孟寶平，陳思宇，崔 霞，馮琦勝，梁天剛

(1.草地農(nóng)業(yè)生態(tài)系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室 蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，甘肅 蘭州 730020；2.蘭州大學(xué)西部環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室 蘭州大學(xué)資源與環(huán)境學(xué)院，甘肅 蘭州730000)

MENG Bao-ping1, CHEN Si-yu1, CUI Xia2, FENG Qi-sheng1, LIANG Tian-gang1

(1.State Key Laboratory of Grassland Agro-ecosystems, College of Pastoral Agriculture Science and Technology, Lanzhou University, Lanzhou 730020, China;2.Key Laboratory of Western China’s Environmental Systems(Ministry of Education), College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China)

基于多源遙感數(shù)據(jù)的高寒草地生物量反演模型精度
——以夏河縣桑科草原試驗(yàn)區(qū)為例

孟寶平1，陳思宇1，崔 霞2，馮琦勝1，梁天剛1

(1.草地農(nóng)業(yè)生態(tài)系統(tǒng)國家重點(diǎn)實(shí)驗(yàn)室 蘭州大學(xué)草地農(nóng)業(yè)科技學(xué)院，甘肅 蘭州 730020；2.蘭州大學(xué)西部環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室 蘭州大學(xué)資源與環(huán)境學(xué)院，甘肅 蘭州730000)

基于MODIS、Landsat-8 OLI和HJ-1A/1B CCD衛(wèi)星遙感資料，結(jié)合2013-2014年甘南州夏河縣?？撇菰囼?yàn)區(qū)野外實(shí)測數(shù)據(jù)，建立了高寒草地地上生物量遙感反演模型，篩選出基于不同遙感資料植被指數(shù)的生物量最優(yōu)反演模型，比較分析了生物量最優(yōu)模型的空間效應(yīng)。同時(shí)，分析了2000-2013年基于MODIS植被指數(shù)估算的試驗(yàn)區(qū)產(chǎn)草量的年際變化特征。結(jié)果表明，草地生物量最優(yōu)反演模型為基于Landsat-8 OLI NDVI數(shù)據(jù)的對數(shù)模型(y=727.54lnx1+495.23，R2=0.772，RMSE=31.333 kg DM·hm-2)；在30和250 m空間分辨率下，基于MODIS NDVI及EVI、Landsat-8 OLI NDVI和HJ-1A/1B CCD NDVI最優(yōu)模型估算的生物量均高于實(shí)測生物量，其中Landsat-8 OLI NDVI數(shù)據(jù)估算的草地生物量與實(shí)測生物量值最接近；2000-2013年試驗(yàn)區(qū)草地總生物量整體上具有顯著增加的趨勢(R2=0.590 7，P<0.001)，平均增加速率達(dá)50.57 kg DM·hm-2·a-1。

遙感資料；生物量反演模型；精度驗(yàn)證；生物量變化

MENG Bao-ping1, CHEN Si-yu1, CUI Xia2, FENG Qi-sheng1, LIANG Tian-gang1

(1.State Key Laboratory of Grassland Agro-ecosystems, College of Pastoral Agriculture Science and Technology, Lanzhou University, Lanzhou 730020, China;2.Key Laboratory of Western China’s Environmental Systems(Ministry of Education), College of Earth and Environmental Sciences, Lanzhou University, Lanzhou 730000, China)

草地是陸地上最大的生態(tài)系統(tǒng)，約占全球陸地總面積的24%，是全球生態(tài)環(huán)境的重要屏障[1]。我國草地總面積約為392.83萬km2，占我國陸地面積的41.7%[2]。草地具有調(diào)節(jié)氣候、保護(hù)生物多樣性、水土保持和維護(hù)生態(tài)平衡等生態(tài)服務(wù)功能[3]；同時(shí)，在發(fā)展畜牧業(yè)和促進(jìn)牧區(qū)經(jīng)濟(jì)發(fā)展方面均有重大的作用[4]。

草地生物量是草地生長狀況和生態(tài)環(huán)境評價(jià)的重要指標(biāo)之一[5]。準(zhǔn)確地估測草地生物量一直是從事草地畜牧業(yè)研究人員不懈探索的目標(biāo)[6]，同時(shí)也是研究草地碳循環(huán)的基本出發(fā)點(diǎn)[7-8]。經(jīng)過幾十年的傳承和延續(xù)，草地生物量估測有了長足的發(fā)展，從最初僅靠樣方調(diào)查的傳統(tǒng)模式到現(xiàn)在結(jié)合3S技術(shù)的監(jiān)測模式，草地生物量的監(jiān)測更為準(zhǔn)確[9]。遙感是3S技術(shù)的重要數(shù)據(jù)來源，具有宏觀、快速、經(jīng)濟(jì)、信息量大、對草地破壞小等特點(diǎn)[10]，能夠客觀、及時(shí)地對大范圍草地生長狀況進(jìn)行監(jiān)測[11-12]。因此，利用衛(wèi)星遙感資料獲取陸地表面草地植被生物量信息，模擬、分析和評價(jià)草地資源現(xiàn)狀，對畜牧業(yè)生產(chǎn)和牧區(qū)可持續(xù)發(fā)展具有重要的意義[13-14]。

自20世紀(jì)80年代以來，國內(nèi)外學(xué)者在利用遙感數(shù)據(jù)估測草地生物量方面已開展了很多研究工作，隨著科技的發(fā)展，可用于草地監(jiān)測的遙感衛(wèi)星不斷增加，多種遙感數(shù)據(jù)已被廣泛使用。除多等[15]利用每月兩次的野外調(diào)查資料及對應(yīng)的中分辨率成像光譜儀(Moderate Resolution Imaging Spectroradiometer，MODIS)植被指數(shù)，以GIS空間數(shù)據(jù)處理技術(shù)和統(tǒng)計(jì)分析方法為手段，建立了西藏高寒草甸、高寒草原和溫性草原3種典型草地類型的地上生物量遙感估算模型。Yu等[16]利用中分辨率MODIS NDVI和地理空間數(shù)據(jù)研究了青海省果洛州草地生物量和載畜量。任安才[17]利用TM遙感影像計(jì)算的植被指數(shù)反演川西北理塘草地植被生物量，結(jié)果表明，TM RVI能夠很好地反演草地植被的生物量。Fu等[18]利用MODIS NDVI和總初級生產(chǎn)力產(chǎn)品估測了四川省的草地生物量，發(fā)現(xiàn)改進(jìn)的植被指數(shù)對草地生物量的估測精度高達(dá)85.6%。楊飛等[19]比較分析了HJ-1A CCD和TM數(shù)據(jù)，發(fā)現(xiàn)HJ-1A CCD NDVI估算我國北方草地LAI和生物量的精度明顯優(yōu)于TM NDVI。由此可見，隨著遙感技術(shù)的發(fā)展，用以研究草地生物量的衛(wèi)星遙感資料較多，這為監(jiān)測草地植被生物量及其變化趨勢提供了重要基礎(chǔ)。然而，在同一地區(qū)基于不同遙感資料所建立的生物量反演模型精度存在較大的差異。因此，在生物量反演模型的建立方面還存在著選用哪種遙感資料，選取哪種植被指數(shù)等問題[20]。同時(shí)，眾多研究表明，較高分辨率的遙感資料反演的草地生物量較中低分辨率遙感資料精度高，但對這種差別僅限于定性的描述，對不同空間分辨率的遙感資料估算生物量的精度差異的研究卻鮮有報(bào)道。

基于以上原因，本項(xiàng)研究利用HJ-A/B CCD和Landsat-8 OLI的NDVI數(shù)據(jù)及MODIS的NDVI、EVI數(shù)據(jù)，結(jié)合地面實(shí)測資料，構(gòu)建夏河縣試驗(yàn)區(qū)草地地上生物量反演模型，并利用決定系數(shù)、均方根誤差(Root-Mean-Square Error，RMSE)、絕對誤差及相對誤差等指標(biāo)分析模型的精度，確定試驗(yàn)區(qū)草地生物量最優(yōu)遙感反演模型。在0.5、1、30和250 m不同的空間分辨率下，比較分析基于不同遙感資料最優(yōu)模型反演的生物量與真實(shí)生物量之間的差異。此外，基于2000-2013年MODIS遙感資料和相應(yīng)的最優(yōu)模型，反演并分析2000-2013年草地生物量及其動態(tài)變化，以期為更加科學(xué)有效地監(jiān)測草地植被提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

夏河縣試驗(yàn)區(qū)位于該縣桑科鄉(xiāng)央吉社區(qū)(圖1)，地理位置為102°23′-102°26′ E，35°05′-35°07′ N，試驗(yàn)區(qū)總面積約1.61 km2，南北長約3.86 km，東西長約2.77 km，平均海拔3 050 m。根據(jù)試驗(yàn)?zāi)康牟煌?，將試?yàn)區(qū)劃分為5個(gè)樣區(qū)，具體如下：1號樣區(qū)進(jìn)行補(bǔ)播試驗(yàn)，面積約19.38 hm2，為天然草地人工改良區(qū)；2號樣區(qū)為放牧利用試驗(yàn)地，主要進(jìn)行天然草地合理利用技術(shù)集成創(chuàng)新與示范，面積約16.06 hm2；3號樣區(qū)為試驗(yàn)的對照組，面積約7.52 hm2；4號樣區(qū)為封育草地，為優(yōu)質(zhì)飼草生產(chǎn)技術(shù)集成創(chuàng)新與示范區(qū)，面積約19.30 hm2；5號樣區(qū)為人工施肥試驗(yàn)地，是草-畜高效轉(zhuǎn)化關(guān)鍵技術(shù)集成創(chuàng)新與示范區(qū)，主要開展天然畜產(chǎn)品生產(chǎn)加工技術(shù)與營銷模式集成與示范研究，面積在5個(gè)樣區(qū)中最大，約為99.10 hm2，占總試驗(yàn)區(qū)面積的61.55%。試驗(yàn)區(qū)天然草地類型為高寒草甸，優(yōu)勢植物種為垂穗披堿草(Elymusnutans)。放牧家畜以牦牛、甘加羊?yàn)橹?。試?yàn)區(qū)屬大陸性高原溫帶季風(fēng)氣候，年平均氣溫2.1 ℃，年均降水量為580 mm。

1.2 地面實(shí)測資料

野外實(shí)測數(shù)據(jù)的采集時(shí)間為2013年8月5-13日和2014年7月27日-8月1日，試驗(yàn)區(qū)樣點(diǎn)分布如圖1所示，共布設(shè)了90個(gè)樣點(diǎn)，樣方大小為0.5 m×0.5 m。采樣記錄的內(nèi)容包括草地植被葉面積指數(shù)、植被蓋度、草層高度、草地地上部分生物量鮮重及經(jīng)64℃烘箱中烘干至恒重后的草地地上生物量干重等指標(biāo)。其中，葉面積指數(shù)通過LAI 2000植物冠層分析儀獲得，草地植被蓋度通過農(nóng)業(yè)多光譜照相機(jī)(Agricultural Digital Camera，ADC)采集的草地樣方相片經(jīng)過處理和計(jì)算獲得。另外，在試驗(yàn)區(qū)內(nèi)采集了20個(gè)地面控制點(diǎn)(Ground Control Point，GCP)，記錄內(nèi)容為經(jīng)度、緯度和高程等信息，用于衛(wèi)星影像的幾何精校正。

圖1 夏河縣試驗(yàn)區(qū)地理位置、草地類型及Landsat-8 真彩色合成影像

1.3 MODIS植被指數(shù)數(shù)據(jù)預(yù)處理

植被指數(shù)數(shù)據(jù)選用美國國家宇航局MOD13Q1產(chǎn)品的16 d最大合成NDVI和EVI，時(shí)間為2000年1月至2013年12月，空間分辨率為250 m，軌道號為h26v05，共計(jì)336景影像。為了分析草地生物量的月季和年際變化特征，本項(xiàng)研究使用最大值合成方法(Maximum Value Composition，MVC)，合成了2000-2013年的月最大NDVI和增強(qiáng)型植被指數(shù)(Enhanced Vegetation Index，EVI)及年最大EVI數(shù)據(jù)(MEVI)。

具體處理包括以下主要步驟：1)利用MODIS數(shù)據(jù)重投影工具(MODIS Reprojection Tools，MRT)，對MODIS數(shù)據(jù)進(jìn)行轉(zhuǎn)格式和定義投影。將HDF文件轉(zhuǎn)為TIF格式，定義投影為WGS84；2)在ArcMap中將TIF轉(zhuǎn)換為GRID格式，使用ArcInfo工作站將投影轉(zhuǎn)為Albers Krasovsky，空間分辨率定義為250 m。在ArcMap下，利用Cell Statistics工具分別得到2000-2013年每年的MEVI和8月份的月最大合成EVI和NDVI數(shù)據(jù)，并分別提取與90個(gè)地面采樣點(diǎn)對應(yīng)的月最大合成EVI和NDVI值。

1.4 Landsat-8 OLI和HJ-1A/1B CCD數(shù)據(jù)處理及植被指數(shù)的計(jì)算

Landsat-8 OLI數(shù)據(jù)來源于美國地質(zhì)勘探局網(wǎng)站，本項(xiàng)研究下載了覆蓋夏河縣試驗(yàn)區(qū)2013年8月8日和2014年7月26日的Landsat-8 OLI的2景衛(wèi)星影像；HJ-1A/1B CCD數(shù)據(jù)來源于中國資源衛(wèi)星應(yīng)用中心(網(wǎng)址http://www.cresda.com/n16/index.html)，選取2013年8月和2014年7月覆蓋整個(gè)試驗(yàn)區(qū)且整體云量在5%以下的影像各1景(表1)。

OLI和CCD數(shù)據(jù)均在ENVI 5.0軟件中進(jìn)行處理，利用Radiometric Calibration模塊、Registration下的Image to Image模塊和FLAASH Atmospheric Correction模塊對OLI和CCD影像分別進(jìn)行輻射定標(biāo)、幾何精校正和大氣校正，并將影像投影定義為WGS_1984_UTM_ZONE_47N，利用Mosaicking模塊對Landsat-8 OLI影像進(jìn)行拼接處理，利用Band Math模塊計(jì)算Landsat-8 OLI和HJ-1A/1B CCD的NDVI值，并提取與地面采樣點(diǎn)對應(yīng)像素的NDVI值。

表1 Landsat-8 OLI和HJ-1A/1B CCD數(shù)據(jù)列表

1.5 生物量反演模型的建立及精度評價(jià)

將夏河縣試驗(yàn)區(qū)地面實(shí)測的90個(gè)樣點(diǎn)的生物量干重?cái)?shù)據(jù)作為因變量，將HJ-1A/1B NDVI、Landsat-8 OLI NDVI、MODIS NDVI和MODIS EVI分別作為自變量，利用SPSS軟件分別建立Landsat-8 OLI NDVI、HJ-1A/1B NDVI和MODIS13Q1 NDVI及EVI的線性、指數(shù)、對數(shù)和乘冪4類回歸模型。采用均方根誤差 (Root-Mean-Square Error，RMSE)和決定系數(shù)(R2)分析模型的精度，選取生物量的最優(yōu)反演模型。RMSE的數(shù)值越低，表明回歸模型越精確[21]；R2越接近于1，表示模型的參考價(jià)值越高。

此外，由于試驗(yàn)區(qū)面積較小，樣區(qū)內(nèi)草地生長狀況比較均一，因此，本研究使用試驗(yàn)區(qū)內(nèi)各樣區(qū)所有樣點(diǎn)生物量的平均值分別計(jì)算出5個(gè)樣區(qū)的總生物量作為真值，將基于不同遙感資料的生物量反演模型計(jì)算的結(jié)果作為反演值，分別計(jì)算絕對誤差和相對誤差，評價(jià)不同模型對整個(gè)試驗(yàn)區(qū)及5個(gè)樣區(qū)的總生物量估測精度。絕對誤差和相對誤差的計(jì)算公式為：

Δ=|x-l|

(1)

δ=(Δ/l)×100%

(2)

式(1)、(2)中，Δ表示某一樣區(qū)生物量的絕對誤差，x表示模型計(jì)算的總生物量，l表示依據(jù)地面實(shí)測點(diǎn)計(jì)算的總生物量，δ表示相對誤差(%)。

1.6 生物量反演模型的空間尺度效應(yīng)評價(jià)

為了比較分析基于不同遙感資料的生物量反演模型的空間尺度效應(yīng)，本研究對Landsat-8 OLI NDVI和HJ-1A/1B NDVI數(shù)據(jù)進(jìn)行了升尺度處理，重采樣為250 m空間分辨率；對MODIS13Q1 NDVI和EVI數(shù)據(jù)進(jìn)行了降尺度處理，重采樣為30 m空間分辨率。利用建立的最優(yōu)草地生物量模型，分別計(jì)算整個(gè)試驗(yàn)區(qū)在30和250 m空間分辨率的平均生物量，利用試驗(yàn)區(qū)草地樣方觀測值計(jì)算的平均生物量作為真實(shí)生物量，計(jì)算反演值與真實(shí)值之間的平均誤差，評價(jià)不同模型反演生物量的空間尺度效應(yīng)。其誤差計(jì)算公式為：

(3)

式(3)中，xi、yi分別表示實(shí)測草地生物量和反演的草地生物量；n表示樣本總數(shù)。當(dāng)P<0時(shí)，估算的生物量值小于真實(shí)值，為負(fù)向誤差；當(dāng)P>0時(shí)，估算的生物量值大于真實(shí)值，為正向誤差。

1.7 草地生物量動態(tài)變化分析

由于Landsat-8 OLI 和HJ-1A/1B CCD的衛(wèi)星影像受過境時(shí)間和云量的限制，無法獲得長時(shí)間序列的高質(zhì)量影像，因此，本研究根據(jù)試驗(yàn)區(qū)草地生物量反演模型精度評價(jià)的結(jié)果，選取基于MODIS植被指數(shù)的生物量最優(yōu)生反演模型和2000-2013年間使用MVC方法合成的MEVI數(shù)據(jù)，反演了2000-2013年試驗(yàn)區(qū)草地植被生長季最大生物量，分析了14年來整個(gè)試驗(yàn)區(qū)及5塊樣區(qū)草地生長季最大生物量的變化趨勢。

2 結(jié)果與分析

2.1 試驗(yàn)區(qū)草地生物量遙感反演模型構(gòu)建

根據(jù)基于HJ-1A/1B NDVI、Landsat-8 OLI NDVI和MODIS NDVI、EVI和試驗(yàn)區(qū)實(shí)測草地地上生物量干重建立的回歸模型(表2)可知，在4種遙感植被指數(shù)模型中，Landsat-8 OLI NDVI的線性(R2=0.756)、乘冪(R2=0.765)、指數(shù)(R2=0.747)和對數(shù)(R2=0.772)模型的決定系數(shù)均高于其他遙感資料，而RMSE較其他遙感資料低；HJ-1A/1B CCD NDVI模型的決定系數(shù)高于MODIS EVI，低于Landsat-8 OLI NDVI，RMSE介于MODIS EVI和Landsat-8 OLI NDVI之間；MODIS EVI模型的決定系數(shù)高于MODIS NDVI，RMSE低于MODIS NDVI。MODIS NDVI模型的決定系數(shù)最低，RMSE最高，說明該模型精度最差。從同一種衛(wèi)星資料來看，Landsat-8 OLI NDVI對數(shù)模型決定系數(shù)最高，在α=0.01時(shí)，相關(guān)性呈極顯著水平，但RMSE略高于線性、乘冪和指數(shù)模型；HJ-1A/1B CCD NDVI和MODIS EVI、NDVI的乘冪模型決定系數(shù)均高于其線性、指數(shù)和對數(shù)模型，同時(shí)，三者的對數(shù)模型的RMSE均小于其線性、指數(shù)和乘冪模型。由此可見，基于Landsat-8 OLI NDVI的對數(shù)模型是反演試驗(yàn)區(qū)草地生物量的最優(yōu)模型為(式4):

表2 基于不同植被指數(shù)的夏河縣試驗(yàn)區(qū)草地生物量回歸模型

注：*，P<0.05，**，P<0.01.

y1=727.54lnx1+495.23

(4)

其中，y1表示基于Landsat-8 OLI NDVI數(shù)據(jù)反演的生物量(g DM·m-2)；x1表示Landsat-8 OLI NDVI。

基于HJ-1A/1B CCD NDVI、MODIS EVI和 NDVI資料的最優(yōu)模型為：

y2=690.07x21.65

(5)

y3=505.25x31.04

(6)

y4=365.92x41.65

(7)

其中，y2、y2、y4分別表示基于HJ-1A/1B CCD NDVI、MODIS EVI和 NDVI數(shù)據(jù)反演的生物量；x2、x3和x4分別表示HJ-1A/1B CCD NDVI、MODIS EVI和 NDVI。

2.2 生物量反演模型的精度驗(yàn)證

對整個(gè)試驗(yàn)區(qū)而言，Landsat-8 OLI NDVI對數(shù)模型反演的2014年7月末整個(gè)試驗(yàn)區(qū)總生物量的絕對誤差和相對誤差均最小，分別為0.25萬kg和0.62%(表3)；其次為基于HJ-1A/1B CCD NDVI乘冪模型的反演結(jié)果，其絕對誤差為0.32萬kg，相對誤差為0.80%；MODIS EVI乘冪模型反演結(jié)果介于HJ-1A/1B CCD NDVI和MODIS NDVI乘冪模型之間，其相對誤差和絕對誤差分別為2.42萬kg和6.06%；MODIS NDVI乘冪模型反演的結(jié)果誤差最大，絕對誤差和相對誤差分別達(dá)2.59萬kg和6.46%。就5個(gè)樣區(qū)而言，基于MODIS EVI和NDVI估算的5個(gè)樣區(qū)生物量的絕對誤差和相對誤差相近，基于MODISNDVI估算的生物量的絕對誤差和相對誤差除2號樣區(qū)小于MODIS EVI的模型以外，其他樣區(qū)均大于MODIS EVI，其反演的整個(gè)試驗(yàn)區(qū)總生物量相對誤差較MODIS EVI大，二者之間差值為0.4百分點(diǎn)；Landsat-8 OLI NDVI和HJ-1A/1B CCD NDVI反演的生物量誤差相近，其相對誤差和絕對誤差在2號樣區(qū)和3號樣區(qū)大于HJ-1A/1B CCD NDVI，其他樣區(qū)均小于HJ-1A/1B CCD NDVI，整個(gè)試驗(yàn)區(qū)生物量相對誤差較HJ-1A/1B CCD NDVI小0.18百分點(diǎn)。因此，在4類遙感反演模型中，基于Landsat-8 OLI NDVI的草地生物量干重模型的反演結(jié)果最接近實(shí)際情況。這與基于R2和RMSE評價(jià)指標(biāo)得到的結(jié)果一致。

表3 基于不同遙感資料反演的夏河縣?？撇菰囼?yàn)區(qū)草地生物量的精度評價(jià)結(jié)果

2.3 草地生物量反演的空間尺度效應(yīng)分析

從4種生物量遙感反演模型(式4-式7)計(jì)算的草地生物量的誤差(表4)可以看出，Landsat-8 OLI NDVI、HJ-1A/1B CCD NDVI和MODIS NDVI及EVI反演模型估算的生物量在30和250 m空間分辨率下均高估了試驗(yàn)區(qū)的草地生物量(2014年7月末試驗(yàn)區(qū)平均生物量為2 783.0 kg DM·hm-2)，并且空間分辨率30 m升尺度為250 m的Landsat-8 OLI NDVI估算的生物量誤差小于HJ-1A/1B CCD NDVI和MODIS 植被指數(shù)在相應(yīng)空間分辨率下估算的生物量誤差。無論是將Landsat-8 OLI NDVI和HJ-1A/1B CCD NDVI升尺度為250 m分辨率，還是將MODIS EVI和NDVI降尺度為30 m分辨率，其估算值與真實(shí)值之間的誤差均表現(xiàn)出增加趨勢。其中，Landsat-8OLINDVI和HJ-1A/1B CCD NDVI升尺度為250 m空間分辨率后估算的生物量誤差分別增加69.59和78.56 kg DM·hm-2，而MODIS NDVI和EVI降尺度為30 m空間分辨率后估算的生物量誤差分別增加37.26和25.38 kg DM·hm-2。

表4 基于不同遙感資料反演的夏河縣試驗(yàn)區(qū)草地生物量在不同空間分辨率上誤差估算

2.4 試驗(yàn)區(qū)草地生物量動態(tài)變化特征

圖2反映了基于MODIS EVI乘冪模型估算的2000-2013年試驗(yàn)區(qū)和各樣區(qū)草地生長季最大生物量的年際變化趨勢，統(tǒng)計(jì)分析結(jié)果表明，2000-2013年試驗(yàn)區(qū)草地長勢變化比較劇烈，草地生物量整體上呈極顯著的增加趨勢(R2=0.590 7，P<0.001)，尤其是在2000-2007年間試驗(yàn)區(qū)草地生長季最大生物量增加趨勢更加明顯(R2=0.949 8，P<0.001)。其中，2000年試驗(yàn)區(qū)草地植被生長狀況最差，試驗(yàn)區(qū)總生物量最低，為34.33萬kg。2012年生長季最大生物量達(dá)到14年來最大值，為47.67萬kg。

在5個(gè)樣區(qū)中，1號樣區(qū)最大生物量在2000-2013年間無顯著變化趨勢。2000-2013年2號樣區(qū)的生物量呈現(xiàn)出顯著的增加趨勢(R2=0.377 1，P<0.05)。其中，在2001年的草地產(chǎn)量最低，為2.66萬kg；2010年的草地總產(chǎn)量最高，達(dá)3.95萬kg。3號樣區(qū)在14年間呈極顯著增加趨勢(R2=0.778 6，P<0.001)，草地總生物量在2001年最低(1.41萬kg)，2008年最高(1.93萬kg)。4和5號樣區(qū)草地生長季最大生物量變化情況和整個(gè)試驗(yàn)區(qū)的變化趨勢相似。4號樣區(qū)草地總生物量在2001年最低(3.98萬kg)，5號樣區(qū)草地總生物量在2000年最低(21.75萬kg)，兩個(gè)樣區(qū)草地生物量均在2012年達(dá)最大值，分別為5.85萬和31.69萬kg；14年來整體呈極顯著增加趨勢，R2分別為0.589 5和0.587 7。

3 討論

草地生物量反演模型的精度不僅受地面采樣點(diǎn)大小、數(shù)量及其代表性的影響，同時(shí)受衛(wèi)星圖像時(shí)空分辨率、傳感器視角位置、圖像增強(qiáng)、輻射校正和光譜校正方法等多種因素影響[22]。在本研究中，雖然篩選出?？撇菰囼?yàn)區(qū)的草地生物量遙感監(jiān)測最優(yōu)模型，但是由于地面采樣時(shí)間的限制(僅為2013年和2014年)，該反演模型仍然存在一定的誤差及不確定性。在今后研究中，可以考慮增加樣點(diǎn)數(shù)量和觀測時(shí)間，利用無人機(jī)遙感技術(shù)等方法解決地表樣點(diǎn)觀測的范圍與對應(yīng)的衛(wèi)星圖像像素大小之間的空間匹配問題，進(jìn)一步提高遙感反演模型的精度[23-24]。

圖2 夏河縣試驗(yàn)區(qū)2000-2013年各樣區(qū)草地生物量變化

尺度效應(yīng)的研究結(jié)果表明，空間分辨率較高(30 m)的Landsat-8和HJ-1A/1B NDVI數(shù)據(jù)估算的生物量誤差(15.8和20.49 kg DM·hm-2)遠(yuǎn)小于空間分辨率較低(250 m)的MODIS NDVI和EVI的估算誤差(118.02和119.48 kg DM·hm-2)；在縮放比例相同的條件下，Landsat-8和HJ-1A/1B CCD NDVI升尺度引起的誤差值的變化幅度較大，但整體而言其誤差小于MODIS NDVI和EVI估算的生物量誤差及其降尺度后的誤差。由此可以推斷，在升尺度和降尺度系數(shù)相同條件下，空間分辨率較高的遙感資料及其升尺度后估算的生物量誤差遠(yuǎn)小于空間分辨率較低的遙感資料及其降尺度后估算的生物量誤差。升尺度過程中誤差增加的幅度遠(yuǎn)大于降尺度過程，這說明影響空間效應(yīng)變化的因素不僅僅和草地生物量反演模型和高低分辨率的植被指數(shù)之間的尺度效應(yīng)有關(guān)，還和植被指數(shù)自身存在的空間異質(zhì)性有一定的關(guān)系。這個(gè)結(jié)論與劉云良[25]對錫林浩特草原葉面積指數(shù)遙感空間效應(yīng)的研究結(jié)果一致。遙感影像分辨率越高，其對應(yīng)的植被指數(shù)空間異質(zhì)性越大，升尺度過程中誤差增大的趨勢就越大，反之則誤差增大的趨勢減小。

本研究表明，基于Landsat-8 OLI的遙感數(shù)據(jù)可較好地反演高寒牧區(qū)草地生物量，與美國Terra及Aqua衛(wèi)星攜帶的MODIS遙感數(shù)據(jù)相比，Landsat-8 OLI衛(wèi)星數(shù)據(jù)具有更高的空間分辨率，與我國環(huán)境減災(zāi)衛(wèi)星遙感數(shù)據(jù)相比，Landsat-8 OLI陸地成像儀波段多達(dá)9個(gè)，并且包含了一個(gè)15 m分辨率、成像范圍為185 km×185 km的全色波段。與ETM+相比，不僅包括了ETM+所有波段，而且在Band 5波段排除了0.825 μm處的水汽吸收影響，從而避免了大氣吸收特征的干擾。此外，OLI新增藍(lán)色波段 (Band 1，0.433-0.453 μm)和短波紅外波段(Band 9，1.360-1.390 μm)可分別用于海岸帶觀測和云檢測，并且OLI的近紅外波段(Band 5)和短波紅外波段(Band 9)與MODIS對應(yīng)的波段接近，能夠與基于MODIS長時(shí)間序列數(shù)據(jù)的相關(guān)研究相結(jié)合，開展草地植被的遙感監(jiān)測。因此，Landsat-8 OLI衛(wèi)星數(shù)據(jù)在我國草地監(jiān)測研究和應(yīng)用方面必將具有廣闊的前景。

4 結(jié)論

本研究基于MODIS、HJ-A/B CCD和Landsat-8 OLI等遙感資料，建立了夏河縣試驗(yàn)區(qū)草地生物量反演模型，篩選出基于不同遙感資料的生物量遙感反演最優(yōu)模型，對試驗(yàn)區(qū)不同遙感反演模型模擬的草地單產(chǎn)和總產(chǎn)量與實(shí)測產(chǎn)草量精度進(jìn)行了驗(yàn)證。結(jié)果表明，在4種遙感反演模型中，Landsat-8 OLI NDVI的對數(shù)模型估算的試驗(yàn)區(qū)總產(chǎn)量與實(shí)測產(chǎn)草量最為接近，反演精度最高，達(dá)99.38%。草地生物量受遙感數(shù)據(jù)的空間尺度效應(yīng)的影響較大，在30和250 m空間分辨率下，4種遙感反演模型估算的草地生物量均高估了試驗(yàn)區(qū)的實(shí)際產(chǎn)草量。其中，MODIS NDVI 的乘冪模型反演的生物量誤差最大，其次依次為MODIS EVI的乘冪模型、HJ-1A/1B CCD NDVI的乘冪模型和Landsat-8 OLI NDVI的對數(shù)模型?；贛OIDS EVI的乘冪模型估算的近14年(2000-2013年)夏河縣桑科草原試驗(yàn)區(qū)草地生物量整體呈顯著增加趨勢(R2=0.590 7，P<0.001)，平均增加速率達(dá)50.57 kg DM·hm-2·a-1。其中，2000年試驗(yàn)區(qū)生物量最低(34.33萬kg)，2012年試驗(yàn)區(qū)草地生物量最高(47.68萬kg)。

[1] Scurlock J M O，Johnson K，Olson R J.Estimating net primary productivity from grassland biomass dynamics measurements[J].Global Change Biology，2002，8(8):736-753.

[2] Xie G D，Zhang Y L，Lu C X，Zheng D，Cheng S K.Study on valuation of rangeland ecosystem services of China[J].Journal of Natural Resources，2001，16(1):47-53.

[3] Fry E L，Manning P，Allen D G P，Hurst A，Everwand G，Rimmler M，Power S A.Plant functional group composition modifies the effects of precipitation change on grassland ecosystem function[EB/OL].[2014-11-20]http://www.plosone.org/ article/ info% 3Adoi% 2F10.1371% 2Fjournal.pone.0057027# abstract0.

[4] 曹曄，王鐘建.中國草地資源可持續(xù)利用問題研究[J].中國農(nóng)村經(jīng)濟(jì)，1999(7)：19-22.

[5] Tsuyoshi A，Kensuke K.Grassland degradation in China:Methods of monitoring,management and restoration[EB/OL].[2014-11-27]http://onlinelibrary wiley.com/doi/10.1111/j.1744-697X.2007.00073.

[6] 胡新博.草地光譜與牧草產(chǎn)量的相關(guān)分析[J].草食家畜，1996(4):43-47.

[7] 高添.內(nèi)蒙古草地植被碳儲量的時(shí)空分布及水熱影響分析[D].北京：中國農(nóng)業(yè)科學(xué)院博士學(xué)位論文，2014.

[8] 楊婷婷.荒漠草原生物量動態(tài)及碳儲量空間分布研究[D].呼和浩特：內(nèi)蒙古農(nóng)業(yè)大學(xué)博士學(xué)位論文，2014.

[9] 任繼周，胡自治，陳全功.草地遙感應(yīng)用動態(tài)與研究進(jìn)展[J].草業(yè)科學(xué)，1996，13(1)：55-60

[10] 董建軍.基于多源衛(wèi)星數(shù)據(jù)的典型草原遙感估產(chǎn)研究——以錫林河流域?yàn)槔齕D].呼和浩特：內(nèi)蒙古大學(xué)碩士學(xué)位論文，2014.

[11] 李媛，徐坤，謝應(yīng)忠.遙感在草地生態(tài)系統(tǒng)中的應(yīng)用現(xiàn)狀[J].寧夏工程技術(shù)，2012，11(4)：390-395.

[12] 李建龍，王建華.我國草地遙感技術(shù)應(yīng)用研究進(jìn)展與前景展望[J].遙感技術(shù)與應(yīng)用，1998，13(2):64-67.

[13] 吳海平，劉順喜，黃世存.基于HJ-1A/B衛(wèi)星CCD數(shù)據(jù)的土地宏觀監(jiān)測試驗(yàn)研究[J].遙感技術(shù)與應(yīng)用,2009,24(6):788-793.

[14] 包明海.天然草地地上生物量動態(tài)監(jiān)測與預(yù)測——以甘肅夏河縣為例[D].蘭州：甘肅農(nóng)業(yè)大學(xué)碩士學(xué)位論文，2011.

[15] 除多，德吉央宗，姬秋梅，唐紅.西藏高原典型草地地上生物量遙感估算[J].國土資源遙感，2013，25(3):43-50.

[16] Yu L,Zhou L,Liu W,Zhou H K.Using remote sensing and gis technologies to estimate grass yield and livestock carrying capacity of alpine grasslands in golog prefecture[J].Pedosphere，2010，20(3):342-351.

[17] 任安才.基于TM影像的川西北理塘草地生物量與植被指數(shù)關(guān)系研究[D].雅安：四川農(nóng)業(yè)大學(xué)碩士學(xué)位論文，2008.

[18] Fu X Y,Tang C J,Zhang X X,Fu J Y,Jiang D.An improved indicator of simulated grassland production based on MODIS NDVI and GPP data:A case study in the Sichuan Province,China[J].Ecological Indicators，2014，40：102-108.

[19] 楊飛，王卷樂，陳鵬飛，姚作芳，諸云強(qiáng)，孫九林.HJ-1A CCD與TM數(shù)據(jù)及其估算草地LAI和鮮生物量效果比較分析[J].遙感學(xué)報(bào)，2012，16(5)：1000-1023.

[20] 方金.基于多元遙感數(shù)據(jù)的甘南牧區(qū)草地生物量遙感監(jiān)測研究[D].蘭州：蘭州大學(xué)碩士學(xué)位論文，2014.

[21] 馮琦勝，高興華，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[J].蘭州大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011，47(4)：75-90.

[22] Yang F,Wang J L,Chen P F,Yao Z F,Zhu Y Q,Sun J L.Comparison of HJ-1A CCD and TM data and for estimating grass LAI and fresh biomass[J].Journal of Remote Sensing，2012，16(5):1000-1023.

[23] 馬文紅，楊元合，賀金生，曾輝，方精云.內(nèi)蒙古溫帶草地生物量及其與環(huán)境因子的關(guān)系[J].中國科學(xué)C輯：生命科學(xué)，2008，1:84-92.

[24] 王新云，郭藝歌，何杰.基于多源遙感數(shù)據(jù)的草地生物量估算方法[J].農(nóng)業(yè)工程學(xué)報(bào)，2014，30(11):159-167.

[25] 劉良云.葉面積指數(shù)遙感尺度效應(yīng)與尺度糾正[J].遙感學(xué)報(bào)，2014，18(6)：1158-1168.

(責(zé)任編輯 武艷培)

本刊如有印裝質(zhì)量問題,請將原雜志寄回編輯部，由本部負(fù)責(zé)調(diào)換。

The accuracy of grassland vegetation biomass estimated model based onmulti-source remote sensing data——As a case of experimental area in Sangke grassland in Xiahe County

Based on the remote sensing data of MODIS, Landsat-8 OLI and HJ-1A/1B CCD combined with ground observation data during 2013 and 2014 in the experimental area of Xiahe County, Gansu Province, the alpine grassland biomass inversion models were established and evaluated, and the best inversion models based on different remote sensing vegetation indexes were selected. Meanwhile， the spatial and temporal variations of grassland biomass in experimental area from 2000 to 2013 were also analyzed. The results showed that the best grassland biomass inversion model was logarithmic function of Landsat-8 OLI NDVI data(y=727.54lnx1+495.23,R2=0.772，RMSE=31.333 kg DM·hm-2). With spatial resolution of 30 m and 250 m, estimated biomass based on MODIS NDVI, MODIS EVI, HJ-1A/1B CCD NDVI and Landsat-8 OLI NDVI, were all higher than ground observation biomass. The estimated biomass based on logarithmic function of Landsat-8 OLI NDVI was the most close to observation biomass. The total biomass in the experimental area had great changes from 2000 to 2013. As a whole, the total biomass of grassland has a significant increasing trend (R2= 0.590 7,P<0.001) from 2000 to 2013, and the average increasing rate reached to 50.57 kg DM ·hm-2·a-1.

remote sensing data; biomass inversion model; accuracy validation; variation of biomass

LIANG Tian-gang E-mail:tgliang@lzu.edu.cn

10.11829j.issn.1001-0629.2015-0015

孟寶平，陳思宇，崔霞，馮琦勝，梁天剛.基于多源遙感數(shù)據(jù)的高寒草地生物量反演模型精度——以夏河縣?？撇菰囼?yàn)區(qū)為例[J].草業(yè)科學(xué),2015,32(11):1730-1739.

MENG Bao-ping，CHEN Si-yu，CUI Xia，F(xiàn)ENG Qi-sheng，LIANG Tian-gang.The accuracy of grassland vegetation biomass estimated model based on multi-source remote sensing data——As a case of experimental area in Sangke grassland in Xiahe County[J].Pratacultural Science，2015,32(11)：1730-1739.

2015-01-09 接受日期：2015-04-15

國家自然科學(xué)基金項(xiàng)目(31372367、41401472、31228021)；農(nóng)業(yè)部公益性行業(yè)(農(nóng)業(yè))科研專項(xiàng)項(xiàng)目(201203006)

孟寶平(1989-)，男，甘肅隴西人，在讀碩士生，研究方向?yàn)椴莸剡b感與地理信息系統(tǒng)。E-mail:mengbp09@lzu.edu.cn

梁天剛(1967-)，男，甘肅崇信人，教授，博士，研究方向?yàn)椴莸剡b感與地理信息系統(tǒng)。E-mail: tgliang@lzu.edu.cn

S812;S127

A

1001-0629(2015)11-1730-10