高寒草地生長季/非生長季植被蓋度遙感反演

劉佳麗，范建容，張茜彧，楊超，徐富寶，張曉雪，梁博

（1.中國科學院水利部成都山地災害與環(huán)境研究所，四川 成都610041；2.中國科學院大學，北京100049；3.西藏自治區(qū)水土保持局，西藏 拉薩850000）

草地生態(tài)系統(tǒng)作為陸地生態(tài)系統(tǒng)的重要組成部分，是人類生存重要的自然資源和環(huán)境基礎(chǔ)要素。青藏高原高寒草地是中國乃至亞洲的重要牧區(qū)之一，占青藏高原總面積的59.28%，其生態(tài)系統(tǒng)的變化對我國生態(tài)安全屏障功能具有重要意義［1］。植被蓋度（fractional vegetation cover，F(xiàn)VC）指觀測區(qū)域內(nèi)植被投影面積占地表的百分比，是定量描述植被生長狀況的重要參數(shù)［2］。高寒草地植被蓋度變化在截流降雨、防沙治沙、保水固土、調(diào)節(jié)氣候等生態(tài)應用方面起著重要作用。因此，高寒草地植被蓋度研究對評價區(qū)域生態(tài)環(huán)境具有重要意義。

根據(jù)植被的功能屬性可以將其分為光合植被（photosynthetic vegetation，PV）和非光合植被（nonphotosynthetic vegetation，NPV）［3］。近年來，開展了大量估算植被蓋度的研究［4］，但這些研究多關(guān)注的是生長季綠色植被蓋度，對非生長季植被蓋度的研究很少。進行光合作用的綠色植被無疑是植被重要的組成部分，但并非唯一要素。草地的非生長季通常占全年3/4以上，枯草、枯葉、枯枝、枯干和凋落物等在草地生態(tài)系統(tǒng)中發(fā)揮著重要作用［5］。NPV作為冬春季牧場主要的牧場飼料，對畜牧業(yè)的發(fā)展具有重要意義［6］。除此之外，NPV不僅影響著植被生態(tài)系統(tǒng)的CO2交換量和碳存儲，還能夠通過影響土壤（bare soil，BS）與大氣間的水熱傳輸條件，進而影響凈初級生產(chǎn)力［7］。加之，單一的綠色植被蓋度指標無法反映真實的群落結(jié)構(gòu)對植被防蝕功效的內(nèi)在影響，考慮NPV的影響對減緩徑流、減少土壤侵蝕都具有積極的作用［8］。因此，精確估算生長季/非生長季草地植被蓋度具有重要意義。

利用像元二分模型提取高寒草原植被蓋度具有可行性［9］。大量研究表明，歸一化植被指數(shù)（normalized difference vegetation index，NDVI）作為像元二分模型的輸入變量時，能反映植被的生長分布特征及變化情況，與光合植被蓋度有顯著的相關(guān)性［10－11］。但NDVI難以反映非生長季枯黃植被的蓋度信息［12］。在植被光譜響應中，與PV明顯的紅邊位置相比，NPV、BS在可見光－近紅外波段（400～1100 nm）區(qū)間內(nèi)具有相似的反射率曲線，因此，無法利用可見光－近紅外波段對PV和NPV兩者進行區(qū)分［13］。但在短波紅外（2100 nm）附近波段，NPV具有明顯的吸收特征，而BS和PV的光譜曲線中則沒有這種吸收特征［14］，這為草地非生長季植被蓋度遙感估算提供理論基礎(chǔ)?；诟吖庾V數(shù)據(jù)的纖維素吸收指數(shù)（cellulose absorption index，CAI）是估算NPV的有效指標［15］，但是高光譜圖像難以獲取，不能滿足大面積內(nèi)估算蓋度的需求。相比之下，整個地球表面長期以來已收集了豐富的多光譜數(shù)據(jù)，如何利用這些數(shù)據(jù)的時間和空間優(yōu)勢來估算大范圍內(nèi)的PV和NPV變得尤為重要。一些基于多光譜的植被指數(shù)被用來估算NPV，例如基于Landsat TM的歸一化差異耕作指數(shù)（normalized difference tillage index，NDTI）［16］，改進土壤調(diào)節(jié)作物殘茬指數(shù)（modified soil-adjusted corn residue index，MSACRI）［17］，基于先進星載熱發(fā)射和反射輻射計（advanced spaceborne thermal emission and reflection radiometer，ASTER）的短波紅外歸一化差異殘渣指數(shù)（the shortwave infrared normalized difference residue index，SINDRI）［18］和基于MODIS的干枯燃料指數(shù)（dead fuel index，DFI）［19］。盡管在不同環(huán)境中使用這些植被指數(shù)估算NPV具有一定可行性，但是這種方法是針對特定區(qū)域的，在其他環(huán)境中并未得到很好的驗證。光譜混合分析（spectral mixture analysis，SMA）提供了另一種有效方法來估算PV、NPV［20］，但該方法的準確性在很大程度上取決于端元成員的選擇。Daughtry等［21］研究PV、NPV和BS的NDVI和CAI時發(fā)現(xiàn)，NDVI－CAI特征空間近似三角形，在端元已知的情況下可以通過線性模型來分解混合像元，Guerschman等［3］據(jù)此首次提出運用NDVI－CAI像元三分模型估算植被蓋度的新方法。事實上，像元三分模型中的NDVI和CAI指數(shù)可被其他植被指數(shù)替代。

目前大多數(shù)的植被蓋度研究中，相對于光合植被參數(shù)的定量反演研究，針對非光合植被參數(shù)的定量反演研究較少，僅使用單一的植被蓋度和植被指數(shù)關(guān)系進行估算，這給植被蓋度的季節(jié)估算帶來了嚴重的不確定性。加之，用于植被蓋度季節(jié)建模的植被指數(shù)種類繁多，不同植被指數(shù)對植被蓋度的表征能力及敏感性存在一定的差異。面對如此多的植被指數(shù)，如何篩選出最優(yōu)的植被指數(shù)，進一步提高植被蓋度季節(jié)動態(tài)監(jiān)測的精度仍是一項重要研究內(nèi)容。因此，本研究以西藏當雄縣為例，將Landsat-8OLI數(shù)據(jù)作為遙感信息源，篩選適用于估算高寒草地植被蓋度的最優(yōu)植被指數(shù)，并開展了高寒草地生長季/非生長季植被蓋度反演研究。

1 材料與方法

1.1 研究區(qū)概況

當雄縣位于西藏自治區(qū)中部，藏南與藏北的交界地帶。地理范圍為90°45′－91°31′E，29°31′－31°04′N（圖1），境內(nèi)平均海拔4300 m，總地勢由西北向東南傾斜，念青唐古拉山脈沿縣西北貫穿全境，東北部為高平原，北部高平原分布著納木錯湖，西北和東南皆為山地，中部間夾寬谷盆地。當雄縣屬高原亞寒帶半干旱季風氣候，年均溫為1.3℃，年均降水量為456.8 mm，降水主要集中在6－8月，年均蒸發(fā)量為1725.7 mm。當雄縣是寒冷半濕潤高寒草甸與寒冷半干旱高寒草原類型之間的過渡地帶。植被類型以高寒草甸為主，較高海拔（4700～5200 m）是以高山嵩草（Kobresia pygmaea）和墊狀點地梅（Androsace tapete）為優(yōu)勢種的高寒草甸。較低海拔（4300～4650 m）是以絲穎針茅（Stipa capillacea）和矮生嵩草（Kobresia humilis）為優(yōu)勢種的草原化草甸，在海拔4300 m以下地帶主要是由河流與低洼地形成的沼澤濕地［22］。草場占當雄縣土地總面積的68.86%，全縣牧草生長期90～120 d，生長季為5－9月，其余時期為非生長期。當雄縣的土壤類型主要為黑褐色酸性至中性的高山草甸土，分布于較高海拔，且含水量較高。而在較低海拔地區(qū)，土壤類型則為中性到微堿性的草原化草甸土，礫石含量較高［23］。

圖1 當雄縣樣地分布Fig.1 Distribution of sample plots in Dangxiong County

1.2 數(shù)據(jù)獲取

1.2.1 地面實測數(shù)據(jù)獲取 地面實測數(shù)據(jù)采集時間為2019年4月16－19日（非生長季）以及2019年8月21－27日（生長季）。選擇地勢平坦、生長狀況均一、可達性高的典型草地植物群落布設(shè)樣地，樣地大小為90 m×90 m。4月共布設(shè)108個樣地，8月共布設(shè)109個樣地（圖1）。采用網(wǎng)格法測定植被蓋度，在樣地內(nèi)布設(shè)3～5個樣方，大小為1 m×1 m，將同一樣地內(nèi)所有樣方植被蓋度的平均值作為該樣地的植被蓋度。同時記錄樣方名稱、經(jīng)緯度、高程、草高、礫石蓋度、植被種類、照片編號等信息。為更好地計算植被指數(shù)，本研究使用SVCHR-1024地物光譜儀測定土壤高光譜數(shù)據(jù)。測量時間選擇晴朗無云無風、太陽光強度穩(wěn)定的時段（10：00－14：00）。測量前，先對照白板進行定標，再選擇31個地面不同蓋度的樣方，將25°視場角的傳感器探頭垂直置于樣點上方1.35 m處，探頭接收垂直中心點直徑0.6 m圓形范圍內(nèi)的光譜。每個樣點重復測量5次，后期對光譜曲線進行去重疊和平滑處理，將5次測量的光譜反射率的平均值作為每個樣點的反射光譜數(shù)據(jù)。

1.2.2 遙感數(shù)據(jù)獲取 以30 m空間分辨率的Landsat-8OLI地表反射率產(chǎn)品為數(shù)據(jù)源，影像時間范圍 選 取 為2019年4月1－30日以 及2019年8月1－31日。對Landsat-8OLI地表反射率產(chǎn)品進行質(zhì)量篩選、輻射校正、大氣校正、幾何校正、去除云污染、影像拼接等預處理，獲得當雄縣2019年4、8月影像。中國省級行政區(qū)劃矢量數(shù)據(jù)來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心（http：//www.resdc.cn）。

1.3 研究方法

1.3.1 植被指數(shù)計算 結(jié)合前人的研究結(jié)果及本研究實際情況，共選取NDVI［24］、比值植被指數(shù)（ratio vegetation index，RVI）［25］、土 壤 調(diào) 整 植 被 指 數(shù)（soiladjusted vegetation index，SAVI）［26］、轉(zhuǎn)換型土壤調(diào)整植被指數(shù)（transformed soil-adjusted vegetation index，TSAVI）［27］、修改型土壤調(diào)整植被指數(shù)（modified soiladjusted vegetation index，MSAVI）［28］、NDTI［16］、MSACRI［17］、土壤調(diào)整型歸一化差異耕作指數(shù)（soiladjusted normalized difference tillage index，S-NDTI）［29］、DFI［19］和土壤耕作指數(shù)（soil tillage index，STI）［16］共10種植被指數(shù)（表1），以比較各種不同植被指數(shù)對研究區(qū)植被蓋度的估測能力。為避免云和水體的影響造成的異常值，對植被指數(shù)均做掩膜處理。其中，TSAVI、MSACRI的計算需要土壤線（土壤線是可見光紅、近紅外波段發(fā)射率或高度值之間的線性關(guān)系，是對土壤反射特征的綜合描述。）斜率、截距因子，利用野外實測的31組土壤光譜曲線建立土壤線方程獲得圖2。

圖2 土壤線Fig.2 Soil line

表1 用于植被蓋度估算的幾種主要植被指數(shù)Table 1 Several main vegetation indices for grassland coverage estimation

1.3.2 相關(guān)性分析 相關(guān)性分析可以研究現(xiàn)象之間是否存在某種依存關(guān)系。采用Pearson相關(guān)系數(shù)計算10種植被指數(shù)與生長季/非生長季植被蓋度的相關(guān)性，公式如下：

式中：rxy為相關(guān)系數(shù)；n表示樣本數(shù)；xi表示樣本中第i個因素的值；xˉ表示樣本中某個因素的平均值；yi表示樣本中第i個樣本植被蓋度的值；yˉ表示樣本植被蓋度的平均值。相關(guān)系數(shù)介于－1～1，絕對值越接近于1，則相關(guān)性越強，反之，相關(guān)性越弱。

1.3.3 植被蓋度遙感反演模型 像元二分模型是被廣泛使用的植被蓋度遙感反演模型之一，該模型要求所選植被指數(shù)與植被蓋度呈線性相關(guān)，因此需要篩選出適宜表達生長季/非生長季光譜信息的植被指數(shù)構(gòu)建光譜特征空間。而端元值的選擇直接影響著模型的精度。僅利用植被指數(shù)構(gòu)建的一維特征空間難以確定端元位置，加之影像噪聲對端元值的選取有一定影響，使得像元二分模型的應用有著一定局限性。因此，本研究引入像元三分法提取端元特征值［3］，基于像元二分模型反演研究區(qū)生長季/非生長季植被蓋度。

像元二分模型的原理是假設(shè)遙感數(shù)據(jù)中單個像元由土壤和植被兩部分組成。生長季時，地表混合像元僅由光合作用植被和裸土組成；而非生長季，地表混合像元則由非光合作用植被和裸土組成。像元二分模型可如下式表達：

式中：S、SPV、SNPV和SBS分別代表混合像元、光合植被端元、非光合植被端元和裸土端元的遙感信息，fNPV為非光合植被蓋度，fPV為光合植被蓋度。

像元三分模型將混合像元進一步細分為PV、NPV和BS的線性組合，通過選擇NDVI表征fPV、DFI表征fNPV來構(gòu)建NDVI－DFI像元三分模型（圖3）［30］。在理想情況下，NDVI－DFI二維特征空間表現(xiàn)為三角形。PV端元的NDVI值高、DFI值較低，位于三角形的右側(cè)中部；NPV端元的NDVI值較低、DFI值最高，位于三角形的左上角；而BS端元的NDVI值和DFI值都很低，位于三角形的左下角；三角形的內(nèi)部則是混合像元。在實際應用中，對于生長季而言，右側(cè)中部頂點附近NDVI值高，DFI值較低；三角形左下頂點的DFI、NDVI值都較小，二者分別符合光合植被和裸土在特征空間的分布，因此，選擇這兩個頂點周圍一定區(qū)域內(nèi)的散點，取其平均值分別作為光合植被和裸土的端元值。對于非生長季而言，上部頂點附近DFI值高，NDVI值較低；三角形左下頂點的DFI、NDVI值都較小，兩者分別符合非光合植被和裸土在特征空間的分布，因此，選擇這兩個頂點周圍一定區(qū)域內(nèi)的散點，取其平均值分別作為非光合植被和裸土的端元值。

圖3 NDVI-DFI像元三分模型Fig.3 Tri-endmember linear mixture model with the NDVI and DFI

1.3.4 精度評價 為了綜合衡量不同植被指數(shù)基于像元二分法反演生長季/非生長季草地植被蓋度的效果，本研究利用非生長季108個樣點和生長季113個樣點的實測蓋度作為驗證數(shù)據(jù)，將均方根誤差（root mean square error，RMSE）、相對誤差δ、決定系數(shù)（coefficient of determination，R2）作為精度評價指標。其中，相對誤差能體現(xiàn)植被蓋度反演值與實測值的偏離度，其值越大，模型精度越低。RMSE能夠反映整個樣本的總體精度，其值越小，估算精度越高。R2越大，表示擬合優(yōu)度越大，即自變量對因變量的解釋程度越高。公式如下：

2 結(jié)果與分析

2.1 不同植被指數(shù)與草地植被蓋度相關(guān)性分析

為選出適宜生長季/非生長季植被蓋度反演的植被指數(shù)，統(tǒng)計10個植被指數(shù)與生長季/非生長季草地植被蓋度之間的相關(guān)系數(shù)（correlation coefficient，r）（表2）?？梢?，NDTI、MSACRI、S-NDTI、DFI和STI這5種植被指數(shù)與非生長季植被蓋度的相關(guān)系數(shù)顯著高于其他指數(shù)，適用于非生長季植被蓋度的反演。NDVI、TSAVI、SAVI、RVI和MSAVI這5種植 被 指數(shù)與生長季植被蓋度之間的相關(guān)系數(shù)高于其他指數(shù)，適用于生長季植被蓋度的反演。適用于非生長季的指數(shù)中，NDTI、MSACRI、S-NDTI和STI的相關(guān)系數(shù)均為0.92（P＜0.01），DFI的相關(guān)系數(shù)與最大值相差較 小。適 用 于 生 長 季 的 指 數(shù) 中，NDVI、SAVI、MSAVI和TSAVI最大，均達到0.88（P＜0.01），RVI的相關(guān)系數(shù)接近于最大值。因此，僅靠相關(guān)系數(shù)無法篩選出適用于生長季/非生長季的最優(yōu)植被指數(shù)，需要進一步比較。

表2 植被蓋度與植被指數(shù)的相關(guān)性Table 2 Correlation between grassland coverage and vegetation index

2.2 植被蓋度像元二分模型及精度評價

本節(jié)分別選取適用于生長季/非生長季的5種植被指數(shù)，引入像元三分法提取端元值，基于不同植被指數(shù)像元二分模型構(gòu)建植被蓋度反演模型，并根據(jù)精度評價結(jié)果，選出最優(yōu)生長季/非生長季植被指數(shù)。從10種植被指數(shù)反演的高寒植被蓋度結(jié)果（圖4）來看，研究區(qū)植被蓋度整體偏低，生長季植被蓋度高的地方對應非生長季植被蓋度也高，生長季植被蓋度低的地方對應非生長季植被蓋度也低。由像元二分模型植被蓋度精度評價（表3）可知，10種植被指數(shù)的相對誤差均小于45%，生長季最小相對誤差可達9.23%，非生長季最小相對誤差為10.13%，說明像元二分模型在高寒草地具有較好的適用性。以相對誤差較小，RMSE較小，R2較大為優(yōu)的原則選擇最優(yōu)反演模型。MSACRI的相對誤差（10.18%）雖大于S-NDTI（10.13%），但其R2和RMSE均優(yōu)于S-NDTI，具有最小的RMSE（7.78），其R2為0.81。因此，MSACRI最適用于反演非生長季高寒草地植被蓋度，其余優(yōu)劣順序依次為S-NDTI、NDTI、STI、DFI。生長季時，NDVI具有最小的相對誤差（9.23%）、最小的RMSE（8.43），其R2為0.77。因此，NDVI最適用于生長季高寒草地植被蓋度反演建模，其余優(yōu)劣順序依次為TSAVI、MSAVI、SAVI、RVI。

表3 像元二分模型植被蓋度精度評價Table 3 The accuracy evaluation of grassland coverage based on dimidiate pixel model

圖4 當雄縣生長季/非生長季高寒草地植被蓋度分布Fig.4 Distribution of alpine grassland coverage in growing season/non-growing season in Dangxiong County

2.3 當雄縣草地覆蓋現(xiàn)狀

基于以上結(jié)果，該部分使用MSACRI和NDVI指數(shù)反演的蓋度數(shù)據(jù)分析研究區(qū)生長季/非生長季植被蓋度的時空變化特征（圖5～圖6）。當雄縣草地總面積為693172.10 hm2，主要分布于海拔4300～5100 m，生長季面積占比為72.45%。生長季平均植被蓋度為50.54%，高寒特征明顯，植被分布相對稀疏。低蓋度（＜20%）草地主要分布于高海拔區(qū)域（＞5300 m），其面積占比為5.92%。中低蓋度（20%～40%）草地一部分位于海拔4700～5100 m的念青唐古拉山北坡、納木錯湖周邊，面積占比為11.15%；一部分位于海拔4300～4700 m的當雄縣的西南部及縣城周邊，面積占比為6.72%。當植被蓋度為40%～80%時，多分布于海拔4700～5100 m處，面積占比為27.66%。高蓋度（＞80%）草地多分布于低海拔區(qū)域（＜4500 m），主要是河流與洼地形成的沼澤草甸。此外，隨著海拔的增加，低蓋度（＜20%）的草地逐步增加，植被蓋度為20%～80%的草地于海拔4700～4900 m附近達到峰值，高蓋度草地（＞80%）的比例逐漸減少。與生長季相比，非生長季草地蓋度減小，其平均蓋度為31.67%。約70.83%的草地蓋度小于40%，草地仍集中分布于海拔4300～5100 m處，面積占比為82.17%。低海拔區(qū)域（＜4500 m）的沼澤草地在非生長季時蓋度略微下降，蓋度可達60%以上。

圖5 不同海拔生長季植被蓋度面積統(tǒng)計Fig.5 Statistics of vegetation coverage area in different altitude growing seasons

圖6 不同海拔非生長季植被蓋度面積統(tǒng)計Fig.6 Statistics of vegetation coverage area in different altitude non-growing seasons

3 討論

3.1 不同植被指數(shù)與植被蓋度間相關(guān)性差異

枯黃干草與綠色鮮草的光譜響應存在顯著的差異，因此植被指數(shù)的擬合效果在生長季和非生長季也存在明顯差異。草地在4月仍處于枯黃期，葉片水分和葉綠素下降，而纖維素和木質(zhì)素增多。多光譜空間中，NPV與土壤可分性最高的是OLI6和OLI7波段，這兩個波段位于吸水區(qū)附近，當植被變黃時，光譜響應隨水分流失而增強［31］，因此由這兩個波段構(gòu)建的DFI、STI、S-NDTI、MSACRI和NDTI這5種植被指數(shù)與非生長季植被蓋度相關(guān)性高。而NDVI、RVI、SAVI、MSAVI和TSAVI這5種植被指數(shù)由可見光－近紅外波段構(gòu)建，因此難以用于反演枯黃的蓋度信息，這與Dai等［32］證明NDVI、SAVI無法區(qū)分NPV和土壤，NDTI可以區(qū)分NPV和土壤的結(jié)論一致。8月草地正處于生長最旺盛的狀態(tài)，生物量、蓋度等指標均達到較高水平，綠色植被在近紅外波段具有獨特的強反射的特性，且其反射率明顯大于干枯植被［33］，因此NDVI、RVI、SAVI、MSAVI和TSAVI這5種植被指數(shù)與生長季植被蓋度的相關(guān)系數(shù)遠遠高于其他指數(shù)。

3.2 生長季/非生長季像元二分模型構(gòu)建

非生長季時，地表混合像元分解為NPV和BS。而DFI常用于區(qū)分NPV、PV和BS這3種組分共存的情況［30］，因此其相對誤差最大，為44.02%。NDTI在STI的基礎(chǔ)上進一步減弱大氣噪聲影響［34］，這與本研究中NDTI相對誤差（20.09%）低于STI（29.96%）的結(jié)論一致。S-NDTI適用于無法估算土壤線的情況，其相對誤差（10.13%）小于NDTI（20.09%），可見S-NDTI估算NPV的能力優(yōu)于NDTI［29］。MSACRI中引入土壤線參數(shù)，能有效弱化土壤背景對草地光譜的影響，抗土壤噪聲能力優(yōu)于NDTI，適合于低蓋度草地的監(jiān)測［35］。MSACRI具有最小的RMSE（7.78），其R2高達0.81。因此，基于MSACRI的像元二分模型是反演非生長季植被蓋度的最優(yōu)模型。

研究區(qū)位于半干旱區(qū)，受高寒氣候、土壤和水熱條件的制約，生長季草地還是相對稀疏。土壤對植被指數(shù)的影響較為顯著，而RVI對高植被覆蓋區(qū)域較為敏感［36］，因此RVI并不適用于該地區(qū)。SAVI在削弱土壤對植被信息影響的同時也降低了與植被蓋度的相關(guān)性［37］，其反演精度最低（77.36%）。盡管MSAVI適用于低植被蓋度的反演，但野外采集的高光譜曲線構(gòu)建的TSAVI考慮了土壤斜率和截距［38］，因此其相對誤差（11.20%）略小于MSAVI（13.70%）。研究區(qū)為典型的高寒草甸與寒冷半干旱高寒草原類型之間的過渡地，生長季植被蓋度集中于20%～80%，NDVI對植被蓋度的檢測幅度較寬，這可能也是TSAVI反演植被蓋度的能力不如NDVI的原因。因此基于NDVI的像元二分模型是反演生長季植被蓋度的最優(yōu)模型。

3.3 當雄縣植被覆蓋現(xiàn)狀分析

當雄草地多位于海拔4300～5100 m，高寒特征明顯，海拔對植被蓋度具有決定性的影響。隨海拔的增加，氣溫顯著降低，而降水則呈先增加后降低的趨勢，蓋度呈現(xiàn)先增加后減少的單峰變化格局［39］。西南部低海拔地區(qū)（4300～4700 m）植被受到干旱脅迫，形成以針茅屬（Stipa）物種為主的草原化草甸，土壤水分條件較差，沙化嚴重，因此植被蓋度普遍偏低，生長季約占20%～40%；當雄縣城附近，受到頻繁的人類活動及過度放牧的影響，植被蓋度相對較低；而該海拔梯度高蓋度（＞80%）的區(qū)域多位于河流與洼地形成的以藏北蒿草（Kobresia littledalei）、矮生嵩草為主的沼澤草甸，土壤水分充足，因此植被長勢較好。高海拔區(qū)域（4500～5100 m）降水充足，形成以高山嵩草為主的高寒草甸，植被長勢較好，蓋度多為60%～80%，面積占比為35.33%。隨著海拔的進一步增加，當海拔超過5300 m時，氣溫的下降限制了植被對水分的吸收，高覆蓋植被（＞80%）幾乎消失。

8月伴隨著雨季開始，氣溫升高，草地達到生長高峰期。4月為冬春交接的時間段，溫度低，降水少，非生長季葉片枯萎蜷縮導致蓋度減小，各海拔區(qū)間非生長季植被蓋度相較于生長季植被蓋度均有所下降，非生長季平均植被蓋度較生長季下降18.87%。對于蓋度較高的沼澤草甸而言，其蓋度隨季節(jié)的變化小，非生長季植被蓋度相較于生長季而言，蓋度減少幅度不大。

此外，本研究只考慮了非生長季NPV、BS和生長季PV、BS僅有兩種組分存在的情況，缺少對NPV、PV和BS這3種組分共同存在情況的考慮。植被生態(tài)系統(tǒng)自身的復雜性會影響植被蓋度估算的精度，因此后續(xù)將進一步考慮混合時期的植被蓋度情況。另外，由于研究區(qū)位于高海拔地區(qū)，容易受到大氣、云和雪的影響，實測數(shù)據(jù)與遙感數(shù)據(jù)在時空上常不能完全吻合。且需要考慮不同草地類型、含水量、分解程度及土壤類型、土壤濕度對擬合效果的影響。

4 結(jié)論

1）NDTI、MSACRI、S-NDTI、DFI、STI這5種 植 被 指 數(shù) 適 用 于 非 生 長 季 植 被 蓋 度 反 演，而NDVI、RVI、SAVI、MSAVI、TSAVI這5種植被指數(shù)適用于生長季植被蓋度反演。

2）引入像元三分法確定端元值，采用像元二分模型反演高寒草地生長季/非生長季植被蓋度的方法具有可行性。其中，基于MSACRI指數(shù)的像元二分模型法適用于非生長季植被蓋度的反演。基于NDVI的像元二分模型法最適用于生長季植被蓋度的反演。

3）研究區(qū)草地植被蓋度隨著海拔增加，呈現(xiàn)先增加后減少的單峰變化格局。生長季絕大部分草地的植被蓋度集中于20%～80%，非生長季草地約70.83%的植被蓋度小于40%。