基于光譜特征的雅魯藏布大峽谷森林枯落物水源涵養(yǎng)能力反演研究

龍芊芊,周仁浩,岳德鵬,牛 騰,毛雪晴,王朋沖,于 強*

1.北京林業(yè)大學(xué)精準(zhǔn)林業(yè)北京重點研究室，北京 100083 2.成都信息工程大學(xué)網(wǎng)絡(luò)空間安全學(xué)院，四川 成都 610200 3.北京林淼生態(tài)環(huán)境技術(shù)有限公司，北京 100085

引 言

森林是發(fā)揮水源涵養(yǎng)功能的巨大儲備庫，通過林冠層、枯枝落葉層和土壤層對到達地面的水分進行截留和貯存，可以起到調(diào)節(jié)地表徑流和滯洪補枯的作用[1]?？葜β淙~層由于直接覆蓋于地表，除與林冠層同樣能截持降水外，更在阻延地表徑流、抑制土壤蒸發(fā)等水文過程中發(fā)揮作用，因此，枯枝落葉層截留是森林水源涵養(yǎng)的核心環(huán)節(jié)[2]?？葜β淙~層的水源涵養(yǎng)能力通過地表枯落物的持水?dāng)r蓄特性來體現(xiàn)[3-4]，當(dāng)森林的林分結(jié)構(gòu)發(fā)生變化時，其下層枯落物的累積過程、持水特征、阻滯徑流等方面隨之改變[5-7]。近年來，有關(guān)地表枯落物持水?dāng)r蓄性能的研究相繼展開，劉宇等[8]和鄧繼峰等[9]通過比較不同林分枯落物的持水?dāng)r蓄能力，發(fā)現(xiàn)不同樹種之間能力差異顯著；陳禮清[10]、何淑勤等[11]以植被恢復(fù)模式為依托探索了地表枯落物的水源涵養(yǎng)能力，結(jié)果證實不同植被恢復(fù)模式下的枯落物持水?dāng)r蓄性能各有區(qū)別。值得關(guān)注的是，上述研究均采用傳統(tǒng)的樣地采樣法，雖然結(jié)果準(zhǔn)確但時效性和適用性無法保障，也無法評估和表達水源涵養(yǎng)能力在面狀區(qū)域上的空間分布情況。隨著高光譜技術(shù)的發(fā)展和衛(wèi)星遙感的應(yīng)用，以非接觸方式獲取大范圍地表信息的方法被應(yīng)用于葉片含水量監(jiān)測、土壤含水量估算等領(lǐng)域，表明利用高光譜數(shù)據(jù)間接反演地表水分信息是可行的[12]。高光譜技術(shù)作為一種探測手段，為植被葉片反射率和枯落物屬性搭建了關(guān)系橋梁，衛(wèi)星遙感數(shù)據(jù)源又可以反演大范圍的地表信息；二者結(jié)合，為枯落物水源涵養(yǎng)能力分布情況的探測提供了一種新的思路。

雅魯藏布大峽谷位于西藏自治區(qū)的東南部，森林覆蓋度高，林內(nèi)喬木樹齡大，枯落物儲蓄十分豐富。此外，受印度洋北上水汽的強烈影響，大峽谷氣候溫暖濕潤，充足的水熱條件為地表枯落物創(chuàng)造了極好的水源涵養(yǎng)環(huán)境。本工作以雅魯藏布大峽谷為研究區(qū)，首先在樣地采集森林主要喬木類型的葉片和林木下方的枯落物，用高光譜探測儀獲取葉片反射率信息，采用浸泡法計算枯落物持水?dāng)r蓄的各項參數(shù)，并建立枯落物有效攔蓄量與植被特征光譜參數(shù)的定量回歸方程；在此基礎(chǔ)上，以Sential-2影像數(shù)據(jù)為底圖反演枯落物層的水源涵養(yǎng)能力，以期得到一種快速有效的森林地表枯落物水源涵養(yǎng)能力分布情況的計算方法。

1 實驗部分

1.1 研究區(qū)

雅魯藏布大峽谷位于藏東南地區(qū)，北起林芝市米林縣，經(jīng)排龍鄉(xiāng)的雅魯藏布江大拐彎，南到林芝市墨脫縣。選取以雅魯藏布江大拐彎(94°52′E，29°30′N)為中心的3 200 km2范圍為研究區(qū)(圖1)，該區(qū)域海拔673～7 198 m，原始森林覆蓋率達到56%以上，其中，高山松、林芝云杉和川滇高山櫟是分布最廣泛的樹種，分別占森林總面積的54.11%，35.14%和10.74%。由于大峽谷地區(qū)幾乎未受到人為活動的干擾，且喬木樹齡大，林分郁閉度高，枯落物豐富，再加以充足的水汽條件，使得該地森林具有極高的水源涵養(yǎng)價值。

圖1 研究區(qū)地表概況及采樣點位置分布Fig.1 Surface profile and sampling points distribution in the study area

1.2 樣本采集

高山松和林芝云杉屬于常綠針葉樹種，主要分布在雪線灌叢以下較高海拔區(qū)域，川滇高山櫟為常綠硬葉闊葉樹種，多分布于高山松林的下坡位。為保證枯落物的蓄積量保持在較高水平，于2020年8月下旬正午12：00—14：00，在雅魯藏布大峽谷對高山松、林芝云杉、川滇高山櫟純林進行野外采樣。樣本采集過程如下，(1)建模組：按照地勢條件和土壤類型均相當(dāng)?shù)脑瓌t在高山松林和林芝云杉林選擇60棵成年喬木，在川滇高山櫟林選擇30棵成年喬木，剪取每棵喬木不同高度處的健康葉片5張(針葉為5叢)。在已被采集葉片的喬木下設(shè)置小樣方采集枯落物樣本，將未分解層和半分解層分開置于取樣箱，準(zhǔn)確標(biāo)記樣本編號以確保葉片與枯落物一一對應(yīng)。(2)驗證組：在高山松林和林芝云杉林設(shè)置15個20 m×20 m的大樣方，川滇高山櫟林設(shè)置10個20 m×20 m的大樣方，每個樣方內(nèi)隨機剪取10張(叢)健康成熟的葉片，在樣方四角及中間位置設(shè)置20 cm×20 cm的小樣方采集5個枯落物樣本，最后以葉片和枯落物的平均值代表該大樣方的實際水平。

1.3 光譜信息獲取

1.3.1 葉片高光譜反射率測定

使用ASD Fieldspec 3多功能光譜儀測定葉片光譜，波長范圍為350～2 500 nm，光譜分辨率3 nm，光譜采樣間隔為1 nm。采樣時，模擬正午太陽入射光設(shè)置線性光源，視場角為30°，探頭垂直于葉片，距離約5 cm；為盡量降低環(huán)境和儀器系統(tǒng)誤差的干擾，每15 min對光譜儀進行一次白板校正。

1.3.2 曲線平滑與降噪

光譜信息在采集過程中受大氣水分和環(huán)境噪聲的影響，使光譜曲線出現(xiàn)波動，采用移動平均法對光譜曲線進行降噪和平滑處理，見式(1)

(1)

1.4 遙感影像處理

哨兵2號(Sentinel-2)衛(wèi)星攜帶的MSI多光譜成像儀包含可見光至短波紅外共13個光譜波段，波段空間分辨率分別為10，20和60 m，過境周期為5 d。相對于其他成像衛(wèi)星產(chǎn)品而言，哨兵2號數(shù)據(jù)在紅邊范圍有三個窄波段，對于植被信息的提取非常有利。從歐空局哥白尼數(shù)據(jù)中心(https://scihub.copernicus.eu/dhus/#/home)下載大峽谷地區(qū)2020年8月下旬的遙感影像，經(jīng)拼接裁剪、輻射定標(biāo)、大氣校正、幾何校正和重采樣得到可用于計算研究區(qū)植被指數(shù)的圖像。此外，為消除不同樹種枯落物持水過程的差異性對反演精度的影響，分別建立高山松、林芝云杉和川滇高山櫟的枯落物有效攔蓄量反演模型，最后將三類樹種的反演結(jié)果進行拼接得到大峽谷地區(qū)森林枯落物水源涵養(yǎng)能力的空間分布。

1.5 植被指數(shù)計算

考慮到葉片的組織結(jié)構(gòu)、自身含水量和易分解程度是影響枯落物持水性能的主要因素[8-11]，篩選出能反映上述特征的植被指數(shù)進行Person相關(guān)系數(shù)分析：(1)歸一化植被指數(shù)(NDVI)、增強植被指數(shù)(EVI)、紅邊指數(shù)(VOG)：表征植被長勢、健康狀態(tài)、環(huán)境脅迫程度等；(2)葉面葉綠素指數(shù)(LCI)：反映葉片葉綠素含量；(3)全球植被水分指數(shù)(GVMI)：監(jiān)測葉片含水量；(4)氮素比值植被指數(shù)(NRI)：反映葉片氮素密度；(5)植物蠟質(zhì)參數(shù)(PWP)：與葉片表皮蠟質(zhì)含量相關(guān)性高；(6)植被衰減指數(shù)(PSRI)：最大限度地提高類胡蘿卜素與葉綠素比率的靈敏度，預(yù)示植被衰老的程度。上述植被指數(shù)的計算方法如表1，建模時采用ASD光譜儀采集的高光譜數(shù)據(jù)，并取各波段中心波長處的反射率計算植被指數(shù)。

表1 植被指數(shù)計算方法Table 1 Characteristic spectral parameters and calculation method

1.6 枯落物屬性測定

取回枯落物樣本立即稱其自然鮮重，然后放入85 ℃恒溫箱中烘干并稱其干重，計算蓄積量和自然含水率；將烘干后的枯落物裝入墊有尼龍布的土壤篩后浸水，完全浸泡24 h后取出懸掛，待其不再滴水時迅速稱重，計算最大持水率(量)和有效攔蓄率(量),計算公式如式(2)—式(6)。

R0=(M0-M)/M×100%

(2)

Rm=(M24-M)/M×100%

(3)

Hm=Rm×M

(4)

Ru=0.85×Rm-R0

(5)

Su=Ru×M

(6)

式中，M0為枯落物單位面積的自然鮮重(t·ha-1)，M為烘干后單位面積的干重(t·ha-1)，即蓄積量；R0為自然含水率，Rm為最大持水率，Hm為最大持水量(t·ha-1)；Ru為有效攔蓄率，Su為有效攔蓄量(t·ha-1)。

2 結(jié)果與討論

2.1 葉片光譜特征

2.1.1 光譜反射率特征

在View Spectral Pro軟件中顯示ASD Fieldspec 3多功能光譜儀測得的樣本數(shù)據(jù)，對曲線進行降噪和平滑處理，而后分別繪制三類樹種反射率的平均值曲線，如圖2所示。大峽谷地區(qū)高山松、林芝云杉和川滇高山櫟的光譜反射率總體呈現(xiàn)一致的變化規(guī)律，但各樹種的反射波峰(谷)、高反射平臺等特征波段差異顯著。400～700 nm波段(可見光)是植物葉片的強吸收波段，三組樹種的反射率都很低；但川滇高山櫟在<400 nm的紫外波段表現(xiàn)出較高的反射率，分析認為川滇高山櫟在高海拔環(huán)境下生長出較厚的角質(zhì)膜以抵御強輻射和水分的損失，角質(zhì)膜的存在使得葉片對紫外線極為敏感；林芝云杉和高山松在560 nm(綠光)處的反射峰值非常接近，但在680 nm(紅光)處林芝云杉的吸收性更強。700～780 nm是植被的反射率紅邊，葉片光譜從強吸收紅光波段過渡到高反射近紅外波段。780～1 350 nm(近紅外)的光譜特征由葉片細胞結(jié)構(gòu)決定，大量透明的色素和纖維素使得反射率變高，形成“近紅外反射肩”；川滇高山櫟的反射肩最高，分析認為闊葉樹種的葉片結(jié)構(gòu)比針葉復(fù)雜，因此光線在葉片內(nèi)部散射的次數(shù)越多反射率就越高。此外，在此波段出現(xiàn)的兩個微弱的吸收谷(970，1 200 nm)是葉片水分所致。1 350～2 500 nm(中紅外)是植物葉片的水分強吸收帶，三組樣本均在水分吸收谷(1 450，1 940 nm)表現(xiàn)出明顯的吸收性。

圖2 葉片光譜反射率Fig.2 Spectral reflectance of leaves

2.1.2 光譜一階導(dǎo)數(shù)特征

通過求導(dǎo)可見光范圍的光譜曲線可以確定曲線的藍邊、黃邊和紅邊等特征點，如圖3(a)所示。通常，藍邊是光譜反射率在490～530 nm區(qū)間內(nèi)一階導(dǎo)數(shù)峰值對應(yīng)的波長，黃邊對應(yīng)的是550～582 nm波段內(nèi)反射率一階導(dǎo)數(shù)最小值的位置，紅邊是680～750 nm范圍內(nèi)反射率一階導(dǎo)數(shù)最大值所在的波長。植被的藍邊、黃邊和紅邊位置可以反映植被的生長態(tài)勢和營養(yǎng)情況；對紅邊而言，植被長勢越旺盛、健康狀況越好，紅邊位置越向長波方向移動；反之，則越短波方向移動。從表2可以看出，高山松、林芝云杉和川滇高山櫟的三邊位置十分接近，說明三類樹種在光譜反射率的特征點具有共性，且長勢和健康狀況處于同等水平。

如圖3(b)所示，由于植被在紅邊區(qū)域的光譜反射率變化最劇烈，且該波段蘊含的光譜信息最多，因此紅邊的應(yīng)用還包含了以下幾個參數(shù)：(1)紅邊斜率：紅邊區(qū)域內(nèi)曲線斜率的最大值，與葉片葉綠素含量和葉面積指數(shù)呈顯著正相關(guān)；(2)紅邊峰值面積：一階導(dǎo)數(shù)曲線在紅邊范圍內(nèi)與坐標(biāo)軸圍成的面積，主要受限于葉片葉綠素含量。結(jié)合表2的統(tǒng)計數(shù)值，盡管高山松、林芝云杉和川滇高山櫟的紅邊位置區(qū)別不大，但紅邊斜率和紅邊峰值面積差異明顯；川滇高山櫟的紅邊斜率為0.011 9，在三類樹種中值最大，高山松次之為0.009 5，林芝云杉的紅邊斜率最小，為0.006 3。紅邊峰值面積與紅邊斜率表現(xiàn)出相同的趨勢，這一趨勢也與反射肩平臺的反射率規(guī)律一致。

圖3 光譜一階導(dǎo)數(shù)光譜(a):可見光波段；(b):紅邊波段Fig.3 First derivative of spectrum(a):The visible light band；(b):The red-edged band

表2 藍邊、黃邊、紅邊參數(shù)Table 2 Parameter of blue edge,yellow edge and red edge

2.2 枯落物水源涵養(yǎng)特性

2.2.1 枯落物蓄積量和自然含水率

將采集的樣本按樹種分類，計算每類樹種枯落物的未分解層和半分解層占比、蓄積總量以及自然含水率的平均值。從表3看出，三類樹種的半分解層占比由高到低次序為：林芝云杉>川滇高山櫟>高山松，半分解層占比越高說明枯落物分解程度越高，反之，則越低。川滇高山櫟作為闊葉樹種卻沒有林芝云杉分解效率高，可能是因為高山櫟葉片表面的蠟質(zhì)膜阻礙了微生物的分解作用；高山松因自身含有較多油脂所以最不易分解。林芝云杉枯落物的蓄積總量(26.46 t·ha-1)和自然含水率(69.06%)在三類樹種中最為突出，這是因為林芝云杉葉片易于分解且自身含水量較高，所以凋落物在林下快速腐化并堆積；另外，經(jīng)過分解的枯落物對水分的吸收和貯存能力大于未分解層，因此林芝云杉的自然含水率也最高。高山松的蓄積量最低，為17.53 t·ha-1，分析認為未來得及分解的凋落物更易受到外力的沖刷而轉(zhuǎn)移到別處，從而存有量偏少；此外，高山松林枯落物的自然含水率(30.84%)明顯低于林芝云杉(69.06%)和川滇高山櫟(62.89%)，一方面是因為高山松作為針葉樹種，其林冠層截留量大于闊葉樹種，致使林內(nèi)枯落物相對干燥，另一方面是高山松葉片的自身含水率低于同為針葉樹種的林芝云杉，且相對低的分解程度不利于其保留水分。

表3 枯落物蓄積量和自然含水率Table 3 Litter Stock volume and natural water content

2.2.2 枯落物持水量和攔蓄量

根據(jù)枯落物浸水后的質(zhì)量計算三類枯落物的最大持水量(率)和有效攔蓄量(率)，如表4?？梢?，林芝云杉的最大持水率和最大持水量均為最高，高山松和川滇高山櫟最大持水率相當(dāng)，但由于川滇高山櫟的蓄積量更豐富，所以最大持水量高于高山松。但是，最大持水率和最大持水量只能說明枯落物持水能力的強弱，有效攔蓄率和有效攔蓄量才能表征枯落物對降水的實際攔蓄效果。對本研究的三類樹種而言，有效攔蓄率和有效攔蓄量的排序分別為：高山松>林芝云杉>川滇高山櫟，林芝云杉>川滇高山櫟>高山松。高山松的枯落物在自然狀態(tài)下最干燥，可以用來吸收外界水量的空間最大，造成其有效攔蓄率排名最靠前，但由于較少的蓄積量，導(dǎo)致有效攔蓄量排名滯后。分解程度最高的林芝云杉枯落物擁有和高山松相當(dāng)?shù)挠行r蓄率，自身蓄積量也大，因此對降水的有效攔蓄量最大。森林枯落物的水源涵養(yǎng)能力是對枯落物層整體功能的描述，包含對枯落物蓄積量和吸水性能的綜合定量評價，因此，在描述持水?dāng)r蓄性能的各項參數(shù)中，有效攔蓄量最能直觀地反映出枯落物的水源涵養(yǎng)能力。

表4 枯落物持水?dāng)r蓄性能Table 4 Water holding capacity of litter

2.3 枯落物有效攔蓄量預(yù)測建模

2.3.1 植被指數(shù)篩選

分別計算每類樹種擬選定的8種植被指數(shù)(NDVI，EVI，VOG，LCI，GVMI，NRI，PWP和PSRI)與枯落物有效攔蓄量的Person相關(guān)系數(shù)，結(jié)果如表5。

表5 Person相關(guān)系數(shù)分析Table 5 Person correlation coefficient analysis

篩選出與有效攔蓄量顯著相關(guān)和極顯著相關(guān)的植被指數(shù)作為回歸模型的自變量，按照系數(shù)由大到小的順序排列，各樹種參與回歸的自變量如下：(1)高山松：PWP，PSRI，GVMI，NDVI，LCI；(2)林芝云杉：GVMI，PWP，PSRI，NRI，EVI，VOG；(3)川滇高山櫟：PWP，PSRI，GVMI，LCI，VOG。從保留的植被指數(shù)中可以看出，三類樹種林下枯落物的有效攔蓄量都與葉片蠟質(zhì)參數(shù)(PWP)、植被長勢(NDVI、EVI、VOG)、衰減程度(PSRI)、葉片含水量(GVMI)相關(guān)；此外，林芝云杉的攔蓄能力還與葉片氮素含量(NRI)相關(guān)，高山松和川滇高山櫟的攔蓄能力還與葉綠素含量(LCI)相關(guān)。

2.3.2 水源涵養(yǎng)反演模型

將有效攔蓄量作為因變量，篩選后的植被指數(shù)作為自變量代入SPSS22.0軟件中逐步回歸，得到枯落物水源涵養(yǎng)能力的反演模型(表6)。高山松、林芝云杉和川滇高山櫟的模型擬合優(yōu)度(R2)分別為0.691，0.779和0.743，表明模型擬合效果好，可以較好地反映枯落物水源涵養(yǎng)能力與植被指數(shù)的關(guān)系。此外，植被葉片蠟質(zhì)參數(shù)和衰減指數(shù)與有效攔蓄量呈負向相關(guān)，說明葉片蠟質(zhì)含量越高則越不易分解，因此蓄水能力越弱，同理，葉片衰老程度越高其細胞機能越低，吸水能力越弱。其余植被指數(shù)與有效攔蓄量呈正向相關(guān)，說明植被長勢越好其枯落物的水源涵養(yǎng)能力越強。

表6 各樹種枯落物層水源涵養(yǎng)能力反演模型Table 6 Inversion model of water conservation in litter layer of different tree species

2.4 水源涵養(yǎng)能力空間分布反演與精度驗證

以Sentinel-2影像為底圖，基于上述模型分別反演高山松、林芝云杉和川滇高山櫟的枯落物水源涵養(yǎng)能力，經(jīng)空間拼接處理后得到圖4。水源涵養(yǎng)的高值主要出現(xiàn)在林芝云杉林區(qū)內(nèi)部，少數(shù)出現(xiàn)在川滇高山櫟林；從各林種內(nèi)部來看，海拔越低，水源涵養(yǎng)能力越強，在近河谷的兩側(cè)，水源涵養(yǎng)值達到最高?？傮w而言，大峽谷研究區(qū)內(nèi)森林枯落物層的水源涵養(yǎng)情況沿植被類型和地形大致呈帶狀分布，不同植被枯落物的水源涵養(yǎng)能力差異明顯。

圖4 大峽谷森林枯落物水源涵養(yǎng)能力分布情況Fig.4 Water conservation and distribution of forest litter in Grand Canyon

將驗證組的葉片光譜反射信息代入各自樹種的反演模型進行計算，得到枯落物的預(yù)測水源涵養(yǎng)量，并與實際測得的有效攔蓄量進行比對，模型的精度評價結(jié)果分別如圖5(a,b,c)所示。高山松、林芝云杉和川滇高山櫟的檢驗點R2分別為0.943，0.815和0.812，RMSE分別為1.597，2.270和1.953，表明模型的預(yù)測效果良好，可以用于大峽谷地區(qū)森林枯落物水源涵養(yǎng)能力的預(yù)測分布研究。

圖5 枯落物水源涵養(yǎng)能力反演模型精度評價(a):高山松；(b):林芝云杉；(c):川滇高山櫟Fig.5 Precision evaluation of water conservation capacity for different species litter layer in model(a):Pinus densata；(b):Picea Linzhi；(c):Quercusaqui folioides

3 結(jié) 論

以高光譜技術(shù)為關(guān)系橋梁，探索了雅魯藏布大峽谷地區(qū)高山松、林芝云杉、川滇高山櫟的枯落物水源涵養(yǎng)能力與植被指數(shù)的相應(yīng)關(guān)系；在此基礎(chǔ)上，基于Sentinel-2影像定量反演了研究區(qū)水源涵養(yǎng)能力的空間分布情況，且反演模型的精度檢驗情況良好，可以為大峽谷地區(qū)的水資源保護提供決策依據(jù)和支持。

(1)高山松、林芝云杉、川滇高山櫟三類樹種的光譜反射率變化趨勢大致相同，川滇高山櫟的反射率總體最高，高山松次之，林芝云杉最低；川滇高山櫟在紫外波段表現(xiàn)出明顯的反射特征，三類樹種均在水分吸收谷表現(xiàn)出強吸收性。

(2)實測樣本中，最能反映水源涵養(yǎng)能力的有效攔蓄量，從大到小排序均為：林芝云杉>川滇高山櫟>高山松。原因在于林芝云杉的分解程度最高，枯落物蓄積量最大，因此對水分的貯存能力最強；川滇高山櫟雖然是闊葉樹種但其革質(zhì)葉片不利于分解，因此枯落物的水源涵養(yǎng)能力不如林芝云杉突出；高山松含有較多油脂且枯落物蓄積量最低，導(dǎo)致持水?dāng)r蓄能力最弱。

(3)枯落物的水源涵養(yǎng)能力與表征植被生長狀態(tài)、蠟質(zhì)參數(shù)、葉綠素含量、氮素含量等信息的植被指數(shù)有明顯的響應(yīng)關(guān)系。總體而言，葉片蠟質(zhì)參數(shù)和衰減程度越高，枯落物的水源涵養(yǎng)能力越弱；植被生長態(tài)勢越好，水源涵養(yǎng)能力越強。

(4)雅魯藏布大峽谷森林枯落物的水源涵養(yǎng)能力空間異質(zhì)性顯著，高值主要出現(xiàn)在林芝云杉林內(nèi)，各林種內(nèi)部呈現(xiàn)近谷兩側(cè)水源涵養(yǎng)能力最高的態(tài)勢。

(5)枯落物水源涵養(yǎng)能力反演模型的精度評價結(jié)果良好，高山松、林芝云杉和川滇高山櫟的檢驗點R2分別為0.943，0.815和0.812，RMSE分別為1.597，2.270和1.953，表明模型可以用于大峽谷森林枯落物水源涵養(yǎng)能力的預(yù)測分布研究。