童 新， 楊震雷， 張亦然， 吳宇辰， 段利民,2,3

(1. 內(nèi)蒙古農(nóng)業(yè)大學(xué)水利與土木建筑工程學(xué)院， 內(nèi)蒙古 呼和浩特 010018； 2. 內(nèi)蒙古自治區(qū)水資源保護(hù)與利用重點(diǎn)實(shí)驗(yàn)室， 內(nèi)蒙古 呼和浩特 010018; 3. 黃河流域內(nèi)蒙段水資源與水環(huán)境綜合治理協(xié)同創(chuàng)新中心， 內(nèi)蒙古 呼和浩特 010018; 4. 西湖大學(xué)工學(xué)院， 浙江 杭州 310024)

牧區(qū)草地生長(zhǎng)旺盛期地上生物量(Aboveground biomass，AGB)是草場(chǎng)產(chǎn)量的一個(gè)重要指標(biāo)，它的準(zhǔn)確估算與監(jiān)測(cè)是牧草高效管理、草畜供求關(guān)系平衡以及放牧制度優(yōu)化等方面的前提[1-2]。傳統(tǒng)的收獲法(又稱樣方法)能準(zhǔn)確估算草地地上生物量，但耗時(shí)長(zhǎng)、破壞性大、估測(cè)范圍小、勞動(dòng)強(qiáng)度高且無(wú)法實(shí)時(shí)獲取[3-4]。高光譜遙感技術(shù)的迅速發(fā)展，為快速、高效、定量估算草地地上生物量提供了一個(gè)重要的新途徑[5]。高光譜遙感的連續(xù)波段數(shù)量足、光譜分辨率高，其能在特定光譜區(qū)間獲取被測(cè)物體連續(xù)的反射光譜信息[6]。相較于多光譜遙感的常規(guī)寬波段光譜信息，高光譜遙感可以對(duì)植被特征進(jìn)行微弱光譜差異的定量分析，還能進(jìn)一步豐富植被地上生物量的估算方法，提高估算的精度[7]。

通過遙感估算草地地上生物量通常是利用綠色植被特有的光譜反射特征，選擇不同光譜波段(原始光譜或微分光譜)構(gòu)建適宜的植被指數(shù)，再利用植被指數(shù)進(jìn)行地上生物量的建模與估算。植被指數(shù)是不同敏感光譜波段的線性或非線性組合，可以比單一波段反映更多的額外隱含信息[8]。所有植被指數(shù)中最常用的有簡(jiǎn)單比值植被指數(shù)(Simple ratio vegetation index,SRVI)和歸一化植被指數(shù)(Normalized difference vegetation index,NDVI)，由于它們能較敏感的反映植被地上生物量而被廣泛應(yīng)用[9-10]。高光譜遙感技術(shù)可以將地物光譜分離為更精細(xì)的窄波段，因此構(gòu)建植被指數(shù)時(shí)對(duì)波段的選擇十分重要，合適的波段組合能有效提高研究的精度，同時(shí)波段優(yōu)選也是高光譜遙感的重要研究?jī)?nèi)容[11-13]。傳統(tǒng)植被指數(shù)多是僅利用可見光、近紅外2個(gè)固定波段范圍的光譜信息，比如通過對(duì)比葉綠素引起的紅光波段強(qiáng)吸收與多重散射引起的近紅外波段高反射，卻沒有考慮其他波段或是在全部可利用波段內(nèi)進(jìn)行全面優(yōu)選，信息量不足難以綜合分析而使得估算模型效果欠佳[14]。另外，牧草冠層在生長(zhǎng)旺盛期的葉面積指數(shù)和郁閉度大，傳統(tǒng)紅光與近紅外波段組合的植被指數(shù)容易出現(xiàn)飽和現(xiàn)象，導(dǎo)致對(duì)地上生物量的敏感程度降低從而影響估算精度[15]。高光譜遙感則提供了基于所有可用光譜波段范圍內(nèi)窄波段反射率構(gòu)建植被指數(shù)的可能性，而不是僅僅局限于紅光波段和近紅外波段[16]。

關(guān)于草地地上生物量高光譜遙感估算的研究，大部分還是單獨(dú)基于原始或者一階微分光譜，借助常用的SRVI和NDVI 2種植被指數(shù)形式進(jìn)行建模估算。微分光譜分析是一種能夠減少背景信號(hào)影響的技術(shù)，將反射率光譜視為d次的多項(xiàng)式函數(shù)，一階微分反射率則表示該函數(shù)隨波長(zhǎng)變化的斜率，其消除了所有常數(shù)項(xiàng)(d=0)對(duì)該函數(shù)的影響。土壤光譜信號(hào)或陰影通常被認(rèn)為是波長(zhǎng)的線性函數(shù)，一階微分又不能完全去除背景信號(hào)，若利用二階微分反射率，則所有線性影響(d=1)都將被消除[17]。高宏元等[18]提取和計(jì)算了高寒草地原始、一階微分光譜以及植被指數(shù)等不同類型特征變量，構(gòu)建了草地地上生物量估算模型。Bayaraa等[19]在蒙古中北部地區(qū)開展野外原位高光譜測(cè)量試驗(yàn)，評(píng)價(jià)了不同植被指數(shù)估算牧草地上生物量的適用性。安海波等[11]利用傳統(tǒng)和所有兩波段組合優(yōu)選的植被指數(shù)，開展了內(nèi)蒙古天然和人工草地牧草地上生物量的對(duì)比估算研究，得出經(jīng)波段優(yōu)選的植被指數(shù)能顯著提高牧草生物量預(yù)測(cè)能力的結(jié)論。那么利用諸如二階、三階或四階等高階微分光譜，或是其他形式的植被指數(shù)，是否可以提高高光譜遙感估算草地地上生物量的精度是值得探究的，尤其是針對(duì)內(nèi)蒙古地區(qū)天然草場(chǎng)生長(zhǎng)旺盛期地上生物量估算的研究更是少見且值得深入開展。因此，本文針對(duì)位于內(nèi)蒙古科爾沁沙地內(nèi)部的天然草場(chǎng)，在牧民即將收獲牧草前開展冠層高光譜反射率采集與同期地上生物量收集試驗(yàn)。對(duì)光譜反射率數(shù)據(jù)進(jìn)行不同階微分處理，在全波段范圍內(nèi)挑選最佳波段構(gòu)建4種高光譜植被指數(shù)，建立相應(yīng)地上生物量估算模型并對(duì)比評(píng)價(jià)各模型精度，為天然草場(chǎng)高效管理提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)域

研究區(qū)位于內(nèi)蒙古自治區(qū)通遼市科左后旗的內(nèi)蒙古農(nóng)業(yè)大學(xué)阿古拉生態(tài)水文試驗(yàn)區(qū)，地處科爾沁沙地東南緣，地理坐標(biāo)為122°33′00″～122°41′00″ E，43°18′48″～43°21′24″ N，面積約55 km2。該區(qū)屬半干旱大陸性季風(fēng)氣候，春季多風(fēng)、夏季炎熱、秋季干燥、冬季寒冷。多年平均氣溫為6.6℃，多年平均降水量為389 mm，多年平均蒸發(fā)量(Ф20 cm口徑蒸發(fā)皿)1 412 mm[20-21]。研究區(qū)地貌特點(diǎn)為沙丘(流動(dòng)、半流動(dòng)、固定)、草甸相間分布，中部有一狹長(zhǎng)小型淺水湖泊，名為王巴哈嘎湖。地勢(shì)南北高，中間低，且整體西高東低，海拔為184～235 m。

環(huán)繞王巴哈嘎湖的草甸天然草場(chǎng)為當(dāng)?shù)啬撩袷斋@牧草的主要區(qū)域，草場(chǎng)的優(yōu)勢(shì)植被物種為蘆葦(Phragmitesaustralis)、羊草(Leymuschinensis)和節(jié)節(jié)草(EquisetumramosissimumDesf.)。在王巴哈嘎湖北側(cè)草甸草場(chǎng)上選擇兩處采樣區(qū)域進(jìn)行高光譜和地上生物量數(shù)據(jù)采集，采樣點(diǎn)根據(jù)前期野外實(shí)地踏勘與采樣區(qū)域附近實(shí)際情況確定(試驗(yàn)路線需征得牧民同意)。具體來(lái)說，針對(duì)西側(cè)采樣區(qū)域1，牧民允許從最北端的起點(diǎn)開始，向南行進(jìn)100 m距離，隨后可向東和向西各行進(jìn)100 m；東側(cè)采樣區(qū)域2則是從中心為起點(diǎn)，可向東和向西各行進(jìn)160 m、向南和向北各行進(jìn)120 m。為了使獲取的地上生物量數(shù)據(jù)盡量滿足兩個(gè)采樣區(qū)域內(nèi)的生物量空間差異性，實(shí)際采樣過程中，沿著牧民允許的行進(jìn)路線，有針對(duì)性地選擇不同植被茂密程度的采樣點(diǎn)。采樣區(qū)域1的采樣點(diǎn)整體呈現(xiàn)倒“T”型，共布設(shè)30個(gè)采樣點(diǎn)；采樣區(qū)域2的采樣點(diǎn)整體呈現(xiàn)“十”字型，也布設(shè)30個(gè)采樣點(diǎn)(圖1)。兩處采樣區(qū)域累計(jì)布設(shè)60個(gè)采樣點(diǎn)，為保證高光譜數(shù)據(jù)與地上生物量數(shù)據(jù)空間匹配，采樣點(diǎn)均用高精度GPS定位并在地面插小紅旗標(biāo)記。

圖1 研究區(qū)及試驗(yàn)點(diǎn)所在位置Fig.1 Location of the study area and the sampling sites

1.2 草地冠層高光譜數(shù)據(jù)采集

(1)光譜測(cè)量時(shí)間

分別于2019年7月31日10∶40和12∶10對(duì)兩個(gè)采樣區(qū)域布設(shè)的各30個(gè)采樣點(diǎn)進(jìn)行高光譜反射率數(shù)據(jù)采集，采樣過程分別持續(xù)1.5 h左右。當(dāng)天天氣晴朗，光照穩(wěn)定，微風(fēng)且無(wú)云。

(2)光譜測(cè)量?jī)x器

草地冠層高光譜反射率數(shù)據(jù)采用美國(guó)ASD(Analytical Spectral Devices，Inc.,Boulder,CO,USA)公司生產(chǎn)的Field Spec4可見光/近紅外便攜式地物高光譜儀進(jìn)行采集。儀器視場(chǎng)角為25°，波段范圍為350～2 500 nm，其中350～1 000 nm范圍的光譜采樣間隔為1.4 nm，光譜分辨率為3 nm，1 001～2 500 nm范圍的光譜采樣間隔為2 nm，光譜分辨率為10 nm。隨儀器附帶的RS3軟件可對(duì)350～2 500 nm光譜范圍的原始反射率、輻照度和輻亮度光譜數(shù)據(jù)進(jìn)記錄、存儲(chǔ)和顯示。

(3)光譜測(cè)量

野外光譜測(cè)量前，先對(duì)光譜儀進(jìn)行預(yù)熱、優(yōu)化處理，隨后進(jìn)行參考板檢驗(yàn)和比對(duì)(1 min內(nèi)完成)，且在測(cè)量過程中根據(jù)環(huán)境情況改變及時(shí)進(jìn)行參考板校正。測(cè)量方式為試驗(yàn)人員手持，光譜傳感器探頭垂直向下，距采樣點(diǎn)處冠層頂高度75 cm左右。在儀器輸出光譜設(shè)置項(xiàng)中，每條光譜的平均采樣數(shù)為10，每個(gè)采樣點(diǎn)又進(jìn)行2次重復(fù)測(cè)量，因此每個(gè)采樣點(diǎn)共采集記錄20次高光譜反射率數(shù)據(jù)。

1.3 草地地上生物量數(shù)據(jù)獲取

高光譜反射率數(shù)據(jù)采集后立即對(duì)采樣點(diǎn)處的地上生物量進(jìn)行獲取，地上生物量獲取點(diǎn)對(duì)應(yīng)光譜采樣點(diǎn)，收割牧草的樣方范圍則根據(jù)光譜儀視場(chǎng)角在地面的投影面積來(lái)確定(0.3～0.5 m2)。齊地收割樣方內(nèi)所有牧草，現(xiàn)場(chǎng)稱其鮮重并裝入紙袋，隨后帶回實(shí)驗(yàn)室置于烘箱內(nèi)，105℃殺青30 min，再以65℃烘干至恒重，稱其干質(zhì)量后計(jì)算地上生物量。

1.4 數(shù)據(jù)處理與分析

光譜儀自帶的軟件程序可將野外原位試驗(yàn)采集的光譜數(shù)據(jù)重采樣至逐波段高光譜反射率曲線，共輸出2 151個(gè)波段。每個(gè)采樣點(diǎn)共獲取了20條高光譜曲線，異常光譜剔除后對(duì)余下各光譜波段取均值作為各采樣點(diǎn)最終光譜反射率曲線。草地地上生物量在可見光至近紅外波段內(nèi)與光譜反射率關(guān)系密切[16]，且所用光譜儀在400～900 nm波段范圍的信噪比佳，故本文選取該波段范圍高光譜反射率(共501個(gè)波段)進(jìn)行研究。對(duì)初始光譜數(shù)據(jù)進(jìn)行平滑去噪、一階至四階光譜微分變化處理，微分光譜計(jì)算式如下：

(1)

式中：DR(λi)為λi波段處高一階(一階至四階)的微分反射率，R(λi)和R(λj)是在λi波段和λj波段處低一階(原始至三階)的反射率，Δλ為微分窗口大小，Δλ=λi-λj(λi>λj)。由于過大的微分窗口會(huì)導(dǎo)致重要光譜特征的丟失，同時(shí)窗口小于光譜分辨率又會(huì)導(dǎo)致信號(hào)失真。本研究選取的400～900 nm波段范圍光譜分辨率為3 nm，綜合考慮下，微分窗口Δλ大小選為5 nm。

將原始、一階至四階高光譜反射率與草場(chǎng)地上生物量進(jìn)行逐波段相關(guān)性分析，尋找與地上生物量相關(guān)性強(qiáng)的波段。除了SRVI和NDVI,還借助土壤調(diào)節(jié)植被指數(shù)(Soil adjusted vegetation index，SAVI)、增強(qiáng)型植被指數(shù)(Enhanced vegetation index，EVI)這2種常用的植被指數(shù)形式，將400～900 nm范圍內(nèi)原始與不同階微分逐波段光譜反射率代入其公式中(表1)。根據(jù)相應(yīng)指數(shù)形式，選擇2個(gè)或3個(gè)單一波段的反射率構(gòu)建植被指數(shù)，計(jì)算其與草地地上生物量的相關(guān)性并繪制相關(guān)性矩陣圖，同時(shí)挑選出由最佳波段組合構(gòu)成的不同階(原始相當(dāng)于零階)最佳高光譜植被指數(shù)。

表1 本研究選用的植被指數(shù)Table 1 Equations of vegetation indexes in this study

1.5 模型建立與驗(yàn)證

利用一元線性回歸法分別建立不同階高光譜最佳植被指數(shù)與草場(chǎng)地上生物量的回歸估算模型。數(shù)據(jù)集劃分時(shí)，考慮采樣點(diǎn)數(shù)量與樣本代表性，對(duì)60個(gè)地上生物量數(shù)據(jù)進(jìn)行降序排列，從前兩個(gè)數(shù)據(jù)開始，采用隔一選二的方式，選擇訓(xùn)練集樣本，剩下的數(shù)據(jù)為驗(yàn)證集樣本。共選取40個(gè)訓(xùn)練樣本建立回歸模型，剩余20個(gè)樣本對(duì)模型進(jìn)行精度驗(yàn)證。模型精度采用決定系數(shù)(Coefficient of determination,R2)和均方根誤差(Root mean square error，RMSE)來(lái)評(píng)價(jià)，其中R2越接近于1，RMSE越小，所構(gòu)建模型的精度越高。本文所有數(shù)據(jù)處理、分析計(jì)算、模型建立與繪制圖形等都在MATLAB R2016a軟件環(huán)境下完成。

2 結(jié)果與分析

2.1 草地冠層不同階高光譜反射率和地上生物量的關(guān)系

對(duì)草地地上生物量與逐波段原始、一階至四階高光譜冠層光譜反射率進(jìn)行線性相關(guān)性分析，得到不同階光譜反射率與地上生物量相關(guān)系數(shù)隨波長(zhǎng)變化的規(guī)律(圖2和圖3)。由圖2可知，對(duì)于生長(zhǎng)旺盛期，草地地上生物量與單一波段原始高光譜冠層反射率相關(guān)性整體偏低，只在660～680 nm(紅光波段)、750～900 nm(近紅外波段)兩個(gè)波段范圍形成相關(guān)性稍好高值平臺(tái)。由圖3可知，光譜微分階數(shù)越高，相關(guān)性曲線的波動(dòng)越劇烈。一階至四階微分高光譜反射率與草地地上生物量的相關(guān)性曲線沒有出現(xiàn)明顯高相關(guān)性高值平臺(tái)，但從400～900 nm波段范圍的單一波段相關(guān)性極值來(lái)看，微分處理后高光譜反射率優(yōu)于原始反射率。

圖2 草地原始高光譜反射率與地上生物量的相關(guān)性曲線Fig.2 Correlograms of the correlation coefficient (R) between the original hyperspectral reflectance and AGB

圖3 草地一至四階高光譜微分反射率與地上生物量的相關(guān)性曲線Fig.3 Correlograms of the correlation coefficient (R) between the first-,second-,third- and fourth order derivative hyperspectral reflectance and AGB

2.2 不同階高光譜植被指數(shù)與地上生物量的關(guān)系

以簡(jiǎn)單比值植被指數(shù)(SRVI)、歸一化植被指數(shù)(NDVI)、土壤調(diào)節(jié)植被指數(shù)(SAVI)和增強(qiáng)型植被指數(shù)(EVI)4種植被指數(shù)形式對(duì)400～900 nm范圍逐個(gè)光譜反射率進(jìn)行組合，構(gòu)建基于原始光譜反射率、一階至四階微分光譜反射率的5類不同植被指數(shù)，并繪制相關(guān)性矩陣圖分析其與草地地上生物量的相關(guān)性，圖4至圖8分別給出了5類植被指數(shù)與草地地上生物量的相關(guān)性矩陣。由于NDVI和SAVI的相關(guān)性矩陣圖沿著對(duì)角線對(duì)稱且正負(fù)相關(guān)性相反，僅繪制對(duì)角線右下側(cè)的圖形。

對(duì)于基于原始高光譜反射率構(gòu)建的SRVI，NDVI和SAVI三種植被指數(shù)，如果不考慮SRVI的非對(duì)稱性，SRVI，NDVI和SAVI的矩陣圖形式相對(duì)一致(圖4)。而基于一階至四階微分高光譜反射率構(gòu)建的3種植被指數(shù)相關(guān)性矩陣圖，相似性隨著微分階數(shù)的增加而不斷減弱，僅基于一階微分高光譜反射率的SRVI和NDVI矩陣圖相似性尚佳(圖5)，說明隨著光譜微分階數(shù)的增加，全波段范圍內(nèi)構(gòu)建的不同植被指數(shù)間的差異性也在不斷增加?；谠几吖庾V反射率的植被指數(shù)與草地地上生物量相關(guān)性矩陣圖中，存在較高相關(guān)性的區(qū)域：波段組合在730～900 nm與700～740 nm的區(qū)域?yàn)镾RVI，NDVI和SAVI的高相關(guān)性區(qū)域，波段組合為735～755 nm，755～785 nm與650～670 nm的區(qū)域?yàn)镋VI的高相關(guān)性區(qū)域(圖4)?；谖⒎指吖庾V反射率構(gòu)建的植被指數(shù)與地上生物量相關(guān)性矩陣圖呈現(xiàn)明顯的斑塊化(圖5，圖6)，且斑塊化程度隨著階數(shù)的增加而增大，并逐漸破碎化(圖7，圖8)，因此越是高階微分光譜，矩陣圖內(nèi)成片的高相關(guān)性區(qū)域越不明顯。

圖4 基于原始高光譜反射率的4種植被指數(shù)與牧草地上生物量的相關(guān)性矩陣圖Fig.4 Correlation matrix plots of the four original hyperspectral reflectance vegetation indexes and AGB

以原始高光譜反射率、一階至二階微分高光譜反射率構(gòu)建的4種植被指數(shù)與草地地上生物量的相關(guān)系數(shù)絕對(duì)值的最大值都在0.63以上，三階微分高光譜反射率植被指數(shù)與地上生物量的相關(guān)性較前者有所下降，四階情形下相關(guān)性更低一些。其中，基于一階微分高光譜反射率并以SRVI形式構(gòu)建的植被指數(shù)(兩波段分別為712 nm和749 nm)與地上生物量的相關(guān)性最好(相關(guān)系數(shù)為—0.68)。原始與一至四階微分高光譜反射率植被指數(shù)的最佳波段組合見表2。

圖7 基于三階高光譜微分反射率的4種植被指數(shù)與牧草地上生物量的相關(guān)性矩陣圖Fig.7 Correlation matrix plots of the four third-order hyperspectral derivative reflectance vegetation indexes and AGB

圖8 基于四階高光譜微分反射率的4種植被指數(shù)與牧草地上生物量的相關(guān)性矩陣圖Fig.8 Correlation matrix plots of the four fourth-order hyperspectral derivative reflectance vegetation indexes and AGB

由表2可知，基于原始光譜反射率與一階至三階微分光譜反射率構(gòu)建的不同最佳植被指數(shù)的主要組成波段都以紅邊、近紅外波段為主，且SRVI與NDVI的兩波段組合具有高度的相似性，SAVI與EVI的前兩個(gè)組成波段有著高度相似性?；谒碾A微分光譜反射率的最佳植被指數(shù)的波段組成則較分散，藍(lán)、綠、紅光以及紅邊、近紅外波段都有涉及。整體上看，就與草地地上生物量的相關(guān)性而言，基于一階微分光譜反射率構(gòu)建的最佳植被指數(shù)最高，二階微分光譜反射率略微高于原始光譜反射率，三階、四階微分反射率依次遞減。

表2 最優(yōu)原始與一至四階微分反射率植被指數(shù)及其波段組合Table 2 Optimal vegetation indexes against AGB based on the original and different order derivative reflectance

2.3 草地地上生物量的最優(yōu)植被指數(shù)估算模型對(duì)比

基于原始、一階至四階微分5類光譜反射率數(shù)據(jù)，利用最佳波段組合構(gòu)建的最佳SRVI,NDVI,SAVI和EVI植被指數(shù)，建立了共20個(gè)最佳植被指數(shù)草地地上生物量線性估算模型，各模型及評(píng)價(jià)結(jié)果見表3。由表3可知，基于原始光譜反射率數(shù)據(jù)構(gòu)建的4個(gè)植被指數(shù)模型估算效果相近，決定系數(shù)R2都在0.54以上，均方根誤差RMSE不超過231.13 g·m-2?；谝浑A和二階微分光譜反射率的植被指數(shù)模型中，SRVI和NDVI模型的精度高于SAVI和EVI模型，除一階微分光譜反射率NDVI模型外，其余3個(gè)模型的決定系數(shù)都達(dá)到了0.60，RMSE均小于219.74 g·m-2。整體來(lái)看，基于原始和一階微分光譜反射率的4類最佳植被指數(shù)模型精度相當(dāng)，基于二階微分光譜反射率的最佳SRVI和NDVI模型精度最優(yōu)(決定系數(shù)分別為0.69和0.70，RMSE分別為196.60 g·m-2和196.65 g·m-2)。而隨著光譜微分階數(shù)的提高，模型的精度呈下降趨勢(shì)。圖9給出了精度最高的基于二階微分光譜反射率最佳SRVI與NDVI模型的估算及評(píng)價(jià)結(jié)果，由圖可知二階微分SRVI和NDVI模型估算效果十分接近，在低地上生物量區(qū)域模擬精度較好且對(duì)地上生物量高值區(qū)域存在一定的低估。這是由于全波段范圍優(yōu)選構(gòu)建的二階微分植被指數(shù)能夠在一定程度避免傳統(tǒng)紅光與近紅外波段組合的植被指數(shù)容易出現(xiàn)的飽和現(xiàn)象，但是通過單一植被指數(shù)構(gòu)建的線性模型精度還有進(jìn)一步上升的空間。

圖9 基于二階微分光譜反射率的最優(yōu)SRVI與NDVI模型估算結(jié)果Fig.9 Results of the models using the optimal SRVI (a) and NDVI (b) based on the second-order derivative reflectance

表3 最優(yōu)原始與一至四階微分反射率植被指數(shù)模型估算結(jié)果Table 3 Results of the models using the optimal vegetation indexes based on the original and different order derivative reflectance

3 討論

草地生長(zhǎng)旺盛期單一波段冠層原始高光譜反射率與地上生物量的相關(guān)性較弱(圖2)，這主要是受草地植被種類與冠層立體結(jié)構(gòu)綜合干擾的結(jié)果，且地上生物量又是一個(gè)受多因素影響的植被參數(shù)，其變化不能僅靠原始冠層反射率的變化來(lái)體現(xiàn)[26]。通過微分轉(zhuǎn)換后，不同階微分高光譜敏感波段反射率與草地地上生物量的關(guān)系要好于原始高光譜敏感波段反射率(圖3)，說明光譜微分變換可削弱背景噪聲，強(qiáng)化并突出高光譜特征信息[27-29]。

利用所有波段范圍內(nèi)原始、一階至四階微分高光譜反射率，挑選出的20個(gè)由最佳波段構(gòu)建的最佳植被指數(shù)與草地地上生物量的相關(guān)性比最佳單波段反射率高，且組成最佳植被指數(shù)的波段以紅邊和近紅外波段占比最大，分別占所有已挑選波段的49%與33%(表2)。高宏元等[18]對(duì)高寒草地地上生物量進(jìn)行高光譜估算時(shí)所選取的特征波段也主要集中在紅邊和近紅外這兩個(gè)波段范圍。由紅光過渡到近紅外的紅邊波段是描述植被生長(zhǎng)狀況的重要指示波段，有研究表明紅邊波段所包含的光譜信息能表征80%以上的包括地上生物量在內(nèi)的多種植物理化參數(shù)[30-31]。從表2還可以發(fā)現(xiàn)，20個(gè)最佳植被指數(shù)中僅有1個(gè)植被指數(shù)(基于四階微分光譜的NDVI最佳波段組合為近紅外與紅光波段)的最佳波段屬于表1所列傳統(tǒng)波段的范疇，說明在全波段范圍內(nèi)優(yōu)選構(gòu)建的植被指數(shù)與草地地上生物量的相關(guān)性要好于利用傳統(tǒng)波段構(gòu)建的植被指數(shù)。

基于原始高光譜反射率的4個(gè)最佳植被指數(shù)估算模型精度相近，植被指數(shù)形式復(fù)雜的SAVI，EVI模型略好于形式簡(jiǎn)單的SRVI，NDVI模型。而基于一階至三階微分光譜反射率的最佳植被指數(shù)估算模型卻相反，形式更為簡(jiǎn)單的SRVI，NDVI模型精度優(yōu)于SAVI，EVI模型。此外，基于原始、一階至四階的SRVI和NDVI兩類模型，隨著微分階數(shù)的提高，模型精度先增加后減少，轉(zhuǎn)折點(diǎn)出現(xiàn)在基于二階微分光譜的植被指數(shù)模型。對(duì)比前者，SAVI和EVI模型精度卻在一直下降。雖然前面提到，光譜微分變換可以削弱背景噪聲影響，在一定程度上強(qiáng)化光譜特征，但是光譜轉(zhuǎn)換過程會(huì)導(dǎo)致潛在敏感信息的丟失[32]，且隨著階數(shù)的提高，高頻噪聲會(huì)被逐漸放大，信噪比降低[33]，繼而影響了估算模型的精度。

高光譜遙感可提供比多光譜更精細(xì)的連續(xù)窄波段信息，但是如何從眾多信息中挑選出有效信息也是個(gè)不小的挑戰(zhàn)。Fava等[13]研究表明，相較于波寬(Full width half maximum，F(xiàn)WHM)而言，波段選擇的微小偏移會(huì)帶來(lái)草地地上生物量估算的較大差異。本研究借助地面遙感手段，對(duì)比討論了利用不同階微分光譜、不同最佳植被指數(shù)對(duì)草地地上生物量的估算，優(yōu)選出的最佳波段組合能夠?yàn)楹教煨l(wèi)星多光譜與航空無(wú)人機(jī)高光譜影像的波段選取提供參考依據(jù)。未來(lái)應(yīng)該在此基礎(chǔ)上，探尋地面高光譜波段和航天或航空遙感影像波段間的對(duì)應(yīng)關(guān)系，進(jìn)而實(shí)現(xiàn)“空-天-地”協(xié)同的區(qū)域草地地上生物量模型構(gòu)建和估算。

4 結(jié)論

微分高光譜敏感波段反射率與草地地上生物量的關(guān)系要好于原始高光譜敏感波段反射率，全波段優(yōu)選構(gòu)建的最佳植被指數(shù)能進(jìn)一步提高相關(guān)性。最佳植被指數(shù)的組合波段中，紅邊和近紅外是重點(diǎn)考慮波段，兩者能占所有已挑選波段的80%以上。過高的微分階數(shù)會(huì)降低估算模型的精度，利用原始、一階至四階光譜微分構(gòu)建的最優(yōu)SRVI，NDVI，SAVI和EVI模型中，基于二階微分光譜的SRVI和NDVI模型精度最好(R2分別為0.69和0.70，RMSE分別為196.60 g·m-2和196.65 g·m-2)，表現(xiàn)出良好的準(zhǔn)確性與便捷性，不失為估算草地地上生物量的一種方便高效方法。