趙健順，李 微，王文碩，劉旭龍，孫 悅，閆 涵，高天一

(大連海洋大學(xué)海洋科技與環(huán)境學(xué)院，大連 116023)

鹽地堿蓬是遼河口濱海濕地內(nèi)重要先鋒植物和主要優(yōu)勢(shì)物種之一，在固碳增匯、調(diào)節(jié)氣候和保障生態(tài)安全等方面發(fā)揮著重要的作用[1-3].植被指數(shù)(vegetation index，VI)作為反映植被長(zhǎng)勢(shì)的最佳指示參數(shù)[4-6]，被廣泛用于植被信息遙感提取.吳濤[7-8]基于實(shí)測(cè)數(shù)據(jù)，發(fā)現(xiàn)SAVI(soil adjusted vegetation index)和 MSAVI(modefied adjusted vegetation index)與鹽地堿蓬葉面積指數(shù)(leaf area index，LAI)的相關(guān)關(guān)系最好；而鹽地堿蓬生物量與PVI(perpendicular vegetation index)、SAVI和MSAVI的相關(guān)性最好，并驗(yàn)證了PVI、SAVI和MSAVI適用于高覆蓋度鹽地堿蓬生物量反演.李微[9]將基于模擬Landsat-8 OLI數(shù)據(jù)的TSAVI(transformed soil adjusted vegetation index)與地面實(shí)測(cè)生物量進(jìn)行回歸分析，發(fā)現(xiàn)TSAVI與不同密度下鹽地堿蓬的生物量均顯著相關(guān).牟蒙[10]基于實(shí)測(cè)數(shù)據(jù)，選擇了8種植被指數(shù)及敏感波段構(gòu)建鹽地堿蓬生物量定量反演模型，發(fā)現(xiàn)NDVI(normalized diference vegetation index)、RVI(ratio vegetation index)和 TSAVI 適合反演鹽地堿蓬生物量.因此運(yùn)用植被指數(shù)進(jìn)行鹽地堿蓬生物量的相關(guān)研究已有一定成果.然而植被指數(shù)隨著植被覆蓋度的增加會(huì)出現(xiàn)飽和問(wèn)題.楊嘉[11]發(fā)現(xiàn)在植被覆蓋度高的闊葉林和針葉林，NDVI飽和現(xiàn)象嚴(yán)重，飽和閾值為0.8；而EVI(enhanced vegetation index)表現(xiàn)良好.Dasvishzadeh[12]提出植被指數(shù)對(duì)LAI的敏感性隨著 LAI 的增加逐漸降低直至飽和，并且不同植被飽和點(diǎn)不同.但目前缺少對(duì)鹽地堿蓬群落相關(guān)植被指數(shù)飽和問(wèn)題的討論分析，因此本研究對(duì)此問(wèn)題進(jìn)行探討，對(duì)于相關(guān)研究具有一定借鑒意義.

鹽地堿蓬群落自然環(huán)境脆弱、極易被破壞，同時(shí)野外采樣難度大，因此樣本數(shù)量較少，而數(shù)值模擬(物理模型模擬)可以很大程度上彌補(bǔ)實(shí)測(cè)數(shù)據(jù)不足的問(wèn)題，且具有更為明確的物理意義.DART(discrete anisotropic radiative transfer)模型是由法國(guó) CESBIO 實(shí)驗(yàn)室開(kāi)發(fā)的基于K-K模型發(fā)展而來(lái)的計(jì)算機(jī)模擬模型，是最具綜合性的三維輻射傳輸模型之一[13]，該模型是一款基于三維輻射傳輸理論的前向模型，可模擬不同場(chǎng)景和結(jié)構(gòu)參數(shù)下的復(fù)雜3D場(chǎng)景[14]及輻射傳輸過(guò)程，得到各個(gè)波段和方向上的反射率等物理量，全面地考慮了地面植被要素空間分布的差異性，是其他模型沒(méi)有涉及到的，其模擬的可靠性得到學(xué)界認(rèn)可.當(dāng)前，DART模型在植被方面的研究主要集中在森林的模擬分析[15-19]，對(duì)于濕地植被的研究資料較少，曾毓燕[20]基于DART模型模擬了崇明東灘濕地不同密度及等比例混合場(chǎng)景下蘆葦及互花米草的冠層反射率，并分析了葉片和冠層葉綠素含量變化對(duì)植被指數(shù)的影響，而對(duì)于鹽地堿蓬的相關(guān)研究目前未見(jiàn)報(bào)道.因此本文利用DART模型構(gòu)建不同LAI鹽地堿蓬群落場(chǎng)景，研究TSAVI、NDVI、RVI等8種植被指數(shù)(VIs)對(duì)鹽地堿蓬LAI的抗飽和性及敏感性，篩選出更優(yōu)的植被指數(shù)，為鹽地堿蓬LAI的遙感估算提供一定理論依據(jù).

1 研究區(qū)概況

遼河口濱海濕地(121°23′～122°29′ E，40°39′～41°27′ N)位于我國(guó)渤海遼東灣北部，遼河入海口處，地處遼寧省盤(pán)錦市境內(nèi)(圖1).區(qū)域內(nèi)的典型植被群落為蘆葦、水稻和鹽地堿蓬[21].其中鹽地堿蓬為一年生耐鹽濕生草本植被，是重要的先鋒植物和主要優(yōu)勢(shì)物種之一，主要分布于遼河?xùn)|、西兩岸，具有藥用、食用、生態(tài)和景觀價(jià)值，還具有維持濕地生態(tài)系統(tǒng)正常演替、防風(fēng)消浪等功能[9].但近年來(lái)濕地內(nèi)生態(tài)環(huán)境受自然和人為雙重影響，寶貴的生態(tài)資源變得脆弱.

2 數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)

2.1.1 數(shù)據(jù)獲取 2019年9月下旬在研究區(qū)域內(nèi)布設(shè)了21個(gè)大小為0.5 m×0.5 m的堿蓬群落樣方，如圖2(a)，對(duì)樣方進(jìn)行光譜數(shù)據(jù)、群落及植株數(shù)據(jù)采集.光譜數(shù)據(jù)采用便攜式ASD (analyzed spectral devices)地物光譜儀進(jìn)行數(shù)據(jù)采集.儀器光譜測(cè)量范圍為350～1 050 nm，光譜分辨率為1 nm，數(shù)據(jù)采集選擇在晴朗無(wú)云的時(shí)段(10:00 am—14:00 pm)進(jìn)行，在測(cè)量之前先使用標(biāo)準(zhǔn)白板校正，避免陰影干擾，測(cè)量時(shí)儀器自動(dòng)獲取同一樣方5條光譜，取平均值作為測(cè)量結(jié)果.手持光譜儀手槍式探頭垂直向下對(duì)準(zhǔn)樣方，探頭距離樣方冠層高度約1 m，以獲取堿蓬群落冠層及附近裸土的光譜數(shù)據(jù).將鹽地堿蓬厚且細(xì)長(zhǎng)的葉片堆疊在一個(gè)天鵝絨黑色背景的玻璃皿中，堆疊多層以保證葉片間縫隙被覆蓋，再利用ASD地物光譜儀測(cè)量鹽地堿蓬葉片反射率[22].堿蓬莖反射率采用紫外/可見(jiàn)光分光光度計(jì)測(cè)量.實(shí)測(cè)土壤光譜、鹽地堿蓬葉片及莖的光譜數(shù)據(jù)如圖2(b)所示.

圖1 研究區(qū)位置及采樣區(qū)域Fig.1 Study area location and sampling area distribution

在光度不強(qiáng)的早晨與黃昏利用Top-1300植物冠層分析儀進(jìn)行樣方LAI測(cè)量.將魚(yú)眼鏡頭朝上依次放置在21個(gè)樣方內(nèi)堿蓬冠層下方的中心位置，背對(duì)著陽(yáng)光進(jìn)行測(cè)量，避免陽(yáng)光直射.通過(guò)調(diào)整鏡頭焦距并使用配套軟件分析獲得LAI.每個(gè)樣方反復(fù)測(cè)量?jī)纱?，取平均值作為該樣方的?shí)測(cè)LAI.同時(shí)在布設(shè)的樣方中隨機(jī)選取長(zhǎng)勢(shì)良好的21株堿蓬進(jìn)行植株生長(zhǎng)數(shù)據(jù)測(cè)量，包含植株高度、根莖寬度、葉片長(zhǎng)度、葉片寬度等.獲取的鹽地堿蓬群落及植株數(shù)據(jù)如表1所示.

2.1.2 場(chǎng)景構(gòu)建及數(shù)值模擬 鹽地堿蓬群落的場(chǎng)景構(gòu)建包括植株和場(chǎng)景兩部分.在植株建模方面，基于實(shí)測(cè)數(shù)據(jù)，利用3D Max軟件建立鹽地堿蓬的三維植株模型，所用數(shù)據(jù)為表1所有實(shí)測(cè)生長(zhǎng)數(shù)據(jù)的平均值.

在場(chǎng)景構(gòu)建方面，DART模型的主要輸入?yún)?shù)包括三維植株模型和場(chǎng)景相關(guān)參數(shù)，包括太陽(yáng)天頂角、方位角；觀測(cè)天頂角、方位角；場(chǎng)景大小及分辨率；下墊面等，具體參數(shù)如表2所示.將三維植株模型導(dǎo)入到DART模型中，定義植株各部分的光譜性質(zhì)并結(jié)合場(chǎng)景參數(shù)建立鹽地堿蓬群落場(chǎng)景.

圖2 堿蓬群落樣方(a)，實(shí)測(cè)鹽地堿蓬葉片、莖、冠層及土壤反射率(b)Fig.2 Suaeda salsa community quadrat(a)，and measured reflectance of Suaeda salsa leaf and stem，canopy and soil reflectance(b)

表1 鹽地堿蓬群落及植株數(shù)據(jù)Tab.1 Suaeda salsa community and plant data

模擬場(chǎng)景從0株～400株，以10株為步長(zhǎng)，每個(gè)隨機(jī)樣方設(shè)5組，共得到205組相關(guān)數(shù)據(jù)，最后取平均值作為該隨機(jī)樣方的模擬數(shù)據(jù).模擬場(chǎng)景如圖3所示，場(chǎng)景內(nèi)植株及場(chǎng)景相關(guān)參數(shù)如表1、表2所示.

表2 DART模型場(chǎng)景構(gòu)建所需參數(shù)Tab.2 Input parameters of DART

圖3 DART模型模擬場(chǎng)景(200株)Fig.3 DART model simulation scene (200 plants)

2.2 研究方法

2.2.1 植被指數(shù) 本文共選擇了8種植被指數(shù)作為研究對(duì)象，其中NDVI和RVI對(duì)植被敏感度高、能削弱輻射誤差[23]；PVI、TSAVI、MSAVI、SAVI和MVI[24](modified vegetation index)能消除或減弱土壤背景對(duì)植被反射率的影響[25]；EVI在一定程度上解決了NDVI在高植被覆蓋區(qū)域飽和問(wèn)題[26].相關(guān)計(jì)算方法參照經(jīng)典植被指數(shù)的計(jì)算公式和方法，詳見(jiàn)表3.

2.2.2 評(píng)價(jià)指標(biāo) 本文通過(guò)調(diào)整LAI，研究不同LAI影響下模擬鹽地堿蓬冠層反射率不同波長(zhǎng)范圍的抗飽和程度，采用敏感度S作為評(píng)價(jià)指標(biāo)[27].敏感度S可以描述某一變量X0，在以ΔX為步長(zhǎng)變化的過(guò)程中對(duì)結(jié)果的影響程度.以X0為參考點(diǎn)，敏感度S定義為：

(1)

式中，r(X0)為參考點(diǎn)X0處的植被指數(shù)值，ΔX為L(zhǎng)AI變化值.假設(shè)增量一定，S越大，則變化越顯著，抗飽和性越好.

VIs 和 LAI 的回歸關(guān)系通常是線性或指數(shù)關(guān)系[28]，本研究所模擬得到的 LAI 數(shù)據(jù)介于0～2.71之間，因此選用線性回歸作為標(biāo)準(zhǔn)模型進(jìn)行分析，并采用決定系數(shù)(R2)及均方根誤差(RMSE)作為精度評(píng)價(jià)指標(biāo).

表3 研究中用到的植被指數(shù)計(jì)算方法Tab.3 Vegetation index calculation method used in this study

3 結(jié)果分析與討論

3.1 鹽地堿蓬株數(shù)與LAI相關(guān)性分析

本研究通過(guò)調(diào)整鹽地堿蓬株數(shù)進(jìn)行鹽地堿蓬群落場(chǎng)景的構(gòu)建，建立的205個(gè)場(chǎng)景中，LAI范圍是0～2.71，將其與場(chǎng)景內(nèi)植株數(shù)進(jìn)行相關(guān)性分析，見(jiàn)圖4所示.

圖4 鹽地堿蓬株數(shù)與葉面積指數(shù)的相關(guān)性Fig.4 Correlation between numbers and LAI of Suaeda salsa

由圖4可知，LAI與株數(shù)之間呈顯著線性相關(guān)，R2為0.99，RMSE為0.008，因此本文基于LAI值進(jìn)行不同生長(zhǎng)密度下的鹽地堿蓬植被指數(shù)飽和問(wèn)題分析討論.

3.2 植被指數(shù)敏感性分析

基于DART模型，鹽地堿蓬群落不同植被指數(shù)隨LAI變化如圖5所示.

圖5 不同葉面積指數(shù)的鹽地堿蓬對(duì)植被指數(shù)的影響Fig.5 Effect of different LAI of Suaeda salsa on vegetation index

從圖5可見(jiàn)，RVI隨LAI的增加而降低，與LAI呈負(fù)相關(guān)，而其余植被指數(shù)均與LAI呈正相關(guān).整體來(lái)看，MVI值最大，PVI和MSAVI值最小，3種指數(shù)變化幅度都很??；EVI和SAVI值很相近，變化幅度也不大；而RVI、NDVI和TSAVI變化幅度最大.其中TSAVI對(duì)LAI的變化最敏感，隨著鹽地堿蓬LAI的增大，TSAVI數(shù)值明顯升高，近乎線性增長(zhǎng)，能夠區(qū)分出不同LAI下的鹽地堿蓬；其次為RVI，當(dāng)LAI小于1.72時(shí)，RVI隨LAI的增大數(shù)值明顯降低，當(dāng)LAI大于1.72后數(shù)值增幅減小，大于2后表現(xiàn)出飽和狀態(tài)；NDVI與TSAVI呈現(xiàn)相同的變化趨勢(shì)，但在LAI小于2時(shí)數(shù)值上高于TSAVI，LAI大于2后，NDVI數(shù)值增幅減小，并出現(xiàn)飽和狀態(tài).總體來(lái)看，8種植被指數(shù)中TSAVI的抗飽和性最佳，其次為NDVI及RVI;當(dāng)LAI<1.3時(shí)，EVI和SAVI表現(xiàn)出較好地抗飽和性，之后出現(xiàn)飽和；MVI、PVI及MSAVI這3種植被指數(shù)的抗飽和性最差，隨LAI變化不明顯.植被指數(shù)隨LAI的敏感度變化見(jiàn)圖6.

圖6 不同葉面積指數(shù)的鹽地堿蓬植被指數(shù)敏感度變化Fig.6 Sensitivity of Suaeda salsa vegetation index with different LAI

由圖6可知，8種植被指數(shù)敏感度均隨著LAI的增大而遞減.其中RVI、NDVI及TSAVI的S值明顯大于其他5種植被指數(shù)，并且LAI<0.68時(shí)，SRVI>SNDVI>STSAVI；0.68≤LAI<2時(shí)，敏感度SNDVI>SRVI>STSAVI；LAI≥2時(shí)，TSAVI最優(yōu)，RVI和NDVI出現(xiàn)飽和現(xiàn)象.EVI、SAVI在LAI接近1.72時(shí)達(dá)到飽和狀態(tài).總體來(lái)看TSAVI、NDVI及RVI抗飽和性及敏感性最好；EVI、SAVI對(duì)LAI敏感性一般；剩余3種植被指數(shù)對(duì)LAI的敏感性及抗飽和性較弱.

對(duì)抗飽和性及敏感性最優(yōu)的TSAVI、NDVI及RVI分別與LAI進(jìn)行相關(guān)性分析，構(gòu)建回歸分析方程(見(jiàn)表4)，均通過(guò)0.01的顯著性檢驗(yàn).

表4 LAI與植被指數(shù)的定量關(guān)系Tab.4 Quantitative relationships of vegetation fraction with the spectral indices

由表4可知，TSAVI相關(guān)性最高，R2=0.87，RMSE=0.354；NDVI次之，R2=0.82，RMSE=0.419；RVI略低，R2及RMSE分別為0.72、0.517.

綜上所述，基于DART模型模擬結(jié)果，8種植被指數(shù)中TSAVI相對(duì)表現(xiàn)最優(yōu)，無(wú)論是植被指數(shù)的變化趨勢(shì)還是與LAI的線性關(guān)系，均表現(xiàn)出很好的抗飽和性和敏感性，能夠區(qū)分出不同LAI下的鹽地堿蓬群落；NDVI及RVI也表現(xiàn)出較好地抗飽和性和敏感性，且與TSAVI的差異不大，結(jié)合實(shí)測(cè)LAI的范圍，同樣適用于鹽地堿蓬群落的相關(guān)研究；EVI及SAVI抗飽和性表現(xiàn)一般，適用于自然狀態(tài)下中低密度的堿蓬群落；PVI、MVI及MSAVI表現(xiàn)最差，其敏感性低且易于飽和，隨LAI的變化不明顯，不適于鹽地堿蓬的相關(guān)研究.因此，初步篩選出TSAVI、NDVI及RVI共3種較優(yōu)植被指數(shù).

4 結(jié)論

本研究針對(duì)遼河口濱海濕地本地物種鹽地堿蓬，基于DART模型開(kāi)展了植株模擬及場(chǎng)景構(gòu)建.通過(guò)所建場(chǎng)景，探究分析LAI變化針對(duì)鹽地堿蓬群落8種植被指數(shù)的飽和問(wèn)題，評(píng)價(jià)各植被指數(shù)對(duì)LAI的抗飽和性和敏感性，研究表明：基于DART模型模擬結(jié)果，8種植被指數(shù)中TSAVI相對(duì)表現(xiàn)最好；NDVI及RVI次之；EVI、SAVI適用性一般；PVI、MVI及MSAVI適用性最差.通過(guò)相關(guān)性分析以及構(gòu)建回歸分析方程，并結(jié)合實(shí)測(cè)LAI數(shù)據(jù)，初步分析認(rèn)為T(mén)SAVI、NDVI及RVI可以作為較強(qiáng)適用性植被指數(shù)來(lái)進(jìn)行相關(guān)研究，能夠區(qū)分不同LAI下的鹽地堿蓬群落.

本文基于模型模擬數(shù)據(jù)對(duì)8種植被指數(shù)的飽和問(wèn)題進(jìn)行了探討，但在模擬過(guò)程中未考慮大氣環(huán)境對(duì)模擬場(chǎng)景的影響，因此模擬結(jié)果僅適用于經(jīng)過(guò)大氣校正后的遙感影像；其次在場(chǎng)景建模中，植被的物理及生化參數(shù)均根據(jù)成熟期的實(shí)測(cè)平均值得到，場(chǎng)景內(nèi)植株葉片光譜一致，植株都是采用同一3D模型，而現(xiàn)實(shí)中植株生長(zhǎng)形態(tài)存在差異；研究只模擬分析了成熟期的鹽地堿蓬植被指數(shù)飽和問(wèn)題，且對(duì)于生長(zhǎng)繁茂的植被區(qū)域，由于環(huán)境復(fù)雜無(wú)法進(jìn)入，缺少相關(guān)實(shí)測(cè)數(shù)據(jù)，不免存在一定的局限性，今后需要用更多的資料并結(jié)合地面實(shí)測(cè)數(shù)據(jù)對(duì)結(jié)果做進(jìn)一步驗(yàn)證.