 100-2 500 nm的光譜分辨率為15 nm，光譜采樣間隔為6 nm。光譜采集盡量選擇在少云或者無云、光照條件良好的時間段進行，每塊樣地中選擇9點法對角線處的5個樣方進行高光譜數(shù)據(jù)采集，采集參數(shù)設(shè)置時間為100 ms，測量后及時進行白板校正，每個樣點重復(fù)測量10次。

圖1 黃河源東部試驗區(qū)樣地分布圖Fig. 1 Distribution of sampling sites in the eastern region of the Yellow River

使用Viewer 7.0軟件對每個樣點的多次重復(fù)測量值進行平均處理，得到各樣點的光譜反射率數(shù)據(jù)。由于光譜反射率存在一定的噪聲，通過Origin 9.0數(shù)據(jù)分析軟件的Savitzky-Golay卷積平滑法(即S-G濾波)對光譜數(shù)據(jù)進行平滑濾波處理[22]，經(jīng)反復(fù)測試，在濾波參數(shù)移動窗口寬度及多項式次數(shù)的優(yōu)化上選擇11和5，這種方法可有效消除噪聲，提高信噪比，但不會改變信號的形狀。由于350-1 500和1 500-2 500 nm之間的光譜采樣間隔不一致，為保證數(shù)據(jù)的整齊度及后期的數(shù)據(jù)分析，在Origin 9.0數(shù)據(jù)分析軟件中采用Linear插值法，插值后生成原始光譜曲線。為有效降低或消除土壤等背景對冠層光譜的影響[23]，提高光譜數(shù)據(jù)的多重共線性，突出地物的光譜吸收和反射特征，在ENVI 5.0遙感圖像處理軟件中利用一階微分插件及去包絡(luò)線插件對原始光譜數(shù)據(jù)進行處理，得到一階微分光譜和去包絡(luò)線光譜。

因為野外草地高光譜測量的不定性因素較多，且高寒草地不同植被類型及其結(jié)構(gòu)存在較大差異等原因，1 100-2 500 nm之間的光譜數(shù)據(jù)出現(xiàn)了較大的噪聲，考慮到研究植被特征光譜常用波段大多分布在可見光和近紅外區(qū)域，故本研究使用350-1 100 nm波段范圍內(nèi)的反射率數(shù)據(jù)來研究對草層高度敏感的特征波段。

1.2.3衛(wèi)星遙感數(shù)據(jù) 所用遙感數(shù)據(jù)為來自美國國家航空航天局(National Aeronautics and Space Administration，NASA)的地球觀測系統(tǒng)數(shù)據(jù)及信息系統(tǒng)網(wǎng)站的MODIS地表反射率產(chǎn)品MOD09GA。該產(chǎn)品是逐日地表反射率值，包含了MODIS 1-7通道的反射率數(shù)據(jù)，已經(jīng)對大氣、氣溶膠及薄卷云的影響進行了校正，地面分辨率為500 m。本研究使用了2014年8月和2015年8月覆蓋黃河源區(qū)的MOD09GA影像，在全球正弦投影系統(tǒng)中的空間編號為h25v05和h26v05，數(shù)據(jù)格式為EOS-HDF。

數(shù)據(jù)預(yù)處理過程如下：1)使用MODIS投影轉(zhuǎn)換工具MRT(MODIS Reprojection Tool)軟件，對MOD09GA逐日地表反射率數(shù)據(jù)進行投影轉(zhuǎn)換等處理，將正弦曲線投影轉(zhuǎn)換為Albers地圖投影，橢球體選用WGS84，用最鄰近法進行重采樣，最后輸出的影像文件格式為GeoTIFF，得到MOD09GA 1-7波段的逐日反射率數(shù)據(jù)；2)在ArcGIS軟件中分別計算NDVI、EVI、SAVI、MSAVI、OSAVI、SATVI和RVI，以及B7/B2、B2-B7、B7/B5、B5/B7和(B5-B7)/(B5+B7)這12種植被指數(shù)的每日數(shù)據(jù)(表1)，利用最大值合成(MVC)方法，合成2014年8月和2015年8月的月最大植被指數(shù)數(shù)據(jù)；3)分別提取樣地的植被指數(shù)值；4)按照黃河源主要草地類型分別統(tǒng)計NDVI最大值和最小值等統(tǒng)計指標。

1.3 群落高度反演模型的構(gòu)建及評價

1.3.1植被指數(shù)反演模型 將野外實測樣地草層高度數(shù)據(jù)與MODIS植被指數(shù)數(shù)據(jù)進行配對后，得到有效數(shù)據(jù)21組，以每個樣地對應(yīng)的12種植被指數(shù)數(shù)值分別為自變量，樣地實測平均草層高度為因變量，在SPSS軟件中分別構(gòu)建線性模型、指數(shù)模型、乘冪模型、對數(shù)模型，并根據(jù)每種模型的決定系數(shù)(R2)對模型的精度進行評價，確定對高寒草甸群落高度變化較為敏感的植被指數(shù)及相對最優(yōu)反演模型。

1.3.2冠層高度模型 Chen等[18]提出的植被冠層高度反演公式如下：

(1)

式(1)中：HC為草層高度，HCmin和HCmax是實地測量草層高度中的最小值和最大值，NDVImin和NDVImax分別指高寒草甸試驗區(qū)樣地對應(yīng)NDVI中的最小值和最大值。

1.3.3光譜反射率反演模型 分析原始光譜反射率、一階微分反射率以及去包絡(luò)線反射率與樣地實測草層高度之間的相關(guān)關(guān)系，并且通過相關(guān)系數(shù)檢驗確定顯著性檢驗的臨界值，選取與草層高度顯著相關(guān)的特征波段作為自變量，以草層高度為因變量，在SPSS軟件中建立回歸模型，并對模型的精度進行評價，從中選擇估算高寒草甸草層高度的最優(yōu)模型，探索草地冠層光譜反射率與草層高度之間的內(nèi)在規(guī)律。

1.3.4不同草層高度估算模型的精度評價 以均方根誤差(RMSE)及平均平方根離差系數(shù)(CVRMSE)[31]作為模型評價指標，綜合評價基于植被指數(shù)的反演模型、冠層高度模型及光譜反射率反演模型的精度，從中選出適合黃河源高寒草甸的草層高度反演最優(yōu)模型。其中，RMSE常被用來量化模型的精度[9]，RMSE越小，估測值與實測值之間的相關(guān)系數(shù)r越接近1，模型的精度越高。CVRMSE則是反映模型估測值分布情況的指標，如果CVRMSE<10%，則表示模擬效果優(yōu)良；如果10%≤CVRMSE<20%，則表明模擬效果好；如果20%≤CVRMSE<30%，則表明模擬效果一般；如果CVRMSE≥30%，則表明模擬效果差。另外，將變異系數(shù)(CV)作為反映試驗區(qū)21塊樣地觀測值的變異程度。CV、RMSE及CVRMSE的計算公式如下：

表1 植被指數(shù)計算公式Table 1 Equations for seven vegetation indices

NIR，近紅外波段；R，紅外波段；SWIR1，短紅外波段；SWIR2，中紅外波段；在EVI計算公式中，C1=6，C2=7.5，L=1；在SAVI和SATVI計算公式中，L=0.5。

NIR denotes the near-infrared band, and R denotes the red band. In the equation of EVI, C1=6, C2=7.5, and L=1; in the equations of SAVI and SATVI equations, L=0.5.

(2)

(3)

(4)

2 結(jié)果與分析

2.1 基于MODIS植被指數(shù)的草層高度估算

12種植被指數(shù)與黃河源區(qū)高寒草甸典型試驗區(qū)草層高度的回歸統(tǒng)計結(jié)果(表2)表明，除NDVI之外，其余11種植被指數(shù)的回歸模型均未通過顯著水平為0.05的F檢驗，這表明，NDVI對高寒草甸的草層高度最為敏感，基本上可以反映黃河源地區(qū)高寒草甸群落高度的時空變化狀況。在NDVI構(gòu)建的4種回歸模型中，指數(shù)模型的擬合決定系數(shù)(R2=0.241)明顯高于乘冪模型(R2=0.221)、線性模型(R2=0.217)及對數(shù)模型(R2=0.203)，說明該模型對草層高度的估測能力相對較優(yōu)。該模型的估測值與實測值之間的相關(guān)系數(shù)r達到0.51，RMSE僅為4.2 cm，CVRMSE為45.7%(表3)，估測精度一般。

2.2 基于冠層高度模型的草層高度估算

盛草期野外實地測量的21塊高寒草甸樣地的草層高度與相應(yīng)NDVI的統(tǒng)計結(jié)果(表4)表明，高寒草甸試驗區(qū)草層高度的變異系數(shù)較大，而NDVI的變異系數(shù)較小，這表明不同樣地之間的草層高度有較大的差異，但各樣地植被的長勢較為均一。高寒草甸試驗區(qū)NDVImin和NDVImax分別為0.526和0.871。

將NDVImin和NDVImax代入冠層高度公式(1)中，得到高寒草甸試驗區(qū)草層高度的估測值，估測樣地草層高度與實測樣地草層高度之間的相關(guān)系數(shù)僅為0.33，冠層高度模型的RMSE達到5.8 cm。

表2 MODIS植被指數(shù)與草層高度的回歸分析結(jié)果Table 2 Results from regression analysis results of MODIS vegetation indices and grassland canopy height

n=21;*表示顯著性相關(guān)(P<0.05)，表3同。

n=21; *indicate significantly correlation at the 0.05 level, similarly for Table 3.

表3 基于NDVI的草層高度最優(yōu)模型的估計參數(shù)及估測精度Table 3 Estimation parameters and accuracy of grassland canopy height optimal model derived from NDVI

表4 試驗區(qū)樣地草層高度與相應(yīng)的MODIS NDVI統(tǒng)計結(jié)果Table 4 Statistical results of grassland canopy height and MODIS NDVI

2.3 基于草地冠層高光譜反射數(shù)據(jù)的草層高度估算

從黃河源區(qū)典型高寒草甸的原始光譜曲線(圖2)可以看出，高寒草甸的光譜反射曲線(350-1 100 nm)與健康植被波譜曲線特征相似，可見光560和675 nm左右處形成明顯的“綠峰”和“紅谷”，這是由草地植被冠層中色素反射綠光及強烈吸收紅光的特性所決定的。受到草地冠層葉片細胞結(jié)構(gòu)的影響[16]，700-800 nm間反射率急增，形成一個陡坡；在800-1 100 nm范圍內(nèi)，植被光譜曲線的反射率高達20%～60%，主要是光在葉片內(nèi)部及葉片間的多次散射造成的[32]。

由高寒草甸草層高度與草地原始光譜、一階微分光譜及去包絡(luò)線光譜反射率之間的相關(guān)系數(shù)曲線(圖3)可以看出，在519.4-583.17 nm之間，原始光譜反射率與草層高度之間呈現(xiàn)明顯的負相關(guān)關(guān)系(P<0.05)，在549.87 nm處相關(guān)性最高，達到-0.59(P<0.01)。一階微分光譜反射率與群落高度的相關(guān)性高于原始光譜，366.31 nm波段處的一階微分反射率與草層高度呈顯著正相關(guān)關(guān)系，相關(guān)系數(shù)達0.64(P<0.01)，510.59-511.18 nm波段之間的一階微分光譜反射率與草層高度之間具有顯著的負相關(guān)關(guān)系，相關(guān)系數(shù)的絕對值均在0.6以上(P<0.01)，510.59 nm波段的一階微分光譜反射率與草層高度負相關(guān)系數(shù)最大，達-0.69(P<0.01)。775.34-775.91 nm波段范圍的去包絡(luò)線光譜反射率與草層高度的相關(guān)系數(shù)絕對值大于0.5(P<0.05)，775.91 nm波段處的負相關(guān)系數(shù)最大，達-0.54。

圖2 21塊樣地植被冠層(350-1 100 nm)光譜曲線Fig. 2 Vegetation canopy spectral curves (350-1 100 nm) of 21 sample plots

選取原始光譜、一階微分光譜及去包絡(luò)線光譜相關(guān)性曲線中相關(guān)系數(shù)|r|>0.5的波段作為特征波段，并構(gòu)建光譜參量與草層高度進行回歸分析(表5)?？梢钥闯?，高寒草甸冠層高光譜反射率與群落高度之間的最優(yōu)反演模型是“藍邊”波段內(nèi)以510.59 nm波段的一階微分值為自變量的線性模型(y=-156.375x+20.384，R2=0.489)，其反演精度較高，RMSE為3.5 cm，估測值與實測值相關(guān)系數(shù)r達到0.70(P<0.01)。

2.4 模型的精度比較與評價

本研究共采用3種方法對黃河源區(qū)高寒草甸群落的高度進行估測，3種方法的估測精度不盡相同。從典型試驗區(qū)(21個樣地)的估測結(jié)果(表6)可以看出，這3種模型的RMSE從大到小依次是冠層高度模型、NDVI指數(shù)模型、高光譜模型，而估測值與實測值之間的相關(guān)系數(shù)r從大到小依次為高光譜模型、NDVI指數(shù)模型、冠層高度模型。

3種模型的估測效果(圖4)顯示，模型的估測準確度從高到低依次為高光譜模型(R2=0.488 8)、NDVI指數(shù)模型(R2=0.258 4)、冠層高度模型(R2=0.109 9)。其中，冠層高度模型的估測值大多數(shù)落在1∶1直線上方(圖4b)，說明該模型的估測值相較于真實值偏大；而NDVI指數(shù)模型和高光譜模型的估測值均勻分布在1∶1直線兩側(cè)(圖4a和c)；綜合考慮，這3種模型的大多數(shù)估測值與1∶1直線的偏離程度較大，并且估測值的離散程度也較大，而出現(xiàn)這種分布情況是因為這3種模型的CVRMSE均大于30%。盡管如此，高光譜模型相較于NDVI指數(shù)模型和冠層高度模型有較低的CVRMSE(37.2%)，比后兩種模型更適合反演高寒草甸群落的高度。

3 討論與結(jié)論

在NDVI、EVI、SAVI、MSAVI、OSAVI、SATVI和RVI，以及B7/B2、B2-B7、B7/B5、B5/B7和(B5-B7)/(B5+B7)這12種植被指數(shù)中，僅有NDVI可以反映高寒草甸群落高度的變化情況。NDVI構(gòu)建的4種模型(線性、指數(shù)、對數(shù)及乘冪)的決定系數(shù)(R2)均較低，介于0.203～0.241，其構(gòu)建的指數(shù)模型y=0.789e3.186x相對最優(yōu)，但R2僅為0.241，RMSE達4.2 cm。該模型的反演精度與Liang等[33]在青南牧區(qū)建立的基于EVI反演草層高度的乘冪模型相似(R2=0.249 6，RMSE=7.02 cm)，說明利用MODIS植被指數(shù)估測高寒草地群落高度的誤差較大。而引起這些誤差的主要原因在于MODIS植被指數(shù)與草層高度之間沒有較為密切的聯(lián)系。其次，地面樣方實測數(shù)據(jù)與衛(wèi)星遙感數(shù)據(jù)的匹配性問題也是誤差來源之一：1)時間上的匹配性問題。野外地面觀測樣點的調(diào)查是在8月初盛草期進行的，由于光學(xué)衛(wèi)星遙感數(shù)據(jù)受云層等天氣狀況的極大限制，大多數(shù)地面樣地的調(diào)查時間與衛(wèi)星成像時間無法完全匹配，最大值合成法計算的MODIS植被指數(shù)與樣方調(diào)查時間也有差異。2)空間上的匹配問題。本研究中野外調(diào)查樣地的面積較小，為100 m×100 m的樣地，與所用的500 m空間分辨率的MODIS產(chǎn)品有一定差異，普遍存在混合像元情況，因此基于MODIS植被指數(shù)的回歸模型精度較差。

圖3 高寒草甸原始光譜、一階微分光譜、去包絡(luò)線光譜與草層高度的相關(guān)系數(shù)Fig. 3 Correlation coefficient between the canopy height and original spectrum, and the first-order differential spectrum and continuum removed spectral reflectance curve in the alpine meadow

冠層高度模型在黃河源區(qū)高寒草甸試驗區(qū)的適用性較差。本研究經(jīng)過驗證，該模型估測高寒草甸草層高度的精度較低，存在明顯的高估現(xiàn)象，R2也僅為0.109 9，RMSE高達5.8 cm。導(dǎo)致此結(jié)果的主要原因可以歸結(jié)為以下兩個方面：首先，該模型中變量NDVI的值易受MODIS混合像元因素的影響；其次，NDVImin和NDVImax的取值也會影響估測的精度。本研究只評價了冠層高度模型在高寒草甸上的適用性，該模型在其他草地類型上的適用性還需要進一步探索。

表5 高光譜參量描述及草層高度估測模型Table 5 Hyperspectral parameter description and estimation models

*表示在0.05水平顯著相關(guān)(P<0.05)，**表示在0.01水平顯著相關(guān)(P<0.01)。表6同。

* and ** indicate significantly correlation at 0.05 and 0.01 level, respectively; similarly for Table 6.

表6 典型試驗區(qū)3種模型的估測精度Table 6 Estimation accuracy of three models in typical study area

圖4 NDVI指數(shù)模型(a)、冠層高度模型(b)及高光譜模型(c)的草層高度估測值與實測值的擬合結(jié)果Fig. 4 Results of fitting results of the grassland canopy height estimation and the measured values of NDVI exponential model (a), canopy height model (b) and hyperspectral model (c)

高寒草甸群落519.4～583.17 nm原始光譜反射率與草層高度之間呈現(xiàn)顯著的負相關(guān)關(guān)系(|r|≥0.5，P<0.05)，在549.87 nm處的相關(guān)性最高，相關(guān)系數(shù)達到-0.59(P<0.01)。選取多種光譜參量構(gòu)建的回歸模型之中，以510.59 nm波段一階微分值為自變量的線性模型y=-156.375x+20.384相對最優(yōu)(R2=0.489，RMSE=3.5 cm)，估測值與實測值之間的相關(guān)系數(shù)r達到0.70，精度較高。高寒草甸550 nm左右是“綠峰”的形成區(qū)，該波長范圍內(nèi)的植被冠層反射率對葉綠素含量比較敏感[34]。在正常情況下，植被在可見光波段的反射率主要受葉綠素的影響[32]，植被群落在可見光波段范圍內(nèi)的反射率都小于裸地，而在近紅外波段及紅外波段植被群落的反射率大于裸地[35]。因此，隨著草地群落高度的降低，冠層結(jié)構(gòu)也會發(fā)生改變，一般植被葉綠素含量會減少，草地光譜在可見光波段范圍內(nèi)的反射率會變大，逐漸接近純裸地的反射率。這個結(jié)果與孫紅等[36]發(fā)現(xiàn)的冬小麥(Triticumaestivum)在特定的生長期冠層反射率與小麥高度呈反比的結(jié)論相似。本研究只分析了可見光及短波近紅外波段的冠層光譜反射率與草層高度之間的相關(guān)關(guān)系，其他波段冠層光譜反射率與草層高度之間的關(guān)系還需要進一步研究。

參考文獻References:

[1] 安淵,閆志堅.利用草層高度管理大針茅草原的方法初探.北京:中國國際草業(yè)發(fā)展大會暨中國草原學(xué)會代表大，2002.

An Y,Yan Z J.Research on the way of managingStipagrandissteppa applying sward height.Beijing:China International Grass Industry Development Conference and China Grassland Society Congress,2002.(in Chinese)

[2] 張軍.多時相圖像檢測方法及其在毀傷評估系統(tǒng)中的應(yīng)用.上海:上海交通大學(xué)碩士學(xué)位論文,2008.

Zhang J.Processing method of multi-temporal remote sensing images and the use in damage assessment.Master Thesis.Shanghai:Shanghai Jiao Tong University,2008.(in Chinese)

[3] Kallenbach R L.Describing the dynamic:Measuring and assessing the value of plants in the pasture.Crop Science,2015,55(6):2531-2539.

[4] Hill M J,Donald G E,Vickery P J.Relating radar backscatter to biophysical properties of temperate perennial grassland.Remote Sensing of Environment,1999,67(1):15-31.

[5] Small E E,Larson K M,Braun J J.Sensing vegetation growth with reflected GPS signals.Geophysical Research Letters,2010,37(12):245-269.

[6] He Y H,Guo X L,Wilmshurst J F.Reflectance measures of grassland biophysical structure.International Journal of Remote Sensing,2009,30(10):2509-2519.

[7] Buffet D,Oger R.Characterisation of grassland canopy using CASI-SASI hyperspectral imagery.Bruges,Belgium:CASI-SWIR 2002 Workshop-Belspo-STEREO Program,2003.

[8] Capolupo A,Kooistra L,Berendonk C,Boccia L,Suomalainen J.Estimating plant traits of grasslands from UAV-Acquired hyperspectral images:A comparison of statistical approaches.ISPRS International Journal of Geo-Information,2015,4(4):2792-2820.

[9] Kaizu Y,Jong M C,Kang T H.Grass height and yield estimation using a three-dimensional laser scanner.Environmental Control in Biology,2012,50(1):41-51.

[10] Fricke T,Richter F,Wachendorf M.Assessment of forage mass from grassland swards by height measurement using an ultrasonic sensor.Computers & Electronics in Agriculture,2011,9(2):142-152.

[11] Pittman J J.Height measurement and forage biomass estimation using laser and ultrasonic sensors from a mobile platform.Florida,USA:ASA,CSSA,& SSSA International Annual Meetings,2013.

[12] 馮琦勝,高新華,黃曉東,于惠,梁天剛.2001-2010年青藏高原草地生長狀況遙感動態(tài)監(jiān)測.蘭州大學(xué)學(xué)報(自然科學(xué)版),2011,47(4):75-81.

Feng Q S,Gao X H,Huang X D,Yu H,Liang T G.Remote sensing dynamic monitoring of grass growth in Qinghai-Tibet plateau from 2001 to 2010.Journal of Lanzhou University (Natural Sciences),2011,47(4):75-81.(in Chinese)

[13] 李亞剛,李文龍,劉尚儒,秦蘭蘭.基于遙感技術(shù)的甘南牧區(qū)草地植被狀況多年動態(tài).草業(yè)科學(xué),2015,32(5):675-685.

Li Y G,Li W L,Liu S R,Qin L L.Grassland vegetation dynamics over the years based on remote sensing technology in Gannan pastoral area.Pratacultaral Science,2015,32(5):675-685.(in Chinese)

[14] 陳佼,張麗.天山北坡草地蓋度高光譜遙感估算.草業(yè)科學(xué),2017,34(1):30-39.

Chen J,Zhang L.Estimating grassland coverage based on hyperspectral remote sensing in the northern Tianshan Mountains.Pratacultaral Science,2017,34(1):30-39.(in Chinese)

[15] 宋清潔,崔霞,張瑤瑤,孟寶平,高金龍,向宇軒.基于小型無人機與MODIS數(shù)據(jù)的草地植被覆蓋度研究:以甘南州為例.草業(yè)科學(xué),2017,34(1):40-50．

Song Q J,Cui X,Zhang Y Y,Meng B P,Gao J L,Xiang Y X.Grassland fractional vegetation cover analysis using small UVAs and MODIS:A case study in Gannan Prefecture.Pratacultaral Science,2017,34(1):40-50.(in Chinese)

[16] 高金龍,侯堯宸,白彥福,孟寶平,楊淑霞,胡遠寧,馮琦勝,崔霞,梁天剛.基于高光譜數(shù)據(jù)的高寒草甸氮磷鉀含量估測方法研究:以青海省貴南縣及瑪沁縣高寒草甸為例.草業(yè)學(xué)報,2016,25(3):9-21.

Gao J L,Hou Y C,Bai Y F,Meng B P,Yang S X,Hu Y N,Feng Q S,Cui X,Liang T G.Methods for estimating nitrogen,phosphorus and potassium content based on hyperspectral data from alpine meadows in Guinan and Maqin Counties,Qinghai Province.Acta Prataculturae Sinica,2016,25(3):9-21.(in Chinese)

[17] Wang D L,Xin X P,Shao Q Q,Brolly M,Zhu Z L,Chen J.Modeling aboveground biomass in Hulunber grassland ecosystem by using unmanned aerial vehicle discrete lidar.Sensors,2017,17(1):180.

[18] Chen X L,Su Z B,Ma Y M,Yang K,Wen J,Zhang Y.An improvement of roughness height parameterization of the surface energy balance system (SEBS) over the Tibetan Plateau.Journal of Applied Meteorology & Climatology,2013,52(3):607-622.

[19] Chu H,Wei J,Li T,Jia K.Application of support vector regression for mid and long-term runoff forecasting in “Yellow River Headwater” region.Procedia Engineering,2016,154:251-1257.

[20] 徐曉桃.黃河源區(qū)NPP及植被水分利用效率時空特征分析.蘭州:蘭州大學(xué)碩士學(xué)位論文,2007.

Xu X T.Spatial and temporal analysis of net primary productivity and water use efficiency in Yellow River Source Region.Master Thesis.Lanzhou:Lanzhou University,2007.(in Chinese)

[21] 林琳,金會軍,羅棟梁,呂蘭芝,何瑞霞.黃河源區(qū)高寒植被主要特征初探.冰川凍土,2014,36(1):230-236.

Lin L,Jin H J,Luo D L,Lyu L Z,He R X.Preliminary study on major features of alpine vegetation in the source area of the Yellow River (SAYR).Journal of Glaciology and Geocryology,2014,36(1):230-236.(in Chinese)

[22] 劉樹深,易忠勝.基礎(chǔ)化學(xué)計量學(xué).北京:科學(xué)出版社,1999.

Liu S S,Yi Z S.Basic Stoichiometry.Beijing:Science Press,1999.(in Chinese)

[23] Demetriades-Shah T H,Steven M D,Clark J A.High resolution derivative spectra in remote sensing.Remote Sensing of Environment,1990,33(1):55-64.

[24] Tucker C J,Justice C O,Prince S D.Monitoring the grasslands of the Sahel 1984-1985.International Journal of Remote Sensing,1986,7(11):1571-1581.

[25] Huete A,Justice C,Liu H.Development of vegetation and soil indices for MODIS-EOS.Remote Sensing of Environment,1994,49(3):224-234.

[26] Huete A R.A soil-adjusted vegetation index (SAVI).Remote Sensing of Environment,1988,27(3):295-309.

[27] Qi J,Chehbouni A,Huete A R,Kerr Y H,Sorooshian S.A modified soil adjusted vegetation index.Remote Sensing of Environment,1994,48:119-126.

[28] Steven M D.The sensitivity of the OSAVI vegetation index to observational parameters.Remote Sensing of Environment,1998,63(1):49-60.

[29] Qi J,Watson M C,Goodrich D.Remote sensing for grassland management in thearid southwest.Rangeland Ecology & management,2005,59(5):530-540.

[30] Guerschman J P,Hill M J,Renzullo L J,Barrett D J,Marks A S,Botha M E.Estimating fractional cover of photosynthetic vegetation, non-photosynthetic vegetation and bare soil in the Australian tropical savanna region upscaling the EO-1 Hyperion and MODIS sensors.Remote Sensing of Environment,2009,113:928-945.

[31] 梁天剛,林慧龍,馮琦勝.草地綜合順序分類系統(tǒng)研究進展.南京:江蘇鳳凰科學(xué)技術(shù)出版社,2015.

Liang T G,Lin H L,Feng Q S.Nanjing:Advance in Grassland Comprehensive Sequential Classification System.Nanjing:Jiangsu Fenghuang Science & Technology Press,2015.(in Chinese)

[32] 馬文勇,王訓(xùn)明.基于高光譜分析的草地葉綠素含量估算研究進展.地理科學(xué)進展,2016,35(1):25-34.

Ma W Y,Wang X M.Progress on grassland chlorophyll content estimation by hyperspectral analysis.Progress in Geography,2016,35(1):25-34.(in Chinese)

[33] Liang T G,Yang S X,Feng Q S,Liu B K,Zhang R P,Huang X D,Xie H J.Multi-factor modeling of above-ground biomass in alpine grassland: A case study in the Three-River Headwaters Region, China.Remote Sensing of Environment,2016,186:164-172.

[34] 劉淼.不同營養(yǎng)水平冬小麥長勢高光譜遙感監(jiān)測.楊凌:西北農(nóng)林科技大學(xué)碩士學(xué)位論文,2016.

Liu M.Winter wheat growth monitoring using hyperspectral remote sensing under different nutrition levels.Master Thesis.Yangling:Northwest A & F University,2016.(in Chinese)

[35] 娜日蘇,蘇和,格根圖.退化草甸草原近地面光譜特征初探.安徽農(nóng)業(yè)科學(xué),2009,38(6):164-167.

Narisu,Suhe,Gegentu.Preliminary study on the near-ground spectral characteristic of the degraded meadow grassland.Journal of Anhui Agricultural Sciences,2009,38(6):164-167.(in Chinese)

[36] 孫紅,李民贊,趙勇,張彥蛾,王曉敏,李修華.冬小麥生長期光譜變化特征與葉綠素含量監(jiān)測研究.光譜學(xué)與光譜分析,2010,30(1):192-196.

Sun H,Li M Z,Zhao Y,Zhang Y E,Wang X M,Li X H.The dpectral vharacteristics and chlorophyll content at winter wheat growth stages.Spectroscopy and Spectral Analysis,2010,30(1):192-196.(in Chinese)