基于遙感反演的中國(guó)森林冠層葉氮濃度 空間格局初步研究

于泉洲，劉煜杰，周 蕾，石 浩，孫雷剛

（1.聊城大學(xué) 環(huán)境與規(guī)劃學(xué)院，山東 聊城 252059；2.中國(guó)科學(xué)院 地理科學(xué)與資源研究所 生態(tài)系統(tǒng)網(wǎng)絡(luò)觀測(cè)與模擬重點(diǎn)實(shí)驗(yàn)室，北京 100101；3.中國(guó)環(huán)境科學(xué)研究院生態(tài)文明研究中心，北京 100012；4.浙江師范大學(xué) 地理與環(huán)境學(xué)院，浙江 金華 321004；5.西北農(nóng)林科技大學(xué) 資源環(huán)境學(xué)院，陜西 楊凌 712100；6.河北省科學(xué)院地理科學(xué)研究所，河北 石家莊 050011）

我國(guó)森林生態(tài)系統(tǒng)在固定大氣CO2和減緩氣候變暖方面具有巨大潛力[1-4]。森林生態(tài)系統(tǒng)氮素水平，尤其是冠層葉片氮濃度（Canopy Nitrogen Concentration,CNC,g/100g）制約著森林的固碳能力[5]。因此，獲得準(zhǔn)確的森林CNC 空間化數(shù)據(jù)便成為區(qū)域森林生產(chǎn)力和碳匯評(píng)估的關(guān)鍵。傳統(tǒng)的野外采樣方法獲取CNC 耗時(shí)費(fèi)力，并且無(wú)法獲得空間連續(xù)的數(shù)據(jù)，而遙感反演方法則能較好地解決這一問(wèn)題。當(dāng)前，對(duì)于森林生物量、蓄積量和葉面積指數(shù)等參數(shù)的遙感反演已較為成熟[6-7]，但對(duì)于森林冠層生化參數(shù)的遙感反演則正在興起。

近年來(lái)，國(guó)外學(xué)者基于HyMap、AVIRIS、CASI 以及Hyperion 等多種高光譜數(shù)據(jù)，在世界多地開(kāi)展了研究[8-13]，內(nèi)容包括森林冠層結(jié)構(gòu)、生化組分及樹(shù)種組成等方面。由于高光譜數(shù)據(jù)的空間覆蓋有限，研究多被限制在小區(qū)域。直到Ollinger 等[10]發(fā)現(xiàn)北美森林CNC 與近紅外反射率（NIR，800～850 nm）呈顯著的線性正相關(guān)，并 結(jié) 合MODIS（Moderate-resolution imaging spectroradiometer）反射率數(shù)據(jù)，實(shí)現(xiàn)了北美森林CNC 的反演。雖然，Knyazikhin 等[14]對(duì)CNC 與冠層NIR 的相關(guān)關(guān)系提出了質(zhì)疑，并且Wang 等[15-16]在對(duì)歐洲混交林CNC 的遙感反演研究中指出，冠層結(jié)構(gòu)與葉化學(xué)組分之間的“協(xié)同效應(yīng)”使得CNC 反演效果較好。Yu 等[17]對(duì)我國(guó)長(zhǎng)白山混交林的研究發(fā)現(xiàn)，森林CNC 的空間變異主要受森林樹(shù)種組成的影響，在跨植被功能型的森林生態(tài)系統(tǒng)中可以謹(jǐn)慎地使用衛(wèi)星遙感獲得的NIR 來(lái)反演森林CNC。因此，Ollinger 等[10]的方法仍被視為一種大尺度森林CNC 遙感估計(jì)的可行方法而被廣泛應(yīng)用[13,18]。

國(guó)內(nèi)相關(guān)研究較少且集中在小區(qū)域。如沈艷[19]、袁金國(guó)和牛錚[20]在西雙版納地區(qū)開(kāi)展了Hyperion 星地同步實(shí)驗(yàn)，研究了植被覆蓋區(qū)冠層葉綠素含量、葉氮濃度、碳氮比等。楊曦光等[21]利用Hyperion 數(shù)據(jù)結(jié)合4-scale 模型和神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)模型反演了我國(guó)小興安嶺地區(qū)森林CNC。Yu 等[22]通過(guò)采樣調(diào)查結(jié)合Hyperion 數(shù)據(jù)分析發(fā)現(xiàn)江西中亞熱帶人工針葉林單一的冠層結(jié)構(gòu)導(dǎo)致NIR 與CNC 相關(guān)性降低，限制了區(qū)域CNC 的反演。

因此，本研究選取中國(guó)生態(tài)系統(tǒng)研究網(wǎng)絡(luò)（CERN）中的千煙洲站和長(zhǎng)白山站及其周邊的林區(qū)為對(duì)象，通過(guò)森林樣方調(diào)查采樣、測(cè)定了438 份葉片氮濃度，并結(jié)合Hyperion 高光譜數(shù)據(jù)及MODIS 的BRDF 反射率數(shù)據(jù)，反演生長(zhǎng)季中國(guó)區(qū)域森林CNC，同時(shí)對(duì)反演結(jié)果進(jìn)行驗(yàn)證和空間特征分析。研究旨在揭示我國(guó)森林生長(zhǎng)季CNC 的空間格局特征，并為國(guó)家尺度森林碳循環(huán)模擬提供更精確的初始化參數(shù)數(shù)據(jù)，具有重要實(shí)踐意義。

1 數(shù)據(jù)與方法

1.1 研究區(qū)概況

選取吉林省長(zhǎng)白山溫帶針闊混交林和江西省千煙洲中亞熱帶人工針葉林為采樣區(qū)域。長(zhǎng)白山溫帶針闊混交林位于吉林省長(zhǎng)白山北坡，是我國(guó)保存最完整的自然森林生態(tài)系統(tǒng)之一[23]，長(zhǎng)白山森林樹(shù)種類(lèi)型多樣，主要建群種有紅松Pinus koraiensis、椴樹(shù)Tilia tuan、蒙古櫟Quercus mongolica、水曲柳Fraxinus mandschurica和色木槭Acer mono等。千煙洲中亞熱帶人工針葉林位于江西省吉安市內(nèi)，該地區(qū)經(jīng)過(guò)30 多年的綜合治理植樹(shù)造林，森林景觀已經(jīng)形成且高度郁閉[24]，形成了以濕地松Pinus elliottii、馬尾松Pinus massoniana杉木Cunninghamia lanceolata為主，兼有木荷Schima superba、楓香Liquidambar formosana等原生闊葉樹(shù)的人工針葉林生態(tài)系統(tǒng)。

1.2 數(shù)據(jù)處理

1.2.1 遙感數(shù)據(jù)預(yù)處理

1）Hyperion 數(shù)據(jù)處理

EO-1 Hyperion 數(shù)據(jù)覆蓋范圍為7.5 km×180 km的東北西南向條帶區(qū)域，空間分辨率30 m，光譜范圍為355～2 577 nm，光譜分辨率約10 nm。千煙洲地區(qū)的Hyperion 影像成像時(shí)間為2009年5月初（影像編號(hào)為：EO1H1210412009121110PY_PF2_01）。長(zhǎng)白山地區(qū)的Hyperion 數(shù)據(jù)獲取時(shí)間為2012年6月底（影像編號(hào)為：EO1H1160302012179110P0_PF2_01）。由于森林為成熟林年際變化較小，因此星地?cái)?shù)據(jù)可達(dá)到季相匹配的要求。選用的Hyperion 數(shù)據(jù)級(jí)別為L(zhǎng)1Gst，該級(jí)別數(shù)據(jù)經(jīng)過(guò)輻射校正、系統(tǒng)級(jí)幾何校正和地形校正[25]，故僅對(duì)影像進(jìn)行大氣校正和幾何精校正。

2）MODIS 數(shù)據(jù)

使用的MODIS 數(shù)據(jù)包括MCD12Q1 和MCD43B4。利用MRT（MODIS Reprojection Tool） 軟件進(jìn)行數(shù)據(jù)的投影轉(zhuǎn)換和拼接，將正弦投影數(shù)據(jù)轉(zhuǎn)為Albers 等面積投影，中國(guó)陸地區(qū)域共利用19 幅MODIS 數(shù)據(jù)拼接得到。

MCD12Q1 是500 m 分辨率的土地覆蓋類(lèi)型產(chǎn)品。本研究采用其中IGBP（International Geosphere Biosphere Programme，國(guó)際地圈生物圈計(jì)劃）定義的分類(lèi)系統(tǒng)，將其中的常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林和混交林5 種土地覆被類(lèi)型合并作為本研究的森林CNC 反演的區(qū)域。

MCD43B4是BRDF模型校正的8d合成的地表反射率產(chǎn)品，其空間分辨率為1 km。因我國(guó)南方部分林區(qū)生長(zhǎng)季云量較多，為避免數(shù)據(jù)大量缺失，故選用2011—2013年間生長(zhǎng)季（DOY=177～241）的27個(gè)時(shí)期的數(shù)據(jù)進(jìn)行合成。合成方法是將27 個(gè)時(shí)期數(shù)據(jù)按照像元位置逐個(gè)時(shí)期累加然后取平均。經(jīng)統(tǒng)計(jì)，合成提取的森林地表NIR 像元面積占總林地面積的99.23%，說(shuō)明3年生長(zhǎng)季合成的地表NIR 能基本覆蓋我國(guó)絕大部分森林區(qū)域，可以用于全國(guó)森林CNC 的反演。

1.2.2 采樣與樣品處理

千煙洲地區(qū)森林采樣時(shí)間為2012年4月下旬，長(zhǎng)白山地區(qū)采樣時(shí)間為2013年7月上旬，共選取采集了59 個(gè)森林樣方的438 份葉樣品（表1）。

表1 野外采樣的樹(shù)種信息Table1 Tree species information in fieldworks

采樣和樣品處理步驟如下：

1）在Hyperion 覆蓋區(qū)域隨機(jī)選擇森林郁閉度高，且地形較平坦的林分作為樣地。

2）用樣方繩在林分中心設(shè)置30 m×30 m 的樣方，用GPS 在樣方中心測(cè)量經(jīng)緯度坐標(biāo)。

3）進(jìn)行樣方調(diào)查。統(tǒng)計(jì)樣方中高度達(dá)到喬木層的樹(shù)種及棵數(shù)，測(cè)量樣方中每個(gè)樹(shù)種5 棵代表性立木的胸徑。收集冠層上方的葉片樣品，取鮮葉100 g 左右，裝入封口袋并標(biāo)記帶回實(shí)驗(yàn)室。

4）樣品在烘箱65 ℃下烘至恒重，利用球磨儀研磨成粉。用德國(guó)Elementar 公司的Vario EL cube 元素分析儀測(cè)定葉片氮濃度。

1.2.3 葉片氮濃度的尺度擴(kuò)展

為使星地?cái)?shù)據(jù)空間匹配，需將葉片尺度的氮濃度擴(kuò)展到樣方冠層尺度。對(duì)于純林樣地，以樣方內(nèi)同一樹(shù)種的多棵樹(shù)葉片混合測(cè)得的葉片氮濃度作為整個(gè)樣方冠層的葉氮濃度；對(duì)于混交林樣地，兩地區(qū)采用不同的葉氮濃度尺度擴(kuò)展方法。長(zhǎng)白山地區(qū)采用樣方內(nèi)樹(shù)種優(yōu)勢(shì)度加權(quán)的方法進(jìn)行，即采用某樹(shù)種的橫截面積在整個(gè)樣方內(nèi)所有樹(shù)種總橫截面積的百分比作為加權(quán)系數(shù)[17]。千煙洲地區(qū)，采用冠層葉生物量加權(quán)的方法。通過(guò)收集的優(yōu)勢(shì)樹(shù)種冠層的葉生物量方程（具體見(jiàn)文獻(xiàn)[22]），計(jì)算樣方不同樹(shù)種的葉生物量，然后將每個(gè)樹(shù)種的葉生物量除以樣方總?cè)~生物量，得到每個(gè)樹(shù)種在該樣方中的葉生物量比例（加權(quán)系數(shù)），然后進(jìn)行不同樹(shù)種的葉片氮濃度進(jìn)行加權(quán)，最后得到樣方CNC。

1.2.4 森林冠層葉氮濃度遙感反演與驗(yàn)證

全國(guó)生長(zhǎng)季森林CNC 反演的具體流程如圖1：

其中，構(gòu)建的樣方加權(quán)的森林CNC 與Hyperion 提取的NIR 之間的統(tǒng)計(jì)模型如下：

圖1 基于MODIS BRDF 數(shù)據(jù)的中國(guó)區(qū)域森林CNC 反演流程Fig.1 The flow chart of forest CNC inversion based on MODIS BRDF data in China

由式1 和圖2看出，在冠層尺度上CNC 與NIR 具有顯著正相關(guān)關(guān)系（R2=0.75，P＜0.000 1）。

圖2 基于森林樣方數(shù)據(jù)的CNC 與NIR 的相關(guān)關(guān)系Fig.2 Relationship between forest CNC and Hyperion NIR from forest plots

收集了2013年生長(zhǎng)季對(duì)我國(guó)6 個(gè)森林站點(diǎn)喬木葉氮濃度的調(diào)查數(shù)據(jù)和王晶苑等[26]對(duì)中國(guó)4 個(gè)森林站點(diǎn)的主要樹(shù)種葉氮濃度調(diào)查數(shù)據(jù)，將每個(gè)站點(diǎn)內(nèi)的各主要樹(shù)種的葉氮濃度取平均值作為驗(yàn)證數(shù)據(jù)。驗(yàn)證站點(diǎn)信息見(jiàn)表2。

表2 CNC 反演驗(yàn)證的森林站點(diǎn)信息Table2 Forest site information for validation of CNC inversion

2 結(jié)果與分析

2.1 實(shí)測(cè)葉片氮濃度特征

調(diào)查的59 個(gè)森林樣方共收集到438 份葉片樣品。其中長(zhǎng)白山樣品中，主要優(yōu)勢(shì)種紅松、紫椴、糠椴、蒙古櫟、水曲柳和白樺的葉片氮濃度均值分別為1.43、2.80、2.84、2.45、2.98 和2.34 g/100 g，長(zhǎng)白山所有樣品葉片氮濃度均值為2.44 g/100 g。江西千煙洲調(diào)查了7 個(gè)樹(shù)種共21 份葉樣品，其中優(yōu)勢(shì)種濕地松、馬尾松、杉木和木荷的葉片氮濃度均值分別為0.91、1.33、1.59 和1.42 g/100 g，千煙洲葉片樣品氮均值為1.55 g/100 g。

2.2 中國(guó)森林CNC 空間特征

2.2.1 中國(guó)森林CNC 空間格局

反演的森林CNC 分布結(jié)果具有顯著的空間差異特征，可以大致依照胡煥庸線進(jìn)行劃分。首先，在胡煥庸線左側(cè)（西北部）森林分布面積明顯少于右側(cè)（東南部），同時(shí)左側(cè)的森林CNC 也低于右側(cè)（圖3）。具體而言，結(jié)合中國(guó)植被圖[27]對(duì)比分析，東北大小興安嶺、川西高原以及藏東南等針葉林占優(yōu)勢(shì)的區(qū)域CNC 相對(duì)較低；對(duì)于東北長(zhǎng)白山脈、秦嶺、云南南部及海南島尖峰嶺等闊葉林為主的區(qū)域CNC 較高；而在我國(guó)長(zhǎng)江中下游、南嶺、武夷山脈等闊葉原始林、闊葉次生林和人工針葉林混交分布的地區(qū)森林CNC 居中。

圖3 反演的中國(guó)區(qū)域森林CNC 空間格局（1km2 分辨率）Fig.3 Spatial patterns of forest CNC in China (1 km2 resolution)

2.2.2 森林CNC 的分省統(tǒng)計(jì)特征

對(duì)全國(guó)32 個(gè)省、直轄市和自治區(qū)（將香港和澳門(mén)特別行政區(qū)的森林CNC 計(jì)入廣東省）的森林CNC 進(jìn)行區(qū)域統(tǒng)計(jì)，包括各省區(qū)森林面積、CNC最小值（min）、最大值（max）、均值（mean）、標(biāo)準(zhǔn)差（SD）和變異系數(shù)（CV）（表3）。分析發(fā)現(xiàn)，森林CNC 均值最高的三個(gè)省份分別為海南、吉林和遼寧，CNC 均值依次為2.66 g/100g、2.47 g/100g和2.44 g/100g。而森林CNC 均值最低的3 個(gè)省份分別是新疆、山東和天津，CNC 均值依次為 1.71 g/100g、1.68 g/100g 和1.66 g/100g。

將森林CNC 變異系數(shù)越高說(shuō)明區(qū)域森林CNC變異性越強(qiáng)，CV 越低說(shuō)明區(qū)域森林CNC 分布越均勻。CV 最大的3 個(gè)省份是天津、山東和青海，均是森林分布面積較少的省份，CV 分別為0.277、0.265 和0.253，而CV 最小的3 個(gè)省域?yàn)橘F州、福建和北京，分別為0.069、0.064 和0.061。

2.2.3 不同類(lèi)型森林CNC 統(tǒng)計(jì)特征及與全球數(shù)據(jù)的對(duì)比

反演的CNC 最低值和最高值分別為0.49 g/100g和3.63 g/100g，全國(guó)均值為2.236 g/100g，標(biāo)準(zhǔn)差為0.277 g/100g。不同森林類(lèi)型中，落葉闊葉林CNC 最高，為2.47±0.18 g/100g，其次依次為常綠闊葉林、混交林、落葉針葉林和常綠針葉林。其中常綠針葉林CNC 最低，為1.82±0.28 g/100g（表4）。

根據(jù)美國(guó)橡樹(shù)嶺實(shí)驗(yàn)室基于全球文獻(xiàn)755個(gè)樹(shù)木葉片的氮濃度數(shù)據(jù)（Oak Ridge National Laboratory Distributed Active Archive Center），全球綠葉氮濃度最低值和最高值分別為0.08 g/100g 和5.20 g/100g，葉片氮濃度均值為1.81±0.719 g/100g（表4）。該數(shù)據(jù)集來(lái)自1970—2010年的多項(xiàng)研究，數(shù)據(jù)覆蓋全球絕大多數(shù)地區(qū)（159.7 W～176.9 E,50 S～68.5 N）[28]。

表3 不同省市區(qū)森林CNC 統(tǒng)計(jì)特征?Table3 Statistical characteristics of forest CNC in different provincial areas

反演的每個(gè)柵格CNC 代表1km2區(qū)域內(nèi)森林樹(shù)種葉片氮濃度加權(quán)的結(jié)果。通過(guò)對(duì)比全球數(shù)據(jù)集，反演的CNC 數(shù)值范圍落于全球數(shù)據(jù)集范圍之內(nèi)，說(shuō)明反演的中國(guó)區(qū)域森林CNC 上下限值是合理的。同時(shí)，反演CNC 均值比全球均值略高，每種森林植被功能型的CNC 也高于對(duì)應(yīng)樹(shù)種的平均值，標(biāo)準(zhǔn)差則低于全球數(shù)據(jù)。由于反演得到的CNC 反映的是林冠中上層葉片的氮濃度信息，而全球數(shù)據(jù)集中的葉片取樣位置和時(shí)間沒(méi)有做明確說(shuō)明。另外MODIS 的森林分類(lèi)數(shù)據(jù)具有一定誤差[29]，對(duì)反演的CNC 統(tǒng)計(jì)特征會(huì)產(chǎn)生一定影響。因此，我們認(rèn)為反演結(jié)果是可信的。

2.3 驗(yàn)證與討論

2.3.1 反演結(jié)果初步驗(yàn)證

根據(jù)10 個(gè)森林驗(yàn)證站點(diǎn)坐標(biāo)（表2），提取反演結(jié)果中對(duì)應(yīng)像元的CNC。比較實(shí)測(cè)值與反演值發(fā)現(xiàn)，兩者相關(guān)系數(shù)為0.52，均方根誤差為0.43 g/100g，占反演CNC 均值的19.23%。這說(shuō)明反演結(jié)果能夠反映CNC 空間差異，且反演的數(shù)值范圍可接受。另外，大部分驗(yàn)證點(diǎn)分布在1:1線以上（圖4），說(shuō)明反演結(jié)果可能存在一定高估。

圖4 中國(guó)10 個(gè)森林站點(diǎn)的CNC 實(shí)測(cè)值與反演值的對(duì)比Fig.4 Comparison between measurements and inversion values of CNC in 10 China forest sites

2.3.2 討 論

森林CNC 空間分布受內(nèi)因和外因兩個(gè)方面的綜合控制。內(nèi)因指冠層尺度上樹(shù)種組成的變化，即森林類(lèi)型變化對(duì)于CNC 的影響。植物在長(zhǎng)期進(jìn)化過(guò)程中，其各個(gè)器官理化性質(zhì)的功能性收斂使得不同物種的葉氮濃度差異巨大[30]，而與葉氮濃度關(guān)聯(lián)的冠層結(jié)構(gòu)的總體變化直接影響了冠層反射特征[31]。外因主要指外界環(huán)境對(duì)于森林生態(tài)系統(tǒng)的影響，包括氣溫、降水、緯度、海拔、太陽(yáng)輻射、土壤養(yǎng)分水分、大氣氮沉降、森林?jǐn)_動(dòng)（林火、砍伐等）等方面的影響[32]。

由于森林CNC 與林冠結(jié)構(gòu)特征具有協(xié)同性，CNC 除其自身的反射特征外，還通過(guò)其相應(yīng)的林冠結(jié)構(gòu)特征影響其冠層反射光譜，故反演的森林CNC 主要反映了不同森林功能型之間的差別[14,17,31]。因此，CNC 的空間變異可以用森林植被功能型的空間差異來(lái)解釋，而對(duì)于同一森林功能型內(nèi)部的CNC 空間變異應(yīng)主要體現(xiàn)在環(huán)境因素的影響方面，其反演的準(zhǔn)確性亦有待進(jìn)一步評(píng)估。

3 結(jié) 論

基于野外采樣調(diào)查和Hyperion 高光譜數(shù)據(jù)，建立森林CNC 反演的統(tǒng)計(jì)模型，并借助MODIS數(shù)據(jù)，實(shí)現(xiàn)了2011—2013年間生長(zhǎng)季森林CNC的初步反演和分析，得到如下結(jié)論：

1）基于溫帶森林和亞熱帶森林的調(diào)查數(shù)據(jù)顯示，CNC 與NIR 之間存在顯著的線性正相關(guān)關(guān)系，R2=0.75，P＜0.000 1，建立的模型可用于CNC 反演分析。

2）全國(guó)森林CNC 空間分布大致以胡煥庸線為界，東南高西北低。全國(guó)森林CNC 介于0.49～3.63 g/100g 之間，全國(guó)均值為2.236±0.277 g/100g。分省統(tǒng)計(jì)顯示，海南、吉林和遼寧的森林CNC 均值最高，而新疆、山東和天津的森林CNC均值最低。

3）不同森林功能型的CNC 之間存在差異。落葉闊葉林CNC 均值最高為2.47 g/100g，其次依次為常綠闊葉林、混交林、落葉針葉林，常綠針葉林CNC 均值最低，為1.82 g/100g。

4）初步驗(yàn)證顯示，反演結(jié)果在一定程度上反映了我國(guó)森林CNC 的空間特征和統(tǒng)計(jì)特征，但部分地區(qū)可能存在一定高估。另外，森林CNC 的空間變異主要受到森林植被功能型空間變異的影響。

致謝：感謝美國(guó)地質(zhì)勘探局（United States Geological Survey,USGS）網(wǎng)站提供的MODIS 和EO-1 Hyperion 遙感數(shù)據(jù)！感謝中科院生態(tài)網(wǎng)絡(luò)觀測(cè)與模擬重點(diǎn)實(shí)驗(yàn)室相關(guān)老師提供的部分站點(diǎn)葉片氮濃度驗(yàn)證數(shù)據(jù)！同時(shí)對(duì)協(xié)助調(diào)查的同事和野外臺(tái)站戴冠華、楊風(fēng)亭副站長(zhǎng)及工作人員的幫助深表感謝！