基于美國陸地資源衛星的潮灘濕地生物量反演技術方法研究
——以橫沙東灘潮灘濕地為例

◎ 袁思齊，姚 彬

上海向明中學，上海 200020

海岸帶濕地生態系統具有防風減災、維護生物多樣性、降解污染物、凈化水質等作用[1]。近年來，受海平面上升、風暴潮等自然災害以及港口工程、圍墾工程、人類養殖及房地產開發等影響，導致我國部分海岸帶濕地面積減少，面臨退化的風險[2]。

上海濕地面積占市域面積的23.5%[3]，保護上海濕地生態系統對維護上海地區的生態平衡和生態安全、實現人與自然和諧發展，具有極為重要的意義。

隨著遙感技術的飛速發展和廣泛應用，利用遙感信息來研究植被生物量是一個重要的技術手段，可用于濕地植被生物量的獲取，適合大范圍濕地植被監測。就濕地植被生物量遙感估算模型而言，茍芳珍[4]等利用資源三號（ZY-3）衛星多光譜影像數據，建立了植被指數與蘇干湖濕地生物量的一元線性模型。高燕[5]等以無人機及衛星影像為基礎，建立了實測生物量與紅波段的多項式回歸模型。張殿岱[6]等利用Landsat 8 OLI 影像，針對喬木、灌木、草本及農作物分別建立了不同遙感信息變量與生物量之間的關系。趙慧芳[7]等基于MODIS-NDVI 數據結合野外調查，構建了青海省草地地上生物量遙感估算模型。牛志春[8]等利用TM 遙感影像和同期的野外實測數據，對青海湖環湖地區草地植被生物量進行估算，建立了RVI 與草地植被生物量濕重的一元三次曲線回歸模型。韓爽[9]等以鹽城濕地自然保護區核心區的ETM+圖像數據和同期野外實測的31 個樣方地上生物量干重、濕重數據為數據源，分析遙感信息變量與濕地植被地上生物量干重、濕重的相關關系，發現生物量干重、濕重反演效果最好的R2（擬合優度）為0.775 和0.736。

遙感植被指數與生物量的數學模型存在一定的地域性，即不同地域的植物長勢及種類存在著巨大的差異。如何建立上海本土濕地生態系統生物量遙感反演模型，成為亟需解決的科研課題。

1 研究區概況

橫沙島及其東側延展潮灘是長江口四大潮灘之一。自20 世紀50 年代起，橫沙東灘陸續成為橫沙島的延伸部分。以122°00′E 為界，將橫沙東灘分成兩部分，西部的白條子沙及其以東的淺水水域，稱橫沙東灘；東部為橫沙淺灘，兩者地貌上的分界線為橫沙東灘竄溝。橫沙東灘主要的植被類型有蘆葦、藨草、香蒲等。

2 材料與方法

2.1 野外數據獲取

研究小組使用的數據為橫沙東灘野外實測生物量數據及遙感影像數據。衛星影像數據為從美國地質調查局（United States Geological Survey，USGS）下載的Landsat 8 影像，從長江口過境時間為2021 年8 月19日，條帶、行編號分別為118、38。該景影像云層覆蓋少、影像質量高。為確保影像時間與實際采樣時間對應，研究小組首先在2021年8 月1 9日前后對橫沙東灘濕地進行了為期5 天的地面調查，共調查樣點40 個。其中香蒲樣點13 個、蘆葦樣點22個、藨草樣點5 個。然后分別對40 個樣點設置植物樣方（30 m×30 m），每個樣方隨機分布3個1 m×1 m 的小樣方。在植物調查過程中記錄濕地植物種類以及經緯度，并對各個小樣方植被地上部分進行取樣稱其濕重；將野外帶回的植物樣本放置于80℃烘箱烘24 h，稱其干重。最后將3 個1 m×1 m 小樣方的濕重與干重的均值乘以900作為整個樣方（30m×30 m）植被的濕重與干重。

2.2 遙感影像處理

研究小組對衛星影像的處理使用Envi 5.3軟件，處理過程中使用輻射定標與大氣校正去除大氣散射對遙感影像的影響，利用研究區的矢量文件對衛星影像進行裁剪及幾何校正。以2021 年校正影像為基準，對其他幾個年份的影像進行配準，所有衛星影像幾何校正誤差不超過0.5 個像元。

2.3 建模因子的選擇

研究小組選取的建模因子除了Landsat 8 不同波段的反射率（OLI1至OLI7），還使用Envi 5.3計算了三類植被指數，分別為歸一化植物指數（NDVI）、差值植被指數（DVI）及比值植被指數（RVI）。各類反射率及植被指數的計算公式如表1 所示。

表1 建模因子參數表

2.4 反演模型的建立及精度評價

研究小組隨機選擇32 個野外調查樣方數據，利用回歸擬合方法分別構建10 種遙感信息變量與生物量的量化因子（干重、濕重）的一元線性、一元曲線及多元曲線回歸模型。通過R2對生物量反演模型進行精度評價，R2的值越接近1，說明回歸直線對觀測值的擬合程度越好；反之，R2的值越小，說明回歸直線對觀測值的擬合程度越差。最后研究小組將剩余的8 個樣方數據用于回歸顯著性檢驗。

3 結果分析

3.1 生物量與遙感因子相關性分析

此次研究以濕地生物量的濕重、干重與10種遙感信息變量相關分析為基礎，分析生物量干重、濕重與遙感信息變量之間的密切程度，以確定何種遙感因子作為最佳反演生物量的自變量。

3.1.1 一元線性回歸模型

一元線性回歸模型的擬合結果如表2所示。從表2 可知，幾種植物指數（NDVI、DVI 及RVI）相較于其他變量的擬合效果好，OLI5 近紅外波段擬合效果相對于其他OLI 變量的擬合效果好，這可能與綠色植物在近紅外波段的光譜反射率高有關系。一元線性回歸擬合結果最好的因變量為NDVI，其濕重與干重的R2值分別為0.707 4 與0.722 7。

3.1.2 一元曲線回歸模型

為了更精確地擬合濕地生物量（濕重與干重）與遙感信息變量之間的關系，研究小組在統計分析軟件spss 26.0中分別使用三次多項式函數、對數函數、指數函數及冪函數建立模型，部分數值取值超過函數自變量范圍，導致部分變量無擬合公式。4種一元曲線回歸模型中：（1）擬合效果最好的為三次多項式函數回歸模型，其擬合結果也普遍大于一元線性回歸函數，這說明三次多項式函數擬合結果比一元線性函數好；（2）歸一化植被指數（NDVI）的擬合結果超過其他遙感信息參數，三次多項式函數中NDVI 擬合濕地植物濕重與干重的相關系數R2分別為0.752 與0.781 1，擬合程度最好，NDVI在反演長江口典型濕地植被生物量的效果比其他遙感信息變量好。

表2 一元線性回歸模型表

3.1.3 多元線性回歸分析

研究小組同時探究10 個遙感信息變量與生物量濕重及干重的關系，使用統計分析軟件分析多元線性回歸方程。濕重生物量與干重生物量的擬合關系如下：

濕重=-89.163＋0.021（OLI1）－0.008（OLI2）－0.009（OLI3）＋0.03（OLI4）－0.01（OLI5）＋0.04（OLI6）－0.05（OLI7）＋5.239（RVI）－1.58（NDVI）R2=0.164

干重=-7.382＋0.003（OLI1）－0.01（OLI2）－0.002（OLI3）＋0.01（OLI4）＋1.162（RVI）＋0.687（NDVI ）R2=0.211

由此可以看出，無論是濕重還是干重與幾種遙感信息變量的擬合結果都不好，相關系數R2的值分別為 0.164與0.211，這是因為生物量只與部分遙感信息的密切程度高，如果統計上其他變量，會導致整體的回歸精確度下降。

3.2 回歸效果顯著性檢驗

研究小組通過一元線性回歸模型、一元曲線回歸模型及多元線性回歸模型對比發現，一元曲線回歸模型中的三次多項式函數更適合橫沙東灘潮灘濕地遙感生物量的反演，且最佳自變量因子為NDVI。為進一步確定遙感信息因子與實測植被地上生物量之間的回歸關系，使用未參與建模的8 個實測樣方數據對植被地上生物量估算模型進行回歸效果顯著性檢驗，得到生物量濕重與干重的P 值分別為0.005 和0.002，表明濕重與干重回歸模型效果達到顯著水平（P＜0.01）。R2分別為0.728 與0.737。

3.3 誤差分析

由圖1 可知，絕大多數實測數據分布在擬合曲線附近，但也有部分數值與擬合方程相差較遠，導致這樣的原因主要有：一是NDVI 本身與生物量的關系不是絕對的；二是用3 個1 m×1 m小樣方生物量的平均值來代表30 m×30 m 的大樣方本身就存在一定的誤差，大樣方內植被生長高度不一、種類不一，存在一定的偶然性；三是在同樣蓋度的情況下，不同植物種類的生物量也不同，即使是相同的物種，蓋度相同，也會存在因高度不一致導致生物量不一致的現象。

4 結語

研究小組以橫沙東灘潮灘濕地為研究對象，利用遙感影像和野外實測濕地生物量數據，分別對10 種遙感信息因子構建濕地地上生物量反演模型。顯著性分析檢驗結果顯示，三次多項式函數更適合橫沙東灘潮灘濕地遙感生物量的反演，最佳自變量因子為NDVI，濕重與干重生物量反演的R2分別為0.752、0.781 1。模型驗證的P 值分別為0.005 和0.002，表明濕重與干重回歸模型效果達到顯著水平（P＜0.01）。

圖1 最佳模型擬合曲線圖

此項目研究成果可以拓展為整個上海市的鹽沼植被的生物量反演，因為上海地區的海岸帶鹽沼植物物種相似度較高，未來增加遙感解譯物種，同時結合遙感信息變量可以做到全國海岸帶鹽沼植物生物量的快速反演，研究成果能為全國海岸帶濕地的綜合管理和保護提供參考。