新疆喀納斯國家自然保護(hù)區(qū)植被葉面積指數(shù)觀測與遙感估算

昝 梅，李登秋，居為民,*，王希群，陳蜀江

(1. 江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，南京大學(xué), 南京 210093; 2. 南京大學(xué)國際地球系統(tǒng)科學(xué)研究所, 南京 210093; 3. 新疆師范大學(xué)地理科學(xué)與旅游學(xué)院, 烏魯木齊 830054; 4. 新疆干旱區(qū)湖泊環(huán)境與資源實(shí)驗(yàn)室, 烏魯木齊 830054; 5. 國家林業(yè)局林產(chǎn)工業(yè)規(guī)劃設(shè)計(jì)院, 北京 100010)

新疆喀納斯國家自然保護(hù)區(qū)植被葉面積指數(shù)觀測與遙感估算

昝 梅1, 2,3,4，李登秋1,2，居為民1,2,*，王希群5，陳蜀江3,4

(1. 江蘇省地理信息技術(shù)重點(diǎn)實(shí)驗(yàn)室，南京大學(xué), 南京 210093; 2. 南京大學(xué)國際地球系統(tǒng)科學(xué)研究所, 南京 210093; 3. 新疆師范大學(xué)地理科學(xué)與旅游學(xué)院, 烏魯木齊 830054; 4. 新疆干旱區(qū)湖泊環(huán)境與資源實(shí)驗(yàn)室, 烏魯木齊 830054; 5. 國家林業(yè)局林產(chǎn)工業(yè)規(guī)劃設(shè)計(jì)院, 北京 100010)

葉面積指數(shù)(Leaf Area Index，LAI)是重要的植被結(jié)構(gòu)參數(shù)，調(diào)控著植被與大氣之間的物質(zhì)與能量交換，在生態(tài)環(huán)境脆弱的我國西北部開展植被LAI的研究對闡明該地區(qū)植被對氣候變化和人類活動(dòng)的響應(yīng)特征具有重要的科學(xué)意義。利用LAI- 2200和TRAC儀器觀測了新疆喀納斯國家級自然保護(hù)區(qū)森林和草地的有效葉面積指數(shù)(LAIe)和真實(shí)LAI，構(gòu)建了其遙感估算模型，生成了研究區(qū)LAIe和LAI的空間分布圖。在此基礎(chǔ)上，分析了LAI隨地形因子(海拔、坡度、坡向)的變化特征，探討了將其應(yīng)用于估算研究區(qū)森林生物量密度的可行性，并評估了研究區(qū)MODIS LAI產(chǎn)品的精度。結(jié)果表明：研究區(qū)闊葉林、針闊混交林、針葉林、草地LAIe的平均值分別為4.40、3.18、2.57、1.76，LAI的平均值分別為4.76、3.93、3.27、2.30。LAIe和LAI的高值主要集中分布在湖泊和河流附近；植被LAI隨海拔、坡度和坡向的變化表現(xiàn)出明顯的垂直地帶性的特點(diǎn)。LAI隨海拔和坡度的增加呈現(xiàn)先增加后減小的變化趨勢，坡向?qū)︶樔~林和草地LAI的影響明顯，但對闊葉林和針闊混交林LAI的影響較弱；森林生物量密度(BD)隨LAI增加而線性增加(BD=44.396LAI-25.946，R2=0.83)，研究區(qū)森林生物量密度平均值為120.3 t/hm2，估算的總生物量為5.0×106t；MODIS LAI產(chǎn)品與利用TM數(shù)據(jù)生成的LAI之間具有一定的相似性(森林R2=0.42，草地R2=0.53)，但森林和草地的MODIS LAI產(chǎn)品分別比利用TM數(shù)據(jù)生成的LAI偏低16.5%和24.4%。

葉面積指數(shù)(LAI)； 喀納斯自然保護(hù)區(qū)； 遙感估算； MODIS LAI

植被葉面積指數(shù)(LAI)定義為單位地表面積上綠葉總面積的一半[1]，是重要的植物結(jié)構(gòu)參數(shù)，影響生態(tài)系統(tǒng)的物質(zhì)和能量循環(huán)過程，是水文和生態(tài)等模型的輸入?yún)?shù)或狀態(tài)變量[2- 7]，可靠的LAI數(shù)據(jù)是研究全球變化情景下植被生長及其碳循環(huán)變化的基礎(chǔ)[8- 10]。所以，LAI數(shù)據(jù)的獲取一直是生態(tài)和遙感領(lǐng)域的研究熱點(diǎn)。應(yīng)用破壞性方法或光學(xué)儀器可觀測有限樣點(diǎn)的LAI[11]。而區(qū)域/全球LAI的獲取就需要采用遙感統(tǒng)計(jì)模型或物理反演模型的方法來實(shí)現(xiàn)[12]?；谥脖恢笖?shù)的統(tǒng)計(jì)模型由于參數(shù)少和易于實(shí)現(xiàn)的優(yōu)點(diǎn)而被廣泛應(yīng)用于生成小區(qū)域的LAI[13- 14]，但也存在建模需要LAI觀測數(shù)據(jù)、模型適用范圍有限的不足。LAI 的物理反演模型具有機(jī)理明確、無需LAI地面觀測數(shù)據(jù)、適應(yīng)性強(qiáng)的優(yōu)點(diǎn)，但模型的參數(shù)較多，對反演結(jié)果影響大，反演的LAI需要進(jìn)行驗(yàn)證。所以，利用反演方法生成的全球MODIS LAI產(chǎn)品的精度評價(jià)一直是近年來國內(nèi)外的研究熱點(diǎn)[15]。但這類研究在我國的西北地區(qū)還較少開展。

喀納斯自然保護(hù)區(qū)位于新疆北部阿爾泰山中段，是中國唯一與四國接壤的自然保護(hù)區(qū)，也是我國唯一的西伯利亞泰加林分布區(qū)，成為阻滯古爾班通古特沙漠北移的重要生態(tài)屏障。區(qū)內(nèi)原始植物生態(tài)系統(tǒng)保存完好, 具有完整的垂直帶譜[16]，是陸地生態(tài)系統(tǒng)對全球氣候變化響應(yīng)研究的理想實(shí)驗(yàn)區(qū)。目前，有關(guān)該區(qū)域生物資源和生態(tài)環(huán)境方面的研究很多[17- 19]，但植被LAI的變化特征尚不清楚。所以，研究該地區(qū)植被LAI的變化特征及其與植被生物量之間關(guān)系，對于明晰氣候變化和人類活動(dòng)對該地區(qū)生態(tài)系統(tǒng)的影響、制定科學(xué)合理的生態(tài)保護(hù)措施具有重要的科學(xué)意義和實(shí)際應(yīng)用價(jià)值。

本文以新疆喀納斯國家級自然保護(hù)區(qū)為研究區(qū)，使用LAI- 2200冠層分析儀和TRAC光學(xué)儀器觀測植被的有效葉面積指數(shù)(LAIe)與真實(shí)葉面積指數(shù)(LAI)，結(jié)合Landsat 5-TM遙感數(shù)據(jù)生成LAIe與LAI分布圖，分析研究區(qū)內(nèi)LAI與植被類型、地形和海拔等因子的關(guān)系，探討利用LAI遙感數(shù)據(jù)估算森林生物量密度的可行性，并對MODIS LAI產(chǎn)品進(jìn)行精度評價(jià)，以期為研究該地區(qū)植被對氣候變化和人類活動(dòng)的響應(yīng)特征提供參考。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況

喀納斯國家級自然保護(hù)區(qū)位于新疆維吾爾自治區(qū)阿勒泰地區(qū)的布爾津縣境內(nèi)，北與哈薩克斯坦共和國、俄羅斯共和國接壤，東與蒙古人民共和國毗連，西部與哈巴河縣相望，南與布爾津林場為鄰(圖1)，土地總面積21.92×104hm2。保護(hù)區(qū)年平均氣溫-0.2℃，年均降水量1065.4 mm，年均蒸發(fā)量為1097.0 mm。森林群落建群種主要有西伯利亞落葉松(LarixsibiricaLdb.)、西伯利亞云杉(PiceaobovataLdb.)、西伯利亞紅松(PinussibiricaLdb.)、西伯利亞冷杉(AbiessibiricaLdb.)，伴生的闊葉樹種主要有歐洲山楊(PopulustremulaL.)、疣枝樺(BetulapendulaRoth.)以及西伯利亞花楸(SorbussibiricaHedl)、刺薔薇(RosaacicularisL.)和多刺薔薇(R.spinosissimaL.)等喬灌木。林下優(yōu)勢植物有：林地早熟禾(PoanemorensisL.)、紫苞鳶尾(IrisruthenicaKer-Gawl)、森林草莓(FragariavescaL.)、白花砧草(GaliumborealeL.)、石生懸鉤子(RubussaxatilisL.)等[20- 21]。

圖1 喀納斯國家自然保護(hù)區(qū)位置和LAI觀測樣點(diǎn)分布圖(黃色和綠色點(diǎn)分別為使用LAI- 2200和TRAC的觀測樣點(diǎn))Fig.1 The location of Kanas National Nature Reserve and plots where LAI were measured using the LAI- 2200 (yellow dots) and TRAC (green dots) instruments

1.2 葉面積指數(shù)的觀測和處理

1.2.1 野外數(shù)據(jù)的獲取

2011年6月28日—7月8日對研究區(qū)進(jìn)行了野外考察和LAI觀測。結(jié)合研究區(qū)1∶5000森林資源分布圖和地形圖，在地勢平坦、植被優(yōu)勢種類單一，面積大于100 m×100 m處布設(shè)LAI觀測樣方。在每個(gè)樣區(qū)內(nèi)布設(shè)兩條相距25 m、長度為50 m的平行測線，沿測線每隔10 m布設(shè)1個(gè)采樣點(diǎn)，取12個(gè)采樣點(diǎn)的觀測結(jié)果的平均值作為一個(gè)樣區(qū)的LAIe和LAI觀測值。在研究區(qū)共布設(shè)了50個(gè)樣方，其中，森林樣方37個(gè)(針葉林17個(gè)、針闊混交林12個(gè)、闊葉林8個(gè))，草地樣方13個(gè)(圖1)。這些樣方基本涵蓋了研究區(qū)內(nèi)除灌木外所有植被類型和主要植被種類。在觀測LAIe/LAI的同時(shí)，用GPS獲取樣區(qū)中心經(jīng)緯度及海拔高度，記錄優(yōu)勢種類、樹高(草地高度)、胸徑(株叢寬度)、郁閉度(蓋度)、坡向、坡度等信息，拍攝樣區(qū)照片。

(1)森林LAI觀測

使用美國LI-COR公司的LAI- 2200和加拿大Third Wave Engineering公司的TRAC進(jìn)行森林LAI的觀測。研究表明，利用LAI- 2200觀測LAIe和TRAC觀測聚集度指數(shù)(Ω)，可以得到可靠的LAI觀測數(shù)據(jù)[22]。由于這次野外觀測主要是在無人區(qū)進(jìn)行，南北樣區(qū)相距較遠(yuǎn)，不可能在同一地點(diǎn)長期停留，加之天氣條件的限制，未能使用LAI- 2200和TRAC兩種儀器對同一樣方進(jìn)行觀測。在20個(gè)樣方(13個(gè)針葉林、7個(gè)針闊混交林)使用的儀器為LAI- 2200，觀測在陰天或日落時(shí)進(jìn)行，儀器鏡頭視場角設(shè)為270°，觀測者在林冠下方的每個(gè)觀測點(diǎn)背對太陽采樣4—6次，獲得B值(林下天空光)。在每個(gè)樣方的林下觀測開始前和結(jié)束后分別在林外開闊地測量A值(天空光)。在晴空條件下，采用TRAC觀測了17個(gè)樣方(4個(gè)針葉林、8個(gè)闊葉林、5個(gè)針闊混交林)。觀測時(shí)保持儀器的傳感器離地面約1 m，沿測線勻速采樣，每10 m作為一個(gè)采樣單元[22]。在每個(gè)樣方拍攝林冠照片，在室內(nèi)利用Photoshop軟件確定非綠葉比例(α)[23]。在每個(gè)樣區(qū)選擇3棵優(yōu)勢樹種，每棵樹取10張葉片，測量其寬度以確定葉片特征寬度(W)。受野外條件的限制，未能觀測針簇比(γE)參數(shù)，而根據(jù)參考文獻(xiàn)對其確定[23- 26]。

(2)草地LAI觀測

利用LAI- 2200進(jìn)行13個(gè)草地樣方的LAI觀測時(shí)，在每個(gè)采樣點(diǎn)挖一個(gè)長15 cm、寬5 cm、深約5 cm的小坑，以放置儀器探頭，挖坑時(shí)盡量不破壞周圍草地的原有結(jié)構(gòu)[27]。在每個(gè)測點(diǎn)的草地上方測量A值，將儀器探頭保持與地表在同一水平面測量B值。由于觀測時(shí)研究區(qū)的草地正處在生長茂盛期，非綠葉可以忽略不計(jì)，參數(shù)α取為0。

1.2.2 觀測數(shù)據(jù)處理

采用LAI- 2200觀測的1—4圈數(shù)據(jù)計(jì)算LAIe，對TRAC的觀測數(shù)據(jù)采用TRAC WIN軟件進(jìn)行處理得到LAIe和Ω，用以下公式將觀測的LAIe轉(zhuǎn)換為LAI[28]:

LAI=(1-α)LAIe/Ω

(1)

式中,α為樹干和樹枝等非綠葉部分的比例，根據(jù)拍攝的冠層照片確定。

Ω與植被類型和葉片空間分布特征有關(guān)。如果葉片是空間隨機(jī)分布，則Ω=1；如果葉片是聚集分布，則Ω< 1。 對于草地樣方，該參數(shù)取為0.74[25];對于森林樣方，該參數(shù)根據(jù)TRAC的觀測結(jié)果確定。TRAC可以同時(shí)觀測LAI、LAIe和Ω，但TRAC僅能直接觀測到尺度大于針簇(如樹群、樹冠、樹枝等)的聚集度指數(shù)(ΩE)，對闊葉林，ΩE等于Ω；而對于針葉林，ΩE與Ω的關(guān)系為[22,24,29]:

Ω=ΩE/γE

(2)

式中,γE為簇內(nèi)所有針葉的總表面積與針簇總表面積的比值。對于闊葉林，該參數(shù)等于1.0，而對于針葉林，該參數(shù)大于1.0，與樹種有關(guān)。

朱高龍等的研究結(jié)果表明，利用LAI- 2200觀測的 LAIe比TRAC觀測的LAI偏低12.8%，兩者相關(guān)系數(shù)R2為0.81[22,30]，Chen等和Simic等也有相似的結(jié)論[24,31]。針對在同一樣方僅有LAI- 2200或TRAC觀測數(shù)據(jù)的實(shí)際情況，首先對TRAC的LAIe觀測數(shù)據(jù)進(jìn)行訂正，以消除與LAI- 2200觀測數(shù)據(jù)的系統(tǒng)性差別，再結(jié)合Ω數(shù)據(jù)計(jì)算LAI。

1.3 柵格數(shù)據(jù)的獲取及處理

使用的TM遙感數(shù)據(jù)和DEM數(shù)據(jù)(30 m×30 m)(圖2)來源于國際科學(xué)數(shù)據(jù)平臺(tái)(http://datamirror.csdb.cn)。對2011年8月14日覆蓋研究區(qū)的Landsat 5-TM影像(144/26)，進(jìn)行幾何精校正(誤差小于0.5個(gè)像元)、輻射定標(biāo)、大氣校正后得到地表反射率數(shù)據(jù)。2011年7月4日-11日8天合成的MOD15A2 LAI產(chǎn)品數(shù)據(jù)(1 km×1 km)來自USGS網(wǎng)站(http://glovis.usgs.gov/)，圖幅號為h23v04。地表覆蓋數(shù)據(jù)(圖3)來自研究區(qū)2009年的森林二類調(diào)查成果。所有的柵格數(shù)據(jù)都統(tǒng)一到UTM(WGS84)投影。

圖2 研究區(qū)DEM圖Fig.2 DEM map of the study area

圖3 研究區(qū)30 m地表覆蓋分布圖Fig.3 30 m land cover map of the study area

1.4 植被指數(shù)的選取

基于TM地表反射率數(shù)據(jù)計(jì)算NDVI(歸一化植被指數(shù))[32]、SR(比值植被指數(shù))[32]、SAVI(土壤調(diào)節(jié)植被指數(shù))[32]、MSR(修正的簡單植被指數(shù))[33]、MAVI(濕度調(diào)節(jié)植被指數(shù))[30]、RSR(減化比值植被指數(shù))[34]、MNDVI(修正的歸一化差值植被指數(shù))[32]、ARVI(大氣阻抗植被指數(shù))[32]和EVI(改進(jìn)型土壤大氣修正植被指數(shù))[32](表1)。為了減小幾何訂正誤差的影響，計(jì)算植被指數(shù)時(shí)利用樣區(qū)中心點(diǎn)及其周圍3×3鄰域像元的地表反射率的平均值[35]。

表1 植被指數(shù)的計(jì)算公式

B、R、NIR、SWIR分別是TM影像的第1、3、4和5波段的地表反射率；L為土壤調(diào)整參數(shù)，取為0.5；r是與氣溶膠類型和性質(zhì)有關(guān)的參數(shù)，取值為1.0；SWIRmax和SWIRmin分別為冠層完全郁閉和裸土條件下的TM5波段反射率，分別取TM5反射率直方圖兩端1%處的值

2 結(jié)果與討論

2.1觀測的LAIe/LAI及其遙感估算模型

觀測的LAIe和LAI的統(tǒng)計(jì)結(jié)果列于表2，其中α、ΩE、Ω與朱高龍等[22]在黑龍江帽兒山林場觀測的結(jié)果接近。觀測的針葉林LAI平均值為3.58，低于針闊混交林的4.50和闊葉林的4.42。這是由植被繁茂程度，冠層結(jié)構(gòu)以及葉片空間分布等特征共同作用的結(jié)果。草地LAI的平均值和標(biāo)準(zhǔn)偏差最大，分別為5.68和2.60，最小值和最大值分別為1.38和9.84，原因是草地在研究區(qū)空間分布廣、覆蓋度變化大，位于保護(hù)區(qū)核心區(qū)的草地生長茂密不受干擾，LAI很高。

表2 喀納斯自然保護(hù)區(qū)葉面積指數(shù)觀測數(shù)據(jù)的統(tǒng)計(jì)結(jié)果

LAIe(TRAC) 和LAIe(LAI- 2200)分別為用TRAC和LAI- 2200觀測的LAIe； LAI為利用方程(1)計(jì)算的LAI；在計(jì)算LAI時(shí)，對TRAC觀測的LAIe進(jìn)行了訂正

分析表明，研究區(qū)植被指數(shù)與LAIe及LAI的最優(yōu)相關(guān)形式為指數(shù)型(判斷指標(biāo)是R2和 RMSE)。LAIe的最佳估算模型分別為：針葉林LAIe=0.4861e2.6801ARVI(R2=0.64，RMSE=0.43)，闊葉林LAIe=2.3405e0.0611ARVI(R2=0.74，RMSE=0.49)，針闊混交林LAIe=0.5575e2.499ARVI(R2=0.70，RMSE=0.42)，草地LAIe=0.3627e4.3037SR(R2=0.55，RMSE=1.09)。由表3可知，ARVI是針葉林、針闊混交林和草地LAI的最佳估算變量，建立的模型分別是LAI=0.4162e3.2706ARVI，LAI =0.5675e2.7732ARVI，LAI =0.5125e4.1258ARVI；闊葉林LAI的最佳估算因子是MAVI，建立的模型是LAI=1.5325e2.174MAVI。

研究區(qū)內(nèi)地形復(fù)雜多變，大氣水汽和氣溶膠存在較大的空間變化，ARVI中包含了藍(lán)波段的信息，可消減大氣的影響，所以它與研究區(qū)大部分植被類型的LAIe及LAI具有較高的相關(guān)性；而MAVI利用了短波紅外信息，能有效減小土壤背景的影響[30]，與闊葉林LAI的相關(guān)性較高，但是該參數(shù)對水分較為敏感，而針葉林樣區(qū)的土壤濕度差異明顯，導(dǎo)致該參數(shù)與針葉林LAI的相關(guān)性較差。

表3 不同植被類型的LAI遙感估算模型

x是植被指數(shù)，y是LAI

2.2LAIe和LAI的空間分布特征及其與植被類型關(guān)系

利用以上最佳遙感估算模型得到研究區(qū)LAIe和LAI的空間分布圖(圖4，圖5)?？梢?，LAIe和LAI高值區(qū)主要分布在海拔相對較低處，離湖和河流的距離及海拔高度的增加，LAIe和LAI逐漸減小。這是研究區(qū)氣候和地貌特征綜合作用的結(jié)果。溫度和水分是這里植被生長的主要限制因子?？{斯湖周邊和河流兩岸，地勢相對低緩，溫度相對較高，山上溶雪產(chǎn)生的地表徑流不斷補(bǔ)充，植被生長較好，而海拔較高的東北部，溫度低，植被生長季短，導(dǎo)致植被覆蓋度較低，LAIe和LAI較小。

圖4 研究區(qū)植被30 m分辨率LAIeFig.4 30 m resolution vegetation LAIe of the study area

圖5 研究區(qū)植被30 m分辨率LAIFig.5 30 m resolution vegetation LAI of the study area

由表4可知，遙感估算的研究區(qū)LAI總體上大于LAIe。96%的像元LAI大于LAIe，兩者相差大于1的像元主要分布在植被密度較大之處。闊葉林、針闊混交林、針葉林和草地的LAIe及LAI的平均值依次減小。由于闊葉林的聚集程度較低、Ω較高(表2)，其LAIe和LAI的平均值差別最小，為0.36。而針闊混交林和針葉林的的聚集程度較高、Ω較小，其LAIe和LAI的平均值分別相差0.70和0.75。研究區(qū)草地面積廣布、地形和水熱條件差異大，所以其LAIe和LAI具有較大的空間異質(zhì)性，變異系數(shù)CV(CV=SD/Mean×100%,SD是標(biāo)準(zhǔn)差)分別為48%和33%。而闊葉林的分布較集中，LAIe和LAI空間變異性最小，CV分別僅為25%和19%。

表4 遙感估算的研究區(qū)不同植被類型LAIe與LAI統(tǒng)計(jì)結(jié)果

2.3 地形因子對LAI的影響

2.3.1 海拔對植被LAI的影響

圖6是研究區(qū)內(nèi)不同植被類型LAI隨海拔高度的變化特征，圖中的點(diǎn)代表了每1 m海拔高度間隔內(nèi)所有像元LAI的平均值?？梢?，針葉林、闊葉林、針闊混交林和草地的LAI總體上均表現(xiàn)出隨海拔升高先增加后減小的變化趨勢。一方面是由于海拔較低時(shí)，人類活動(dòng)影響相對強(qiáng)烈，對植被的破壞嚴(yán)重。另外，隨海拔升高，降水逐漸增加，在海拔1500 m左右形成阿勒泰山中山帶的降雨帶[36]，針葉樹種豐富度最大，生長旺盛，LAI出現(xiàn)最大值4.3。但隨海拔的繼續(xù)增加，溫度降低，液態(tài)降水減小，土壤越來越貧瘠，導(dǎo)致樹木郁閉度下降，在海拔2600 m左右針葉林很難生長，LAI降到最小[36]。闊葉林LAI在海拔高度1400 m時(shí)達(dá)到峰值6.0。根據(jù)文獻(xiàn)記載[21,36]，保護(hù)區(qū)闊葉林的主要建群種疣枝樺常分布于中山帶下部(海拔1228—2300 m)。圓葉樺(喬木的過渡樹種)主要分布在海拔約2500 m坡度平緩的陰坡與高寒墊狀植被共生。這與圖6中LAI隨海拔變化的情況基本一致。針闊混交林LAI隨海拔變化趨勢介于針葉林和闊葉林之間，海拔在1400 m時(shí)LAI出現(xiàn)峰值。當(dāng)海拔為1500—1800 m時(shí)，草地LAI較高，約為5.5，但存在明顯的波動(dòng)，主要是坡度和坡向?qū)AI的影響所導(dǎo)致。

圖6 研究區(qū)不同植被類型LAI隨海拔高度的變化特征Fig.6 Changes of LAI of different vegetation types with altitudes in the study area

2.3.2 坡度對植被LAI的影響

圖7是研究區(qū)不同植被類型LAI平均值隨坡度變化情況，當(dāng)坡度小于45°時(shí)，相同坡度條件下，闊葉林、針闊混交林、針葉林和草地的LAI依次減小，4種植被類型的LAI都表現(xiàn)出隨坡度先增加后減小的趨勢。坡度在10—14°時(shí)，森林的LAI出現(xiàn)峰值，而后下降。草地LAI在坡度為1—3°時(shí)較高，隨后下降；當(dāng)坡度大于30°時(shí)，隨坡度增加，草地LAI快速下降。由于坡度較小處多為山脊臺(tái)地或溝底地帶，水熱和光合條件較差，人類活動(dòng)擾動(dòng)較多，導(dǎo)致植被LAI較低。隨著坡度緩慢增加，水熱條件有所改善，人類干擾減弱，植被生長變好，LAI增大。當(dāng)坡度繼續(xù)增大，土壤侵蝕加劇，土層變薄，植被生長變差，LAI減小。而坡度大于45°后，闊葉林和針闊混交林的LAI又出現(xiàn)了上升趨勢，但波動(dòng)較大。出現(xiàn)這種現(xiàn)象的原因有3個(gè)方面，一是由于坡向、海拔、針闊葉比例變化的共同作用所致，二是坡度變大后地形對遙感信號的影響增強(qiáng)，使遙感估算的LAI誤差增大，三是坡度大于45°的像元總數(shù)較少、在不同海拔分布不均勻。

圖7 研究區(qū)不同植被類型LAI平均值隨坡度的變化 Fig.7 Changes of LAI of different vegetation types with slope in the study area (LAI was binned at 1° intervals of slope)

2.3.3 坡向?qū)χ脖籐AI的影響

分析發(fā)現(xiàn)，研究區(qū)坡向?qū)︶樔~林和草地的LAI影響明顯，但對闊葉林和混交林LAI的影響較弱。不同坡度條件下針葉林LAI平均值隨坡向而變化(圖8)，其中陰坡(0—45°，315—360°)和半陰坡(45—90°，270—315°)LAI最大值為4.00，總體平均值為3.09，而陽坡(135—225°)和半陽坡(90—135°，225—270°)LAI的最大值才為3.50，總體平均值為2.72。在所有坡度范圍條件下，陰坡和半陰坡的LAI平均值都大于陽坡和半陽坡LAI的平均值；坡度越大，針葉林LAI隨坡向的變化越劇烈。不同海拔條件下針葉林LAI平均值隨坡向而變化(圖8)，陰坡和半陰坡LAI最大值為4.50，總體平均值為2.71，而陽坡和半陽坡最大LAI為4.00，總體平均值為2.47。海拔高度低于2400 m時(shí)，所有海拔范圍條件下陰坡和半陰坡的LAI平均值都大于陽坡和半陽坡的LAI平均值，當(dāng)海拔大于2400 m后，針葉林分布稀少，長勢差，LAI對坡向的變化劇烈，但空間變化特征不明顯。陰坡和半陰坡針葉林LAI較高的可能原因主要是陰坡和半陰坡蒸散消耗相對少、土壤水分含量高、更利于喜濕溫涼性針葉林的生長。當(dāng)然，地形對不同波段遙感信號影響的差異，也會(huì)改變LAI隨坡向的變化特征，但其程度還需要進(jìn)一步深入分析。

圖8 不同坡度和海拔范圍下針葉林LAI平均值隨坡向的變化Fig.8 Changes of LAI of needle leaved forests with aspect under different conditions slopes and elevations

不同坡度條件下，草地LAI平均值隨坡向而變化(圖9)，陽坡和半陽坡草地LAI的平均值為1.97，陰坡和半陰坡LAI的平均值1.79，在所有坡度范圍條件下，陰坡和半陰坡的LAI平均值都小于陽坡和半陽坡LAI的平均值，隨著坡度的增大，草地LAI隨坡向的波動(dòng)愈明顯。不同海拔條件下，草地LAI平均值隨坡向而變化(圖9)，當(dāng)海拔小于2100 m時(shí)，陽坡和半陽坡LAI平均值小；但海拔大于2100 m后，陽坡和半陽坡LAI的平均值為1.62，大于陰坡和半陰坡LAI的平均值1.45，因?yàn)楫?dāng)海拔較高時(shí)溫度成為草地生長最主要的限制因子，陽坡的日照充足，地表溫度高、土壤有機(jī)物質(zhì)的分解、轉(zhuǎn)化和遷移速度均超過陰坡，利于草本植被的生長[37- 38]。

圖9 不同坡度和海拔高度條件下草地LAI平均值隨坡向的變化Fig.9 Changes of LAI of grasslands with aspect under different conditions of slopes and elevations

2.4 森林LAI與生物量密度的關(guān)系

LAI在一定程度上能反應(yīng)群落生物量高低。利用保護(hù)區(qū)森林二調(diào)數(shù)據(jù)，采用方精云[39]的生物量換算因子連續(xù)函數(shù)法得到小班森林生物量，轉(zhuǎn)換成與LAI空間匹配的生物量密度柵格數(shù)據(jù)(30 m×30 m)。圖10是研究區(qū)生物量密度(BD)隨LAI變化的散點(diǎn)圖，其中LAI是不同BD等級(間隔為0.1 t/hm2)條件下所有格點(diǎn)LAI的平均值。可見，森林LAI與BD存在很好的線性關(guān)系(BD =44.396LAI-25.946，R2=0.83)。估算的研究區(qū)森林BD最小值為54.0 t/hm2，最大值為189.0 t/hm2，平均值為120.3 t/hm2，森林總生物量約為5.0×106t，其中闊葉林、針闊混交林和針葉林生物量分別約為0.3×106t、0.6×106t、4.1×106t。而根據(jù)森林清查數(shù)據(jù)直接計(jì)算的森林總生物量約為5.6×106t，闊葉林、針闊混交林和針葉林生物量分別約為0.3×106t，0.6×106t，4.7×106t。

圖10 研究區(qū)森林生物量密度與LAI的關(guān)系LAI是不同BD等級(間隔為0.1 t/hm2)條件下所有格點(diǎn)LAI的平均值Fig.10 Relationship between forest biomass density (BD) and LAI binned at 0.1 t/hm2 invervals of BD in the study area

2.5 MODIS LAI產(chǎn)品驗(yàn)證

參考Morisette等[40]提出的方法，對生成的研究區(qū)30 m TM LAI數(shù)據(jù)進(jìn)行采樣，生成1 km分辨率LAI數(shù)據(jù)(TM 1 km LAI)，對MODIS 1 km LAI產(chǎn)品進(jìn)行評價(jià)。由圖11可知，研究區(qū)內(nèi)森林和草地的TM 1 km LAI與MODIS 1 km LAI之間的決定系數(shù)R2分別為0.42和0.53，均通過了0.01水平的顯著性檢驗(yàn)。森林和草地MODIS 1 km LAI產(chǎn)品的平均值比TM 1 km LAI的平均值分別偏低約16.50%和24.40%。很多研究也發(fā)現(xiàn)，MODIS LAI產(chǎn)品在不同地區(qū)、不同植被類型條件下存在著不同程度的高估或低估現(xiàn)象[41- 42]，混合像元是造成偏差主要的原因之一[43]。

圖11 研究區(qū)森林和草地MODIS LAI(MODIS 1 km LAI)與利用TM數(shù)據(jù)及觀測數(shù)據(jù)生成的LAI(TM 1 km LAI)比較結(jié)果 Fig.11 Comparison of MODIS LAI products (MODIS 1 km LAI) with LAI (TM 1 km LAI )generated using TM data and field measurements for the forest and grassland in the study area

3 結(jié)論

本文在新疆喀納斯自然保護(hù)區(qū)針對不同植被類型，利用LAI- 2200和TRAC兩種光學(xué)儀器，觀測得到LAIe和LAI，建立了基于Landsat 5-TM遙感影像的LAIe和LAI估算模型。進(jìn)而研究了植被LAI隨海拔、坡度和坡向的變化特征，分析了植被生物量密度與LAI之間的關(guān)系，評價(jià)了MODIS LAI產(chǎn)品在該地區(qū)的精度。結(jié)果表明：

(1)研究區(qū)針葉林、針闊混交林、闊葉林和草地的LAIe最優(yōu)遙感估算模型分別是：LAIe=0.4861e2.6801ARVI，LAIe=0.5575e2.499ARVI，LAIe=2.3405e0.0611ARVI，LAIe=0.3627e4.3037SR；LAI的估算模型分別是：LAI=0.4162e3.2706ARVI，LAI=0.5675e2.7732ARVI，LAI=1.5325e2.174MAVI，LAI=0.5125e4.1258ARVI。由于植被冠層的聚集效應(yīng)，估算的混交林和針葉林的LAI明顯大于LAIe，在進(jìn)行區(qū)域LAI遙感估算時(shí)，必須考慮這一因素。

(2)研究區(qū)的LAI整體上表現(xiàn)出隨海拔升高先增加后減小的特點(diǎn)，LAI隨坡度的變化也有類似的特征。坡向?qū)︶樔~林和草地LAI的影響較明顯，其中針葉林的LAI在陰坡和半陰坡略高于陽坡和半陽坡；草地LAI在陽坡和半陽坡總體上大于陰坡和半陰坡。當(dāng)海拔高度低于2100 m時(shí)，草地LAI在陽坡和半陽坡小于陰坡和半陰坡，海拔繼續(xù)升高后，草地LAI在陽坡和半陽坡大于陰坡和半陰坡。

(3)保護(hù)區(qū)森林的LAI與BD之間具有較好的線性相關(guān)性，BD =44.396LAI-25.946(R2=0.83)，說明利用LAI在區(qū)域尺度估算研究區(qū)森林生物量具有一定的可行性。

(4)MODIS LAI與利用TM數(shù)據(jù)生成的LAI具有一定的一致性，但森林和草地的MODIS LAI平均值相對于利用TM遙感數(shù)據(jù)和地面LAI觀測數(shù)據(jù)生成的LAI分別偏低了16.50%和24.40%。

本研究利用地面觀測和遙感數(shù)據(jù)，研究了作為我國唯一的西伯利亞泰加林分布區(qū)的喀納斯自然保護(hù)區(qū)內(nèi)不同植被類型LAIe和LAI的空間變化特征及其與地形因子之間的關(guān)系。獲得的觀測數(shù)據(jù)和有關(guān)結(jié)論可為類似后續(xù)研究提供有益參考。但由于受無人區(qū)觀測條件的限制，這次研究還存在以下不足之處，可能給研究結(jié)果帶來不確定性，需要予以注意。主要有：未能在同一樣區(qū)利用LAI- 2200和TRAC進(jìn)行觀測，導(dǎo)致需要利用經(jīng)驗(yàn)公式對TRAC觀測的LAIe進(jìn)行訂正；在將光學(xué)儀器觀測信號轉(zhuǎn)換為Ω和LAI時(shí)，利用文獻(xiàn)研究成果確定了部分參數(shù)，如方程2中的γE；遙感數(shù)據(jù)的獲取時(shí)間與LAI的野外觀測時(shí)間存在著一個(gè)半月的時(shí)間差別，盡管研究區(qū)為國家級自然保護(hù)區(qū)，在該時(shí)間段內(nèi)，森林LAI的變化可以忽略不計(jì)，但是，草地LAI可能會(huì)隨溫度條件的變化發(fā)生一定程度的改變，從而影響LAI遙感估算模型的參數(shù)；使用的TM數(shù)據(jù)未進(jìn)行地形訂正，可能會(huì)影響LAI隨坡向的變化特征。

致謝：野外觀測得到新疆喀納斯自然保護(hù)區(qū)管委會(huì)的大力支持，閩江學(xué)院地理科學(xué)系朱高龍副教授，南京大學(xué)國際地球系統(tǒng)科學(xué)研究所柳藝博博士、張春華博士對本文寫作給予幫助，特此致謝。

[1] Chen J M, Black T A. Defining leaf area index for nonflat leaves. Plant Cell and Environment, 1992, 15(4): 421- 429.

[2] Cramer W, Kicklighter D W, Bondeau A, Moore lii B, Churkina G, Nemry B, Ruimy A, Schloss A L, ThE. Participants OF. ThE. Potsdam NpP. Model Intercomparison. Comparing global models of terrestrial net primary productivity (NPP): overview and key results. Global Change Biology, 1999, 5(S1): 1- 15.

[3] Liu J, Chen J M, Cihlar J, Park W M. A process-based boreal ecosystem productivity simulator using remote sensing inputs. Remote Sensing of Environment, 1997, 62(2): 158- 175.

[4] Reich P B, Turner D P, Bolstad P. An approach to spatially distributed modeling of net primary production (NPP) at the landscape scale and its application in validation of EOS NPP products. Remote Sensing of Environment, 1999, 70(1): 69- 81.

[5] Scurlock J M O, Cramer W, Olson R J, Parton W J, Prince S D. Terrestrial NPP: toward a consistent data set for global model evaluation. Ecological Applications, 1999, 9(3): 913- 919.

[6] Law B E, Tuyl S V, Cescatti A, Baldocchi D D. Estimation of leaf area index in open-canopy ponderosa pine forests at different successional stages and management regimes in Oregon. Agricultural and Forest Meteorology, 2001, 108(1): 1- 14.

[7] Chen P Q, Huang Y, Yu G R. Carbon cycle of the Earth System Beijing: Science Press, 2004: 55- 71.

[8] Dan L, Ji J J, Ma Z G. The variation of net primary production and leaf area index over Xinjiang Autonomous Region and its response to climate change. Acta Ecologica Sinica, 2007, 27(9): 3582- 3592.

[9] Wang Y, Yan X D. The Response of the forest ecosystem in China to global climate change. Chinese Journal of Atmospheric Sciences, 2006, 30(5): 1009- 1018.

[10] Huang M, Ji J J. The spatial-temporal distribution of leaf area index in China: a comparison between ecosystem modeling and remote sensing reversion. Acta Ecologica Sinica, 2010, 30(11): 3057- 3064.

[11] Wang X Q, Ma L Y, Jia Z K, Xu C Y. Research and application advances in leaf area index(LAI). Chinese Journal of Ecology, 2005, 24(5): 537- 541.

[12] Weiss M, Baret F. Evaluation of canopy biophysical variable retrieval performance from the accumulation of large swath satellite data. Remote Sensing of Environment, 1999, 70(3): 293- 300.

[13] Fang X Q, Zhang W C, Liu S C. The estimation of LAI in Heihe river basin using remotely sensed data. Remote Sensing for Land and Resources, 2004, 59(1): 27- 31.

[14] Zhang R H. Experimental remote sensing models and ground-based. Beijing: Science Press, 1996: 52- 55.

[15] Chen G, Liu Q H, Du Y M. A study on geometrical processing methods for LAI products intercomparison between MODIS and TM. Journal of Beijing Normal University: Natural Science, 2007, 43(3): 356- 361.

[16] Pan W D. Scientific Investigation on Kanas Re-serve of China. Beijing: Chinese Forestry Press, 1989: 48- 77.

[17] Pan X L, Zhang H D. Character of vegetation and research on forming of flora in Kanas. Arid Zone Research, 1994, 11(4): 1- 7.

[18] Lu P, Yan G X. Forest in Xinjiang. Urumqi: Xinjiang People′s Publishing House, 1990: 94- 158.

[19] Liu X Y, Yang Z P, Ma Z G, Di F, Geoffrey W. Land use and land cover pattern in Kanas Natural Reserve based on terrain factors. Arid Land Geography, 2011, 5(34): 851- 857.

[20] Zhang H H, Pan C D, Bazhaerbiekd·A S L H, Kou F T, Tan W P. Altitudinal Changes of Forest Community Types and Species Diversity in Kanasi Tourism Region. Xinjiang Agricultural Sciences, 2008, 45(2): 225- 231.

[21] Liu C L, Pan C D, Wu X Y, Kou F T, Tan W P. Distribution pattern of tree species richness along an altitudinal gradient in Kanas of Xinjiang. Chinese Journal of Ecology, 2009, 28(2): 203- 208.

[22] Zhu G L, Ju W M, Chen J M, Fan W Y, Zhou Y L, Li X F, Li M Z. Forest canopy leaf area index in Maoershan Mountain: Ground measurement and remote sensing retrieval. Chinese Journal of Applied Ecology, 2010, 21(8): 2117- 2124.

[23] Liu Z L, Jin G Z, Qi Y J, Estimate of Leaf Area Index in an Old-Growth Mixed Broadleaved-Korean Pine Forest in Northeastern China. PLoS ONE, 2011, 7(3): 1- 11.

[24] Gower S T, Kucharik C J, Norman J M. Direct and indirect estimation of leaf area index, fAPAR, and net primary production of terrestrial ecosystems. Remote Sensing of Environment, 1999, 70(1): 29- 51.

[25] Chen J M, Govind A, Sonnentag O, Zhang Y Q,Barr A,Amiro B. Leaf area index measurements at Fluxnet-Canada forest sites. Agricultural and Forest Meteorology, 2006, 140(1/4): 257- 268.

[26] Tang S, Chen J M, Zhu Q, Li X, Chen M, Sun R, Zhou Y, Deng F, Xie D. LAI inversion algorithm based on directional reflectance kernels. Journal of Environmental Management, 2007, 85(3): 638- 648.

[27] Liu Y B, Ju W M, Zhu G L, Chen J M, Xing B L, Zhu J F, Zhou Y L. Retrieval of leaf area index for different grasslands in Inner Mongolia prairie using remote sensing data. Acta Ecologica Sinica, 2011, 31(18): 1- 12.

[28] Chen J M. Optically-based methods for measuring seasonal variation of leaf area index in boreal conifer stands. Agricultural and Forest Meteorology, 1996, 80(2/4): 135- 163.

[29] Chen J M, Cihlar J. Plant canopy gap-size analysis theory for improving optical measurements of leaf-area index. Applied Optics, 1995, 34(27): 6211- 6222.

[30] Zhu G L. Retrieval of leaf area index and foliage clumping index from remotely sensed data [D]. Nanjing: Nanjing University, 2011: 13- 18.

[31] Simic A, Chen J M, Freemantle J R, Miller J R, Pisek J. Improving Clumping and LAI Algorithms Based on Multiangle Airborne Imagery and Ground Measurements. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(4): 1742- 1759.

[32] Zhao Y S. The principle and method of analysis of remote sensing application. Beijing: Science Press, 2008: 372- 383.

[33] Chen J M, Cihlar J. Retrieving leaf area index of boreal conifer forest using Landsat TM images. Remote Sensing of Environment, 1996, 55(2): 153- 162.

[34] Brown L, Chen J M, Leblanc S G, Cihlar J. A shortwave infrared modification to the simple ratio for LAI retrieval in boreal forests: An image and model analysis. Remote Sensing of Environment, 2000, 71(1): 16- 25.

[35] Atzberger C, Richter K. Spatially constrained inversion of radiative transfer models for improved LAI mapping from future Sentinel- 2 imagery. Remote Sensing of Environment, 2012, 120: 208- 218.

[36] Yuan G Y. The vertical zonation of the western Altay mts. Acta Geographica Sinica, 1986, 41(1): 32- 40.

[37] Cheng S D. Distribution characters of vegetation coverage and soil erosion in Wenanyi watershed on loess plateau [D]. Xi′an: Xi′an University of Technology, 2011: 54- 61.

[38] Guo J P, Zhang Y X. Studies on the dynamics and distribution pattern of landscape elements in the forest Landscape restoration process in Guandi-shan forest region. Acta Ecologica Sinica, 2002, 22(12): 2021- 2029.

[39] Fang J Y, Liu G H, Xu S L. Biomass and net production of forest vegetation in china. Acta Ecologica Sinica, 1996, 16(5): 497- 508.

[40] Morisette J T, Baret F, Privette J L, Myneni R B, Nickeson J E, Garrigues S, Shabanov N V, Weiss M, Fernandes R A, Leblanc S G, Kalacska M, Sánchez-Azofeifa G A, Chubey M, Rivard B, Stenberg P, Rautiainen M, Voipio P, Manninen T, Pilant A N, Lewis T E, Iiames J S, Colombo R, Meroni M, Busetto L, Cohen W B, Turner D P, Warner E D, Petersen G W, Seufert G, Cook R. Validation of global moderate-resolution LAI products: a framework proposed within the CEOS Land Product Validation Subgroup. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(7): 1804- 1817.

[41] Li X F, Ju W M, Chen S, Zhou Y L. Influence of land cover data on regional forest leaf area index inversion. Journal of Remote Sensing, 2010, 14(5): 982- 989.

[42] Sun P S, liu S R, Liu J T, Li C W, Lin Y, Jiang H. Derivation and validation of leaf area index maps using NDVI data of different resolution satellite imageries. Acta Ecologica Sinica, 2006, 26(11): 3826- 3834.

[43] Yang F, Sun J L, Zhang B, Yao Z F, Wang Z M, Wang J L, Yue X F. Assessment of MODIS LAI product accuracy based on the PROSAIL model, TM and field measurements. Transactions of the Chinese Society of Agricultural Engineering, 2010, 26(4): 192- 198.

參考文獻(xiàn):

[7] 陳泮勤, 黃耀, 于貴瑞. 地球系統(tǒng)碳循環(huán). 北京: 科學(xué)出版社, 2004: 55- 71.

[8] 丹利, 季勁鈞, 馬柱國. 新疆植被生產(chǎn)力與葉面積指數(shù)的變化及其對氣候的響應(yīng).生態(tài)學(xué)報(bào), 2007, 27(9): 3582- 3592.

[9] 王葉, 延曉冬. 全球氣候變化對中國森林生態(tài)系統(tǒng)的影響. 大氣科學(xué), 2006, 30(5): 1009- 1018.

[10] 黃玫, 季勁鈞. 中國區(qū)域植被葉面積指數(shù)時(shí)空分布- 機(jī)理模型模擬與遙感反演比較. 生態(tài)學(xué)報(bào), 2010, 30(11): 3057- 3064.

[11] 王希群,馬履一, 賈忠奎, 徐程揚(yáng). 葉面積指數(shù)的研究和應(yīng)用進(jìn)展. 生態(tài)學(xué)雜志, 2005, 24(5): 537- 541.

[13] 方秀琴, 張萬昌, 劉三超. 黑河流域葉面積指數(shù)的遙感估算. 國土資源遙感, 2004, 59(1): 27- 31.

[14] 張仁華. 實(shí)驗(yàn)遙感模型與地面基礎(chǔ). 北京: 科學(xué)出版社, 1996: 52- 55.

[15] 陳果, 柳欽火, 劉強(qiáng), 杜永明. MODIS和降尺度TM數(shù)據(jù)反演葉面積指數(shù)相互驗(yàn)證中幾何處理方法的研究. 北京師范大學(xué)學(xué)報(bào): 自然科學(xué)版, 2007, 43(3): 356- 361.

[16] 潘文斗. 中國哈納斯保護(hù)區(qū)科學(xué)考察. 北京:中國林業(yè)出版社, 1989: 4- 7.

[17] 潘曉玲, 張宏達(dá). 哈納斯自然保護(hù)區(qū)植被特點(diǎn)及植物區(qū)系形成的探討. 干旱區(qū)研究, 1994, 11(4): 1- 7.

[18] 陸平, 嚴(yán)賡雪. 新疆森林. 烏魯木齊: 新疆人民出版社, 1990: 94- 158.

[19] 劉新宇, 楊兆萍, 馬忠國, 邸楓, Geoffrey WALL. 基于地形因子的喀納斯自然保護(hù)區(qū)土地利用/覆被現(xiàn)狀格局分析. 干旱區(qū)地理, 2011, 5(34): 851- 857.

[20] 張薈薈, 潘存德, 巴扎爾別克·阿斯勒汗, 寇福堂, 譚衛(wèi)平. 喀納斯旅游區(qū)森林群落類型及其物種多樣性隨海拔梯度的變化. 新疆農(nóng)業(yè)科學(xué), 2008, 45(2): 225- 231.

[21] 劉翠玲, 潘存德, 吳曉勇, 寇福堂, 譚衛(wèi)平. 新疆喀納斯樹種豐富度垂直格局特征. 生態(tài)學(xué)雜志, 2009, 28(2): 203- 208.

[22] 朱高龍, 居為民, 陳鏡明, 范文義, 周艷蓮, 李顯風(fēng), 李明澤. 帽兒山地區(qū)森林冠層葉面積指數(shù)的地面觀測與遙感反演. 應(yīng)用生態(tài)學(xué)報(bào), 2010, 21(8): 2117- 2124.

[27] 柳藝博, 居為民, 朱高龍, Chen J M, 范文義, 周艷蓮, 李顯風(fēng), 李明澤. 內(nèi)蒙古不同類型草地葉面積指數(shù)遙感估算. 應(yīng)用生態(tài)學(xué)報(bào), 2011, 31(18): 5159- 5170.

[30] 朱高龍. 植被葉面積指數(shù)與葉片聚集度系數(shù)遙感反演方法研究[D]. 南京: 南京大學(xué), 2011: 13- 18.

[32] 趙英時(shí). 遙感應(yīng)用分析原理與方法. 北京: 科學(xué)出版社, 2008: 372- 383.

[36] 袁國映. 阿勒泰山西部地區(qū)的垂直自然帶. 地理學(xué)報(bào), 1986, 41(1): 32- 40.

[37] 程圣東. 黃土高原文安驛流域植被覆蓋與土壤侵蝕分布特征研究[D]. 西安: 西安理工大學(xué), 2011: 54- 61.

[38] 郭晉平, 張蕓香. 森林景觀恢復(fù)過程中景觀要素空間分布格局及其動(dòng)態(tài)研究. 生態(tài)學(xué)報(bào), 2002, 22(12): 2021- 2029.

[39] 方精云, 劉國華, 徐嵩齡. 我國森林植被的生物量和凈生產(chǎn)量. 生態(tài)學(xué)報(bào), 1996, 16(5): 497- 508.

[41] 李顯風(fēng), 居為民, 陳姝, 周艷蓮. 地表覆蓋分類數(shù)據(jù)對區(qū)域森林葉面積指數(shù)反演的影響. 遙感學(xué)報(bào), 2010, 14(5): 982- 989.

[42] 孫鵬森, 劉世榮, 劉京濤, 李崇巍, 林勇, 江洪. 利用不同分辨率衛(wèi)星影像的NDVI 數(shù)據(jù)估算葉面積指數(shù)(LAI)——以岷江上游為例. 生態(tài)學(xué)報(bào), 2006, 26(11): 3826- 3834.

[43] 楊飛, 孫九林, 張柏, 姚作芳, 王宗明, 王卷樂, 樂夏芳. 基于PROSAIL模型及TM與實(shí)測數(shù)據(jù)的MODIS LAI精度評價(jià). 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(4): 192- 198.

MeasurementandretrievalofleafareaindexusingremotesensingdatainKanasNationalNatureReserve,Xinjiang

ZAN Mei1,2,3,4, LI Dengqiu1,2, JU Weimin1,2,*, WANG Xiqun5, CHEN Shujiang3, 4

1JiangsuProvincialKeyLaboratoryofGeographicInformationScienceandTechnology,NanjingUniversity,Nanjing210093,China2InternationalInstituteforEarthSystemScience,NanjingUniversity,Nanjing210093,China3SchoolofGeographyScienceandTourism,XinjiangNormalUniversity,Urumqi830054,China4KeyLaboratoryofLakeEnvironmentandResourcesinAridZone,Urumqi830054,China5PlanningandDesignInstituteofForestProductsIndustry,StateForestryAdministrationofChina,Beijing100010,China

Leaf area index (LAI) is one of the most important vegetation structural parameters in terrestrial ecosystems. It significantly regulates the exchanges of matter and energy between the atmosphere and terrestrial ecosystems due to its effects on many biophysical and physiological processes, including photosynthesis, respiration，transpiration，precipitation interception, energy transfer, and so on. The study on LAI is of scientific importance for assessing the response of vegetation to climate change and human activities in ecologically fragile areas in northwest China. In this paper, effective LAI (LAIe) and actual LAI of forests and grasslands were measured with the LAI- 2200 and TRAC instruments in Kanas National Nature Reserve, Xinjiang Autonomous Region. Based on measurements of LAIeand LAI at 50 sampling plots, models for estimating LAIeand LAI from Landsat 5-TM remote sensing data were developed. Then, the changes of LAI with topographic factors (including elevation, slope, and aspect) were analyzed. The possibility of estimating vegetation biomass density based on LAI estimated from TM remote sensing data (TM LAI) was explored. Finally, the quality of the MODIS LAI product in the study area was assessed using TM LAI as the benchmark. The results show that both LAIeand LAI significantly change with land cover types. Both LAIeand LAI exponentially change with vegetation indices. The best fitted models for estimating LAIeand LAI are LAIe=0.4861e2.6801ARVIand LAI=0.4162e3.2706ARVIfor needle-leaved forests, LAIe=2.3405e0.0611ARVIand LAI=1.5325e2.174MAVIfor broad-leaved forests, LAIe=0.5575e2.499ARVIand LAI=0.5675e2.7732ARVIfor mixed forests, LAIe=0.3627e4.3037SRand LAI=0.5125e4.1258ARVIfor grasslands, respectively (AVRI is the atmospherically resistant vegetation index, SR is the simple ratio vegetation index, and MAVI is the moisture adjusted vegetation index). The averages of remotely sensed LAIeof broad-leaved forests, mixed forests, needle-leaved forests, and grasslands are 4.40, 3.18, 2.57, and 1.76, respectively. The corresponding values of LAI are 4.76, 3.93, 3.27, and 2.30, respectively. High values of LAIeand LAI mainly appears in locations nearby the lakes and rivers. The changes of LAI with altitude, slope and aspect exhibit obviously vertical patterns. LAI tends to increase first and then decrease with the increases in altitude and slope. Aspect has significant influences on the LAI of needle-leaved forests and grasslands, but less influences on LAI of broad-leaved forests and mixed forests. LAI can act as a valuable predictor of forest biomass density (BD) (BD=44.396LAI-25.946,R2=0.83, BD was derived from the forest resources inventory data). The average BD of forests estimated from remotely sensed LAI is 120.3 t/hm2and the estimated total forest biomass is 5.0×106t in the study area. The re-sampling technique was adopted here for getting 1 km resolution TM LAI data from 30 m TM LAI data of the study area. 1 km MODIS LAI show similar patterns with LAI re-sampled from the 30 m LAI map generated from TM data and measured LAI, withR2=0.42 for forests andR2=0.53 for grasslands. However, MODIS LAI is 16.5% and 24.4% lower than LAI estimated using TM remote sensing data for forests and grasslands.

leaf area index (LAI); Kanas National Nature Reserve; estimation using remote sensing data; MODIS LAI

973項(xiàng)目(2010CB950702，2010CB833503)；江蘇高校優(yōu)勢學(xué)科建設(shè)工程資助項(xiàng)目；江蘇高校優(yōu)秀科技創(chuàng)新團(tuán)隊(duì)

2012- 05- 04;

2012- 10- 26

*通訊作者Corresponding author.E-mail: juweimin@nju.edu.cn

10.5846/stxb201205040641

昝梅，李登秋，居為民，王希群，陳蜀江.新疆喀納斯國家自然保護(hù)區(qū)植被葉面積指數(shù)觀測與遙感估算.生態(tài)學(xué)報(bào),2013,33(15):4744- 4757.

Zan M, Li D Q, Ju W M, Wang X Q, Chen S J.Measurement and retrieval of leaf area index using remote sensing data in Kanas National Nature Reserve, Xinjiang.Acta Ecologica Sinica,2013,33(15):4744- 4757.