不同生活型植物非光合部分反射光谱和盖度的关系

2022-02-12白雪莲乔荣荣季树新闫志坚常学礼赵文智

生态学报 2022年1期

白雪莲,乔荣荣,季树新,闫志坚,常学礼,*,赵文智

1 中国科学院西北生态环境资源研究院,中国生态系统研究网络临泽内陆河流域研究站,中国科学院内陆河流域生态水文重点实验室,兰州 730000 2 鲁东大学资源与环境工程学院,烟台 264025 3 中国农业科学院草原研究所,呼和浩特 010010 4 中国科学院大学,北京 100049

非光合植被(Non-photosynthetic Vegetation, NPV)是陆地生态系统重要组成部分,是衡量地表植被覆盖状况的重要指标之一[1]。NPV主要指枯草、枯叶、枯枝、枯干、作物留茬和凋落物以及植物活体非光合部分等[2],是生态系统中物质循环和能量流动重要环节之一,特别是枯死部分不仅能够增加土壤有机质改善土壤质地,还能够有效减少地表径流和土壤风蚀[3—5],并在草原火灾监测方面起着关键作用[6—7],及时、准确的掌握NPV动态对于水土保持、风沙天气的减缓、沙尘源的识别和草原生态系统保护有至关重要的意义。

随着遥感技术提高及易操作、低成本和可周期性重复特点使其被广泛应用到区域植被动态监测[8—10],并应用一些指数来表征农田NPV取得了大量结果,如归一化指数(Normalized Difference Index, NDI)、归一化差异衰败指数(Normalized Difference Senescent Vegetation Index, NDSVI)、土壤调整作物茬指数(Soil Adjusted Corn Residue Index, SACRI)和修正土壤调整作物茬指数(MSACRI)等,但是估算误差较大[11—13]。与上述研究途径不同,Elvidge(1988)利用机载可见红外成像分光计2180—2220 nm和2310—2380 nm波段数据计算并提出了纤维素指数概念,同时还发现了灌木分布区反射光谱在2100 nm处有明显光谱吸收槽[14]。Daughtry等于1996年在此基础上提出了纤维吸收指数(Cellulose Absorption Index,CAI),涉及波段涵盖了Elvidge的发现,分别为2000—2050 nm,2080—2130 nm和2190—2240 nm[15]。CAI提出后,大量的验证与应用研究表明与其他类似指数相比,CAI可以更好反映非光合植被盖度(fNPV)[16—20]。但是,在MODIS数据36个波段中,缺少与 CAI计算所对应波段(2000—2050 nm,2080—2130 nm和2190—2240 nm),因此,如果能在MODIS数据中发现与CAI计算波长密切相关波段成为NPV研究关键。针对这一问题,Cao等根据 MODIS波段特征提出DFI能很好反映地表枯落物状态,其研究结果在国际遥感杂志(International Journal of Remote Sensing)发表[18—19]。此后,相关研究直接将DFI应用到fNPV估算中[11, 21—22],但是DFI是否可以准确反应NPV纤维素含量状况？DFI计算所采用波段与CAI反应敏感波长存在偏差的事实如何补偿等这些细节问题一直被忽视。因此,完成CAI和DFI关系分析是实现fNPV更加精确估算的关键。在已有研究中CAI和DFI的关系是通过构建像元三分法进行间接比较分析[2, 21, 23—24],缺乏对二者之间的直接实验验证。从NPV解译方法来看,覆盖度估算主要有非光合植被-裸地(NPV-BS)二分模型、光合植被-非光合植被-裸地(PV-NPV-BS)三分模型和光合植被-非光合植被-裸地-阴影(PV-NPV-BS-Shadow)四分模型等[2, 9, 21, 23]。这些方法在理论上较好诠释了地表植被覆盖构成和外界因素对盖度估算影响,但已有研究也明确指出了上述方法存在问题[25—26],如像元三分和四分模型在植被枯黄期、PV盖度(fPV)限制(<30%)条件下才能较好估算fNPV等。此外,一些相关研究中关注了裸地可能会对fNPV提取产生影响,但是在盖度计算中对于是否应该剔除掉裸地值缺少直接的对比分析[9, 12, 21, 23]。

从有关大尺度NPV研究现状来看[18—19, 23—24, 26—27],目前处在将NPV作为一个均质整体分析阶段,对其由NPV盖度和不同生活型植物凋落组成等导致空间异质性缺乏考虑[2, 16, 27—29]。但是,已有研究表明灌木fNPV估算误差高于草本和农作物[30],明显看出木质材料和草本材料存在差异。中国对于NPV的研究主要集中于锡林郭勒草原,并把该区看作典型草原,忽略了该区草甸草原和沙地草场异质性以及木质NPV(灌木、半灌木)和草本NPV在光谱反射方面的差异,在一定程度上影响fNPV估算精度。另外,现在对于植被盖度较低的荒漠草原fNPV研究较薄弱,有必要弄清此类草原fNPV分布状况。同时,基于不同生活型植物NPV差异导致空间异质性研究相对薄弱[16],尤其是对不同生活型植物fNPV、CAI和DFI关系尚不明朗,急需开展此方面更加深入的研究。

因此,本文研究目的为：(1)构建fNPV、CAI和DFI的关系,估算不同草原类型fNPV,解释不同草原(草场)类型fNPV空间异质性特征；(2)对比DFI直接估算fNPV与CAI间接估算fNPV差异,弄清DFI是否可以代替CAI参与fNPV估算,提高fNPV估算精度；(3)对比剔除裸地前后的估算结果,解释土壤背景值对fNPV估算模型和估算结果的影响；(4)为利用非生长季遥感数据识别区域fNPV并评估区域土壤风蚀、草地沙化程度识别等提供基础支持。

1 研究区概况与方法

1.1 研究区概况

地面反射光谱测定在中国农业科学院草原研究所鄂尔多斯沙地试验站完成(图1),位于内蒙古自治区鄂尔多斯市达拉特旗,地处库布齐沙漠东段；地理位置为110°0′51″E,40°18′53″N；海拔高度为1040 m。气候特点为冬季寒冷漫长,夏季温暖短促,降水较少；年均温度6℃,最低气温-32.3℃,最高气温38.3℃；年降水量250—350 mm之间,集中在7、8月,属于温带大陆性气候。主要植物种有灌木北沙柳(Salixpsammophila)和柠条锦鸡儿(CaraganakorshinskiiKom.),半灌木油蒿(Artemisiaordosica),草本植物黄蒿(Artemisiascopariawaldst.etKit)、狗尾草(Setariaviridis)、沙蓬(Agriophyllumsquarrosum)和雾冰藜(Bassiadasyphylla)等。根据内蒙古植被类型图和草原实地调查(图1),案例分析区域分别选择锡林郭勒盟以多年生草本为主的西乌珠穆沁旗草甸草原和以多年生+半灌木为主的阿巴嘎旗典型草原区、以草本和灌木混合为主的鄂尔多斯十大孔兑沙地草场以及以草本、半灌木和灌木混合为主的巴彦淖尔市乌拉特中旗荒漠草原。其中,为最大可能规避异质性产生的干扰,在所选县(旗)域中用2015年LUCC数据中的草地将典型区选出。

图1 研究区位置Fig.1 Location of study area

1.2 研究方法

1.2.1实验材料

依据沙地草场植物生长型组成特点,分别选择灌木(北沙柳、柠条锦鸡儿)、半灌木(油蒿)和草本(黄蒿、狗尾草、沙蓬)三种类型进行反射光谱测定。

1.2.2地面反射光谱数据与遥感数据

地面反射光谱数据测定时间为2019年5月9日—13日,此时可减少PV干扰。选用美国ASD公司Field Spec 4高分辨率光谱仪,波长范围为 350—2500 nm,其中为减小裸地对反射率影响,每种植被光谱测定时采用同一裸地作为背景。测定时,探头垂直向下,视场角为 25°,与实测目标地物距离为0.67 m,对应地面样本为直径 30 cm 样圆。光谱测定时间为10—14时之间,对同一个样圆植物反射光谱测定5次,并用相匹配数据处理软件ViewSpec Pro导出所测光谱值,对应MODIS数据波段B1(620—670 nm)、B2(841—876 nm)、B6(1628—1652 nm)、B7(2105—2155 nm)和计算CAI所需R2.0(2000—2050 nm)、R2.1(2080—2130 nm)和R2.2(2190—2240 nm),计算平均值。为保证光谱测定准确性,每隔10—15 min利用标准白板进行校光。测定期间,光照条件较稳定、风力弱,对光谱反射值干扰极小。

选用MODIS数据进行典型研究区fNPV估算,数据来源于NASA地表过程数据中心(LP DAAC),下载地址为https://ladsweb.modaps.eosdis.nasa.gov/,数据类型为MCD43A4,该数据为基于16天观测数据生成的日产品数据,已经经过了地形校正、辐射定标和大气校正。在本研究中,选用2019年4月15日数据,原始数据为HDF格式,通过MRT(Modis Reprojection Tool)进行转换,将1、2、6和7波段数据由HDF格式转换为TIFF格式。

1.2.3fNPV提取

由于传统目视估测植被盖度比照相法精度低,所以植被盖度测定采用相机拍照,然后利用 ENVI 5.3通过监督分类和目视解译结合方法进行盖度提取。拍照时,挡住阳光减小阴影对盖度解译误差,相机镜头垂直向下位于样圆中心正上方,调整距离样圆高度,保证样圆完全处于相机成像范围内。

1.2.4指数计算与模型构建

本文主要选取CAI和DFI反应NPV变化特征,CAI计算公式为[15]：

CAI=[0.5×(R2.0+R2.2)-R2.1]×100

(1)

式中,对于ASD高光谱数据,R2.0为2000—2050 nm波段平均反射率,R2.1为 2080—2130 nm波段平均反射率,R2.2为2190—2240 nm波段平均反射率。为了扩大CAI值差异性,乘以系数100。

DFI计算公式为[18]：

(2)

式中,B1,B2,B6,B7分别代表MODIS第1、2、6和7波段。为了扩大DFI值差异性,乘以系数100。

依据不同生活型植被构建7种模型,分别为草本、半灌木、灌木、草本+半灌木+灌木、草本+半灌木、草本+灌木和半灌木+灌木。

1.2.5光谱特征

在条件控制上,选择fNPV基本相同时草本、半灌木、灌木和总体(fNPV分别为61.24%、61.52%、60.84%和61.08%,最大值和最小值相差仅为0.68%)的反射光谱。去除受大气影响严重波段和水汽吸收波段,保留350—1300、1450—1750和 2000—2350 nm波段范围[31],呈现光谱特征曲线(图2)。

图2 不同材料关键波段NPV反射光谱曲线Fig.2 The spectral reflectance curves of NPV in key band 灰色柱状为MODIS波段波长范围,红色虚线方框为CAI计算所需波长范围

1.2.6fNPV,CAI 和DFI关系分析

fNPV和CAI、CAI和DFI、DFI和fNPV关系分析采用线性拟合分析和P值检验法。其中,主要采用决定系数(R2)来评估DFI和fNPV拟合程度。显著性检查阈值采用P= 0.05和P= 0.001,当P>0.05时不显著,0.001

1.2.7应用案例

实地考察显示不同草原区植被组成结构不同,不同草原类型区fNPV估算采用各区域优势植被类型所建立模型,故在草甸草原区选用草本模型,典型草原区选用草本和半灌木混合模型,荒漠草原区选用草本、半灌木和灌木混合模型,沙地草场选用草本和灌木混合模型进行区域fNPV反演。其中,裸地盖度值(fBS)采用样方遮荫拍照后解译计算,使用遥感数据计算得到的fNPV值减去fBS值即为实际fNPV值。

2 结果

2.1 不同NPV反射光谱特征

在盖度相同情况下(图2),草本、半灌木、灌木和总体光谱反射率具有相似变化趋势,但是光谱反射率具有差别。350—1300 nm和1450—1750 nm波长范围,草本和灌木NPV光谱反射率大于总体,半灌木小于总体。2000—2300 nm波长范围,不同生活型NPV光谱反射率差异较小,但草本NPV光谱反射率小于总体,半灌木大于总体。

从不同波段来看(图2),B1波段光谱反射率由高到低为草本、灌木、总体和半灌木(20.75%、18.93%、18.49%和15.78%),灌木和总体光谱反射率差值最小(0.44%)；B2波段由高到低为草本、灌木、总体和半灌木(28.36%、28.33%、26.2%和21.93%),总体和半灌木光谱反射率差值最大(4.27%)；B6波段由高到低为草本、灌木、总体和半灌木(39.87%、39.58%、38.9%和37.26%),灌木和总体光谱反射率差值最小(0.58%),总体和半灌木光谱反射率差值最大(1.64%)；B7波段由高到低为半灌木、灌木、总体和草本(36.06%、35.69%、35.57%和34.95%),灌木和总体光谱反射率差值最小(0.12%),总体和草本光谱反射率差值最大(0.62%)。其中,B1和B6波段草本和半灌木光谱反射率都为最高和最低,B2波段半灌木光谱反射率最低,；B7波段草本和半灌木光谱反射率为最低和最高,总体和灌木在2149 nm处产生交叉,波长为2105—2149 nm时,灌木光谱反射率高于总体,波长为2149—2155 nm时,灌木光谱反射率低于总体。在B1和B6波段易于分辨草本和半灌木,B2波段最易于区分半灌木与其他生活型植物,在B7波段易于区分草本和半灌木以及灌木和总体。

从fNPV,CAI 和DFI分布来看(图3),fNPV随着CAI 和DFI的增加在不断增加。DFI变化在-9.43—19.48之间,平均值为3.76；CAI变化在-4.5—3.6之间,平均值为-0.23。

图3 不同生活型植物fNPV、CAI和DFI的3D空间图 Fig.3 Distribution of fNPV, CAI and DFI in different non-photosynthetic vegetation types

2.2 fNPV,CAI 和DFI关系

从CAI 和DFI关系模型来看(表1),CAI随着DFI的增加呈增加趋势,二者呈极显著正相关(P<0.001)。其中,半灌木变化率最大,为0.3294；半灌木和灌木混合模型变化率最小,为0.1816。草本、半灌木和灌木混合模型变化率为0.2323,草本和半灌木混合模型变化率为0.2485,草本和灌木混合模型变化率为0.246。

从CAI 和fNPV关系模型来看(表1),fNPV随着CAI的增加呈增加的趋势,二者呈极显著正相关(P<0.001)。其中,半灌木变化率最大,为21.03；草本模型变化率最小,为12.82。草本、半灌木和灌木混合模型变化率为13.64,草本和半灌木混合模型变化率为13.38,草本和灌木混合模型变化率为13.14。

表1 不同生活型植物与组成的fNPV和CAI、CAI和DFI的关系

从fNPV1和DFI关系来看(表2),变化率最大和最小的是半灌木和灌木,分别为6.927和2.9678；草本+半灌木+灌木、草本+半灌木和草本+灌木区域的变化率分别为3.1688、3.3237和3.2332。其中,fBS值最大和最小的为半灌木+灌木和草本,分别为28.1001和8.0507；草本+半灌木+灌木、草本+半灌木和草本+灌木区域的fBS值分别为21.0085、17.2148和17.8186。

表2 不同生活型植物与组成的fNPV和DFI的关系以及各模型中fBS值

从fNPV2和DFI关系来看(表2),变化率最大和最小的是半灌木和草本+半灌木,分别为7.3905和3.3245；草本+半灌木+灌木、草本+灌木和草本区域的变化率分别为3.453、3.9402和3.8019。其中,fBS值最大和最小的是半灌木+灌木和草本,为22.4315和5.9261；草本+半灌木+灌木、草本+半灌木和草本+灌木模型的fBS值分别为18.651、17.1992和14.4532。

2.3 不同草原区案例分析

从包含裸地的不同草原区平均fNPV来看(表3,图4),fNPV1在4种草原区平均值为67.33%,fNPV2在4种草原区平均值为68.47%,fNPV1比fNPV2小1.14%。其中,草甸草原区fNPV最大,fNPV1为84%,fNPV2为86.08%,二者相差2.08%；荒漠草原区fNPV最小,fNPV1为53.78%,fNPV2为54.36%,二者相差0.58%。典型草原区fNPV1和fNPV2差值最小,为0.01%,沙地草场fNPV1和fNPV2差值为1.91%。

从剔除裸地后的不同草原区平均fNPV来看(表3,图4),fNPV1在4种草原区平均值为51.3%,fNPV2在4种草原区平均值为54.42%,fNPV1比fNPV2小3.11%。其中,草甸草原区fNPV最大,fNPV1为75.95%,fNPV2为80.15%,二者相差4.2%；荒漠草原区fNPV最小,fNPV1为32.77%,fNPV2为35.71%,二者相差2.94%。典型草原区fNPV1和fNPV2差值最小,为0.03%,沙地草场fNPV1和fNPV2差值最大,为5.28%。

表3 不同草原区平均fNPV

3 讨论

fPV和fNPV能较好的反应区域植被生物量和草原植被生长状况,尤其是fNPV估算对于草原防火和风蚀估算具有重要意义,被广泛应用到风蚀计算中。fNPV受空间异质性、季节、裸地性质以及提取方法和数据等众多因素影响[2, 9, 21, 23, 25—26]。从本文研究来看,植物类型差异、裸地干扰和建立模型方法对fNPV影响较大。

首先,从NPV光谱特征来看,不同生活型NPV光谱变化趋势与已有研究结果枯落物变化趋势一致(图2),这说明光谱变化趋势受植物类型影响微弱[18, 21, 23, 26]。但是同样植被盖度条件下,NPV在不同波长范围表现出一定差异说明不同生活型NPV光谱反射率不同(图2),原因在于不同植物在纤维素吸收方面可能存在差异,尤其是在2100 nm附近纤维素与木质素吸收容易受水分影响[25, 28]。利用这四个波段光谱反射率差异可以区别草本、半灌木、灌木和总体等不同生活型NPV。

其次, DFI和CAI呈极显著正相关(P<0.001)关系(图3,表2),说明DFI在难以获取CAI所需的波段时可以代替CAI进行植被盖度计算；通过对比fNPV1和fNPV2,二者在典型草原区差异最小(0.01%和0.03%)(表4),但在其他区域差异较大,说明直接应用DFI计算fNPV可能受植被类型和空间异质性等因子影响,也说明在典型草原中应用DFI直接计算fNPV受限程度较小。DFI和fNPV存在极好线性拟合关系(图3),呈极显著正相关关系(P<0.001),这一结果与已有研究结果一致[18, 24, 27]。但从草本+半灌木+灌木混合来看,本研究DFI和fNPV2决定系数R2(0.65)略小于Cao等和Chai等决定系数R2(0.95和0.68)[19, 27]。原因是本研究采样区鄂尔多斯沙地与锡林郭勒草原的裸地类型和裸地含水量等自然条件存在异质性,进而导致NPV光谱反射率存在差异[28],具体表现在DFI,本研究DFI(平均为3.87%)小于锡林郭勒草原(最小为3.97%)[21]；二是本研究所选物种包括草本、半灌木和灌木,所选NPV比Cao等所选草本和灌木更加丰富[19]。与Ren等对内蒙古荒漠草原CAI和fNPV决定系数R2相差较小(R2= 0.67,n= 155)[11],在这种样本数量基本相同情况下,出现R2相差较小现象的原因可能是CAI和DFI高度相关。从具体生活型NPV的DFI与fNPV关系来看(表3),半灌木斜率(6.927和7.3905)与草本+半灌木+灌木混合模型斜率(3.1688和3.453)差值最大(3.7582和3.9375),这说明不同植被类型DFI与fNPV关系存在较大差异,也说明半灌木DFI和fNPV关系特征最明显,在遥感监测过程中易于区分。对比fNPV空间分布来看(图4),NPV空间异质性和生活型植物分布比例差异说明草原区不同区域应参考不同拟合模型[18],不可将NPV作为均质材料处理。

图4 不同草原类型区fNPV空间分布Fig.4 Distribution of fNPV in different grassland areas A为fNPV1剔除裸地,B为fNPV2剔除裸地,C为fNPV1包含裸地,D为fNPV2包含裸地；1为草甸草原,2为典型草原,3为荒漠草原,4为沙地草场

最后,通过对比剔除裸地前后结果说明在一定程度上裸地反射率对fNPV估算产生干扰。对比王光镇等应用NDVI-DFI三分模型所得西乌珠穆沁旗4月fNPV高达77.44%的结果[26],本研究草甸草原区(西乌珠穆沁旗)剔除裸地的fNPV1更准确(剔除裸地的fNPV1和fNPV2为75.95%和80.15%,与已有结果仅相差1.49%和2.71%；包含裸地fNPV1和fNPV2为84%和86.08%,与已有结果相差6.56%和8.64%)。本结果fNPV1偏小1.49%的原因可能是遥感数据选用时间为4月15日,该时间比4月5日返青植被多。本结果高于柴国奇等应用Sentinel- 2数据对锡林郭勒4月初fNPV为56%的结果[32],导致这种结果的原因是受草原类型影响,本研究选取草甸草原与柴国奇等选取典型草原枯落物数量差异导致盖度差异。柴国奇[32]等结果与本研究典型草原结果(剔除裸地fNPV1和fNPV2为50.61%和50.64%,包含裸地的fNPV1和fNPV2为67.83%和67.84%)相差较小(5.39%和5.36%,11.83%和11.84%),这也证实了剔除裸地后的fNPV结果更准确。已有研究通过端元值进行盖度提取时[6—7, 17, 23],也充分考虑了裸地的影响,所以在建立模型应用时,裸地是必须考虑的重要影响因子。