高光谱相机估算甘南牧区草地的生物量

草地生态系统是陆地生态系统中分布最广、最重要的生态系统类型之一，它在全球变化中的作用越来越受到重视。草地生物量是指单位面积牧草积累物质的质量，是草地生态系统中进行草地长势与估产、草地生态评价等研究的重要参数之一，准确估算草地生物量对于牧草长势监测，产量估算、合理规划区域畜牧业，评估草地植被的生态效益有重要意义。特别是近年来，甘南牧区实行了退牧还草工程，牧草生物量的动态监测对退牧还草效益和评估具有重要参考价值。草地地上生物量的估算将为确定合理的草地载畜量提供依据，为实现牧业的可持续发展具有重要意义。

本文利用2007年在甘南草原野外观测获得的天然草地高光谱遥感数据和地上生物量数据，运用高光谱数据原始变量及各种变换形式：红、黄和蓝(三边)光学参数，植被指数，绿色反射峰(绿峰)和红光吸收低谷(红谷)等变量进行了地上生物量的高光谱遥感估算模型研究，旨在促进高光谱分辨率遥感技术在草地畜牧业动态监测和遥感估产及草地生态系统评价中的应用。

研究区概况

研究区位于青藏高原的东北边缘，甘肃省西南部，东经100°45'--104°45',北纬336'--35°34',平均海拔2000米以上，境内最高点海拔4811米，最低点海拔1172米，年降雨量600-800mm,主要集中在5～7月份。年均温度1～3℃。境内地貌复杂多样，西高东低，有高山草地、高山森林和丘陵低山三个自然区，草地面积约260.25×10*hm²,可利用草地面积249.50×10*hm²,主要分布在玛曲、碌曲、夏河三县，卓尼，临潭两县次之，舟曲，迭部较少。碌区县境内海拔3470米的尕海草原

拥有甘南州内第一大淡水湖杀海湖，湖四周为优良的天然牧场，植被丰厚。玛曲县境内海拔3300m以上的玛曲草原有北起河曲马场经曼日玛乡至采日玛乡的“乔科”大沼泽，东西宽12.5km,南北长55km,蕴藏着丰富的植被资源。其沼泽和沼泽化草甸面积6.51×10*hm²,占该区草场面积的31.08%,占全县草场面积的75%。本研究分别在碌曲、玛曲和夏河选取不同类型草场100多个样方进行了草地光谱、地上生物量测量。

材料与方法

试验材料：

野外观测主要选取的草地类型为：披碱草型，主要包括垂穗披碱草Elymus nutans Griseb;异针茅+硬质早熟禾型，包括异针茅Stipa aliena,龙胆Gentiana spp、黄帚橐吾Ligularia virgaurea;蒿草+披碱草型，包括蒿草、披碱草E.dahuricus、早熟禾Poaspp;  苔草+萎苓菜型，包括苔草、鹅绒萎苓菜Potentilla anserin,早熟禾、小米草Euphrasia pectinata、蒲公英Taraxaxum Mongolicium。由于夏河温性草原和亚高山灌丛草甸的光谱测量受天气影响，在本研究中未进行分析。具体草场类

型见表1:

光谱测量方法

光谱仪：本研究可采用广东赛斯拜克科技有限公司产品SPX系列高光谱相机进行相关研究。波段值为350~2500 nm,其中350~1000nm光谱采样间隔为1.4nm,光谱分辨率为3nm;1000~2500nm采样间隔为2nm,光谱分辨率为10nm。

草地冠层光谱测定：时间选择在2007年8月24、25、26日三天，天气状况较好，无云无风，

于每天上午10:00到下午2:00测定冠层光谱反射率。观测时，光谱视场角(FOV)25°。传感器探头垂直向下，距冠层顶垂直高度约1.3m,地面视场范围直径为0.5m。以10个光谱为一采样光谱，每个观测点记录10个采样光谱，以其平均值作为该观测点的光谱反射值，测量过程中及时进行标准白板校正(标准白板反射率为1,这样所得的光谱是无量纲的相对反射率)。

地上生物量获取

光谱数据采集后，收割所有地上生物量，利用电子天平立即对鲜生物量进行秤重。生物量被定义为观测点地表所有可以食用牧草的质量(单位：kg/m²)。

高光谱特征参数与提取

常见的高光谱吸收特征参数包括了原始光谱、一阶微分光谱提取的基于高光谱位置变量、基于高光谱面积变量、基于高光谱植被指数变量三种类型的吸收特征参数。基于高光谱位置变量的有10个：Db、λb、Dy、λy、Dr、λr、Rg、λg、Rr和λo; 基于高光谱面积的变量有主要有3个：SDb、SDy、SDr;基于高光谱的植被指数的变量有：NDVI,RVI,EVI,SAVI,

DVI,PVI,NDWI等。

结果与分析

甘南牧区草地的高光谱特征分析

从图1可知，甘南草地中不同的草场类型，尽管光谱反射率有所差异，但总的趋势曲线是一致的。其光谱具有一般健康绿色植被光谱的"峰和谷"特征，即在可见光波段的"绿峰"、红光低谷，近红外高原区(0.7~1.3μm)和1.4μm、1.9μm处两个明显低谷，这是绿色植物所特有的。草地冠层光谱在566nm前后有反射峰和680nm前后处的反射低谷，是由于叶绿素对近、远红光波段的吸收造成的。之后光谱反射率迅速增加，从750nm开始增加缓慢直到1290nm处，在平台区域中有两个较小的吸收谷(980nm和1182nm),冠层反射率一般在40%～50%之间，是由于植物叶子内部组织结构多次反射散射的结果，主要由生物量、叶面积指数决定。在短波红外的1665nm

和2166nm前后有明显的反射峰。不同草地类型的光谱反射率高低差异明显，这与不同草种的叶片形状、层片结构和垂直结构以及覆盖度大小等有关。从图1的原始光谱曲线特征可看到四种不同的草地类型在近红外波段的反射率差异较大，区分明显。其反射率值的差异表现为：蒿草+披碱草型<异针茅+硬质早熟禾型<披碱草型<苔草+萎苓菜型，从图2的红边参数特征可以看出，四种类型草地在相同生长季的红边位置差异很小，但是红边幅值与红边面积的差异较大。红边幅值和红边面积可以指示草地的生长状态，也可以进行草地类型的鉴别。从图中可以看到，红边幅值的大小也表现为蒿草+披碱草型<异针茅+硬质早熟禾型<披碱草型<苔草+萎苓菜型，且在成熟期仍表

现为双峰型，这可以作为草地分类的依据。

甘南草地地上生物量与高光谱数据的相关分析

 甘南草地地上生物量与原始光谱变量的相关分析

从图3可知，在可见光波段，波长小于741nm时，冠层光谱反射值与生物量数据呈负相关；波长在350～738nm之间的相关系数达到了极显著性检验水平；波长在699nm处相关系数最大

(r=-0.882)。波长在741nm～1155nm之间，相关系数大于0,且在这个波段之间，相关系数未通过显著性检验。在1511nm～2340nm之间，冠层光谱反射率值与地上生物量的相关系数为负值，且通过了极显著性检验水平。

牧草生物量与高光谱特征变量的相关性分析

由表3可知，生物量和高光谱位置变量之间的相关系数值以Rr,λ。,Dy较大，均通过了

0.01的显著性检验，均呈负相关；其次为Db,Rg,Dr,λr,均达到了0.05的显著性检验水平，其中Db,Rg为负相关，Dr,λr为正相关。生物量与高光谱面积变量之间的相关系数中，与SDr呈正相关，且达到了0.01的显著性检验水平。生物量与植被指数变量的相关系数中，RVI,PVI,NDVI,EVI,SAVI,NDWI的相关性均达到了0.01的显著性检验，且相关系数均为正值， DVI与生物量的相关性相对较低。在所有变量中，RVI与生物量的相关性最高，达到了0.865。生物量与

SDb,SDy,λb,λy,λg的相关性较低且未通过显著性检验，说明当生物量发生变化时，并未引起上述变量的显著性变化。

甘南牧草生物量的高光谱遥感估算模型

为了利用光谱数据对牧草生物量进行估算和精度检验，将所有的试验数据进行了质量控制，选出了分析样本并进行随机抽取，分两组：一组为训练样本(n=18),用于建立回归关系；另一组为测

试样本(n=10),进行精度检验。其中四类草地的样本数分别是：披碱草型样本数为9个、异针茅+硬质早熟禾型样本数为4个、蒿草+披碱草型样本数为7个、苔草+萎苓菜型样本数为8个。

4.1单变量线性和非线性回归模型

从表3中选出相关系数通过0.01检验且大于0.6的RVI,PVI,NDVI,EVI,Rr,λ。6个变量，运用线性和非线性回归方法，建立甘南典型草场生物量的的回归估算方程如下：

从表4可知，RVI,PVI,NDVI和地上生物量回归方程的拟合R²都通过了P=0.01的显著性检验，其他的除红边位置(Rr)都通过0.05的显著性检验。对于植被指数，最适合的拟合方程为抛物线方程，F检验值较大。综合比较，确定以RVI为变量的的抛物线方程为单变量回归估算模型中的最佳模型(图4)。

逐步回归模型

运用逐步回归分析方法确定与生物量相关的光谱变量时，输入变量是实测得生物量和光谱变量值，输出结果是一系列包含不同光谱变量的多元线性方程及对应的判定系数(R²)和回归方程检验值(F检验)。逐步回归分析模型如下：

y=ao+axr+a2x2+...+ax;+..    (1)

式中X—光谱变量值；y—根据所有自变量X;计算的估计值；ao--常数项；a;--y对应的偏回归系数。同时，运用逐步回归分析技术建立天然草地地上生物量与高光谱原始数据和RVI,PVI和NDVI等3个高光谱变量之间的关系，结果如表5所示。

运用逐步回归分析技术探讨原始光谱与地上生物量值间的关系表明，对原始光谱而言，第一个被选中波段(具有最大相关系数)能解释样本间地上鲜生物量方差的51.3%;选择2个变量(波段)进

7

入方程，能解释样本地上鲜生物量方差的73.4%;当选择3个变量(波段)进入方程，基本上可以解

释80.3%,当步长数为5的时候，可以解释样本生物量方差的81.4%,略有增加，但是F值明显降低，所以认为步长为3时的逐步回归模型是适宜并且最简洁的。由此确定逐步回归模型为：

Y=453.358-1132.4R699+1101.632R840+3188.706R2015(Y为地上生物量鲜重)。从入选的波段看，主要是可见光、近红外和短波红外波段。此外，该模型的拟合效果和植被指数的拟合效果相比，效果略差一些，所以估算甘南草地生物量运用逐步回归分析模型不是最佳的。

4.3牧草生物量的高光谱遥感估算模型精度分析

为了验证选择的5个高光谱特征变量所拟合的上述回归方程的估算精度，利用10个样本进行精度检验，估算值与实测值的回归系数如表2所示。估算结果的回归系数R²变动范围为0.1631～0.8049,

平均值为0.6646,和拟合方程的R²平均值0.5572均值相比，结果有一定相差。若去除以λo为自变量的回归模型，估算结果回归系数的平均值为0.7362,拟合方程的R²平均值为0.5729,说明入选的高光谱特征变量的回归方程的估算结果是比较理想的。同时，从表2中可以看出，估算回归系数R²与拟合R²相比，有几个拟合效果不太好，说明利用单变量方程估算还存在一定的不确定性。单变量方程的检验结果表明，以RVI为变量的估算方程最好，估计标准差为0.178(kg/m²),而三个变量的逐步回归模型的估计标准误差为0.252(kg/m²)。

综合比较单变量模型和逐步回归模型，确定以RVI为变量的模型为最佳估算模型，简便同时精度较高，且适合多光谱遥感应用。从图5可以看出预测模型的效果，在生物量较小时拟合效果较好，在生物量较大时，拟合度较差，说明该模型还存在一定的不稳定性，尚需进一步完善。

结论与讨论

通过野外观测，测定了甘南牧区草地的冠层高光谱反射率和地上生物量，分析了四类不同草地型的高光谱反射特征与红边参数特征，并运用高光谱吸收特征参数和植被指数进行分析，建立了地上生物量的高光谱估算模型，得出以下结论：

不同草地类型的光谱特征在近红外光区的差异最明显，其红边参数特征也可以较好的对不同类型草地及生长状态进行区分，这为遥感进行草原分类监测提供了依据。

草地原始光谱与生物量的相关性在可见光和短波红外光区较好，在近红外光区的相关性未通过检验可能与样本数量较少有一定关系；

运用单变量线性和非线性回归方法，建立生物量的估算模型，其中基于光谱植被指数构建的回归模型估算生物量的结果较好。估测R²明显高于基于高光谱位置变量构建的模型，说明在甘南这样的高植被覆盖度、高寒草原区运用高光谱植被指数来估算草地生物量效果较好；

运用逐步回归分析方法构建甘南草地生物量模型，发现虽然随着变量增加，相关系数略有增加，但估算精度并未增加，说明进入回归模型的波段数的多寡并非是影响模型预测能力的决定因素，各

个波段的互补性是提高预测精度的关键；初步确定基于可见光、近红外、短波红外的三个变量构建的模型相对简单使用，精度相对较好，估计标准误差为0.252(kg/m²);

综合比较所有模型，最后确定以RVI为变量的的抛物线方程为单变量回归估算模型中的最佳模型，且适合多光谱遥感应用，估算精度较高，估算标准误差为0.178(kg/m2)。该结果说明在甘南牧区这样的牧草覆盖度较高的草原区，成熟期牧草生物量估算用RVI指数效果最理想，这与稀疏草原区用NDVI估算最佳的结论有差异。

由于试验时间及样本数量的关系，今后应该进一步加强牧草整个生长季的观测，同时增加样本以提高该模型的预测精度。