劉雨晴, 閆 峰, 陳俊翰

(中國(guó)林業(yè)科學(xué)研究院 荒漠化研究所, 北京 100091)

在全球變暖的背景下，地球表層系統(tǒng)內(nèi)的碳匯(源)和碳循環(huán)過(guò)程等問(wèn)題引起了國(guó)際社會(huì)的密切關(guān)注[1-3]。作為土壤—植被—大氣循環(huán)系統(tǒng)中的重要紐帶，植被通過(guò)光合作用和呼吸作用將大氣中CO2進(jìn)行轉(zhuǎn)化和固定，對(duì)調(diào)節(jié)大氣中CO2濃度、減緩溫室效應(yīng)具有重要意義。植被的地上生物量(Above ground biomass，AGB)是表征植被生命活動(dòng)的重要指示因子，一般是指植物的枝、葉、花等在土壤以上的生物量，在植被生物量碳匯評(píng)價(jià)中應(yīng)用廣泛[4-5]。傳統(tǒng)AGB測(cè)算方法主要是通過(guò)樣方調(diào)查采用收割的方式進(jìn)行，這在實(shí)際操作中體現(xiàn)出費(fèi)時(shí)、費(fèi)力、效率低下等缺點(diǎn)，無(wú)法準(zhǔn)確實(shí)現(xiàn)宏觀AGB定量監(jiān)測(cè)。遙感技術(shù)使信息的獲取從傳統(tǒng)的“點(diǎn)”測(cè)量向“面”測(cè)量有了質(zhì)的飛躍，在一定程度上彌補(bǔ)了傳統(tǒng)AGB監(jiān)測(cè)方法的不足，被認(rèn)為是實(shí)現(xiàn)大面積AGB快速監(jiān)測(cè)估算的一項(xiàng)切實(shí)可行的高科技手段，并具有廣闊的應(yīng)用前景[6-7]。在植被AGB遙感估算研究方面，Todd等[8]利用Landsat TM數(shù)據(jù)計(jì)算的歸一化植被指數(shù)NDVI、綠度植被指數(shù)GVI等光譜指數(shù)，估算了科羅拉多東部的短草草原的生物量。Zheng等[9]采用Landsat ETM+數(shù)據(jù)研究了NDVI與松樹(shù)林AGB之間的關(guān)系并對(duì)北威斯康星松林的生物量進(jìn)行了估算。Battude等[10]采用Sentinel高時(shí)空分辨率數(shù)據(jù)進(jìn)行了玉米的生物量和產(chǎn)量估算。國(guó)內(nèi)學(xué)者在生物量遙感估算研究方面，牛志春等[11]利用多種植被指數(shù)建立青海湖環(huán)湖地區(qū)草地生物量遙感監(jiān)測(cè)模型，并比較多種模型優(yōu)劣。劉沁茹等[12]分析多光譜地表參數(shù)與低分辨率遙感數(shù)據(jù)森林AGB統(tǒng)計(jì)關(guān)系，建立降尺度模型并實(shí)現(xiàn)森林AGB高分辨率向低分辨率轉(zhuǎn)變。葛靜等[13]利用黃河源區(qū)草地生物量數(shù)據(jù)和MODIS衛(wèi)星遙感資料，結(jié)合農(nóng)業(yè)多光譜相機(jī)ADC數(shù)據(jù)建立草地AGB反演模型，對(duì)黃河源區(qū)高寒草地的生物量進(jìn)行了監(jiān)測(cè)。劉莉等[14]利用Landsat 8數(shù)據(jù)與實(shí)測(cè)濕地AGB數(shù)據(jù)，通過(guò)生物量模型分析黃河三角洲自然保護(hù)區(qū)濕地植被生物量分布規(guī)律。綜觀當(dāng)前生物量遙感估算研究成果，發(fā)現(xiàn)已有研究主要集中在森林、草原、農(nóng)田等生態(tài)系統(tǒng)，對(duì)荒漠生態(tài)系統(tǒng)研究相對(duì)較少[7]，加強(qiáng)荒漠生態(tài)系統(tǒng)AGB估算研究對(duì)于全面評(píng)價(jià)地球表層系統(tǒng)碳匯變化意義重大。

砒砂巖區(qū)作為我國(guó)荒漠生態(tài)系統(tǒng)中的重要地理單元，由于砒砂巖成巖程度低、沙粒間膠結(jié)程度差、結(jié)構(gòu)強(qiáng)度低，遇水如泥、遇風(fēng)成砂，水土流失非常嚴(yán)重[15]。鄂爾多斯高原是砒砂巖分布最典型地區(qū)，也是黃河粗泥沙主要來(lái)源，生態(tài)環(huán)境脆弱性問(wèn)題十分突出[16]。隨著黃河流域生態(tài)環(huán)境保護(hù)上升為重大國(guó)家戰(zhàn)略，研究砒砂巖區(qū)植被生物量變化對(duì)于全面評(píng)估砒砂巖區(qū)生態(tài)環(huán)境狀況，積極推進(jìn)黃河流域生態(tài)環(huán)境治理具有積極意義[17]。因此，本研究擬采用2019年Landsat 8數(shù)據(jù)對(duì)鄂爾多高原砒砂巖區(qū)植被AGB進(jìn)行遙感估算，為科學(xué)了解黃河流域砒砂巖區(qū)碳匯實(shí)況和完善荒漠生態(tài)系統(tǒng)生物量遙感估算方法提供技術(shù)支持。

1 研究區(qū)概況

研究區(qū)地處鄂爾多斯高原，主要位于38°59′—39°40′N，109°59′—110°44′E，是我國(guó)砒砂巖的主要分布區(qū)之一，也是我國(guó)北方農(nóng)牧交錯(cuò)帶的生態(tài)脆弱區(qū)，主要包括內(nèi)蒙古自治區(qū)伊金霍洛旗、準(zhǔn)格爾旗，陜西省神木縣、府谷縣。氣候類型為中溫帶大陸性氣候，受季風(fēng)影響，冬季多西北風(fēng)，漫長(zhǎng)而寒冷，夏季受偏南暖濕氣流影響，雨熱同期，春季多風(fēng)少雨，秋季涼爽。四季分明，無(wú)霜期較長(zhǎng)，日照充足[18]。多年平均氣溫6.2～8.7℃，累計(jì)夏季平均日較差12.2℃，冬季平均日較差14.4℃；年降水量340～420 mm，降水主要集中在6月和8月，占年總降水量的64%，降水量在空間分布上體現(xiàn)為自東南向西北逐漸遞減的特征。年日照時(shí)數(shù)為2 740～3 100 h，植被類型獨(dú)特，以荒漠草原群落、典型草原群落、沙生植物群落、局部灘地植被為主[19]；土壤類型以栗鈣土、棕鈣土、灰鈣土、灰漠土和潮土為主[20]。

2 研究數(shù)據(jù)與方法

2.1 研究數(shù)據(jù)

研究中采用Landsat 8 OLI遙感影像(Path/Row：127/33)，影像成像時(shí)間為2019年8月23日。影像成像期研究區(qū)自然植被生長(zhǎng)旺盛，AGB基本處于其年內(nèi)最大值狀態(tài)。所選影像研究區(qū)上空無(wú)云層遮擋，成像質(zhì)量良好。對(duì)影像采用基于MODTRAN4模型的FLAASH模塊進(jìn)行輻射校正和大氣校正，校正中選用中緯度夏季大氣模型及鄉(xiāng)村氣溶膠模型，獲得研究區(qū)各波段的地物反射率數(shù)值。

在地面生物量調(diào)查方面，2019年8月在研究區(qū)開(kāi)展地面植被調(diào)查和生物量測(cè)定試驗(yàn)。在生物量調(diào)查時(shí)選擇有代表性的樣地設(shè)置10 m×10 m樣方，在每個(gè)樣方內(nèi)部選擇3個(gè)1 m×1 m的小樣方并用GPS記錄采樣點(diǎn)的位置。在采集樣方內(nèi)齊于地面上方植物的莖葉部分，并稱重記錄裝袋，將每一個(gè)樣地所采集的植物帶回實(shí)驗(yàn)室，在54℃的烘箱內(nèi)進(jìn)行烘干至重量不再變化時(shí)，取3個(gè)小樣方測(cè)量值的平均值為該樣地的AGB，植被調(diào)查共獲取47個(gè)有效地面樣方生物量數(shù)據(jù)。

2.2 研究方法

利用遙感各波段間線性或者非線性相互組合成的植被指數(shù)可反映植被的綠色植被葉面積指數(shù)、植被覆蓋度、綠色生物量等90%以上的植被信息，利用植被指數(shù)探測(cè)研究區(qū)內(nèi)AGB具有較高靈敏性[21-22]。在眾多的植被指數(shù)中，NDVI(歸一化植被指數(shù))是目前最常見(jiàn)應(yīng)用最廣泛的植被指數(shù)，通過(guò)對(duì)紅與近紅外波段進(jìn)行歸一化處理，能較好反映植被空間分布狀況與生長(zhǎng)狀況。RVI(比值植被指數(shù))計(jì)算較為簡(jiǎn)單，易操作性使得該植被指數(shù)應(yīng)用較為廣泛。SAVI(土壤調(diào)節(jié)植被指數(shù))[23]在NDVI基礎(chǔ)上加入了土壤調(diào)節(jié)因子，減少了土壤背景影響。而MSAVI(修正土壤調(diào)節(jié)植被指數(shù))[24]不但可以消除土壤背景，還適合于植被覆蓋度不同的下墊面。本研究中選擇應(yīng)用較為廣泛的NDVI，RVI，SAVI和MSAVI研究砒砂巖區(qū)AGB遙感估算能力差異。

(1)

(2)

(3)

(4)

式中:ρNIR為近紅外反射率；ρR為可見(jiàn)光紅波段反射率；L為土壤調(diào)節(jié)系數(shù),一般取0.5。

砒砂巖區(qū)地處荒漠生態(tài)系統(tǒng)植被稀疏，在Landsat 8 OLI像元尺度水平上地物的空間異質(zhì)性依然十分明顯。在地面生物量測(cè)定地理定位中受衛(wèi)星信號(hào)和GPS靈敏度差異等因素的影響，真實(shí)地理位置和GPS定位之間存在一定的誤差。在遙感影像方面，遙感系統(tǒng)中成像系統(tǒng)本身以及圖像幾何校正也會(huì)使影像產(chǎn)生誤差。濾波處理能有效抑制圖像噪聲并在一定程度上降低地表異質(zhì)性的影響，在砒砂巖區(qū)AGB遙感估算中采用空間濾波的方法，以減小空間異質(zhì)性和衛(wèi)星系統(tǒng)定位誤差對(duì)生物量遙感估算精度的影響。因此，本研究在地上生物量遙感估算中，首先比較分析多種植被指數(shù)與地面實(shí)測(cè)AGB之間的相關(guān)性，其次選用與AGB相關(guān)性較高的植被指數(shù)，研究其經(jīng)不同濾波處理后與AGB之間相關(guān)性變化，最后選擇相關(guān)性最高的植被指數(shù)與地面實(shí)測(cè)AGB建立統(tǒng)計(jì)回歸模型，在模型誤差分析的基礎(chǔ)上最終實(shí)現(xiàn)AGB遙感估算。

3 結(jié)果與分析

3.1 生物量與植被指數(shù)的相關(guān)性

把經(jīng)大氣校正后的遙感影像的各波段反射率帶入公式(1)—(4)分別計(jì)算研究區(qū)的NDVI，RVI，SAVI和MSAVI等植被指數(shù)，并分析4種植被指數(shù)與準(zhǔn)實(shí)時(shí)測(cè)定的AGB的相關(guān)性(圖1)。結(jié)果表明NDVI和RVI在p<0.05水平上與AGB顯著相關(guān)，其相關(guān)系數(shù)分別為0.371，0.361；SAVI和MSAVI在p<0.01水平上與AGB顯著相關(guān)，其相關(guān)系數(shù)分別為0.626，0.665。4種常用的植被指數(shù)中AGB-MSAVI和AGB-SAVI相關(guān)性明顯高于AGB-NDVI和AGB-RVI，其中AGB-MSAVI的相關(guān)性最為顯著。因此，本研究在砒砂巖區(qū)AGB遙感估算中選擇MSAVI與地面實(shí)測(cè)生物量做進(jìn)一步的建模分析。

圖1 4種植被指數(shù)與AGB空間散點(diǎn)圖

3.2 植被指數(shù)的濾波處理

遙感影像濾波處理在一定程度上能夠較好地減少影像噪聲，圖像常用的空間濾波處理主要有低通濾波(Low Pass Filter,LPF)、中值濾波(Median Filter,MF)、高通濾波(High Pass Filter,HPF)等方式。低通濾波屬于頻率域算法，可以增強(qiáng)圖像的某些頻率特征，改變地物目標(biāo)與鄰域或者背景之間的灰度反差，能濾除圖像中高頻部分，模糊圖像的邊緣及尖銳噪聲。高斯低通濾波相對(duì)于理想低通濾波可以濾掉由于孤立的單點(diǎn)噪聲而引起的灰度偏差而抑制圖像的“振鈴”現(xiàn)象。中值濾波具有抑制噪聲(尤其是脈沖噪聲)和保護(hù)邊緣的特征，通過(guò)取中值方法賦予濾波核中心新值，在隨機(jī)信號(hào)處理中效果明顯[25]。高通濾波與低通濾波相反，圖像處理中通過(guò)濾除圖像中低頻部分實(shí)現(xiàn)噪聲去除。這些濾波均有平滑效果，能對(duì)影像進(jìn)行平滑處理，減少影像空間異質(zhì)性，減小定位誤差的影響?？臻g濾波一般是通過(guò)濾波器在空域上使用空間卷積技術(shù)在原圖上移動(dòng)活動(dòng)窗口進(jìn)行局部運(yùn)算，通過(guò)建立一個(gè)含有由系數(shù)矩陣或者權(quán)重因子矩陣構(gòu)成的移動(dòng)窗口，大小一般為奇數(shù)個(gè)像元，如3×3，5×5，7×7等。

鄂爾多斯高原砒砂巖區(qū)地表裸露地較多，影像噪聲主要表現(xiàn)為高頻噪聲較強(qiáng)，分別對(duì)MSAVI影像采用高斯低通濾波(Gaussian Low Pass Filter,GLPF)、低通濾波、中值濾波3種濾波方式，并按濾波窗口3×3，5×5，7×7進(jìn)行計(jì)算。后文分析中以3×3，5×5，7×7濾波核高斯低通濾波處理的MSAVI分別表示為MSAVI_GLPF3，MSAVI_GLPF5和MSAVI_GLPF7，3×3，5×5，7×7濾波核低通濾波處理的MSAVI分別表示為MSAVI_LPF3，MSAVI_LPF5和MSAVI_LPF7，3×3，5×5，7×7濾波核中值濾波處理的MSAVI分別表示為MSAVI_MF3，MSAVI_MF5和MSAVI_MF7。

分別建立GLPF，LPF和MF共3種濾波方式，以3×3，5×5，7×7濾波核尺度的MSAVI濾波數(shù)據(jù)與AGB建立二維空間散點(diǎn)圖(圖2)。分析不同濾波方式和濾波核處理后的MSAVI與地上實(shí)測(cè)生物量的相關(guān)性，結(jié)果表明GLPF，LPF和MF這3種濾波方式下不同濾波核尺度濾波處理后的MSAVI均在p<0.01水平上與AGB顯著相關(guān)，在濾波核尺度方面表現(xiàn)為3×3濾波核的濾波結(jié)果與實(shí)測(cè)AGB之間的相關(guān)性最好，其判定系數(shù)R2分別為0.475 7，0.431 9，0.395 0。在5×5與7×7濾波核水平下，AGB-MSAVI的相關(guān)性隨濾波核尺度的增加而相對(duì)降低，這應(yīng)該和濾波核尺度的增大，MSAVI濾波平滑結(jié)果反而在一定程度上抑制了植被信息空間的差異性有關(guān)。GLPF，LPF和MF共3種濾波方式中，MSAVI_GLPF3，MSAVI_GLPF5和AGB的判定系數(shù)R2分別為0.475 7，0.459 7，均高于未經(jīng)濾波處理的AGB-MSAVI判定系數(shù)(R2=0.4416)。根據(jù)不同濾波方式和濾波核處理的MSAVI與實(shí)測(cè)AGB的相關(guān)性分析結(jié)果，本研究選用高斯低通濾波3×3處理后的MSAVI_GLPF3數(shù)據(jù)進(jìn)行砒砂巖區(qū)AGB遙感估算建模。

3.3 模型建立

在眾多的統(tǒng)計(jì)回歸模型中，一元線性回歸模型具有計(jì)算簡(jiǎn)單易于操作、表達(dá)更為直觀的優(yōu)點(diǎn)。因此，在砒砂巖區(qū)AGB遙感估算模型建立中，從地面實(shí)測(cè)的47個(gè)AGB樣本中隨機(jī)選擇30個(gè)樣本，結(jié)合同期MSAVI_GLPF3數(shù)據(jù)，建立AGB-MSAVI_GLPF3一元線性回歸模型：

AGB=1683.9×MSAVI_GLPF3-206.77
(R2=0.4183，p<0.01)

(5)

為了進(jìn)一步檢驗(yàn)建立的模型對(duì)于砒砂巖區(qū)AGB的實(shí)際估算能力差異，用預(yù)留的17個(gè)實(shí)測(cè)AGB數(shù)據(jù)作為檢驗(yàn)樣本代入AGB-MSAVI_GLPF3模型。采用平均絕對(duì)誤差MAE、平均相對(duì)誤差MRE、均方根誤差RMSE進(jìn)行AGB-MSAVI_GLPF3模型誤差分析。誤差分析結(jié)果表明：AGB-MSAVI_GLPF3模型的MAE，MRE和RMSE分別為2.743 3，0.134 1，58.598 3，AGB估算平均精度為86.59%，所建立的AGB-MSAVI_GLPF3模型能夠較好地實(shí)現(xiàn)鄂爾多斯砒砂巖區(qū)AGB遙感估算。

把研究區(qū)MSAVI進(jìn)行按3×3濾波核進(jìn)行高斯低通濾波處理后，代入生物量遙感估算模型(公式5)計(jì)算鄂爾多斯砒砂巖研究區(qū)AGB(圖3)。分析砒砂巖區(qū)AGB空間分布狀況，結(jié)果表明：2019年研究區(qū)平均AGB為180.07 g/m2，總AGB為922 415.21 t。不同等級(jí)AGB在空間份上存在較大的差異。研究區(qū)內(nèi)AGB相對(duì)低值區(qū)(AGB<50 g/m2)的面積占總面積比例為13.03%，地物類型為水體、半固定沙地以及建筑用地，主要分布在伊金霍洛旗東部、準(zhǔn)格爾旗西南部和神木縣北部地區(qū)；AGB中值區(qū)(50 g/m2≤AGB<200 g/m2)的面積總占比為47.56%，AGB中值區(qū)的地物類型為固定沙地、草地和林地，主要分布在伊金霍洛旗中東部、準(zhǔn)格爾旗西部和西南部和神木縣北部等地區(qū)；AGB高值區(qū)(AGB≥200 g/m2)的面積占比為39.41%，AGB高值區(qū)地物類型為林地、耕地，主要分布在府谷縣西部、神木縣中北部和準(zhǔn)格爾旗西南部等地區(qū)。

圖2 不同濾波處理MSAVI與AGB二維空間散點(diǎn)圖

圖3 2019年研究區(qū)AGB空間分布

4 討 論

一般情況下，不同地物的反射率存在一定的差異，根據(jù)植被的光譜特征，利用地物的可見(jiàn)光和近紅外等波段的反射率進(jìn)行一定的線性和非線性組合，計(jì)算能夠進(jìn)一步突出植被的葉綠素等信息，從而形成了數(shù)十種植被指數(shù)。植被指數(shù)是對(duì)地表植被狀況的簡(jiǎn)單、有效和經(jīng)驗(yàn)的度量，被廣泛應(yīng)用于植被生長(zhǎng)狀況、植被初級(jí)生產(chǎn)力和作物估產(chǎn)等方面，具有較廣的實(shí)用性。植被指數(shù)與AGB之間具有較好的相關(guān)性，能夠直接用以AGB的遙感估算。但是在荒漠生態(tài)系統(tǒng)AGB估算應(yīng)用中，由于荒漠生態(tài)系統(tǒng)地表植被相對(duì)稀疏，地表裸露面積占比相對(duì)較多，地表異質(zhì)性十分顯著。雖然NDVI是當(dāng)前生態(tài)學(xué)研究中應(yīng)用最為廣泛，但在荒漠生態(tài)系統(tǒng)AGB遙感估算中可能并不是效果最佳的植被指數(shù)。MSAVI和SAVI計(jì)算中在由于采用近紅外和紅光波段反射率的同時(shí)引入了土壤調(diào)節(jié)系數(shù)，在植被稀疏地區(qū)顯示出與AGB之間具有較高的相關(guān)性；MSAVI在運(yùn)用中通過(guò)將SAVI中的常數(shù)L修改為變量函數(shù)L，從而增加了植被信號(hào)動(dòng)態(tài)范圍，在荒漠化地區(qū)進(jìn)一步減小土壤背景的影響，對(duì)于植被監(jiān)測(cè)表現(xiàn)出更高靈敏度，能夠較好地實(shí)現(xiàn)AGB遙感估算。植被指數(shù)與實(shí)測(cè)AGB之間的相關(guān)性研究結(jié)論與Yan等[26]在毛烏素沙地AGB遙感估算的結(jié)果相一致。

遙感影像在接收和獲取過(guò)程中存在噪聲，荒漠生態(tài)系統(tǒng)由于地表異質(zhì)性顯著，遙感影像的噪聲問(wèn)題較為明顯。遙感影像是由不同頻率的成分組成，在分析圖像信號(hào)的頻域特性時(shí)，一幅圖像的邊緣、跳躍部分以及顆粒噪聲代表圖像信號(hào)的高頻分量，而大面積的背景區(qū)則代表圖像信號(hào)的低頻分量。在荒漠生態(tài)系統(tǒng)中，GLPF，LPF和MF這3種濾波方式均實(shí)現(xiàn)了圖像的平滑降噪，濾波后的MSAVI與均在p<0.01水平上與AGB顯著相關(guān)，但是由于GLPF能夠?yàn)V除荒漠生態(tài)系統(tǒng)中的高頻噪聲，并能夠保持著大面積的背景植被信息，使GLPF處理的MSAVI與AGB的相關(guān)性高于LPF和MF濾波方式。此外，受到荒漠生態(tài)系統(tǒng)地表異質(zhì)性顯著特征的影響，在3×3，5×5，7×7不同濾波尺度情況下，隨著濾波器尺度的增大，濾波圖像的過(guò)度平滑處理容易造成圖像對(duì)應(yīng)的植被信息丟失，反而無(wú)法較好地實(shí)現(xiàn)AGB估算。因此，在荒漠生態(tài)系統(tǒng)AGB遙感估算的實(shí)際應(yīng)用中，根據(jù)其地表的異質(zhì)性實(shí)際情況，選擇合適的植被指數(shù)(如MSAVI)，并輔以合理濾波尺度的GLPF濾波方法十分重要。

5 結(jié) 論

(1) 在荒漠生態(tài)系統(tǒng)中，與NDVI，RVI和SAVI相比，MSAVI能夠更好地反演砒砂巖區(qū)的AGB，常用的NDVI在荒漠生態(tài)系統(tǒng)AGB估算中并不是效果最佳的植被指數(shù)。

(2) 高斯低通濾波能夠減小影像與地面實(shí)測(cè)AGB的空間對(duì)應(yīng)誤差，采用實(shí)測(cè)AGB和同期高斯低通濾波按3×3濾波核處理后的MSAVI_GLPF3數(shù)據(jù)建立一元線性回歸模型，其MAE，MRE和RMSE分別為2.743 3 g/m2，13.41%，58.598 3，AGB估算平均精度為86.59%，建立的AGB-MSAVI_GLPF3模型能夠較好地實(shí)現(xiàn)砒砂巖區(qū)AGB遙感估算。

(3) 2019年砒砂巖研究區(qū)平均AGB為180.07 g/m2，總AGB為922 415.21 t。AGB低值區(qū)主要分布在伊金霍洛旗東部、準(zhǔn)格爾旗西南部和神木縣北部；AGB中值區(qū)主要分布在伊金霍洛旗中東部、準(zhǔn)格爾旗西部和西南部以及神木縣北部；AGB高值區(qū)主要分布在府谷縣西部、神木縣中北部和準(zhǔn)格爾旗西南部。