青藏高原草地生物量遙感動態監測

方 金，黃曉東，王 瑋，于 惠，馬琳雅，梁天剛

(蘭州大學草地農業科技學院 農業部草地農業生態系統學重點實驗室，甘肅 蘭州 730020)

草地占地球陸地面積的40.5%，在全球碳循環中具有十分重要的作用[1]。在我國，天然草地的面積占國土面積的42.05%[2]。天然草地是青藏高原牧區非常重要的可更新資源，它不僅是草地畜牧業的物質載體，而且在維持區域生態環境方面具有重大意義[3]。近年來，草地荒漠化、沙化等草地退化問題越來越嚴重[4]。因此，對草地生物量研究顯得尤為重要。草地生物量的遙感監測與傳統方法相比，具有效率高、速度快、成本低且不傷害植株的優點[5]。目前，草地生物量的遙感監測已經成為一個熱門課題，草地地上生物量的估算為確定合理的草地載畜量提供了科學依據[6-9]，并且在保障畜牧業生產發展和保護生態環境方面具有重要意義。

隨著遙感技術的發展，草地遙感估產技術和方法也將繼續發展，基于遙感數據和方法的草地估產模型更加趨于成熟，其應用也將向草原生態系統、草地退化監測、草地植被生長監測等領域擴展[10]。中分辨率成像光譜儀 (moderate resolution imaging spectroradiometer,MODIS)資料主要應用于土地覆蓋、土地利用、植被生態和自然災害監測[11-14]等方面。近幾年，利用MODIS資料開展的生物量的遙感監測方面的科學研究也越來越全面。梁天剛等[15]利用2006-2008 年甘南牧區草地調查資料和Terra/MODIS 每日地表反射率產品MOD09GA，建立了草地地上生物量遙感反演模型，分析了甘南州及各縣草地資源在2001-2008 年期間的各旬、月和年的生物量及理論載畜量變化動態。馮蜀青等[16]利用EOS/MODIS進行牧草產量監測，建立了牧草產量監測模型，該模型可用于監測青海省牧草生長狀況，并對牧草產量變化進行評價，為畜牧業生產提供決策依據。徐希孺和金麗芳[17]利用NOAA資料較好地推算了內蒙古錫林郭勒盟的草地生物量。楊英蓮等[18]指出，牧草產量和MODIS增強型植被指數 (enhanced vegetation index,EVI) 之間有較高的相關性，并且得出利用指數函數建立產量模型效果較好。另外，生長旺季建立的模型相關性明顯好于生長初期或末期[19]。渠翠平等[20]比較了利用增強型植被指數和歸一化植被指數 (normalized difference vegetation index,NDVI) 反演生物量的優缺點，發現在反演生物量時增強型植被指數要優于歸一化植被指數。

本研究主要分析不同植被蓋度下NDVI、EVI與生物量之間的相關性，建立基于不同植被蓋度下NDVI和EVI的草地生物量估測模型，并分析選取出最優模型，用來估測青藏高原地區的草地生物量，為合理利用青藏高原牧區草地資源提供科學依據。

1 研究區域概況

研究區草地類型主要包括低地草甸類、高寒草甸類、高寒草原類、高寒灌叢類、山地草甸類、溫性草原類、溫性荒漠類、沼澤草甸類、高寒荒漠類等。其牧草品質優良具有高蛋白、高脂肪、高無氮浸出物及高產熱值和低纖維素“四高一低”的特點，已成為我國發展草地畜牧業的主要基地之一[21-22]。同時，青藏高原草地是世界唯一的高寒生物種質資源庫，高原生物具有強大的抗逆基因和特殊種性，由于該地區海拔高、氣候惡劣及草地生態系統的低效、脆弱等特性，一經破壞，則極易喪失而且無法補救[23-24]。所以，利用遙感技術對該地區草地生物量進行監測，具有極其重要的意義，可以為進一步改善青藏高原草地生態系統提供科學依據。

圖1 青海省樣點分布圖

2 數據的獲取與處理

2.1MODIS數據的獲取 MODIS是美國國家宇航局(National Aeronautics and Space Administration，NASA)發射的地球觀測系統(earth observing system，EOS)中最主要的傳感器之一，有36個離散光譜波段，每條軌道掃描寬度約2 300 km，地面分辨率為250、500、1 000 m。由于MODIS的光譜分布和數據特點，近年來已受到國內外許多學者的廣泛關注，利用MODIS數據在土地覆蓋、冰雪變化、荒漠化監測、沙塵監測以及地表凈輻射和病蟲害監測等方面開展了大量的研究[25-27]。本研究所使用的MODIS植被指數數據(MOD13A3)均來自對地觀測系統數據共享平臺(EOS data gateway)，空間分辨率為1 km，每個月生成一幅數字合成圖像，時間序列為2002-2008年，共計84幅EVI和84幅NDVI數字圖像。

2.2地面樣方數據的獲取 野外調查樣點主要分布在青海省(圖1)。分別于2005年8-9月和2006年的8-9月期間，共計調查樣地389個、樣方646個，樣地設置主要選擇在草地植被空間分布比較均一、可以代表較大范圍的典型地段。每個樣地內設置1～3個1 m×1 m的樣方，在植被群落一致性較好的樣地內設置1～2個，當樣地植被比較復雜分布不均勻時，設置2～3個。在每個樣方內，記錄樣點的隸屬行政區、草地類型、坡度、坡向和利用狀況等，同時利用GPS測定樣方的經緯度和海拔，并在樣方內采用常規植被調查法測定植被蓋度、草層平均高度、植物種數、不可食牧草種數、總產草量和可食牧草產量等。

2.3植被指數數據的處理 MODIS植被指數的計算公式如下所示。

歸一化差值植被指數計算公式：

(1)

式中，ρNIR和ρRed分別為經過大氣校正的近紅外和紅光通道的反射值。NDVI可以消除大部分與儀器定標、太陽角、地形、云陰影和大氣條件有關輻照度的變化，增強對植被的響應能力，是目前已有的40多種植被指數中應用最廣的一種。盡管NDVI得到廣泛的應用，但許多研究也表明，NDVI也受到定標和儀器特性、云和云影、大氣、雙向反射率、土壤及葉冠背景、高生物量區飽和等因素影響，其應用受到限制[28]。

增強型植被指數其計算公式：

(2)

式中,ρNIR、ρRed和ρBlue分別為經過大氣校正的地面反射率；L=1，為土壤調節參數；C1和C2分別為6.0和7.5，可通過Blue修正大氣對Red的影響。

EVI對原始數據經過較好的大氣校正，所以EVI的設計避免了基于比值的植被指數的飽和問題。同時，利用藍光和紅光對氣溶膠散射存在的差異，采用“抗大氣植被指數”可進一步減小氣溶膠的影響，采用“土壤調節植被指數”可減少土壤背景的影響，耦合以上兩種植被指數，開發了同時減少大氣和土壤背景影響的增強型植被指數[29]。EVI的合成，是以數據質量為基礎，優先選擇晴天時傳感器視角小的像元。EVI在這些方面的改進，為遙感定量研究提供了更好的基礎。

利用MODIS數據重投影工具軟件(MODIS reprojection tools，MRT)，將下載的數據進行格式和地圖投影轉換，同時完成圖像的空間拼接。在ArcMap軟件中使用雙線性差值方法提取各樣方位置點對應的MODIS影像的EVI和NDVI值，并對提出的EVI和NDVI值作歸一化處理。

2.4草地生物量遙感監測模型的建立與驗證 主要研究方法包括：1)建立地面實測數據不同蓋度下生物量與兩種植被指數的散點圖，模擬出關系最強函數公式。2)利用ArcMap中的ToolBox中的MOD工具，建立生物量遙感監測模型，并計算生成研究區模擬生物量影像。3)計算各樣點對應的實測值和模擬值之差，通過比較其絕對平均誤差和絕對標準差確定最優模型。4)利用最優模型反演草地地上生物量，生成研究區2002-2008年逐月平均生物量數字圖像。

3 結果與討論

3.1NDVI和EVI與草地地上生物量的相關性 對草地蓋度進行分段，在每級植被蓋度下，分別建立了NDVI和EVI與2006年8-9月實測數據之間的反演模型(表1)。結果表明，兩種植被指數和草地生物量的相關性隨著草地蓋度的增大而逐漸變強，說明草地蓋度是影響草地生物量遙感建模的關鍵因子之一；當草地蓋度很低(小于20%)時，NDVI與草地生物量的相關性要強于EVI；當蓋度大于20%時，EVI與草地生物量之間的相關性明顯強于NDVI。通過上述結果可以確定，增強型植被指數的算法在減少大氣和土壤背景影響后的確優于NDVI。因此，本研究利用EVI建立研究區草地地上生物量監測模型，用以反演研究區草地的生物量。

3.2模型的精度分析 利用反演模型(表1)，分別計算研究區基于EVI值的2005年8月草地模擬生物量，將模擬值與2005年8月地面實測值進行比較，并對該組數據進行統計分析(表2)。結果表明，不同植被蓋度下模型反演值與實測值的絕對平均誤差介于1 699.9～3 439.2 kg/hm2，當研究區植被蓋度為90%～99%時，反演值的絕對平均誤差最小；絕對標準差介于1 696.8～2 427.6 kg/hm2，當蓋度為100%時，絕對標準差最小。雖然當蓋度為100%時最大差值與最小差值都比較高，但是標準誤差更能反映對比結果的可靠性，而且比平均誤差更能表現數值的離散程度，所以本研究選取絕對標準差值最小的模型作為研究區草地地上生物量反演的最優模型(表2)，即：y=17 891x1.714 0，R2=0.542。

表1 青海地區的草地生物量與EVI和NDVI之間的關系

表2 青海省不同蓋度下模型精度分析

3.3模型的反演與分析 利用研究區最優生物量反演模型模擬并分析研究區不同類型草地的逐月平均生物量。研究區4月份牧草開始返青，7-8月是全年牧草的生長旺季，達到盛草期，月平均生物量最高達到6 089.7 kg/hm2(圖2)。7-8月研究區日照時數較長，雨水充沛，因此是適合草地生長和放牧的最佳時期。9月之后牧草進入枯黃期，生物量逐漸下降，到10月末達到最小值。從11月到次年的4月是草地的枯萎期，此時研究區草地生物量均低于2 000.0 kg/hm2。植被進入生長期后，由于草地類型的不同，月平均生物量也開始出現了分層。高寒灌叢類、山地草甸類、高寒草原類為第1層，月平均生物量相對其他類型較高；剩下的高寒草甸類、高寒草甸草原類、山地草原類、溫性草原類、沼澤草地類這5種草地類型的月平均生物量為第2層；低地草甸類、溫性荒漠類是研究區月平均生物量相對較低的第3層，生產力水平較弱。

因為研究區每年8月為草地的盛草季，草地的生物量達到最大，因此選取2002-2008年每年8月的不同草地類型平均生物量來反映研究區2002-2008年草地生物量變化動態。對不同草地類型的平均生物量曲線進行分析(圖3)，結果表明，研究區不同草地類型盛草季地上生物量也表現出不同的生產力水平，其中，高寒灌叢類、高寒草甸類、山地草甸類以及高寒草甸草原類的生產力水平較高，2002-2008年，生物量均超過了3 000 kg/hm2；高寒草原類、山地草原類、溫性草原類以及沼澤草甸類的生產力水平較低，地上生物量在1 800～3 400 kg/hm2；低地草甸類與溫性荒漠類的生產力水平最低，地上生物量都小于1 300 kg/hm2。不同草地類型生物量的年季變化略有不同，在2002-2008年，生產力較高的草地類型都表現出生物量先上升后下降的趨勢，從2007年開始，高寒灌叢類和高寒草甸類生物量下降尤為劇烈；生產力水平較低的幾類草地類型，雖然生物量表現出明顯的年季震蕩，但生產力水平基本上保持穩定，沒有發生明顯的變化；生產力水平最低的低地草甸類和溫性荒漠類，生物量基本上沒有發生變化，表現比較穩定。綜上所述，生產力水平越高，草地類型的年季變化越劇烈，說明該種類型的草地類型受氣候變化的影響越大；生產力水平越低的草地類型，則對氣候變化的敏感度較低。當然，草地生產力水平的下降，還受到其他方面的影響，比如過度放牧、人為干擾、不合理的利用方式等，還需要深入研究。

圖2 青海省不同草地類型生物量月季反演圖

圖3 2002-2008年青海省不同草地類型生物量年度變化

利用最優模型和青藏高原2008年8月EVI的影像反演出青藏高原2008年8月生物量的圖(圖4)，按照青藏高原草地資源等級將產量分為如下7個等級，<750、750～1 500、1 500～3 000、3 000～4 500、4 500～6 000、6 000～7 500、>7 500 kg/hm2。研究區生物量的分布具有連續性，且自西北向東南方向生物量呈逐漸增加的趨勢。西北大部分區域生物量小于750 kg/hm2，從西北往東南生物量逐漸增加，東南大部分地區生物量普遍在4 500～6 000 kg/hm2。而生物量高于6 000 kg/hm2的區域相對比較少，主要分布在東南邊界區域。參考研究區的草地類型資料，研究區西北方向主要是生產力較弱的高寒荒漠類、高寒荒漠草原類和裸地，因此草產量少也是符合實際的；中間部分主要為高寒草原類、高寒草甸類和高寒草甸草原類，這幾類草地類型相對高寒荒漠和高寒荒漠草原類的產草量要高；而東邊及東南方向大部分為溫性草原類、山地草甸類、高寒灌草叢類和低地草甸類等產草量較高的草地類型。研究區生物量反演圖像基本上反映了不同草地類型的分布狀況，而且能夠很好地反映該地區的草地生長情況。

4 結論與展望

本研究表明，植被指數與草地生物量的相關性隨著草地蓋度的增大，兩者的相關性逐漸增強，而且EVI與草地生物量的相關性強于NDVI。建立不同蓋度下EVI與草地生物量的相關模型，并利用地面實測資料對所有模型進行精度驗證，選取了研究區最優草地生物量反演模型，并利用模型計算出了研究區2002-2008年逐月平均生物量，研究結果很好地反映了草地的生長狀況。對不同草地類型的生物量的對比分析表明，研究區不同草地類型按照生產力水平可以大致分為3層，生產力水平越高，年季變化越明顯，說明該類草地對氣候變化較敏感；生產力水平較低的草地類型對氣候變化較不敏感。

圖4 青藏高原2008年8月生物量反演圖

此次地面調查數據主要選在牧草生長的旺季(8-9月)，對建立生物量反演模型存在一定的不確定性。植被在一年的生長過程中受到很多因素的影響，比如氣候、降水量、光照等，所以在以后的研究中應該逐月對草地進行采樣調查，由此建立的模型將更具科學性。氣象數據以及放牧管理數據的引入，也會對草地生產力水平變化的原因做出很好的解釋。

[1]王娓，彭書時，方精云.中國北方天然草地的生物量分配及其對氣候的響應[J].干旱區研究，2008，25(1):90-97.

[2]許鵬.草地資源調查與規劃[M].北京：中國農業出版社，2000:137-138.

[3]劉艾，劉德福.我國草地生物量研究概述[J].內蒙古草業，2005，11(1):7-11.

[4]劉占宇，黃敬峰，吳新宏，等.草地生物量的高光譜遙感估算模型[J].農業工程學報，2006，22(2):111-115.

[5]王新欣，朱進忠，范燕敏，等.基于MODIS-NDVI的天山北坡中段草地動態估產模型研究[J].草業科學，2009，26(7):24-27.

[6]辛曉平，張保輝，李剛，等.1982-2003年中國草地生物量時空格局變化研究[J].自然資源學報，2009，24(9):1582-1592.

[7]李聰，肖繼東，曹占洲，等.應用MODIS數據估算草地生物量[J].干旱區研究，2007，24(3):386-391.

[8]張凱，郭鈮，王潤元，等.甘南草地地上生物量的高光譜遙感估算研究[J].草業科學，2009，26(11):44-50.

[9]史培軍，陳晉，王平，等.內蒙古錫林郭勒盟草地地上生物量估算的地學模型研究[A].中國北方草地畜牧業動態監測研究(一)[M].北京:中國農業科技出版社，1993:98-108.

[10]李海亮，趙軍.草地遙感估產的原理與方法[J].草業科學，2009，26(3):34-38.

[11]柳海鷹，高吉喜，李政海.土地覆蓋及土地利用遙感研究進展[J].國土資源遙感，2001(4):7-12.

[12]朱會義，何書金，張明.土地利用變化研究中的GIS空間分析方法及其應用[J].地理科學進展,2001(2):104-110.

[13]駱劍承，楊忠恩.利用NOAA-AVHRR資料對浙江省植被生態環境進行動態監測研究[J].國土資源遙感，1993(2):10-16.

[14]黃曉東，梁天剛.牧區雪災遙感監測方法的研究[J].草業科學，2005，22(12):10-16.

[15]梁天剛，崔霞，馮琦勝，等.2001-2008年甘南牧區草地地上生物量與載畜量遙感動態監測[J].草業學報，2009，18(6):12-22.

[16]馮蜀青，劉青春，金義安，等.利用EOS/MODIS進行牧草產量監測的研究[J].青海草業，2004，13(3):6-10.

[17]徐希孺，金麗芳.利用NOAA-CCT估算內蒙古草場產草量的原理與方法[J].地理學報，1985，40(4):333-346.

[18]楊英蓮，邱新法，殷青軍.基于MODIS增強型植被指數的青海省牧草產量估產研究[J].氣象，2007，33(6):102-106.

[19]王正興，劉闖，Alfredo H E.植被指數研究進展：從AVHRR-NDVI到MODIS-EVI[J].生態學報，2003，23(1):979-987.

[20]渠翠平，關德新，王安志，等.基于MODIS數據的草地生物量估算模型比較[J].生態學雜志，2008，27(11):2028-2032.

[21]張鐿鋰，李炳元，鄭度.論青藏高原范圍與面積[J].地理研究，2002，21(1)：1-7.

[22]鮑文.青藏高原草地資源發展面臨的問題及戰略選擇[J].農業現代化研究，2009，30(1):20-23.

[23]趙新全，張耀生，周興民.高寒草甸畜牧業可持續發展理論與實踐[J].資源科學，2000，22(4):50-61.

[24]壬無怠.青藏高原草地生產發展戰略商榷[J].科學·經濟·社會，2002，18(11)：12-15.

[25]香寶，劉紀遠.基于遙感和GIS的東亞土地覆蓋年際變化研究[J].中國圖像圖形學報，2002，7(10):1017-1020.

[26]霍艾迪，張廣軍，武蘇里，等.利用MODIS-NDVI進行廈華土地評價研究[J].干旱區農業研究，2008，26(2):154-158.

[27]戴昌達.植物病蟲害的遙感探測[J].自然災害學報，1992(2):40-46.

[28]李霞，崔霞，黃曉東，等.北疆不同草地類型MODIS植被指數的時空變化研究[J].草業科學，2007，24(9):5-11.

[29]Huete A,Didan K,Miura T,etal.Overview of the radiometric and biophysical performance of the MODIS vegetation index[J].Remote Sensing of Environment,2002,83:195-213.