基于HY-1C CZI數(shù)據(jù)的遼河口濕地鹽地堿蓬群落碳儲(chǔ)量評(píng)估

李微，王文碩，張新宇，段元棚，楊戩波

(1.大連海洋大學(xué) 海洋科技與環(huán)境學(xué)院，遼寧 大連 116023；2.遼寧省近海生態(tài)環(huán)境與災(zāi)害防護(hù)工程技術(shù)創(chuàng)新中心，遼寧 大連 116023)

濕地具有強(qiáng)大的碳匯功能，是降低二氧化碳(CO2)濃度、減緩全球氣候變化的重要區(qū)域[1]。在中國(guó)眾多的濕地當(dāng)中，遼河口濕地的鹽沼面積和碳埋藏能力位居全國(guó)第一[2-3]。鹽地堿蓬Suaedasalsa是遼河口濕地的主要鹽沼植被之一，由陸地向海岸方向發(fā)展，能夠改良濱海濕地鹽堿土，改善濕地生態(tài)環(huán)境[4]，在遼河口濕地藍(lán)碳碳匯中扮演著重要的角色[5]，并具有極高的經(jīng)濟(jì)效益和生態(tài)效益[6]。因此，評(píng)估鹽地堿蓬群落碳儲(chǔ)量對(duì)研究遼河口濕地藍(lán)碳碳匯生態(tài)系統(tǒng)和實(shí)現(xiàn)中國(guó)碳中和目標(biāo)具有重要參考價(jià)值。

植被碳儲(chǔ)量多借助植被生物量進(jìn)行估算[7-8]，常用的估算關(guān)系為植被碳儲(chǔ)量等于植被生物量乘以含碳率[9]。植被碳儲(chǔ)量包括植被地上和地下兩部分，在估算植被地上生物量時(shí)，遙感技術(shù)因其地面條件限制少、觀測(cè)范圍廣、獲取信息快捷，被廣泛應(yīng)用。由于植被的光譜特征能反映其生長(zhǎng)狀況及光合作用情況等，近紅外和紅光波段組合的植被指數(shù)可綜合反映其生長(zhǎng)狀況，因此，常利用植被指數(shù)構(gòu)建回歸模型以獲取植被地上生物量的估測(cè)值[10-11]；對(duì)于植被地下生物量，通常采用異速生長(zhǎng)關(guān)系間接估算[12-14]。采用遙感手段開(kāi)展研究，可減少對(duì)生態(tài)系統(tǒng)的破壞，提高工作效率。

在數(shù)據(jù)源方面，目前國(guó)內(nèi)外濕地生物量的遙感反演研究所用數(shù)據(jù)多來(lái)自Landsat、SPOT和高分(GF)等衛(wèi)星[15-17]。針對(duì)遼河口濕地鹽地堿蓬生物量反演多采用Landsat衛(wèi)星數(shù)據(jù)[18-20]，Landsat系列衛(wèi)星數(shù)據(jù)雖然擁有較高的空間分辨率，但時(shí)間分辨率較低，無(wú)法及時(shí)獲取海陸交互實(shí)時(shí)數(shù)據(jù)。海洋一號(hào)C衛(wèi)星(HY-1C)的出現(xiàn)較好地解決了這一問(wèn)題。HY-1C是中國(guó)首顆業(yè)務(wù)化海洋衛(wèi)星，也是繼HY-1A和HY-1B后的第三顆海洋水色衛(wèi)星，于2018年9月7日在山西太原發(fā)射成功，其搭載的海岸帶成像儀(Coastal Zone Imager，CZI)星下點(diǎn)空間分辨率優(yōu)于50 m，能夠?qū)崿F(xiàn)3 d一次的成像觀測(cè)，用于獲取海陸交互作用區(qū)域的實(shí)時(shí)數(shù)據(jù)[21-23]。如2019年HY-1C CZI對(duì)遼河口濕地有效觀測(cè)就達(dá)到30多次(去除云等因素的影響)，可監(jiān)測(cè)遼河口濕地地物信息及其周期性變化。

本研究中，以遼河口濕地鹽地堿蓬群落為研究對(duì)象，基于模擬HY-1C CZI數(shù)據(jù)的轉(zhuǎn)換型土壤調(diào)整植被指數(shù)(transformed soil adjusted vegetation index, TSAVI)[24]，構(gòu)建適用于CZI數(shù)據(jù)的遼河口濕地鹽地堿蓬地上生物量反演模型，再利用異速生長(zhǎng)模型估算鹽地堿蓬地下生物量，最后結(jié)合CZI數(shù)據(jù)估算遼河口濕地鹽地堿蓬群落生物量，進(jìn)而評(píng)估鹽地堿蓬群落年碳儲(chǔ)量，以期為HY-1C在碳儲(chǔ)量評(píng)估中的研究提供科學(xué)參考。

1 材料與方法

1.1 研究區(qū)域概況

遼河口濕地位于遼寧省盤(pán)錦市境內(nèi)，地處遼河平原南部、渤海遼東灣北部遼河入海處，地理位置為121°23′～122°29′E、40°39′～41°27′N(xiāo)，具體位置見(jiàn)圖1(a)，該區(qū)域?qū)儆谂瘻貛Ъ撅L(fēng)氣候，年平均氣溫為8～9 ℃，年平均降水量為600～640 mm。該區(qū)域主要生長(zhǎng)鹽地堿蓬、蘆葦和水稻3種植被，其中，潮間帶鹽地堿蓬是由陸地向海岸方向發(fā)展的先鋒植被，每年4月份長(zhǎng)出地面，開(kāi)始為綠色，之后由于鹽分的脅迫慢慢變紅，到了9月份便形成濃烈的紅色，鋪滿(mǎn)整個(gè)海灘，形成了全國(guó)面積最大的“紅海灘”景觀(圖1(b))。

圖1 研究區(qū)域Fig.1 Study area

1.2 數(shù)據(jù)獲取及處理

1.2.1 地面數(shù)據(jù) 本研究中采用2013年9月26、27日和2018年9月22日的數(shù)據(jù)。其中2013年布設(shè)29個(gè)鹽地堿蓬樣方、57個(gè)相近區(qū)域裸土樣方，2018年布設(shè)14個(gè)鹽地堿蓬樣方，樣方大小為1 m×1 m，鹽地堿蓬樣方布設(shè)見(jiàn)圖1(c)，采集每個(gè)樣方的經(jīng)緯度和光譜數(shù)據(jù)等信息。

1)實(shí)測(cè)光譜數(shù)據(jù)。利用FieldSpec HH手持便攜式地物光譜儀(美國(guó)ASD公司)采集光譜數(shù)據(jù)，采集時(shí)間為10:00—14:00，測(cè)量前將儀器預(yù)熱15～30 min，使用白板校正，取暗電流和白板20次的平均值，樣本光譜10次的平均值，測(cè)量鹽地堿蓬群落和裸土光譜時(shí)探頭垂直向下，每個(gè)樣方取5條光譜曲線的算術(shù)平均值得到該樣方的光譜反射率數(shù)據(jù)。

2)單位面積生物量。收集樣方內(nèi)鹽地堿蓬的地上和地下部分，清洗樣本后現(xiàn)場(chǎng)統(tǒng)計(jì)濕質(zhì)量，然后存放于采樣袋中帶回實(shí)驗(yàn)室及時(shí)處理，將各部分剪碎，置于電熱恒溫鼓風(fēng)干燥箱(DH6-9240A型)中，85 ℃下烘干至恒重，迅速稱(chēng)量其干質(zhì)量，即為單位面積生物量，其中，2013年僅收集樣方內(nèi)鹽地堿蓬的地上部分，獲得單位面積地上生物量。

3)鹽地堿蓬含碳率。將烘干后的14個(gè)2018年鹽地堿蓬樣本磨碎，用0.5 mm的孔篩過(guò)濾，過(guò)濾后的樣本采用微量電子天平(XP6型)稱(chēng)取1～2 mg，并用錫舟封裝，將封裝好的樣本利用元素分析儀(Vario PYRD Cube型)分別測(cè)定鹽地堿蓬地上部分(莖和葉)和地下部分(根)的含碳率，取平均值后的地上部分和地下部分的含碳率分別為28.80%和39.44%。

1.2.2 HY-1C數(shù)據(jù) HY-1C衛(wèi)星作為HY-1A/B的后繼衛(wèi)星，其搭載的海岸帶成像儀的幅寬和分辨率均比上一代有了較大提高，CZI數(shù)據(jù)的波段信息如表1所示。

表1 HY-1C衛(wèi)星CZI傳感器的波段信息Tab.1 Band information of HY-1C satellite CZI sensor

鹽地堿蓬為一年生草本植物，在4月份進(jìn)入生長(zhǎng)季，6—7月份為生長(zhǎng)季旺盛期，于9月份達(dá)到峰值，結(jié)合采樣時(shí)間、衛(wèi)星過(guò)境時(shí)間和云覆蓋情況，同時(shí)避免鹽地堿蓬被潮水淹沒(méi)，本研究中采用2018年10月2日、2019年9月21日和2020年9月18日的HY-1C CZI數(shù)據(jù)，該數(shù)據(jù)從國(guó)家海洋應(yīng)用中心網(wǎng)站(http://www.nsoas.org.cn/)中獲取，數(shù)據(jù)級(jí)別為經(jīng)幾何校正和輻射定標(biāo)的L1C級(jí)數(shù)據(jù)。

利用ENVI 5.3軟件對(duì)數(shù)據(jù)進(jìn)行大氣校正、裁剪和決策樹(shù)分類(lèi)[25]等處理，分別提取2018、2019、2020年遼河口濕地鹽地堿蓬群落的空間分布信息(圖2)。

圖2 2018、2019、2020年遼河口濕地HY-1C CZI數(shù)據(jù)真彩色合成影像Fig.2 True color composite HY-1C CZI images of Liaohe Estuary wetland in 2018, 2019 and 2020

1.2.3 無(wú)人機(jī)數(shù)據(jù) 選擇在天氣狀況良好的時(shí)間，利用大疆“悟”Inspire 2無(wú)人機(jī)搭載X4S云臺(tái)，設(shè)定航高為150 m，航拍數(shù)據(jù)，進(jìn)而評(píng)價(jià)鹽地堿蓬群落空間分布信息的提取精度。即將無(wú)人機(jī)獲取的數(shù)據(jù)導(dǎo)入Pix4D Mapper軟件，進(jìn)行影像的校正、拼接等操作，最后導(dǎo)入ENVI 5.3軟件中進(jìn)行影像解譯。在遼河口濕地區(qū)域共選取17個(gè)無(wú)人機(jī)解譯樣方(圖1(a))，將無(wú)人機(jī)解譯數(shù)據(jù)以HY-1C圖像為基準(zhǔn)進(jìn)行幾何校正，校正誤差小于0.5個(gè)像元，并以地物面積占優(yōu)法準(zhǔn)則重分類(lèi)為50 m的柵格數(shù)據(jù)，用于評(píng)價(jià)CZI數(shù)據(jù)的分類(lèi)結(jié)果。

1.3 評(píng)價(jià)模型

1.3.1 地上生物量模型及評(píng)價(jià) 遼河口濕地鹽地堿蓬群落覆蓋度不均，天然鹽地堿蓬覆蓋度較低，而人為修復(fù)鹽地堿蓬覆蓋度較高，受土壤背景影響較大，李微等[19]選擇基于土壤線的轉(zhuǎn)換型土壤調(diào)整植被指數(shù)TSAVI進(jìn)行鹽地堿蓬生物量反演研究，以期消除土壤背景的影響，達(dá)到較好的反演效果。因此，本研究中選擇TSAVI構(gòu)建鹽地堿蓬群落地上生物量反演模型，其計(jì)算公式為

(1)

其中：Rnir和Rred分別為鹽地堿蓬在近紅外和紅光波段的模擬衛(wèi)星反射率[18]；a和b為土壤線系數(shù)，基于2013年采集的57個(gè)裸土樣方的紅光波段與近紅外波段的模擬衛(wèi)星反射率，通過(guò)線性擬合確定土壤線系數(shù)a=0.848 4，b=0.034 4，擬合優(yōu)度R2為0.905。

選取2013年地面數(shù)據(jù)中的2/3樣本(20個(gè))的生物量與模擬CZI TSAVI指數(shù)進(jìn)行回歸分析，構(gòu)建線性、對(duì)數(shù)、二次多項(xiàng)式、指數(shù)和冪5種地上生物量反演模型。

采用均方根誤差(E)、相對(duì)均方根誤差(Er)和可預(yù)測(cè)技能(Skill)值對(duì)模型進(jìn)行評(píng)價(jià)。E值表示模型的反演值與實(shí)測(cè)值的平均偏差；Er值反映了模型的反演精度，其值越小表示模型的反演精度越高；Skill值表示模型反演值與實(shí)測(cè)值的擬合程度，其值越接近1，表示擬合效果越好。E、Er和Skill的計(jì)算公式為

(2)

Er=E/YAG,m×100%，

(3)

(4)

其中：n為樣本數(shù)；MAG,i為第i個(gè)樣本的地上生物量實(shí)測(cè)值(kg)；YAG,i為第i個(gè)樣本地上生物量反演值(kg)；MAG,m為地上生物量實(shí)測(cè)平均值(kg)；YAG,m為地上生物量反演平均值(kg)。

1.3.2 地下生物量模型 植被地下生物量通常利用異速生長(zhǎng)關(guān)系進(jìn)行估算[13]，用冪模型表達(dá)植被地上與地下兩部分間的關(guān)系。估算鹽地堿蓬地下生物量的異速生長(zhǎng)模型[14]為

(5)

其中：YBG為鹽地堿蓬地下生物量(kg)；YAG為鹽地堿蓬地上生物量(kg)。該模型的決定系數(shù)R2為0.913，鹽地堿蓬地上與地下生物量相關(guān)性達(dá)到極顯著水平[14]。

1.3.3 碳儲(chǔ)量模型 鹽地堿蓬總碳儲(chǔ)量為鹽地堿蓬地上碳儲(chǔ)量(CAG)與地下碳儲(chǔ)量(CBG)之和，用植被生物量乘以含碳率對(duì)碳儲(chǔ)量進(jìn)行估算，計(jì)算公式為

Ck=Yk×wk。

(6)

其中：k為鹽地堿蓬地上或地下部分；Ck為鹽地堿蓬k部分的碳儲(chǔ)量(kg)；Yk為鹽地堿蓬k部分的生物量(kg)；wk為鹽地堿蓬k部分的含碳率(%)。

2 結(jié)果與分析

2.1 無(wú)人機(jī)驗(yàn)證結(jié)果

以研究區(qū)域內(nèi)2018、2019、2020年的無(wú)人機(jī)影像作為分類(lèi)結(jié)果的驗(yàn)證數(shù)據(jù)，基于像元對(duì)像元的疊加比較方法評(píng)價(jià)分類(lèi)精度(表2)。

從表2可見(jiàn)，本研究中提取的遼河口濕地堿蓬群落空間分布信息的制圖精度和用戶(hù)精度分別達(dá)到了85%和75%以上，總體精度達(dá)到了85%以上，分類(lèi)效果較好。分類(lèi)精度的影響因素主要包括兩個(gè)方面：一是，由于數(shù)據(jù)分辨率的不一致，無(wú)人機(jī)影像解譯數(shù)據(jù)進(jìn)行幾何校正可能出現(xiàn)像元錯(cuò)位的情況；二是，由于HY-1C CZI數(shù)據(jù)的空間分辨率為50 m，會(huì)存在一定程度的混合像元。

表2 鹽地堿蓬分類(lèi)精度Tab.2 Accuracy of sea grass Suaeda salsa classification results

2.2 模型精度驗(yàn)證及最優(yōu)模型選擇

利用2013年地面數(shù)據(jù)中未使用的1/3樣本(9個(gè))驗(yàn)證模型精度。地面尺度的建模集和驗(yàn)證集散點(diǎn)圖及反演模型擬合趨勢(shì)線如圖3所示。因HY-1C衛(wèi)星于2018年9月7日才發(fā)射成功，為進(jìn)一步驗(yàn)證模型在衛(wèi)星尺度上的精度，故利用與2018年采樣時(shí)間相近的2018年10月2日CZI數(shù)據(jù)進(jìn)行衛(wèi)星尺度獨(dú)立精度檢驗(yàn)。由于CZI數(shù)據(jù)的空間分辨率為50 m，因此，衛(wèi)星數(shù)據(jù)的一個(gè)像元可能包含多個(gè)樣方，將落在單個(gè)像元點(diǎn)內(nèi)所有樣方的單位生物量平均值×單個(gè)像元面積(2 500 m2)，進(jìn)而得到單個(gè)像元的生物量實(shí)測(cè)值(共10個(gè))，估算值為單個(gè)像元衛(wèi)星數(shù)據(jù)反演的生物量。地面尺度的建模集和驗(yàn)證集的精度檢驗(yàn)結(jié)果，以及衛(wèi)星尺度的驗(yàn)證結(jié)果如表3所示。

由圖3和表3可知，5種反演模型的擬合趨勢(shì)線比較接近，建模集決定系數(shù)R2相差較小，均在0.7左右。同時(shí)，5種模型均通過(guò)了顯著性水平為0.05的F檢驗(yàn)。

圖3 5種模型的擬合結(jié)果Fig.3 Fitting results of five models

表3 鹽地堿蓬地上生物量回歸分析Tab.3 Regression analysis of aboveground biomass of sea grass Suaeda salsa

5種模型精度的比較結(jié)果顯示：指數(shù)模型的R2最高，顯著程度(F值)也較高，但地面尺度和衛(wèi)星尺度上的誤差均較大；對(duì)數(shù)模型R2最低，地面尺度驗(yàn)證集誤差最小，但衛(wèi)星尺度驗(yàn)證集誤差較大，可見(jiàn)該模型穩(wěn)定性欠佳，且對(duì)數(shù)模型在像元TSAVI值低于0.15時(shí)，擬合生物量為負(fù)值，與實(shí)際情況相悖；二次多項(xiàng)式模型F值偏低，說(shuō)明該模型顯著水平不如其他4個(gè)模型，非最優(yōu)模型；冪模型與線性模型的建模集的R2和顯著程度(F值)相對(duì)較高，地面尺度和衛(wèi)星尺度上的誤差均較小，Skill值較高，說(shuō)明這兩種模型具有較好的穩(wěn)定性(表3)。在衛(wèi)星尺度上反演地上生物量時(shí)，難免會(huì)受到混合像元的影響，因此，模型的穩(wěn)定性尤為重要。綜合考慮模型的建模集精度、驗(yàn)證集精度、模型穩(wěn)定性和運(yùn)行效率，以及模型在不同年份(2013年和2018年)的普遍適用性，將線性模型和冪模型作為鹽地堿蓬地上生物量的優(yōu)選模型。

線性模型和冪模型的實(shí)測(cè)值與反演值的二維散點(diǎn)圖如圖4所示。從圖4可見(jiàn)：當(dāng)鹽地堿蓬地上生物量低于200 kg時(shí)，冪模型出現(xiàn)反演值偏高的現(xiàn)象；當(dāng)鹽地堿蓬地上生物量為300～400 kg時(shí)，兩種模型的反演結(jié)果均十分接近1∶1線；當(dāng)鹽地堿蓬地上生物量為400～500 kg時(shí)，冪模型的反演結(jié)果相對(duì)較好；當(dāng)鹽地堿蓬地上生物量大于500 kg時(shí)，線性模型的反演效果較好。由于這兩種模型的建模集R2均達(dá)到了0.7左右(表3)，其中，線性模型的驗(yàn)證集精度高于冪模型，且線性模型的反演結(jié)果相較于冪模型要更接近1∶1回歸線，再結(jié)合模型的計(jì)算效率，可以認(rèn)為基于TSAVI的線性回歸分析模型是反演遼河口濕地鹽地堿蓬群落地上生物量的最優(yōu)模型。

圖4 模型反演值和實(shí)測(cè)值散點(diǎn)圖Fig.4 Scatter diagram of predicted value and measured value

2.3 鹽地堿蓬生物量的變化

基于TSAVI的線性回歸分析模型和鹽地堿蓬生物量異速生長(zhǎng)模型，獲得2018、2019、2020年遼河口濕地鹽地堿蓬群落的總生物量及其時(shí)空分布(表4和圖5)。

2018、2019、2020年，遼河口濕地鹽地堿蓬群落生物量呈現(xiàn)先減少后增長(zhǎng)的趨勢(shì)，鹽地堿蓬的地上生物量遠(yuǎn)大于地下生物量。其中，2019年鹽地堿蓬群落生物量最低，2020年鹽地堿蓬群落生物量最高(表4)。從圖5可見(jiàn)，遼河西岸鹽地堿蓬生物量普遍高于遼河?xùn)|岸，且鹽地堿蓬群落生物量在遼河西岸的鴛鴦溝和三道溝岸段(紅色放大區(qū)域)達(dá)到了峰值。

圖5 2018、2019、2020年遼河口濕地鹽地堿蓬生物量的空間分布Fig.5 Distribution of sea grass Suaeda salsa biomass of Liaohe Estuary wetland in 2018, 2019 and 2020

表4 2018、2019、2020年遼河口濕地鹽地堿蓬的總生物量及碳儲(chǔ)量Tab.4 Biomass and carbon storage of sea grass Suaeda salsa of Liaohe Estuary wetland in 2018, 2019 and 2020

為進(jìn)一步獲得2018、2019、2020年遼河口濕地鹽地堿蓬群落生長(zhǎng)變化，本研究中統(tǒng)計(jì)了這3年遼河口濕地鹽地堿蓬群落面積及單位面積的鹽地堿蓬生物量變化情況(表5)。

從表5可見(jiàn)：遼河口濕地鹽地堿蓬群落的生物量和面積由小到大的年份依次為2019年<2018年<2020年；2019—2020年鹽地堿蓬群落生物量的增長(zhǎng)幅度高于群落面積的增長(zhǎng)幅度，2020年鹽地堿蓬單位面積生物量高于2018年和2019年，鹽地堿蓬生長(zhǎng)較好，2019年遼河口濕地鹽地堿蓬群落生長(zhǎng)最差。

表5 2018、2019、2020年遼河口濕地鹽地堿蓬生物量及面積變化Tab.5 Change in biomass and area of sea grass Suaeda salsa of Liaohe Estuary wetland in 2018, 2019 and 2020

2.4 鹽地堿蓬碳儲(chǔ)量的評(píng)估

2018、2019、2020年遼河口濕地鹽地堿蓬群落碳儲(chǔ)量見(jiàn)表4，其中，鹽地堿蓬的地上部分碳儲(chǔ)量遠(yuǎn)大于地下部分。2018、2019、2020年遼河口濕地鹽地堿蓬群落碳儲(chǔ)量空間分布如圖6所示。

從圖6可見(jiàn)，2018、2019、2020年遼河口濕地鹽地堿蓬群落碳儲(chǔ)量分布與鹽地堿蓬群落生物量分布相同。按照光合作用反應(yīng)式6CO2+6H2O→6O2+C6H12O6，計(jì)算2018、2019、2020年遼河口濕地鹽地堿蓬群落的固碳環(huán)境收益如表6所示。

圖6 2018、2019、2020年遼河口濕地鹽地堿蓬碳儲(chǔ)量的空間分布Fig.6 Spatial distribution of sea grass Suaeda salsa carbon storage of Liaohe Estuary wetland in 2018,2019 and 2020

從表6可見(jiàn)，2018、2019、2020年，鹽地堿蓬群落CO2吸收量合計(jì)8.0×106kg，O2釋放量合計(jì)5.82×106kg。

表6 2018、2019、2020年遼河口濕地鹽地堿蓬固碳環(huán)境收益Tab.6 Environmental benefits of sea grass Suaeda salsa of Liaohe Estuary wetland in 2018,2019 and 2020 by carbon fixation

3 討論

3.1 數(shù)據(jù)的選取

數(shù)據(jù)是開(kāi)展研究的基礎(chǔ)，由于鹽地堿蓬生長(zhǎng)環(huán)境采樣困難，以及近年來(lái)鹽地堿蓬生態(tài)環(huán)境保護(hù)的需要，實(shí)測(cè)數(shù)據(jù)采集較少，2018年僅采集14個(gè)樣本，不能滿(mǎn)足建模集、地面尺度驗(yàn)證集和衛(wèi)星尺度驗(yàn)證集的樣本個(gè)數(shù)需求。因此，建模采用了樣本數(shù)較多的2013年數(shù)據(jù)進(jìn)行模型構(gòu)建和地面尺度精度驗(yàn)證，且考慮到年份的差異，利用2018年的數(shù)據(jù)進(jìn)行衛(wèi)星尺度上的獨(dú)立驗(yàn)證。

雖然反演模型所用樣本數(shù)據(jù)與衛(wèi)星數(shù)據(jù)時(shí)間有一定差距，但研究對(duì)象均為生長(zhǎng)在遼河口濕地的鹽地堿蓬群落，該植被的光譜特性與植被特征并未改變，而且試驗(yàn)方案、試驗(yàn)設(shè)備和采樣人員等條件也基本一致，同時(shí)，HY-1C衛(wèi)星于2018年9月7日發(fā)射成功，必須利用2018年地面實(shí)測(cè)數(shù)據(jù)才能驗(yàn)證衛(wèi)星尺度CZI數(shù)據(jù)的反演精度，因此,不同年份的數(shù)據(jù)可以共同使用，用于不同時(shí)間遼河口濕地鹽地堿蓬群落信息提取。

3.2 鹽地堿蓬生物量的估算

估算鹽地堿蓬生物量可直接反映其生長(zhǎng)狀況、評(píng)價(jià)其碳吸收能力。吳濤等[18]、李微等[19]均實(shí)現(xiàn)了基于Landsat衛(wèi)星遙感數(shù)據(jù)鹽地堿蓬群落生物量的反演，而本研究中則利用HY-1C CZI數(shù)據(jù)，針對(duì)CZI傳感器特點(diǎn)和鹽地堿蓬群落的生長(zhǎng)特性，實(shí)現(xiàn)了鹽地堿蓬群落生物量的估算。本研究顯示，線性回歸分析模型在地面尺度(1 m2)和衛(wèi)星尺度(2 500 m2)均可實(shí)現(xiàn)較好的反演效果，特別是對(duì)生物量低于200 kg的低覆蓋度鹽地堿蓬群落和高于500 kg的高覆蓋度鹽地堿蓬群落，線性模型的生物量估算結(jié)果穩(wěn)定，接近實(shí)測(cè)值，未出現(xiàn)極度飽和情況。

為進(jìn)一步討論鹽地堿蓬生物量的估算精度，針對(duì)Landsat數(shù)據(jù)(2018年9月10日)，基于TSAVI的Landsat 8 OLI鹽地堿蓬地上生物量反演模型[19]并結(jié)合地下生物量模型，獲得2018年遼河口濕地鹽地堿蓬群落總生物量的結(jié)果(圖7)。

圖7 2018年Landsat 8 OLI鹽地堿蓬生物量的空間分布Fig.7 Spatial distribution of sea grass Suaeda salsa biomass of Landsat 8 OLI in 2018

將圖7和圖5中2018年鹽地堿蓬生物量分布對(duì)比發(fā)現(xiàn)，兩種傳感器數(shù)據(jù)反演的遼河口濕地鹽地堿蓬群落總生物量變化趨勢(shì)一致。引起反演值差異的原因主要包括：1)傳感器本身的影響，如空間分辨率、輻射分辨率及光譜分辨率的差異；2)影像獲取時(shí)間的不同；3)混合像元的影響。經(jīng)統(tǒng)計(jì)，OLI數(shù)據(jù)反演總生物量值為2.09×106kg(圖7)，與CZI數(shù)據(jù)的1.99×106kg(表5)相比略高，但基本一致。分析原因可能是，鹽地堿蓬成熟期為9月，而HY-1C于2018年9月7日發(fā)射升空，根據(jù)鹽地堿蓬生長(zhǎng)季并結(jié)合采樣時(shí)間、衛(wèi)星過(guò)境時(shí)間和云覆蓋情況等，本研究中選擇2018年10月2日的CZI數(shù)據(jù)，比2018年OLI數(shù)據(jù)晚了近1個(gè)月，鹽地堿蓬群落已由成熟期開(kāi)始衰落。因此，本研究中提出的算法和結(jié)論可靠有效，HY-1C CZI數(shù)據(jù)可以用來(lái)估算遼河口濕地鹽地堿蓬群落生物量。

本研究中，2018、2019、2020年遼河口濕地鹽地堿蓬群落生物量總量呈現(xiàn)先減少后增長(zhǎng)的趨勢(shì)，鹽地堿蓬群落生物量的增長(zhǎng)幅度高于群落面積的增長(zhǎng)幅度。遼河西岸鹽地堿蓬生物量普遍高于遼河?xùn)|岸，遼河西岸的鴛鴦溝和三道溝岸段生長(zhǎng)最好。2020年鹽地堿蓬單位面積平均生物量高于2018年和2019年，鹽地堿蓬生長(zhǎng)較好。2019年遼河口濕地鹽地堿蓬群落生長(zhǎng)較差，經(jīng)查閱資料發(fā)現(xiàn)，遼河口濕地盤(pán)錦市地區(qū)在這一時(shí)期受到了臺(tái)風(fēng)“利奇馬”的影響，地區(qū)降水陡增，經(jīng)統(tǒng)計(jì)，2019年8月10—16日遼河口濕地區(qū)域累計(jì)降水201.9 mm，相比2018年同期增長(zhǎng)175.8%。強(qiáng)降水或風(fēng)暴潮的影響使得濕地土壤處于滯水狀態(tài)，降低了濕地土壤供給營(yíng)養(yǎng)元素的能力，從而影響了鹽地堿蓬生長(zhǎng)[26]。

3.3 鹽地堿蓬群落的固碳收益

鹽地堿蓬利用光合作用提高鹽地堿蓬群落生態(tài)系統(tǒng)的碳吸收和儲(chǔ)存能力，從而減少二氧化碳在大氣中的濃度，具有碳匯功能。本研究中，基于實(shí)測(cè)的鹽地堿蓬的地上部分(莖和葉)和地下部分(根)的含碳率(分別為28.8%、39.44%)，發(fā)現(xiàn)單位質(zhì)量的根的碳儲(chǔ)量高于莖和葉，但由于鹽地堿蓬的莖和葉的生物量遠(yuǎn)大于根，因此，鹽地堿蓬群落地上部分碳儲(chǔ)量遠(yuǎn)高于地下部分，即鹽地堿蓬的地上部分為主要儲(chǔ)碳部分。基于光合作用反應(yīng)式，在鹽地堿蓬群落碳儲(chǔ)量估算值的基礎(chǔ)上，評(píng)估了遼河口濕地鹽地堿蓬群落2018—2020年的固碳環(huán)境收益為CO2吸收量合計(jì)為8×106kg，O2釋放量合計(jì)為5.82×106kg(表6)。按照火力發(fā)電廠發(fā)1度電需要消耗400 g標(biāo)準(zhǔn)煤，同時(shí)排放997 g CO2計(jì)算，遼河口濕地鹽地堿蓬群落2018、2019、2020年吸收的CO2量，相當(dāng)于火力發(fā)電廠發(fā)220、150、430萬(wàn)度電的CO2排放量，相當(dāng)于每年節(jié)約了880、600、1 720 t的標(biāo)準(zhǔn)煤[27]，由此可見(jiàn)，遼河口濕地鹽地堿蓬群落具有較高的生態(tài)效益和一定的經(jīng)濟(jì)效益。

本研究表明，HY-1C CZI數(shù)據(jù)可以有效地用于鹽地堿蓬碳儲(chǔ)量評(píng)估研究，在一定程度上彌補(bǔ)了CZI數(shù)據(jù)在鹽地堿蓬碳儲(chǔ)量研究方面的空白，但由于HY-1C CZI數(shù)據(jù)的空間分辨率較低，會(huì)對(duì)鹽地堿蓬生物量反演模型的效果和精度造成一定影響，后續(xù)研究中應(yīng)思考如何解決混合像元的問(wèn)題以提高模型精度。此外，鹽地堿蓬為一年生的鹽生植被，每年4月份進(jìn)入生長(zhǎng)季，6—7月份為生長(zhǎng)季旺盛期，并于9月份達(dá)到峰值，本研究中選擇其生長(zhǎng)狀況最佳的9月份數(shù)據(jù)僅對(duì)遼河口濕地鹽地堿蓬群落進(jìn)行以年為尺度的碳儲(chǔ)量評(píng)估，在后續(xù)研究中還需補(bǔ)充數(shù)據(jù)以評(píng)估不同季節(jié)鹽地堿蓬的碳儲(chǔ)量。

4 結(jié)論

本研究中基于模擬HY-1C CZI數(shù)據(jù)的TSAVI指數(shù)，建立針對(duì)HY-1C CZI數(shù)據(jù)的遼河口濕地鹽地堿蓬群落地上生物量反演模型，利用鹽地堿蓬異速生長(zhǎng)模型估算鹽地堿蓬地下生物量，并結(jié)合衛(wèi)星數(shù)據(jù)，估算2018、2019、2020年遼河口濕地鹽地堿蓬群落的總生物量，進(jìn)而評(píng)估鹽地堿蓬群落的年碳儲(chǔ)量。得到結(jié)論如下：

1)基于TSAVI的線性模型具有較好的穩(wěn)定性和不同年份的普遍適用性，該模型反演鹽地堿蓬地上生物量效果最佳。

2)鹽地堿蓬的地上生物量占總生物量比例較大，占比約為85%；2018、2019、2020年鹽地堿蓬群落生物量和面積均呈先減少后增長(zhǎng)的趨勢(shì)，遼河西岸鹽地堿蓬群落生物量普遍高于遼河?xùn)|岸，且在鴛鴦溝和三道溝岸段達(dá)到了峰值；其中，2019年鹽地堿蓬群落生長(zhǎng)較差，主要是由于2019年臺(tái)風(fēng)“利奇馬”過(guò)境帶來(lái)了強(qiáng)降水，導(dǎo)致鹽地堿蓬群落面積和生物量大幅減少。

3)利用HY-1C CZI數(shù)據(jù)評(píng)估鹽地堿蓬的碳儲(chǔ)量是可行的，2018、2019、2020年遼河口濕地鹽地堿蓬群落總碳儲(chǔ)量分布與鹽地堿蓬生物量分布趨勢(shì)一致，鹽地堿蓬的地上部分為主要儲(chǔ)碳部分。3年來(lái),鹽地堿蓬群落吸收了大量的CO2并釋放O2，可見(jiàn)鹽地堿蓬具有較高的固碳效益。

致謝：感謝所有參加地面數(shù)據(jù)采集的工作人員，感謝國(guó)家衛(wèi)星海洋應(yīng)用中心提供的數(shù)據(jù)支持！