草地生態(tài)系統(tǒng)是陸地生態(tài)系統(tǒng)中分布最廣、最重要的生態(tài)系統(tǒng)類型之一，它在全球變化中的作用越來越受到重視。草地生物量是指單位面積牧草積累物質(zhì)的質(zhì)量，是草地生態(tài)系統(tǒng)中進(jìn)行草地長勢與估產(chǎn)、草地生態(tài)評價等研究的重要參數(shù)之一，準(zhǔn)確估算草地生物量對于牧草長勢監(jiān)測，產(chǎn)量估算、合理規(guī)劃區(qū)域畜牧業(yè)，評估草地植被的生態(tài)效益有重要意義。特別是近年來，甘南牧區(qū)實行了退牧還草工程，牧草生物量的動態(tài)監(jiān)測對退牧還草效益和評估具有重要參考價值。草地地上生物量的估算將為確定合理的草地載畜量提供依據(jù)，為實現(xiàn)牧業(yè)的可持續(xù)發(fā)展具有重要意義。

本文利用2007年在甘南草原野外觀測獲得的天然草地高光譜遙感數(shù)據(jù)和地上生物量數(shù)據(jù)，運用高光譜數(shù)據(jù)原始變量及各種變換形式：紅、黃和藍(lán)(三邊)光學(xué)參數(shù)，植被指數(shù)，綠色反射峰(綠峰)和紅光吸收低谷(紅谷)等變量進(jìn)行了地上生物量的高光譜遙感估算模型研究，旨在促進(jìn)高光譜分辨率遙感技術(shù)在草地畜牧業(yè)動態(tài)監(jiān)測和遙感估產(chǎn)及草地生態(tài)系統(tǒng)評價中的應(yīng)用。

研究區(qū)概況

研究區(qū)位于青藏高原的東北邊緣，甘肅省西南部，東經(jīng)100°45'--104°45',北緯336'--35°34',平均海拔2000米以上，境內(nèi)最高點海拔4811米，最低點海拔1172米，年降雨量600-800mm,主要集中在5～7月份。年均溫度1～3℃。境內(nèi)地貌復(fù)雜多樣，西高東低，有高山草地、高山森林和丘陵低山三個自然區(qū)，草地面積約260.25×10*hm2,可利用草地面積249.50×10*hm2,主要分布在瑪曲、碌曲、夏河三縣，卓尼，臨潭兩縣次之，舟曲，迭部較少。碌區(qū)縣境內(nèi)海拔3470米的尕海草原

擁有甘南州內(nèi)第一大淡水湖殺海湖，湖四周為優(yōu)良的天然牧場，植被豐厚?，斍h境內(nèi)海拔3300m以上的瑪曲草原有北起河曲馬場經(jīng)曼日瑪鄉(xiāng)至采日瑪鄉(xiāng)的“喬科”大沼澤，東西寬12.5km,南北長55km,蘊藏著豐富的植被資源。其沼澤和沼澤化草甸面積6.51×10*hm2,占該區(qū)草場面積的31.08%,占全縣草場面積的75%。本研究分別在碌曲、瑪曲和夏河選取不同類型草場100多個樣方進(jìn)行了草地光譜、地上生物量測量。

材料與方法

試驗材料：

野外觀測主要選取的草地類型為：披堿草型，主要包括垂穗披堿草Elymus nutans Griseb;異針茅+硬質(zhì)早熟禾型，包括異針茅Stipa aliena,龍膽Gentiana spp、黃帚橐吾Ligularia virgaurea;蒿草+披堿草型，包括蒿草、披堿草E.dahuricus、早熟禾Poaspp;  苔草+萎苓菜型，包括苔草、鵝絨萎苓菜Potentilla anserin,早熟禾、小米草Euphrasia pectinata、蒲公英Taraxaxum Mongolicium。由于夏河溫性草原和亞高山灌叢草甸的光譜測量受天氣影響，在本研究中未進(jìn)行分析。具體草場類

型見表1:

光譜測量方法

光譜儀：本研究可采用廣東賽斯拜克科技有限公司產(chǎn)品SPX系列高光譜相機進(jìn)行相關(guān)研究。波段值為350~2500 nm,其中350~1000nm光譜采樣間隔為1.4nm,光譜分辨率為3nm;1000~2500nm采樣間隔為2nm,光譜分辨率為10nm。

草地冠層光譜測定：時間選擇在2007年8月24、25、26日三天，天氣狀況較好，無云無風(fēng)，

于每天上午10:00到下午2:00測定冠層光譜反射率。觀測時，光譜視場角(FOV)25°。傳感器探頭垂直向下，距冠層頂垂直高度約1.3m,地面視場范圍直徑為0.5m。以10個光譜為一采樣光譜，每個觀測點記錄10個采樣光譜，以其平均值作為該觀測點的光譜反射值，測量過程中及時進(jìn)行標(biāo)準(zhǔn)白板校正(標(biāo)準(zhǔn)白板反射率為1,這樣所得的光譜是無量綱的相對反射率)。

地上生物量獲取

光譜數(shù)據(jù)采集后，收割所有地上生物量，利用電子天平立即對鮮生物量進(jìn)行秤重。生物量被定義為觀測點地表所有可以食用牧草的質(zhì)量(單位：kg/m2)。

高光譜特征參數(shù)與提取

常見的高光譜吸收特征參數(shù)包括了原始光譜、一階微分光譜提取的基于高光譜位置變量、基于高光譜面積變量、基于高光譜植被指數(shù)變量三種類型的吸收特征參數(shù)?；诟吖庾V位置變量的有10個：Db、λb、Dy、λy、Dr、λr、Rg、λg、Rr和λo; 基于高光譜面積的變量有主要有3個：SDb、SDy、SDr;基于高光譜的植被指數(shù)的變量有：NDVI,RVI,EVI,SAVI,

DVI,PVI,NDWI等。

結(jié)果與分析

甘南牧區(qū)草地的高光譜特征分析

從圖1可知，甘南草地中不同的草場類型，盡管光譜反射率有所差異，但總的趨勢曲線是一致的。其光譜具有一般健康綠色植被光譜的"峰和谷"特征，即在可見光波段的"綠峰"、紅光低谷，近紅外高原區(qū)(0.7~1.3μm)和1.4μm、1.9μm處兩個明顯低谷，這是綠色植物所特有的。草地冠層光譜在566nm前后有反射峰和680nm前后處的反射低谷，是由于葉綠素對近、遠(yuǎn)紅光波段的吸收造成的。之后光譜反射率迅速增加，從750nm開始增加緩慢直到1290nm處，在平臺區(qū)域中有兩個較小的吸收谷(980nm和1182nm),冠層反射率一般在40%～50%之間，是由于植物葉子內(nèi)部組織結(jié)構(gòu)多次反射散射的結(jié)果，主要由生物量、葉面積指數(shù)決定。在短波紅外的1665nm

和2166nm前后有明顯的反射峰。不同草地類型的光譜反射率高低差異明顯，這與不同草種的葉片形狀、層片結(jié)構(gòu)和垂直結(jié)構(gòu)以及覆蓋度大小等有關(guān)。從圖1的原始光譜曲線特征可看到四種不同的草地類型在近紅外波段的反射率差異較大，區(qū)分明顯。其反射率值的差異表現(xiàn)為：蒿草+披堿草型<異針茅+硬質(zhì)早熟禾型<披堿草型<苔草+萎苓菜型，從圖2的紅邊參數(shù)特征可以看出，四種類型草地在相同生長季的紅邊位置差異很小，但是紅邊幅值與紅邊面積的差異較大。紅邊幅值和紅邊面積可以指示草地的生長狀態(tài)，也可以進(jìn)行草地類型的鑒別。從圖中可以看到，紅邊幅值的大小也表現(xiàn)為蒿草+披堿草型<異針茅+硬質(zhì)早熟禾型<披堿草型<苔草+萎苓菜型，且在成熟期仍表

現(xiàn)為雙峰型，這可以作為草地分類的依據(jù)。

甘南草地地上生物量與高光譜數(shù)據(jù)的相關(guān)分析

 甘南草地地上生物量與原始光譜變量的相關(guān)分析

從圖3可知，在可見光波段，波長小于741nm時，冠層光譜反射值與生物量數(shù)據(jù)呈負(fù)相關(guān)；波長在350～738nm之間的相關(guān)系數(shù)達(dá)到了極顯著性檢驗水平；波長在699nm處相關(guān)系數(shù)最大

(r=-0.882)。波長在741nm～1155nm之間，相關(guān)系數(shù)大于0,且在這個波段之間，相關(guān)系數(shù)未通過顯著性檢驗。在1511nm～2340nm之間，冠層光譜反射率值與地上生物量的相關(guān)系數(shù)為負(fù)值，且通過了極顯著性檢驗水平。

牧草生物量與高光譜特征變量的相關(guān)性分析

由表3可知，生物量和高光譜位置變量之間的相關(guān)系數(shù)值以Rr,λ。,Dy較大，均通過了

0.01的顯著性檢驗，均呈負(fù)相關(guān)；其次為Db,Rg,Dr,λr,均達(dá)到了0.05的顯著性檢驗水平，其中Db,Rg為負(fù)相關(guān)，Dr,λr為正相關(guān)。生物量與高光譜面積變量之間的相關(guān)系數(shù)中，與SDr呈正相關(guān)，且達(dá)到了0.01的顯著性檢驗水平。生物量與植被指數(shù)變量的相關(guān)系數(shù)中，RVI,PVI,NDVI,EVI,SAVI,NDWI的相關(guān)性均達(dá)到了0.01的顯著性檢驗，且相關(guān)系數(shù)均為正值， DVI與生物量的相關(guān)性相對較低。在所有變量中，RVI與生物量的相關(guān)性最高，達(dá)到了0.865。生物量與

SDb,SDy,λb,λy,λg的相關(guān)性較低且未通過顯著性檢驗，說明當(dāng)生物量發(fā)生變化時，并未引起上述變量的顯著性變化。

甘南牧草生物量的高光譜遙感估算模型

為了利用光譜數(shù)據(jù)對牧草生物量進(jìn)行估算和精度檢驗，將所有的試驗數(shù)據(jù)進(jìn)行了質(zhì)量控制，選出了分析樣本并進(jìn)行隨機抽取，分兩組：一組為訓(xùn)練樣本(n=18),用于建立回歸關(guān)系；另一組為測

試樣本(n=10),進(jìn)行精度檢驗。其中四類草地的樣本數(shù)分別是：披堿草型樣本數(shù)為9個、異針茅+硬質(zhì)早熟禾型樣本數(shù)為4個、蒿草+披堿草型樣本數(shù)為7個、苔草+萎苓菜型樣本數(shù)為8個。

4.1單變量線性和非線性回歸模型

從表3中選出相關(guān)系數(shù)通過0.01檢驗且大于0.6的RVI,PVI,NDVI,EVI,Rr,λ。6個變量，運用線性和非線性回歸方法，建立甘南典型草場生物量的的回歸估算方程如下：

從表4可知，RVI,PVI,NDVI和地上生物量回歸方程的擬合R2都通過了P=0.01的顯著性檢驗，其他的除紅邊位置(Rr)都通過0.05的顯著性檢驗。對于植被指數(shù)，最適合的擬合方程為拋物線方程，F(xiàn)檢驗值較大。綜合比較，確定以RVI為變量的的拋物線方程為單變量回歸估算模型中的最佳模型(圖4)。

逐步回歸模型

運用逐步回歸分析方法確定與生物量相關(guān)的光譜變量時，輸入變量是實測得生物量和光譜變量值，輸出結(jié)果是一系列包含不同光譜變量的多元線性方程及對應(yīng)的判定系數(shù)(R2)和回歸方程檢驗值(F檢驗)。逐步回歸分析模型如下：

y=ao+axr+a2x2+...+ax;+..    (1)

式中X—光譜變量值；y—根據(jù)所有自變量X;計算的估計值；ao--常數(shù)項；a;--y對應(yīng)的偏回歸系數(shù)。同時，運用逐步回歸分析技術(shù)建立天然草地地上生物量與高光譜原始數(shù)據(jù)和RVI,PVI和NDVI等3個高光譜變量之間的關(guān)系，結(jié)果如表5所示。

運用逐步回歸分析技術(shù)探討原始光譜與地上生物量值間的關(guān)系表明，對原始光譜而言，第一個被選中波段(具有最大相關(guān)系數(shù))能解釋樣本間地上鮮生物量方差的51.3%;選擇2個變量(波段)進(jìn)

7

入方程，能解釋樣本地上鮮生物量方差的73.4%;當(dāng)選擇3個變量(波段)進(jìn)入方程，基本上可以解

釋80.3%,當(dāng)步長數(shù)為5的時候，可以解釋樣本生物量方差的81.4%,略有增加，但是F值明顯降低，所以認(rèn)為步長為3時的逐步回歸模型是適宜并且最簡潔的。由此確定逐步回歸模型為：

Y=453.358-1132.4R699+1101.632R840+3188.706R2015(Y為地上生物量鮮重)。從入選的波段看，主要是可見光、近紅外和短波紅外波段。此外，該模型的擬合效果和植被指數(shù)的擬合效果相比，效果略差一些，所以估算甘南草地生物量運用逐步回歸分析模型不是最佳的。

4.3牧草生物量的高光譜遙感估算模型精度分析

為了驗證選擇的5個高光譜特征變量所擬合的上述回歸方程的估算精度，利用10個樣本進(jìn)行精度檢驗，估算值與實測值的回歸系數(shù)如表2所示。估算結(jié)果的回歸系數(shù)R2變動范圍為0.1631～0.8049,

平均值為0.6646,和擬合方程的R2平均值0.5572均值相比，結(jié)果有一定相差。若去除以λo為自變量的回歸模型，估算結(jié)果回歸系數(shù)的平均值為0.7362,擬合方程的R2平均值為0.5729,說明入選的高光譜特征變量的回歸方程的估算結(jié)果是比較理想的。同時，從表2中可以看出，估算回歸系數(shù)R2與擬合R2相比，有幾個擬合效果不太好，說明利用單變量方程估算還存在一定的不確定性。單變量方程的檢驗結(jié)果表明，以RVI為變量的估算方程最好，估計標(biāo)準(zhǔn)差為0.178(kg/m2),而三個變量的逐步回歸模型的估計標(biāo)準(zhǔn)誤差為0.252(kg/m2)。

綜合比較單變量模型和逐步回歸模型，確定以RVI為變量的模型為最佳估算模型，簡便同時精度較高，且適合多光譜遙感應(yīng)用。從圖5可以看出預(yù)測模型的效果，在生物量較小時擬合效果較好，在生物量較大時，擬合度較差，說明該模型還存在一定的不穩(wěn)定性，尚需進(jìn)一步完善。

結(jié)論與討論

通過野外觀測，測定了甘南牧區(qū)草地的冠層高光譜反射率和地上生物量，分析了四類不同草地型的高光譜反射特征與紅邊參數(shù)特征，并運用高光譜吸收特征參數(shù)和植被指數(shù)進(jìn)行分析，建立了地上生物量的高光譜估算模型，得出以下結(jié)論：

不同草地類型的光譜特征在近紅外光區(qū)的差異最明顯，其紅邊參數(shù)特征也可以較好的對不同類型草地及生長狀態(tài)進(jìn)行區(qū)分，這為遙感進(jìn)行草原分類監(jiān)測提供了依據(jù)。

草地原始光譜與生物量的相關(guān)性在可見光和短波紅外光區(qū)較好，在近紅外光區(qū)的相關(guān)性未通過檢驗可能與樣本數(shù)量較少有一定關(guān)系；

運用單變量線性和非線性回歸方法，建立生物量的估算模型，其中基于光譜植被指數(shù)構(gòu)建的回歸模型估算生物量的結(jié)果較好。估測R2明顯高于基于高光譜位置變量構(gòu)建的模型，說明在甘南這樣的高植被覆蓋度、高寒草原區(qū)運用高光譜植被指數(shù)來估算草地生物量效果較好；

運用逐步回歸分析方法構(gòu)建甘南草地生物量模型，發(fā)現(xiàn)雖然隨著變量增加，相關(guān)系數(shù)略有增加，但估算精度并未增加，說明進(jìn)入回歸模型的波段數(shù)的多寡并非是影響模型預(yù)測能力的決定因素，各

個波段的互補性是提高預(yù)測精度的關(guān)鍵；初步確定基于可見光、近紅外、短波紅外的三個變量構(gòu)建的模型相對簡單使用，精度相對較好，估計標(biāo)準(zhǔn)誤差為0.252(kg/m2);

綜合比較所有模型，最后確定以RVI為變量的的拋物線方程為單變量回歸估算模型中的最佳模型，且適合多光譜遙感應(yīng)用，估算精度較高，估算標(biāo)準(zhǔn)誤差為0.178(kg/m2)。該結(jié)果說明在甘南牧區(qū)這樣的牧草覆蓋度較高的草原區(qū)，成熟期牧草生物量估算用RVI指數(shù)效果最理想，這與稀疏草原區(qū)用NDVI估算最佳的結(jié)論有差異。

由于試驗時間及樣本數(shù)量的關(guān)系，今后應(yīng)該進(jìn)一步加強牧草整個生長季的觀測，同時增加樣本以提高該模型的預(yù)測精度。