基于Sentinel-2數(shù)據(jù)的山口紅樹(shù)林生理參數(shù)反演及時(shí)空特征

王詩(shī)文， 何宏昌， 付波霖， 孫宏亮

(桂林理工大學(xué)測(cè)繪地理信息學(xué)院, 桂林 541004)

紅樹(shù)林生長(zhǎng)在熱帶及亞熱帶的海岸潮間帶，屬于特殊的濕地沼澤類型之一。它具有很獨(dú)特的生態(tài)特性，在防浪護(hù)堤、保持生物多樣性和凈化環(huán)境污染等作用[1]，同時(shí)在保障沿海安全和生物多樣性等方面有著舉足輕重的位置。近幾個(gè)世紀(jì)，濕地受到了不同程度的影響，導(dǎo)致退化速度加快，包括海平面上升、人類對(duì)資源的不合理開(kāi)發(fā)以及氣候的變化[2-3]。中國(guó)紅樹(shù)林減少了50%以上，盡管恢復(fù)了部分地區(qū)對(duì)紅樹(shù)林的生態(tài)狀況，但是對(duì)紅樹(shù)林的保護(hù)和修復(fù)刻不容緩[4]。目前，有效地開(kāi)展紅樹(shù)林生態(tài)健康評(píng)估，可為科學(xué)保護(hù)與管理紅樹(shù)林濕地資源提供技術(shù)支持，對(duì)于維持生態(tài)系統(tǒng)平衡和可持續(xù)發(fā)展有著重要的意義。而生理參數(shù)則是評(píng)價(jià)紅樹(shù)林的生態(tài)系統(tǒng)狀況的重要基礎(chǔ)，準(zhǔn)確地獲取生理參數(shù)的信息成為關(guān)鍵[5]。

山口紅樹(shù)林濕地是位于陸地生態(tài)系統(tǒng)與海洋生態(tài)系統(tǒng)交錯(cuò)的過(guò)渡地帶，是一個(gè)動(dòng)態(tài)且復(fù)雜的生態(tài)區(qū)域，對(duì)于傳統(tǒng)的野外調(diào)查存在一定的局限性，難以滿足實(shí)時(shí)監(jiān)測(cè)需求。遙感技術(shù)具有覆蓋面積大、數(shù)據(jù)更新周期短、空間分辨率高等特點(diǎn)，已成為中外紅樹(shù)林監(jiān)測(cè)的主要技術(shù)之一[6-7]。遙感為紅樹(shù)林的測(cè)繪和評(píng)價(jià)提供了一種準(zhǔn)確、高效、重復(fù)性強(qiáng)的方法。由于紅樹(shù)林(周期性海水淹沒(méi)的潮間灘涂)特殊的生長(zhǎng)環(huán)境和茂密的森林，人們很難進(jìn)入紅樹(shù)林進(jìn)行廣泛的野外調(diào)查和采樣。因此，在過(guò)去20年里，遙感數(shù)據(jù)被廣泛用于評(píng)估紅樹(shù)林[8]，例如繪制全球紅樹(shù)林分布圖[9]，監(jiān)測(cè)國(guó)家[10]或區(qū)域[11]紅樹(shù)林的范圍和動(dòng)態(tài)，確定當(dāng)?shù)丶t樹(shù)林的物種組成[12]，估計(jì)生物物理指標(biāo)[13]。在繪制紅樹(shù)林范圍時(shí)，中分辨率多光譜圖像是最常用的數(shù)據(jù)。Chen等[14]采用了大量30 m陸地衛(wèi)星7/8圖像與Sentinel-1A圖像相結(jié)合繪制中國(guó)紅樹(shù)林地圖。Leon等[15]利用多時(shí)相10 m SPOT影像揭示了紅樹(shù)林土地覆蓋變化和破碎的時(shí)空動(dòng)態(tài)。然而，這些中分辨率多光譜數(shù)據(jù)所提供的空間和光譜信息可能不足以詳細(xì)研究紅樹(shù)林及其物種組成。例如，海岸線上總是存在狹窄范圍的紅樹(shù)林(<30 m)或孤立的紅樹(shù)林群落(<900 m2)。為了區(qū)分紅樹(shù)林物種的類型，最常用的數(shù)據(jù)是商業(yè)高分辨率多光譜圖像，其次是高光譜圖像。Wang等[16]比較了IKONOS和QuickBird數(shù)據(jù)在巴拿馬加勒比海海岸紅樹(shù)林物種分類方面的表現(xiàn)。雖然高分辨率圖像的使用已得到相當(dāng)大的關(guān)注，但其購(gòu)買成本高、條帶面積小的局限性妨礙了連續(xù)或大規(guī)模的地理覆蓋監(jiān)測(cè)。因此，大規(guī)模紅樹(shù)林范圍和物種組成的測(cè)繪可能取決于新興傳感器的能力?！吧诒?2A”是兩顆完全相同的衛(wèi)星中的第一顆，于2015年6月23日發(fā)射升空；第二顆“哨兵-2B”于2017年3月7日發(fā)射升空。Sentinel-2提供13個(gè)多光譜波段，其中4個(gè)傳統(tǒng)波段(紅/綠/藍(lán)/近紅外)的空間分辨率為10 m，3個(gè)波段是為植被探測(cè)設(shè)計(jì)的紅邊波段[17]。Sentinel-2數(shù)據(jù)已用于植被[18]，如估算北方森林冠層覆蓋率和葉面積指數(shù)[19]，但很少用于紅樹(shù)林。由于WorldView-2(如數(shù)據(jù)復(fù)雜性、高成本和小條帶大小)和Landsat 8圖像(如缺乏紅邊帶、中等空間和時(shí)間分辨率)，Shapiro等[20]和Pastor等[21]建議分別使用Sentinel-2圖像進(jìn)行紅樹(shù)林范圍監(jiān)測(cè)和紅樹(shù)林葉綠素濃度估算。Castillo等[13]評(píng)估了Sentinel-1和Sentinel-2檢索上述紅樹(shù)林類群生物量及其替代土地利用的能力，結(jié)果表明，紅邊波段的表現(xiàn)優(yōu)于可見(jiàn)光波段和短波紅外波段。Valderrama等[22]比較了Landsat 8、SPOT-5、Sentinel-2和WorldView-2對(duì)3種紅樹(shù)林物種進(jìn)行了遙感分類，2018、10、1468-3，共27組，但僅使用歸一化差異植被指數(shù)(normalized difference vegetation index,NDVI)的閾值來(lái)區(qū)分物種。研究表明基于含有紅邊范圍內(nèi)光譜數(shù)據(jù)對(duì)反演生理參數(shù)有著較好的相關(guān)性。還有學(xué)者如謝軍飛等[23]利用MODIS產(chǎn)品分析2010—2012年北京植被光合有效輻射吸收率空間分布特征，得出光合有效輻射吸收率(fraction of absorbed photosynthetically active radiation,FAPAR)空間分布呈現(xiàn)東西部高，并向中心逐漸遞減的分布特征。吳國(guó)訓(xùn)等[24]基于MODIS數(shù)據(jù)反演江西省2000—2011年植被葉面積指數(shù)，江西省植被葉面積指數(shù) (leaf area index,LAI)呈現(xiàn)明顯季節(jié)變化?？梢?jiàn)對(duì)紅樹(shù)林長(zhǎng)時(shí)間序列生理參數(shù)的分析是對(duì)紅樹(shù)林生態(tài)評(píng)估提供參考。

根據(jù)紅樹(shù)林中植被的生物特性，由李珊珊等[25]提出紅樹(shù)林特征指數(shù)BSTDEV對(duì)估算葉面積指數(shù)有著一定的優(yōu)越性；Zhou等[26]利用SPOT6衛(wèi)星和UAV數(shù)據(jù)資料估算三沙灣濱海濕地植被覆蓋度且具有較高精度；Francisco Flores-de-Santiago等[27]根據(jù)測(cè)定葉綠素濃度、葉面積指數(shù)以及葉長(zhǎng)來(lái)對(duì)紅樹(shù)林進(jìn)行生態(tài)評(píng)估，得出健康的紅樹(shù)林葉綠素含量也沒(méi)有明顯的季節(jié)差異，但冠層上部的葉綠素a含量較高。綜上所述，構(gòu)建生理參數(shù)反演模型可以較好地反映區(qū)域整體特征，但是，目前研究集中于某一領(lǐng)域中某一種或兩種生理參數(shù)反演鮮有對(duì)紅樹(shù)林4種生理結(jié)構(gòu)在長(zhǎng)時(shí)間序列和不同生長(zhǎng)期動(dòng)態(tài)變化的研究。

以廣西山口紅樹(shù)林自然保護(hù)區(qū)為例，以含有紅邊波段的Sentinel-2影像數(shù)據(jù)為主要數(shù)據(jù)源對(duì)廣西山口紅樹(shù)林生理參數(shù)利用SNAP軟件對(duì)逐月的葉綠素濃度(chlorophyll-A/B，CAB)、葉面積指數(shù)[28](LAI)、植被覆蓋度[29-30](fractional vegetation cover,FVC)以及光合有效輻射吸收率[31](fraction of absorbed photosynthetically active radiation,FAPAR)4種生理參數(shù)進(jìn)行反演，結(jié)合MODIS 影像數(shù)據(jù)產(chǎn)品采用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建回歸模型來(lái)評(píng)價(jià)Sentinel-2影像反演生理參數(shù)的數(shù)據(jù)精度；利用4種生理參數(shù)分別從年際和不同生長(zhǎng)期兩個(gè)角度分析紅樹(shù)林植被生長(zhǎng)變化，對(duì)山口紅樹(shù)林植被變化監(jiān)測(cè)提供依據(jù)，為濕地長(zhǎng)時(shí)間序列多生理參數(shù)特征分析提供參考。

1 研究區(qū)域及數(shù)據(jù)源

1.1 研究區(qū)概況

山口紅樹(shù)林國(guó)家級(jí)自然保護(hù)區(qū)地處廣西壯族自治區(qū)北海市合浦縣的沙田半島，東西兩側(cè)分別于丹兜海內(nèi)和英羅灣西側(cè)左下角，英羅灣東側(cè)為廣東省界[32]，地理位置為21°29′00″～21°33′25″N，109°42′03″～109°45′36″ E，如圖1所示。研究區(qū)總面積8 000 hm2(1 hm2=104m2)，光熱條件好，屬于南亞熱帶季風(fēng)型海洋性氣候帶，年平均氣溫22.9 ℃[33]。廣西北部灣紅樹(shù)林內(nèi)有海水呈現(xiàn)片狀連續(xù)或間斷分布，有著很強(qiáng)的分布特征，有著與其他地物明顯不同的表現(xiàn)，紅樹(shù)林的植物資源豐富，有維管束植物106科370多種，其中有中國(guó)極為罕見(jiàn)連片的紅海欖純林和高大的通直的木欖[34]，具有重要的科考價(jià)值且在降低海洋災(zāi)難、凈化環(huán)境等方面發(fā)揮了重大作用[35]。隨著沿海經(jīng)濟(jì)開(kāi)發(fā)，船舶運(yùn)輸業(yè)、漁業(yè)及農(nóng)業(yè)等人為活動(dòng)影響，大量污染匯聚于紅樹(shù)林濕地，導(dǎo)致濕地嚴(yán)重退化，對(duì)山口紅樹(shù)林濕地研究刻不容緩。

圖1 研究區(qū)地理位置Fig.1 Geographical location of the study area

1.2 數(shù)據(jù)源獲取與預(yù)處理

選取1—12月影像數(shù)據(jù)，11個(gè)月的影像數(shù)據(jù)進(jìn)行研究，其中7月成像均有遮擋無(wú)法使用。研究數(shù)據(jù)包括Sentinel-2A/B影像數(shù)據(jù)、MODIS MOD13A2和MOD15A2數(shù)據(jù)產(chǎn)品。Sentinel-2屬于歐洲空間局(ESA)衛(wèi)星[36]，其中包括Sentinel-2A和Sentinel-2B兩顆衛(wèi)星，兩顆衛(wèi)星互補(bǔ)，重訪周期為5 d，高度為786 km，可覆蓋13個(gè)光譜波段，幅寬達(dá)290 km。地面分辨率分別為10、20、60 m，從可見(jiàn)光和近紅外到短波紅外，具有不同的空間分辨率，在光學(xué)數(shù)據(jù)中，Sentinel-2數(shù)據(jù)是唯一一個(gè)在紅邊范圍[37]含有3個(gè)波段的數(shù)據(jù)，這對(duì)監(jiān)測(cè)植被健康信息非常有效。

MODIS中分辨率成像光譜儀搭載于Terra、Aqua兩顆衛(wèi)星，是美國(guó)對(duì)地觀測(cè)系統(tǒng)(EOS)計(jì)劃中重要傳感器。選擇MODIS 全球1 km分辨率植被指數(shù)16 d合成產(chǎn)品和全球1 km葉面積指數(shù)/FAPAR 8天合成產(chǎn)品(表1)。

表1 Sentinel-2A/B多光譜影像和MODIS數(shù)據(jù)產(chǎn)品

數(shù)據(jù)預(yù)處理利用ArcGIS軟件對(duì)Sentinel-2影像幾何重采樣，將Sentinel-2數(shù)據(jù)與MODIS數(shù)據(jù)進(jìn)行地理配準(zhǔn)、輻射定標(biāo)以及對(duì)地形校正等，通過(guò)歐洲航天局(ESA)[38]提供的Sen2cor模型[39](Python語(yǔ)言編寫)實(shí)現(xiàn)，處理后波段數(shù)由13個(gè)減少為10個(gè)，剔除了氣溶膠、水汽和卷云波段的影響。MOD13 A2和MOD15 A2產(chǎn)品已經(jīng)完成了幾何糾正。

2 研究方法

2.1 紅樹(shù)林生理參數(shù)遙感定量反演

Sentinel-2 L2A級(jí)影像數(shù)據(jù)反演生理參數(shù)方法是利用SNAP 5.0軟件[40]下的Biophysical Processor(生物物理處理模塊)，采用人工神經(jīng)網(wǎng)絡(luò)算法(artifificial neural network，ANN)。ANN算法主要包括生成一個(gè)全面的植被特征和相關(guān)的天頂冠(TOC)反射率的合成數(shù)據(jù)集。然后訓(xùn)練神經(jīng)網(wǎng)絡(luò)從TOC反射率和定義觀測(cè)結(jié)構(gòu)的相應(yīng)角度估計(jì)冠層特征。對(duì)于每個(gè)生物物理變量，都要對(duì)一個(gè)特定的神經(jīng)網(wǎng)絡(luò)進(jìn)行校準(zhǔn)，其中PROSAIL模擬光譜反射率按Sentinel-2波段結(jié)構(gòu)(B2、B3、B4、B5、B6、B7、B8A)，然后用來(lái)訓(xùn)練網(wǎng)絡(luò)。使用反向傳播ANN，它由一個(gè)輸入層、一個(gè)或多個(gè)隱藏層和一個(gè)輸出層組成。其中輸入層由11個(gè)標(biāo)準(zhǔn)化輸入數(shù)據(jù)組成，包括B3、B4、B5、B6、B7、B8a、B11、B12、cos(viewing_zenith)、cos(sun_zenith)、cos(relative_azimuth_angle)；隱層中有5個(gè)具有傳遞功能的神經(jīng)元；帶有線性傳遞函數(shù)為輸出層。通過(guò)這種方法分別反演出LAI(葉面積指數(shù))、CAB(葉綠素含量)、FVC(植被覆蓋度)以及FAPAR(光合有效輻射吸收率),再調(diào)用mosaicing(鑲嵌)和subset(取子區(qū))模塊將6景影像的生物物理指標(biāo)進(jìn)行拼接、裁剪、異常值處理，獲取空間分辨率為 10 m 的山口紅樹(shù)林自然保護(hù)區(qū)的生理參數(shù)。最后將LAI、CAB、FVC以及FAPAR導(dǎo)入Arcgis10.2軟件中進(jìn)行分析。將反演后的分辨率為10 m的4種結(jié)構(gòu)參數(shù)分別重采樣，與MODIS影像數(shù)據(jù)分辨率一致。

MODIS植被數(shù)據(jù)產(chǎn)品中MOD15A2產(chǎn)品通過(guò)Arcgis10.2軟件提取出LAI和FAPAR,MOD13A2產(chǎn)品計(jì)算的FVC公式如式(1)所示；NDVI(植被指數(shù))與CAB呈現(xiàn)正相關(guān)[41],將反演出來(lái)的CAB進(jìn)行歸一化處理，再與NDVI進(jìn)行相關(guān)性分析。

(1)

式(1)中：NDVIsoil=NDVImin,NDVIveg=NDVImax；NDVI 為混合像元的植被指數(shù)；NDVIveg為純植被像元最大值；NDVIsoil為純土壤像元最小值。

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的Sentinel-2生理參數(shù)結(jié)果和MODIS數(shù)據(jù)產(chǎn)品回歸模型的構(gòu)建

BP(back propagation)神經(jīng)網(wǎng)絡(luò)[42]是1986年Rinehart和McClelland為首的科學(xué)家小組提出，按誤差逆向傳播算法訓(xùn)練的多層前饋網(wǎng)絡(luò)。它的學(xué)習(xí)規(guī)律則是使用最速下降法，通過(guò)反向傳播來(lái)調(diào)整權(quán)值和閾值，使誤差平方和最小。同樣BP神經(jīng)網(wǎng)絡(luò)存在一個(gè)輸入層、隱含層和輸出層，每層之間互相連接, BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 Structure of BP neural network

采用BP神經(jīng)網(wǎng)絡(luò)由 MATLAB實(shí)現(xiàn)Sentinel-2A/B影像數(shù)據(jù)反演的生理參數(shù)與相對(duì)應(yīng)的MODIS數(shù)據(jù)產(chǎn)品做一元線性回歸和相關(guān)性分析。網(wǎng)絡(luò)共有3層結(jié)構(gòu)，包括輸入層、輸出層和隱含層。將獲取的1—12月的數(shù)據(jù)分成11組數(shù)據(jù)；按照不同生長(zhǎng)期劃分為4組數(shù)據(jù)。每組數(shù)據(jù)按照2∶1的比例分成測(cè)試集和訓(xùn)練集，訓(xùn)練集的數(shù)據(jù)輸入到模型中用于學(xué)習(xí)，測(cè)試集的數(shù)據(jù)對(duì)于構(gòu)建模型輸出的結(jié)果進(jìn)行驗(yàn)證。通過(guò)選取網(wǎng)絡(luò)的輸入層、輸出層及隱含節(jié)點(diǎn)，利用訓(xùn)練數(shù)據(jù)進(jìn)行訓(xùn)練來(lái)建立適合山口紅樹(shù)林的驗(yàn)證模型，并利用測(cè)試集對(duì)構(gòu)建好的模型進(jìn)行驗(yàn)證，來(lái)評(píng)價(jià)驗(yàn)證模型的精確度。輸入層分別為逐月的Sentinel-2A/B影像數(shù)據(jù)，輸出層分別為相對(duì)應(yīng)逐月的MODIS數(shù)據(jù)產(chǎn)品。由于輸入層神經(jīng)元為1，因此隱含層個(gè)數(shù)為3。構(gòu)成了3層的BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)。經(jīng)過(guò)反復(fù)訓(xùn)練已確定隱含層神經(jīng)元個(gè)數(shù)為3，訓(xùn)練設(shè)置迭代次數(shù)為10 000,訓(xùn)練目標(biāo)為0.000 1，模型模擬得較好。

3 結(jié)果與討論

3.1 基于Sentinel-2A/B生理結(jié)構(gòu)反演結(jié)果與MODIS估算的數(shù)據(jù)產(chǎn)品對(duì)比

基于BP神經(jīng)網(wǎng)絡(luò)對(duì)MODIS產(chǎn)品影像數(shù)據(jù)與Sentinel-2A/B影像數(shù)據(jù)線性回歸分析，選取年內(nèi)11個(gè)月4種生理參數(shù)得出相關(guān)系數(shù)R在95%置信區(qū)間內(nèi)均高于0.86，效果較好。由表2中4種生理參數(shù)的年平均均方根誤差(RMSE)、相關(guān)系數(shù)R和決定系數(shù)R2精度評(píng)價(jià)指標(biāo)可以看出，LAI 3種參數(shù)值較高，R為0.92，R2為0.85，RMSE為0.19，年內(nèi)LAI反演效果好，由圖3看出，樣點(diǎn)向趨勢(shì)線靠近，并且樣點(diǎn)分布緊湊，再由圖4(a)可以看出，逐月的LAI的R、R2及RMSE個(gè)別月份較低，逐漸趨于穩(wěn)定，從而證明用Sentinel-2反演LAI可靠，效果好。由表2看出，CAB年際生理參數(shù)系數(shù)R為0.86，R2較低為0.66，RMSE為0.18，由圖3可以看出CAB樣點(diǎn)分布較散，多數(shù)樣點(diǎn)向趨勢(shì)線靠近，由圖4(b)可以看出，逐月的CAB參數(shù)系數(shù)在5月浮動(dòng)最大下降到最低，然后逐漸升高至平穩(wěn)。表2中FAPAR年際生理參數(shù)系數(shù)平穩(wěn)，效果較好，R、R2及RMSE分別為0.87、0.76及0.14，由圖3看出，年內(nèi)少量樣點(diǎn)較分散，大部分樣點(diǎn)向趨勢(shì)線靠近，呈現(xiàn)較好的相關(guān)性，由圖4(c)可以看出，逐月的參數(shù)系數(shù)2月最低逐漸上升趨于平穩(wěn)；年內(nèi)FVC由表2看出，R、R2及RMSE分別為0.93、0.84、0.09，由圖3看出，F(xiàn)VC年內(nèi)樣點(diǎn)分布靠近于趨勢(shì)線，樣點(diǎn)較分散不夠緊湊，由圖4(d)看出，逐月的R與R2后兩個(gè)月系數(shù)接近吻合，說(shuō)明反演效果很好，在4月呈現(xiàn)較低值后逐漸上升趨于平穩(wěn)。綜合來(lái)看，逐月和年內(nèi)的4種生理參數(shù)用Sentinel-2數(shù)據(jù)反演較好，比較可靠。

圖3 年際生理參數(shù)回歸模型Fig.3 Regression model of interannual physiological parameters

表2 年際生理參數(shù)模型系數(shù)Table 2 Model coefficients for interannual physiological parameters

圖4 年內(nèi)紅樹(shù)林4種生理參數(shù)精度指標(biāo)變化Fig.4 Change of precision index of four physiological parameters of mangrove during the year

3.2 年內(nèi)紅樹(shù)林生理參數(shù)動(dòng)態(tài)變化及空間分布結(jié)構(gòu)特征

山口紅樹(shù)林年內(nèi)生理參數(shù)的動(dòng)態(tài)變化反映了濕地質(zhì)量的水平對(duì)濕地的保護(hù)有著重要意義。紅樹(shù)林3個(gè)區(qū)域分別為核心區(qū)、緩沖區(qū)和實(shí)驗(yàn)區(qū)，如圖5所示。核心區(qū)是重點(diǎn)保護(hù)區(qū)域，區(qū)域內(nèi)人為活動(dòng)較少；實(shí)驗(yàn)區(qū)以從事參考觀察、科研試驗(yàn)和積極活動(dòng)等；緩沖區(qū)以保護(hù)為目的科研、生態(tài)修復(fù)工程以及生態(tài)旅游等[43]。根據(jù)Sentinel-2影像數(shù)據(jù)利用SNAP軟件反演了逐月的生理參數(shù)。將反演后的3個(gè)區(qū)域的生理參數(shù)分別導(dǎo)入ArcGIS軟件進(jìn)行區(qū)域統(tǒng)計(jì)分析。圖6和表3展現(xiàn)了研究區(qū)內(nèi)3個(gè)區(qū)域年內(nèi)動(dòng)態(tài)變化以及具體數(shù)值，整體來(lái)看，3個(gè)區(qū)域1—12月中生理參數(shù)發(fā)生明顯變化的月份在1—2月和9—12月。圖5選取了4種生理參數(shù)值最低月份和最高月份，由圖5可見(jiàn)3個(gè)區(qū)域中核心區(qū)反演效果較好。由圖6看出，4種生理參數(shù)相對(duì)穩(wěn)定，核心區(qū)CAB在2月呈現(xiàn)最低值為16.71，最高值出現(xiàn)在10月為65.08，最高值與最低值之間相差48.37；FVC在2月呈現(xiàn)最低值為0.23，最高值在9月為0.38，最高值與最低值之間相差0.15；FAPAR年內(nèi)核心區(qū)整體很穩(wěn)定，最低值在2月為0.25，最高值在9月和12月均為0.38，其中最高值與最低值相差0.13；LAI最低值出現(xiàn)在8月為0.67，最高值出現(xiàn)在9月為1.50，最高值和最低值之間相差0.83。實(shí)驗(yàn)區(qū)CAB最低值在2月為10.58，最高值則在9月為43.67，最高值與最低值之間相差33.09；FVC最低值也出現(xiàn)在2月為0.18，最高值在6—9月平穩(wěn)于0.29，最高值與最低值相差0.11；FAPAR在12月出現(xiàn)最低值0.04，最高值10月為0.27，最高值與最低值相差0.23；LAI最低值在1月為0.60，最高值在9月為1.04，最高值與最低值之間相差0.44。緩沖區(qū)，CAB最低值出現(xiàn)在2月為1.07，最高值出現(xiàn)在10月為17.29，最高值與最低值之間相差16.22；FVC最低值也出現(xiàn)在2月為0.04，最高值出現(xiàn)在6—8月均為0.14，最高值與最低值之間相差0.10；FAPAR在2月出現(xiàn)最低值為-0.03，最高值在12月為0.31，最高值與最低值之間相差0.34；LAI在1月出現(xiàn)最低值為0.24，最高值則在2月為0.65，最高值與最低值之間相差0.41。

圖5 紅樹(shù)林自然保護(hù)區(qū)生理參數(shù)空間分布Fig.5 Spatial distribution of physiological parameters in Mangrove Nature Reserves

表3 研究區(qū)三個(gè)區(qū)域植被生理參數(shù)Table 3 Physiological parameters of vegetation in three regions of the study

圖6 紅樹(shù)林3個(gè)區(qū)域生理參數(shù)年內(nèi)變化Fig.6 Changes in physiological parameters in three regions of Mangrove forests

綜上所述，由圖5總體來(lái)看，4種生理參數(shù)最高值均出現(xiàn)在核心區(qū)，最低值均出現(xiàn)在緩沖區(qū)，主要原因可能是實(shí)驗(yàn)區(qū)人員活動(dòng)較頻繁核心區(qū)人員活動(dòng)較少，對(duì)濕地破壞較少。而緩沖區(qū)人為活動(dòng)較多對(duì)濕地破壞較為嚴(yán)重。CAB和FVC年內(nèi)3個(gè)區(qū)域相對(duì)穩(wěn)定，其中個(gè)別月份出現(xiàn)驟降，驟降的原因與自然和人為方面密切相關(guān)，例如海平面上升、氣候突然變化以及人為亂砍濫伐等因素[44]，這與祝萍等[45]在中國(guó)典型自然保護(hù)區(qū)生境的時(shí)空變化中人類擾動(dòng)對(duì)植被覆蓋度變化相關(guān)吻合。FAPAR年內(nèi)核心區(qū)和緩沖區(qū)穩(wěn)定上升的趨勢(shì)，而實(shí)驗(yàn)區(qū)變化較大，極有可能是人為原因?qū)е碌摹Ｄ陜?nèi)LAI也變化浮動(dòng)較大，3個(gè)區(qū)域變化浮動(dòng)都很大，環(huán)境因素應(yīng)該是主要原因，可能受全球變暖的影響，氣候的變化導(dǎo)致LAI變化較大，植物的自身機(jī)理會(huì)為適應(yīng)環(huán)境而產(chǎn)生變化[47-48]。

由表4和圖7可知,由于植被還沒(méi)有生長(zhǎng)起來(lái)，在萌芽期(1—3月)植被覆蓋度還呈現(xiàn)最低值，F(xiàn)VC由0.19開(kāi)始逐漸升高至0.30再下降至0.20處于穩(wěn)定；在生長(zhǎng)期(7—8月)處于夏季，夏季溫度高，植被生長(zhǎng)較快，植被覆蓋度處于最高值，在成熟期氣溫逐漸降低降水量也減少，落葉植被會(huì)受到影響植被覆蓋度降低；FAPAR由萌芽期0.13上升至最高值0.37后逐漸平穩(wěn)于0.23，F(xiàn)APAR呈現(xiàn)先增大后減少的趨勢(shì)，與植物的生長(zhǎng)規(guī)律基本吻合[49]。LAI在萌芽期處于最低值0.31，逐漸升高到0.47走向穩(wěn)定；發(fā)育期(4—6月)植被開(kāi)始展葉，LAI逐漸增加，在1—3月萌芽期植被綠色器官剛開(kāi)始生長(zhǎng)，LAI呈現(xiàn)最低值,這與夏傳福等[48]在基于MODIS葉面指數(shù)的遙感物候分析基本吻合在年季的時(shí)間尺度上，基本反映了植被的生長(zhǎng)軌跡；成熟期(9—12月)植被開(kāi)始走向逐漸升高至穩(wěn)定的過(guò)程，由于氣候的原因FAPAR和FVC呈現(xiàn)的值較低，而CAB和LAI呈現(xiàn)出的值較高。

圖7 不同生長(zhǎng)期四種生理參數(shù)平均值Fig.7 Average values of four physiological parameters at different growth stages

表4 不同生長(zhǎng)期Sentinel-2A/B反演植被結(jié)構(gòu)參數(shù)

綜上，不同生長(zhǎng)期紅樹(shù)林的植被生理參數(shù)則變化不同，由此可見(jiàn)不同生長(zhǎng)期對(duì)4種生理參數(shù)影響不同，F(xiàn)VC、LAI和FAPAR在萌芽期和發(fā)育期呈上趨勢(shì)，CAB和LAI在成熟期(9—12月)呈上升趨勢(shì)。

4 結(jié)論

紅樹(shù)林具有很獨(dú)特的生態(tài)特性，在定量研究山口紅樹(shù)林植被生理參數(shù)時(shí)序變化特征成為研究熱點(diǎn)之一。在獲取研究區(qū)的Sentinel-2和MODIS影像數(shù)據(jù)基礎(chǔ)上，對(duì)逐月的Sentinel-2影像數(shù)據(jù)定量反演了時(shí)序的山口紅樹(shù)林4種生理參數(shù)CAB、FVC、FAPAR和LAI，并利用BP神經(jīng)網(wǎng)絡(luò)算法與MODIS數(shù)據(jù)進(jìn)行回歸分析，驗(yàn)證了Sentinel-2 數(shù)據(jù)反演生理參數(shù)可靠性較高，并且分析了逐月以及不同生長(zhǎng)期紅樹(shù)林植被的動(dòng)態(tài)變化以及生理參數(shù)的差異。

以MODIS數(shù)據(jù)產(chǎn)品為基礎(chǔ)，利用BP神經(jīng)網(wǎng)絡(luò)模型，基于Sentinel-2影像數(shù)據(jù)反演4種生理參數(shù)包括CAB、FVC、LAI和FAPAR，從時(shí)間序列和空間上掌握廣西山口紅樹(shù)林年內(nèi)整體植被動(dòng)態(tài)變化，對(duì)紅樹(shù)林4種生理參數(shù)反演、對(duì)比以及分析得到以下結(jié)論：Sentinel-2影像數(shù)據(jù)反演4種生理參數(shù)與MODIS數(shù)據(jù)產(chǎn)品趨勢(shì)基本相同，呈現(xiàn)較好的相關(guān)性，因此，利用Sentinel-2A/B多光譜影像反演紅樹(shù)林生理參數(shù)具有較高的精度；山口紅樹(shù)林年內(nèi)的生理參數(shù)存在波動(dòng)變化的趨勢(shì)，在2月LAI、CAB、FAPAR及FVC 4種生理參數(shù)均出現(xiàn)最低值，分別為0.30、0.08、0.08、0.13。最高值呈現(xiàn)在不同月份，分別為10月、12月、8月、4月，存在某個(gè)月份環(huán)境的突然變化或砍伐等造成指標(biāo)降低等可能，還需進(jìn)一步研究；從不同生長(zhǎng)期來(lái)看整體反演效果好，其中CAB最低值在生長(zhǎng)期0.20，最高值在成熟期0.25；FAPAR 在萌芽期最低0.13，最高在發(fā)育期0.37；LAI最低值同是在萌芽期0.31，最高值在成熟期0.47；FVC最低值在萌芽期0.19，最高值在生長(zhǎng)期0.31；因此得出成熟期植物反演效果最好。研究結(jié)果對(duì)紅樹(shù)林植被變化監(jiān)測(cè)提供依據(jù)，為生態(tài)評(píng)估及保護(hù)提供參考。