庫(kù)布齊沙漠人工灌木林生物量的遙感估測(cè)模型構(gòu)建1)

郭玉東 張秋良 張榕陳曉燕彌宏卓

(內(nèi)蒙古農(nóng)業(yè)大學(xué)，呼和浩特，010010)(內(nèi)蒙古社會(huì)科學(xué)院)(內(nèi)蒙古林業(yè)和草原監(jiān)測(cè)規(guī)劃院)

生物量是整個(gè)生態(tài)系統(tǒng)運(yùn)行的能量基礎(chǔ)，是生態(tài)系統(tǒng)生產(chǎn)力水平的主要體現(xiàn)，也是衡量植物群落貢獻(xiàn)量和評(píng)價(jià)生態(tài)系統(tǒng)生產(chǎn)潛力的重要指標(biāo)之一，它直接反映了生態(tài)系統(tǒng)功能的強(qiáng)弱，對(duì)生態(tài)系統(tǒng)結(jié)構(gòu)的形成有著非常重要的影響[1]。區(qū)域尺度森林生物量的估測(cè)，主要有依據(jù)森林資源清查、依據(jù)遙感估測(cè)的兩種方法[2]。遙感數(shù)據(jù)，因其可快速定量獲取區(qū)域尺度森林生物量及其變化的優(yōu)點(diǎn)，因此應(yīng)用遙感技術(shù)定量反演森林生物量及模型擬合，已成為當(dāng)前國(guó)內(nèi)外的研究熱點(diǎn)[3-5]。隨著遙感技術(shù)的飛速發(fā)展和國(guó)家森林資源清查體系的不斷推進(jìn)，依據(jù)樣地實(shí)際調(diào)查數(shù)據(jù)和遙感影像相結(jié)合的方法，已逐漸成為當(dāng)今森林碳儲(chǔ)量反演的主要手段[6-9]；近些年來(lái)，較多研究應(yīng)用遙感技術(shù)替代傳統(tǒng)的調(diào)查方法進(jìn)行森林生物量的估測(cè)，實(shí)現(xiàn)了小到林分、大到區(qū)域等不同空間尺度的森林生物量估測(cè)[10-12]。

長(zhǎng)期以來(lái)，遙感生物量反演主要應(yīng)用于喬木林[13-17]，在灌木林尤其是荒漠地區(qū)的灌木林方面研究甚少。為此，本研究以庫(kù)布齊沙漠沙柳(Salixpsammophila)、檸條錦雞兒(Caraganakorshinskii)、沙棘(Hippophaerhamnoides)、楊柴(Corethrodendronfruticosumvar.mongolicum)4種主要人工灌木林為研究對(duì)象，設(shè)置檸條錦雞兒樣地69塊、沙棘樣地53塊、沙柳樣地59塊、楊柴樣地39塊，對(duì)每個(gè)樣地選取1株標(biāo)準(zhǔn)株進(jìn)行樣品收集，計(jì)算全株生物量(含地下生物量)及樣地生物量；以樣地人工灌木林全株生物量為評(píng)價(jià)指標(biāo)，以2017年陸地衛(wèi)星8號(hào)攜帶的運(yùn)營(yíng)性陸地成像儀(Landsat 8 OLI)衛(wèi)星遙感影像數(shù)據(jù)的遙感影響因素6個(gè)波段反射值(藍(lán)光波段(B2)、綠光波段(B3)、紅光波段(B4)、近紅外波段(B5)、短波紅外波段1(B6)、短波紅外波段2(B7))、依據(jù)樣地調(diào)查數(shù)據(jù)計(jì)算的植被影響因素5個(gè)植被指數(shù)(歸一化植被指數(shù)、增強(qiáng)型植被指數(shù)、比值植被指數(shù)、土壤調(diào)整植被指數(shù)、修正的土壤調(diào)節(jié)植被指數(shù))為影響因素，應(yīng)用逐步回歸法，構(gòu)建庫(kù)布齊沙漠4種人工灌木林生物量的遙感估測(cè)模型。旨在為探索準(zhǔn)確估測(cè)庫(kù)布齊沙漠人工灌木林生物量及生態(tài)系統(tǒng)碳儲(chǔ)量的方法提供參考。

1 研究區(qū)概況

研究區(qū)以庫(kù)布齊沙漠為主體，行政區(qū)域上屬于鄂爾多斯市的杭錦旗、達(dá)拉特旗、準(zhǔn)格爾旗。庫(kù)布齊沙漠地處我國(guó)西北部?jī)?nèi)陸，介于107°～111°30′E、39°15′～40°45′N之間；氣候?qū)儆诘湫蜏貛Т箨懶愿珊导撅L(fēng)氣候，冬季寒冷少雪、夏季高溫多雨、春季多風(fēng)少雨、秋季涼爽，四季溫差較大。1月份最冷，極端最低氣溫-32.1 ℃；7月份最熱，極端最高氣溫38.7 ℃。年日照時(shí)間3 000～3 200 h，無(wú)霜期122～160 d。東部水分條件較好，屬于半干旱區(qū)；西部雨水較少，為干旱區(qū)；年總降水量150～400 mm，年平均降水量249 mm，從東向西逐步減少，降水主要集中在7～8月份；年蒸發(fā)量2 100～2 700 mm，干燥度為1.5～4.0；年平均風(fēng)速3～4 m·s-1，大風(fēng)時(shí)間25～35 d[18]。植被主要分為荒漠植被、沙生植被、草原植被、人工植被等；其中，人工植被主要以檸條錦雞兒(Caraganakorshinskii)、沙柳(Salixpsammophila)、花棒(Corethrodendronscoparium)、楊柴(Corethrodendronfruticosumvar.mongolicum)、沙棘(Hippophaerhamnoides)、沙棗(Elaeagnusangustifolia)、旱柳(Salixmatsudana)、梭梭(Haloxylonammodendron)、樟子松(Pinussylvestrisvar.mongolica)等為主[19]。2020年森林資源統(tǒng)計(jì)數(shù)據(jù)顯示，研究區(qū)檸條錦雞兒、沙棘、沙柳、楊柴人工林總面積約365 635 hm2，占人工造林總面積的89.14%。其中，檸條錦雞兒人工林面積最大，占研究區(qū)人工造林總面積的36.88%；沙柳、楊柴次之，分別占研究區(qū)人工造林總面積的25.71%、20.03%；沙棘人工林面積最小，占研究區(qū)人工造林總面積的6.52%。

2 研究方法

2.1 樣地設(shè)置及數(shù)據(jù)來(lái)源

樣地實(shí)測(cè)數(shù)據(jù)：野外調(diào)查，根據(jù)4種灌木分布的情況，各隨機(jī)布設(shè)30 m×30 m樣地，記錄每塊樣地的中心坐標(biāo)、海拔、坡度、坡向、株行距、伴生種等信息；對(duì)樣地內(nèi)所有灌木每木調(diào)查，記錄地徑、株高、冠幅、分枝數(shù)等生長(zhǎng)指標(biāo)。

用于遙感估測(cè)生物量的樣地?cái)?shù)據(jù)，采用平均標(biāo)準(zhǔn)株法推算。其中，檸條錦雞兒、沙棘、沙柳、楊柴，分別布設(shè)69、53、59、39塊典型樣地。對(duì)每個(gè)樣地至少選取1株標(biāo)準(zhǔn)株進(jìn)行樣品收集，計(jì)算出全株生物量(含地下生物量)，然后乘以樣地株數(shù)，即得到所有樣地生物量。

遙感數(shù)據(jù)：本研究選用陸地衛(wèi)星8號(hào)攜帶的運(yùn)營(yíng)性陸地成像儀(Landsat 8 OLI)衛(wèi)星遙感影像數(shù)據(jù)，選取其中6個(gè)波段，地面分辨率為30 m。選擇2017年的四景影像，遙感數(shù)據(jù)編號(hào)分別為L(zhǎng)C81270332017171LGN00(6月20日獲取)、LC81270322017171LGN00(6月20日獲取)、LC81280322017194LGN00(7月13日獲取)、LC81290322017217LGN00(8月5日獲取)；樣地調(diào)查時(shí)間為2017年6～9月份，影像獲取時(shí)間與野外調(diào)查時(shí)間比較接近。四景影像可以覆蓋所有的樣地點(diǎn)(見(jiàn)圖1)。

圖1 遙感影像覆蓋范圍及樣點(diǎn)布設(shè)

2.2 遙感影像預(yù)處理

在遙感影像數(shù)據(jù)分析和應(yīng)用過(guò)程中，地表物的光譜信息是定量計(jì)算的一個(gè)主要依據(jù)，而遙感影像在獲取時(shí)會(huì)存在多種因素的干擾，致使遙感數(shù)據(jù)產(chǎn)生較大誤差，因此在提取遙感數(shù)據(jù)之前需要對(duì)遙感影像進(jìn)行一定的預(yù)處理[5]。針對(duì)庫(kù)布齊沙漠及收集的遙感影像參數(shù)等特點(diǎn)，本研究主要其對(duì)遙感影像進(jìn)行輻射定標(biāo)、幾何校正、大氣校正等處理。

2.3 估測(cè)生物量評(píng)價(jià)指標(biāo)體系的構(gòu)建

遙感影響因素提?。焊鶕?jù)需要提取遙感影響因素的數(shù)據(jù)共6個(gè)波段(見(jiàn)表1)。

表1 提取遙感影響因素?cái)?shù)據(jù)的各波段特征

植被指數(shù)提?。豪眯l(wèi)星不同波段的光譜數(shù)據(jù)進(jìn)行組合計(jì)算得到植被指數(shù)。由于其優(yōu)良的特性，植被指數(shù)被作為一種高效的遙感手段，廣泛應(yīng)用于植被研究的多個(gè)方面，如反映植被的生長(zhǎng)、健康狀況及其生物量等。多年來(lái)已研究發(fā)展了多個(gè)不同的植被指數(shù)[20-22]，本研究選取了歸一化植被指數(shù)(IV,ND)、增強(qiáng)型植被指數(shù)(IV,E)、比值植被指數(shù)(IV,R)、土壤調(diào)整植被指數(shù)(IV,SA)、修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)等5個(gè)植被指數(shù)進(jìn)行遙感估測(cè)生物量方程擬合。

——?dú)w一化植被指數(shù)(IV,ND)。該指數(shù)對(duì)植被生長(zhǎng)狀態(tài)及空間分布密度反映較為敏感，其值隨植被覆蓋度的增大而增大，植被可以得到有效的突出。IV,ND=(εB5-εB4)/(εB5+εB4)；εB5為B5波段反射值，εB4為B4波段反射值。

——增強(qiáng)型植被指數(shù)(IV,E)。使植被信號(hào)得到了增強(qiáng)，校正了土壤背景和氣溶膠散射的影像，植被茂密的區(qū)域更敏感。IV,E=2.5(εB5-εB4)/[(εB5+(6εB4-7.5εB2)+1]；εB2為B2波段反射值。

——比值植被指數(shù)(IV,R)。是綠色植物靈敏指示的重要參數(shù)，與植被葉干生物量等相關(guān)性較高，是反演植物生物量有利的植被指數(shù)之一。IV,R=εB5/εB4。

——土壤調(diào)整植被指數(shù)(IV,SA)。是在IV,ND的基礎(chǔ)上加入了土壤調(diào)節(jié)影響因素，有效降低了土壤背景影響，增加植被信息提取的精度。IV,SA=(1+L)(εB5+εB4)/(L+εB5+εB4)；L為土壤調(diào)節(jié)系數(shù)。

——修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)。是為更進(jìn)一步消弱裸土影響而提出的一種植被指數(shù)，它能減弱土壤背景的噪聲。IV,MSA={2εB5+1-[(2εB5+1)2-8(εB5+εB4)]1/2}/2。

借助ENVI 5.3軟件中的Vegetation Index Calculator工具計(jì)算所需5個(gè)植被指數(shù)。

2.4 遙感估測(cè)生物量模型的構(gòu)建

多元回歸分析是研究多個(gè)影響因素與評(píng)價(jià)指標(biāo)之間關(guān)系的常用分析方法，定量地描述一個(gè)評(píng)價(jià)指標(biāo)與多個(gè)影響因素間的線性依存關(guān)系[23]。目前多元回歸分析方法應(yīng)用較為廣泛，理論較為成熟，可以在多種影響因素共同影響時(shí)建構(gòu)一個(gè)完整的預(yù)測(cè)模型。一般表達(dá)式為：W=b0+b1x1+b2x2+b3x3+…+bixi；W為擬合生物量，b0為常數(shù)，bi為xi的回歸系數(shù)，xi為影響因素。

3 結(jié)果與分析

采用皮爾遜相關(guān)分析法篩選對(duì)估測(cè)各樹(shù)種生物量影響最顯著的遙感影響因素和植被影響因素，相關(guān)系數(shù)越高說(shuō)明影響因素包含植被生長(zhǎng)發(fā)育的光譜信息量越大。借助SPSS軟件，以樣地生物量為評(píng)價(jià)指標(biāo)，以遙感影響因素和植被影響因素作為影響評(píng)價(jià)指標(biāo)的影響因素進(jìn)行相關(guān)分析(見(jiàn)表2)。由表2可見(jiàn)：檸條錦雞兒生物量，與歸一化植被指數(shù)(IV,ND)、增強(qiáng)型植被指數(shù)(IV,E)呈顯著正相關(guān)(P<0.01)，與其他影響因素呈顯著負(fù)相關(guān)(P<0.01)；其中，與B2波段反射值(εB2)的相關(guān)系數(shù)絕對(duì)值最大，與增強(qiáng)型植被指數(shù)(IV,E)的相關(guān)系數(shù)絕對(duì)值最小。沙棘林生物量，與歸一化植被指數(shù)(IV,ND)、增強(qiáng)型植被指數(shù)(IV,E)、修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)呈顯著正相關(guān)(P<0.01)，與其他影響因素呈負(fù)相關(guān)。沙柳林生物量，與所有波段反射值呈顯著負(fù)相關(guān)(P<0.01)，與所有植被指數(shù)呈顯著正相關(guān)(P<0.01)。沙柳林生物量，與B2～B7波段反射值、比值植被指數(shù)(IV,R)呈顯著負(fù)相關(guān)(P<0.01)，與歸一化植被指數(shù)(IV,ND)、增強(qiáng)型植被指數(shù)(IV,E)、土壤調(diào)整植被指數(shù)(IV,SA)、修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)呈顯著正相關(guān)(P<0.01)，其中與B6(短波紅外波段1)波段反射值(εB6)的相關(guān)系數(shù)絕對(duì)值最大。

綜上所述，每個(gè)樹(shù)種生物量與多個(gè)影響因素呈顯著正或負(fù)相關(guān)關(guān)系，說(shuō)明這些影響因素中包含了大量的植被生長(zhǎng)信息；因此篩選顯著性強(qiáng)的影響因素作為構(gòu)建模型的影響因素，本研究只篩選相關(guān)系數(shù)絕對(duì)值大于0.5的遙感影響因素。

表2 不同樹(shù)種生物量與各個(gè)影響因素之間的相關(guān)系數(shù)

借助SPSS 22.0統(tǒng)計(jì)分析軟件，將與各灌木林生物量相關(guān)性較高的影響因素和4種灌木林生物量進(jìn)行多元逐步線性回歸。在建模過(guò)程中，一般認(rèn)為各影響因素之間會(huì)存在多重共線性問(wèn)題，這樣會(huì)導(dǎo)致參數(shù)估計(jì)值的方差增大；因此在進(jìn)行多元回歸分析時(shí)選擇逐步多元線性回歸方法，進(jìn)而剔除多重共線性較高的影響因素。

經(jīng)過(guò)逐步多元線性回歸(見(jiàn)表3)可見(jiàn)：估測(cè)檸條錦雞兒生物量的模型保留了B2波段反射值(εB2)、B6波段反射值(εB6)2個(gè)影響因素，得出1個(gè)關(guān)于B2波段反射值(εB2)的一元線性方程和1個(gè)關(guān)于B2波段反射值(εB2)、B6波段反射值(εB6)的多元方程。估測(cè)沙棘、沙柳、楊柴生物量的模型只保留了1個(gè)影響最顯著的影響因素，其他影響因素均被剔除。根據(jù)篩選原則，選擇決定系數(shù)(R2)最高的為最優(yōu)方程，因此選擇多元回歸方程為估測(cè)檸條錦雞兒生物量的最優(yōu)回歸模型(R2為0.49)；一元線性方程為估測(cè)沙棘、沙柳、楊柴生物量的最優(yōu)回歸模型(R2分別為0.51、0.47、0.41)。采用F檢驗(yàn)對(duì)各回歸模型進(jìn)行檢驗(yàn)，P<0.01，說(shuō)明本研究建立的遙感估測(cè)4種灌木生物量模型均通過(guò)了顯著性檢驗(yàn)。

利用檢驗(yàn)樣地實(shí)測(cè)值對(duì)模型進(jìn)行精度檢驗(yàn)，4種灌木檢驗(yàn)樣地?cái)?shù)分別為檸條錦雞兒21塊、沙棘16塊、沙柳18塊、楊柴12塊。采用均方根誤差、相對(duì)均方根誤差、模型精度對(duì)方程進(jìn)行檢驗(yàn)(見(jiàn)表4)。由表4可見(jiàn)：4種灌木生物量的遙感估測(cè)方程相對(duì)均方根誤差分別為23.6%、27.0%、29.2%、41.1%，方程預(yù)估精度全部達(dá)到60%以上。

表3 各樹(shù)種生物量與各影響因素逐步多元線性回歸結(jié)果

表4 4樹(shù)種生物量的遙感估測(cè)模型檢驗(yàn)結(jié)果

4 討論

本研究依據(jù)陸地衛(wèi)星8號(hào)攜帶的運(yùn)營(yíng)性陸地成像儀遙感影像數(shù)據(jù)和樣地調(diào)查數(shù)據(jù)，應(yīng)用逐步回歸法，建立了檸條錦雞兒、沙棘、沙柳、楊柴4種灌木林生物量的遙感估測(cè)模型，最優(yōu)方程均通過(guò)顯著性水平檢驗(yàn)，4種灌木林生物量的遙感估測(cè)模型預(yù)估精度分別為72.1%、62.5%、76.5%、72.2%，擬合精度均達(dá)到60%以上。

歸一化植被指數(shù)(IV,ND)是應(yīng)用較廣泛的植被指數(shù)之一，但在本研究構(gòu)建的估測(cè)生物量模型中并未出現(xiàn)歸一化植被指數(shù)(IV,ND)，表明歸一化植被指數(shù)(IV,ND)不是庫(kù)布齊沙漠地區(qū)估測(cè)人工灌木林生物量的最佳指數(shù)。其中，檸條錦雞兒林生物量的估測(cè)模型中，出現(xiàn)的遙感影響因素為B2波段反射值(εB2)、B6波段反射值(εB6)；沙棘林生物量的估測(cè)模型中，出現(xiàn)的影響因素為修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)；沙柳林生物量的估測(cè)模型中，出現(xiàn)的影響因素為土壤調(diào)整植被指數(shù)(IV,SA)；楊柴林生物量的估測(cè)模型中，出現(xiàn)的影響因素為B6波段反射值(εB6)；B2波段反射值(εB2)、B6波段反射值(εB6)主要分辨土壤植被，修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)、土壤調(diào)整植被指數(shù)(IV,SA)主要是降低土壤背景影響，說(shuō)明在庫(kù)布齊沙漠地區(qū)與辨別土壤有關(guān)的遙感影響因素對(duì)生物量的監(jiān)測(cè)有較大關(guān)系，此類影響因素對(duì)于植被監(jiān)測(cè)表現(xiàn)出更高靈敏度。

此外，遙感反映生物量模型的研究多集中于喬木林，在灌木林方面的研究較少，這是由于灌木植被可見(jiàn)光區(qū)域的植被葉綠素吸收帶信息和近紅外區(qū)域的持續(xù)高反射值信息較差，導(dǎo)致光譜儀不能夠精確識(shí)別植被結(jié)構(gòu)參數(shù)，進(jìn)而不能準(zhǔn)確反演灌木層生物量。目前，關(guān)于庫(kù)布齊沙漠地區(qū)利用遙感影像數(shù)據(jù)構(gòu)建生物量方程的相關(guān)研究還未見(jiàn)報(bào)道，本研究尚屬首次，雖然擬合精度不是很高，但也可為該地區(qū)大尺度估測(cè)生物量提供一定參考。

5 結(jié)論

與檸條錦雞兒林生物量相關(guān)性較高的遙感影響因素為B2波段反射值(εB2)、B6波段反射值(εB6)，與沙棘林生物量相關(guān)性較高的遙感影響因素為比值植被指數(shù)(IV,R)、修正的土壤調(diào)節(jié)植被指數(shù)(IV,MSA)，與沙柳林生物量相關(guān)性較高的遙感影響因素為歸一化植被指數(shù)(IV,ND)、土壤調(diào)整植被指數(shù)(IV,SA)，與楊柴林生物量相關(guān)性較高的遙感影響因素為B6波段反射值(εB6)。

通過(guò)相關(guān)分析篩選出與生物量相關(guān)性較高的影響因素，利用逐步回歸法，建立了檸條錦雞兒、沙棘、沙柳、楊柴4種灌木林生物量的遙感估測(cè)模型：檸條錦雞兒林生物量的遙感估測(cè)模型為多元線性回歸方程，WNT,2=4.364-0.008εB2+0.002εB6、模型精度為72.1%；其余3個(gè)樹(shù)種生物量的遙感估測(cè)模型均為一元?dú)w線回性模型，沙棘林生物量的遙感估測(cè)模型為WSJ=-3.368+8.027IV,MSA、模型精度為62.5%，沙柳林生物量的遙感估測(cè)模型為WSL=-10.803+23.853IV,SA、模型精度為76.5%，楊柴林生物量的遙感估測(cè)模型為WYC=1.643-0.000 3εB6、模型精度為72.2%。4種灌木林生物量的遙感估測(cè)模型擬合精度均達(dá)到60%以上，擬合效果較好，對(duì)庫(kù)布齊沙漠地區(qū)灌木林生物量的遙感估測(cè)具有一定的參考性。