基于HY-1C CZI数据的辽河口湿地盐地碱蓬群落碳储量评估

李微，王文硕，张新宇，段元棚，杨戬波

(1.大连海洋大学 海洋科技与环境学院，辽宁 大连 116023；2.辽宁省近海生态环境与灾害防护工程技术创新中心，辽宁 大连 116023)

湿地具有强大的碳汇功能，是降低二氧化碳(CO2)浓度、减缓全球气候变化的重要区域[1]。在中国众多的湿地当中，辽河口湿地的盐沼面积和碳埋藏能力位居全国第一[2-3]。盐地碱蓬Suaedasalsa是辽河口湿地的主要盐沼植被之一，由陆地向海岸方向发展，能够改良滨海湿地盐碱土，改善湿地生态环境[4]，在辽河口湿地蓝碳碳汇中扮演着重要的角色[5]，并具有极高的经济效益和生态效益[6]。因此，评估盐地碱蓬群落碳储量对研究辽河口湿地蓝碳碳汇生态系统和实现中国碳中和目标具有重要参考价值。

植被碳储量多借助植被生物量进行估算[7-8]，常用的估算关系为植被碳储量等于植被生物量乘以含碳率[9]。植被碳储量包括植被地上和地下两部分，在估算植被地上生物量时，遥感技术因其地面条件限制少、观测范围广、获取信息快捷，被广泛应用。由于植被的光谱特征能反映其生长状况及光合作用情况等，近红外和红光波段组合的植被指数可综合反映其生长状况，因此，常利用植被指数构建回归模型以获取植被地上生物量的估测值[10-11]；对于植被地下生物量，通常采用异速生长关系间接估算[12-14]。采用遥感手段开展研究，可减少对生态系统的破坏，提高工作效率。

在数据源方面，目前国内外湿地生物量的遥感反演研究所用数据多来自Landsat、SPOT和高分(GF)等卫星[15-17]。针对辽河口湿地盐地碱蓬生物量反演多采用Landsat卫星数据[18-20]，Landsat系列卫星数据虽然拥有较高的空间分辨率，但时间分辨率较低，无法及时获取海陆交互实时数据。海洋一号C卫星(HY-1C)的出现较好地解决了这一问题。HY-1C是中国首颗业务化海洋卫星，也是继HY-1A和HY-1B后的第三颗海洋水色卫星，于2018年9月7日在山西太原发射成功，其搭载的海岸带成像仪(Coastal Zone Imager，CZI)星下点空间分辨率优于50 m，能够实现3 d一次的成像观测，用于获取海陆交互作用区域的实时数据[21-23]。如2019年HY-1C CZI对辽河口湿地有效观测就达到30多次(去除云等因素的影响)，可监测辽河口湿地地物信息及其周期性变化。

本研究中，以辽河口湿地盐地碱蓬群落为研究对象，基于模拟HY-1C CZI数据的转换型土壤调整植被指数(transformed soil adjusted vegetation index, TSAVI)[24]，构建适用于CZI数据的辽河口湿地盐地碱蓬地上生物量反演模型，再利用异速生长模型估算盐地碱蓬地下生物量，最后结合CZI数据估算辽河口湿地盐地碱蓬群落生物量，进而评估盐地碱蓬群落年碳储量，以期为HY-1C在碳储量评估中的研究提供科学参考。

1 材料与方法

1.1 研究区域概况

辽河口湿地位于辽宁省盘锦市境内，地处辽河平原南部、渤海辽东湾北部辽河入海处，地理位置为121°23′～122°29′E、40°39′～41°27′N，具体位置见图1(a)，该区域属于暖温带季风气候，年平均气温为8～9 ℃，年平均降水量为600～640 mm。该区域主要生长盐地碱蓬、芦苇和水稻3种植被，其中，潮间带盐地碱蓬是由陆地向海岸方向发展的先锋植被，每年4月份长出地面，开始为绿色，之后由于盐分的胁迫慢慢变红，到了9月份便形成浓烈的红色，铺满整个海滩，形成了全国面积最大的“红海滩”景观(图1(b))。

图1 研究区域Fig.1 Study area

1.2 数据获取及处理

1.2.1 地面数据 本研究中采用2013年9月26、27日和2018年9月22日的数据。其中2013年布设29个盐地碱蓬样方、57个相近区域裸土样方，2018年布设14个盐地碱蓬样方，样方大小为1 m×1 m，盐地碱蓬样方布设见图1(c)，采集每个样方的经纬度和光谱数据等信息。

1)实测光谱数据。利用FieldSpec HH手持便携式地物光谱仪(美国ASD公司)采集光谱数据，采集时间为10:00—14:00，测量前将仪器预热15～30 min，使用白板校正，取暗电流和白板20次的平均值，样本光谱10次的平均值，测量盐地碱蓬群落和裸土光谱时探头垂直向下，每个样方取5条光谱曲线的算术平均值得到该样方的光谱反射率数据。

2)单位面积生物量。收集样方内盐地碱蓬的地上和地下部分，清洗样本后现场统计湿质量，然后存放于采样袋中带回实验室及时处理，将各部分剪碎，置于电热恒温鼓风干燥箱(DH6-9240A型)中，85 ℃下烘干至恒重，迅速称量其干质量，即为单位面积生物量，其中，2013年仅收集样方内盐地碱蓬的地上部分，获得单位面积地上生物量。

3)盐地碱蓬含碳率。将烘干后的14个2018年盐地碱蓬样本磨碎，用0.5 mm的孔筛过滤，过滤后的样本采用微量电子天平(XP6型)称取1～2 mg，并用锡舟封装，将封装好的样本利用元素分析仪(Vario PYRD Cube型)分别测定盐地碱蓬地上部分(茎和叶)和地下部分(根)的含碳率，取平均值后的地上部分和地下部分的含碳率分别为28.80%和39.44%。

1.2.2 HY-1C数据 HY-1C卫星作为HY-1A/B的后继卫星，其搭载的海岸带成像仪的幅宽和分辨率均比上一代有了较大提高，CZI数据的波段信息如表1所示。

表1 HY-1C卫星CZI传感器的波段信息Tab.1 Band information of HY-1C satellite CZI sensor

盐地碱蓬为一年生草本植物，在4月份进入生长季，6—7月份为生长季旺盛期，于9月份达到峰值，结合采样时间、卫星过境时间和云覆盖情况，同时避免盐地碱蓬被潮水淹没，本研究中采用2018年10月2日、2019年9月21日和2020年9月18日的HY-1C CZI数据，该数据从国家海洋应用中心网站(http://www.nsoas.org.cn/)中获取，数据级别为经几何校正和辐射定标的L1C级数据。

利用ENVI 5.3软件对数据进行大气校正、裁剪和决策树分类[25]等处理，分别提取2018、2019、2020年辽河口湿地盐地碱蓬群落的空间分布信息(图2)。

图2 2018、2019、2020年辽河口湿地HY-1C CZI数据真彩色合成影像Fig.2 True color composite HY-1C CZI images of Liaohe Estuary wetland in 2018, 2019 and 2020

1.2.3 无人机数据 选择在天气状况良好的时间，利用大疆“悟”Inspire 2无人机搭载X4S云台，设定航高为150 m，航拍数据，进而评价盐地碱蓬群落空间分布信息的提取精度。即将无人机获取的数据导入Pix4D Mapper软件，进行影像的校正、拼接等操作，最后导入ENVI 5.3软件中进行影像解译。在辽河口湿地区域共选取17个无人机解译样方(图1(a))，将无人机解译数据以HY-1C图像为基准进行几何校正，校正误差小于0.5个像元，并以地物面积占优法准则重分类为50 m的栅格数据，用于评价CZI数据的分类结果。

1.3 评价模型

1.3.1 地上生物量模型及评价 辽河口湿地盐地碱蓬群落覆盖度不均，天然盐地碱蓬覆盖度较低，而人为修复盐地碱蓬覆盖度较高，受土壤背景影响较大，李微等[19]选择基于土壤线的转换型土壤调整植被指数TSAVI进行盐地碱蓬生物量反演研究，以期消除土壤背景的影响，达到较好的反演效果。因此，本研究中选择TSAVI构建盐地碱蓬群落地上生物量反演模型，其计算公式为

(1)

其中：Rnir和Rred分别为盐地碱蓬在近红外和红光波段的模拟卫星反射率[18]；a和b为土壤线系数，基于2013年采集的57个裸土样方的红光波段与近红外波段的模拟卫星反射率，通过线性拟合确定土壤线系数a=0.848 4，b=0.034 4，拟合优度R2为0.905。

选取2013年地面数据中的2/3样本(20个)的生物量与模拟CZI TSAVI指数进行回归分析，构建线性、对数、二次多项式、指数和幂5种地上生物量反演模型。

采用均方根误差(E)、相对均方根误差(Er)和可预测技能(Skill)值对模型进行评价。E值表示模型的反演值与实测值的平均偏差；Er值反映了模型的反演精度，其值越小表示模型的反演精度越高；Skill值表示模型反演值与实测值的拟合程度，其值越接近1，表示拟合效果越好。E、Er和Skill的计算公式为

(2)

Er=E/YAG,m×100%，

(3)

(4)

其中：n为样本数；MAG,i为第i个样本的地上生物量实测值(kg)；YAG,i为第i个样本地上生物量反演值(kg)；MAG,m为地上生物量实测平均值(kg)；YAG,m为地上生物量反演平均值(kg)。

1.3.2 地下生物量模型 植被地下生物量通常利用异速生长关系进行估算[13]，用幂模型表达植被地上与地下两部分间的关系。估算盐地碱蓬地下生物量的异速生长模型[14]为

(5)

其中：YBG为盐地碱蓬地下生物量(kg)；YAG为盐地碱蓬地上生物量(kg)。该模型的决定系数R2为0.913，盐地碱蓬地上与地下生物量相关性达到极显著水平[14]。

1.3.3 碳储量模型 盐地碱蓬总碳储量为盐地碱蓬地上碳储量(CAG)与地下碳储量(CBG)之和，用植被生物量乘以含碳率对碳储量进行估算，计算公式为

Ck=Yk×wk。

(6)

其中：k为盐地碱蓬地上或地下部分；Ck为盐地碱蓬k部分的碳储量(kg)；Yk为盐地碱蓬k部分的生物量(kg)；wk为盐地碱蓬k部分的含碳率(%)。

2 结果与分析

2.1 无人机验证结果

以研究区域内2018、2019、2020年的无人机影像作为分类结果的验证数据，基于像元对像元的叠加比较方法评价分类精度(表2)。

从表2可见，本研究中提取的辽河口湿地碱蓬群落空间分布信息的制图精度和用户精度分别达到了85%和75%以上，总体精度达到了85%以上，分类效果较好。分类精度的影响因素主要包括两个方面：一是，由于数据分辨率的不一致，无人机影像解译数据进行几何校正可能出现像元错位的情况；二是，由于HY-1C CZI数据的空间分辨率为50 m，会存在一定程度的混合像元。

表2 盐地碱蓬分类精度Tab.2 Accuracy of sea grass Suaeda salsa classification results

2.2 模型精度验证及最优模型选择

利用2013年地面数据中未使用的1/3样本(9个)验证模型精度。地面尺度的建模集和验证集散点图及反演模型拟合趋势线如图3所示。因HY-1C卫星于2018年9月7日才发射成功，为进一步验证模型在卫星尺度上的精度，故利用与2018年采样时间相近的2018年10月2日CZI数据进行卫星尺度独立精度检验。由于CZI数据的空间分辨率为50 m，因此，卫星数据的一个像元可能包含多个样方，将落在单个像元点内所有样方的单位生物量平均值×单个像元面积(2 500 m2)，进而得到单个像元的生物量实测值(共10个)，估算值为单个像元卫星数据反演的生物量。地面尺度的建模集和验证集的精度检验结果，以及卫星尺度的验证结果如表3所示。

由图3和表3可知，5种反演模型的拟合趋势线比较接近，建模集决定系数R2相差较小，均在0.7左右。同时，5种模型均通过了显著性水平为0.05的F检验。

图3 5种模型的拟合结果Fig.3 Fitting results of five models

表3 盐地碱蓬地上生物量回归分析Tab.3 Regression analysis of aboveground biomass of sea grass Suaeda salsa

5种模型精度的比较结果显示：指数模型的R2最高，显著程度(F值)也较高，但地面尺度和卫星尺度上的误差均较大；对数模型R2最低，地面尺度验证集误差最小，但卫星尺度验证集误差较大，可见该模型稳定性欠佳，且对数模型在像元TSAVI值低于0.15时，拟合生物量为负值，与实际情况相悖；二次多项式模型F值偏低，说明该模型显著水平不如其他4个模型，非最优模型；幂模型与线性模型的建模集的R2和显著程度(F值)相对较高，地面尺度和卫星尺度上的误差均较小，Skill值较高，说明这两种模型具有较好的稳定性(表3)。在卫星尺度上反演地上生物量时，难免会受到混合像元的影响，因此，模型的稳定性尤为重要。综合考虑模型的建模集精度、验证集精度、模型稳定性和运行效率，以及模型在不同年份(2013年和2018年)的普遍适用性，将线性模型和幂模型作为盐地碱蓬地上生物量的优选模型。

线性模型和幂模型的实测值与反演值的二维散点图如图4所示。从图4可见：当盐地碱蓬地上生物量低于200 kg时，幂模型出现反演值偏高的现象；当盐地碱蓬地上生物量为300～400 kg时，两种模型的反演结果均十分接近1∶1线；当盐地碱蓬地上生物量为400～500 kg时，幂模型的反演结果相对较好；当盐地碱蓬地上生物量大于500 kg时，线性模型的反演效果较好。由于这两种模型的建模集R2均达到了0.7左右(表3)，其中，线性模型的验证集精度高于幂模型，且线性模型的反演结果相较于幂模型要更接近1∶1回归线，再结合模型的计算效率，可以认为基于TSAVI的线性回归分析模型是反演辽河口湿地盐地碱蓬群落地上生物量的最优模型。

图4 模型反演值和实测值散点图Fig.4 Scatter diagram of predicted value and measured value

2.3 盐地碱蓬生物量的变化

基于TSAVI的线性回归分析模型和盐地碱蓬生物量异速生长模型，获得2018、2019、2020年辽河口湿地盐地碱蓬群落的总生物量及其时空分布(表4和图5)。

2018、2019、2020年，辽河口湿地盐地碱蓬群落生物量呈现先减少后增长的趋势，盐地碱蓬的地上生物量远大于地下生物量。其中，2019年盐地碱蓬群落生物量最低，2020年盐地碱蓬群落生物量最高(表4)。从图5可见，辽河西岸盐地碱蓬生物量普遍高于辽河东岸，且盐地碱蓬群落生物量在辽河西岸的鸳鸯沟和三道沟岸段(红色放大区域)达到了峰值。

图5 2018、2019、2020年辽河口湿地盐地碱蓬生物量的空间分布Fig.5 Distribution of sea grass Suaeda salsa biomass of Liaohe Estuary wetland in 2018, 2019 and 2020

表4 2018、2019、2020年辽河口湿地盐地碱蓬的总生物量及碳储量Tab.4 Biomass and carbon storage of sea grass Suaeda salsa of Liaohe Estuary wetland in 2018, 2019 and 2020

为进一步获得2018、2019、2020年辽河口湿地盐地碱蓬群落生长变化，本研究中统计了这3年辽河口湿地盐地碱蓬群落面积及单位面积的盐地碱蓬生物量变化情况(表5)。

从表5可见：辽河口湿地盐地碱蓬群落的生物量和面积由小到大的年份依次为2019年<2018年<2020年；2019—2020年盐地碱蓬群落生物量的增长幅度高于群落面积的增长幅度，2020年盐地碱蓬单位面积生物量高于2018年和2019年，盐地碱蓬生长较好，2019年辽河口湿地盐地碱蓬群落生长最差。

表5 2018、2019、2020年辽河口湿地盐地碱蓬生物量及面积变化Tab.5 Change in biomass and area of sea grass Suaeda salsa of Liaohe Estuary wetland in 2018, 2019 and 2020

2.4 盐地碱蓬碳储量的评估

2018、2019、2020年辽河口湿地盐地碱蓬群落碳储量见表4，其中，盐地碱蓬的地上部分碳储量远大于地下部分。2018、2019、2020年辽河口湿地盐地碱蓬群落碳储量空间分布如图6所示。

从图6可见，2018、2019、2020年辽河口湿地盐地碱蓬群落碳储量分布与盐地碱蓬群落生物量分布相同。按照光合作用反应式6CO2+6H2O→6O2+C6H12O6，计算2018、2019、2020年辽河口湿地盐地碱蓬群落的固碳环境收益如表6所示。

图6 2018、2019、2020年辽河口湿地盐地碱蓬碳储量的空间分布Fig.6 Spatial distribution of sea grass Suaeda salsa carbon storage of Liaohe Estuary wetland in 2018,2019 and 2020

从表6可见，2018、2019、2020年，盐地碱蓬群落CO2吸收量合计8.0×106kg，O2释放量合计5.82×106kg。

表6 2018、2019、2020年辽河口湿地盐地碱蓬固碳环境收益Tab.6 Environmental benefits of sea grass Suaeda salsa of Liaohe Estuary wetland in 2018,2019 and 2020 by carbon fixation

3 讨论

3.1 数据的选取

数据是开展研究的基础，由于盐地碱蓬生长环境采样困难，以及近年来盐地碱蓬生态环境保护的需要，实测数据采集较少，2018年仅采集14个样本，不能满足建模集、地面尺度验证集和卫星尺度验证集的样本个数需求。因此，建模采用了样本数较多的2013年数据进行模型构建和地面尺度精度验证，且考虑到年份的差异，利用2018年的数据进行卫星尺度上的独立验证。

虽然反演模型所用样本数据与卫星数据时间有一定差距，但研究对象均为生长在辽河口湿地的盐地碱蓬群落，该植被的光谱特性与植被特征并未改变，而且试验方案、试验设备和采样人员等条件也基本一致，同时，HY-1C卫星于2018年9月7日发射成功，必须利用2018年地面实测数据才能验证卫星尺度CZI数据的反演精度，因此,不同年份的数据可以共同使用，用于不同时间辽河口湿地盐地碱蓬群落信息提取。

3.2 盐地碱蓬生物量的估算

估算盐地碱蓬生物量可直接反映其生长状况、评价其碳吸收能力。吴涛等[18]、李微等[19]均实现了基于Landsat卫星遥感数据盐地碱蓬群落生物量的反演，而本研究中则利用HY-1C CZI数据，针对CZI传感器特点和盐地碱蓬群落的生长特性，实现了盐地碱蓬群落生物量的估算。本研究显示，线性回归分析模型在地面尺度(1 m2)和卫星尺度(2 500 m2)均可实现较好的反演效果，特别是对生物量低于200 kg的低覆盖度盐地碱蓬群落和高于500 kg的高覆盖度盐地碱蓬群落，线性模型的生物量估算结果稳定，接近实测值，未出现极度饱和情况。

为进一步讨论盐地碱蓬生物量的估算精度，针对Landsat数据(2018年9月10日)，基于TSAVI的Landsat 8 OLI盐地碱蓬地上生物量反演模型[19]并结合地下生物量模型，获得2018年辽河口湿地盐地碱蓬群落总生物量的结果(图7)。

图7 2018年Landsat 8 OLI盐地碱蓬生物量的空间分布Fig.7 Spatial distribution of sea grass Suaeda salsa biomass of Landsat 8 OLI in 2018

将图7和图5中2018年盐地碱蓬生物量分布对比发现，两种传感器数据反演的辽河口湿地盐地碱蓬群落总生物量变化趋势一致。引起反演值差异的原因主要包括：1)传感器本身的影响，如空间分辨率、辐射分辨率及光谱分辨率的差异；2)影像获取时间的不同；3)混合像元的影响。经统计，OLI数据反演总生物量值为2.09×106kg(图7)，与CZI数据的1.99×106kg(表5)相比略高，但基本一致。分析原因可能是，盐地碱蓬成熟期为9月，而HY-1C于2018年9月7日发射升空，根据盐地碱蓬生长季并结合采样时间、卫星过境时间和云覆盖情况等，本研究中选择2018年10月2日的CZI数据，比2018年OLI数据晚了近1个月，盐地碱蓬群落已由成熟期开始衰落。因此，本研究中提出的算法和结论可靠有效，HY-1C CZI数据可以用来估算辽河口湿地盐地碱蓬群落生物量。

本研究中，2018、2019、2020年辽河口湿地盐地碱蓬群落生物量总量呈现先减少后增长的趋势，盐地碱蓬群落生物量的增长幅度高于群落面积的增长幅度。辽河西岸盐地碱蓬生物量普遍高于辽河东岸，辽河西岸的鸳鸯沟和三道沟岸段生长最好。2020年盐地碱蓬单位面积平均生物量高于2018年和2019年，盐地碱蓬生长较好。2019年辽河口湿地盐地碱蓬群落生长较差，经查阅资料发现，辽河口湿地盘锦市地区在这一时期受到了台风“利奇马”的影响，地区降水陡增，经统计，2019年8月10—16日辽河口湿地区域累计降水201.9 mm，相比2018年同期增长175.8%。强降水或风暴潮的影响使得湿地土壤处于滞水状态，降低了湿地土壤供给营养元素的能力，从而影响了盐地碱蓬生长[26]。

3.3 盐地碱蓬群落的固碳收益

盐地碱蓬利用光合作用提高盐地碱蓬群落生态系统的碳吸收和储存能力，从而减少二氧化碳在大气中的浓度，具有碳汇功能。本研究中，基于实测的盐地碱蓬的地上部分(茎和叶)和地下部分(根)的含碳率(分别为28.8%、39.44%)，发现单位质量的根的碳储量高于茎和叶，但由于盐地碱蓬的茎和叶的生物量远大于根，因此，盐地碱蓬群落地上部分碳储量远高于地下部分，即盐地碱蓬的地上部分为主要储碳部分。基于光合作用反应式，在盐地碱蓬群落碳储量估算值的基础上，评估了辽河口湿地盐地碱蓬群落2018—2020年的固碳环境收益为CO2吸收量合计为8×106kg，O2释放量合计为5.82×106kg(表6)。按照火力发电厂发1度电需要消耗400 g标准煤，同时排放997 g CO2计算，辽河口湿地盐地碱蓬群落2018、2019、2020年吸收的CO2量，相当于火力发电厂发220、150、430万度电的CO2排放量，相当于每年节约了880、600、1 720 t的标准煤[27]，由此可见，辽河口湿地盐地碱蓬群落具有较高的生态效益和一定的经济效益。

本研究表明，HY-1C CZI数据可以有效地用于盐地碱蓬碳储量评估研究，在一定程度上弥补了CZI数据在盐地碱蓬碳储量研究方面的空白，但由于HY-1C CZI数据的空间分辨率较低，会对盐地碱蓬生物量反演模型的效果和精度造成一定影响，后续研究中应思考如何解决混合像元的问题以提高模型精度。此外，盐地碱蓬为一年生的盐生植被，每年4月份进入生长季，6—7月份为生长季旺盛期，并于9月份达到峰值，本研究中选择其生长状况最佳的9月份数据仅对辽河口湿地盐地碱蓬群落进行以年为尺度的碳储量评估，在后续研究中还需补充数据以评估不同季节盐地碱蓬的碳储量。

4 结论

本研究中基于模拟HY-1C CZI数据的TSAVI指数，建立针对HY-1C CZI数据的辽河口湿地盐地碱蓬群落地上生物量反演模型，利用盐地碱蓬异速生长模型估算盐地碱蓬地下生物量，并结合卫星数据，估算2018、2019、2020年辽河口湿地盐地碱蓬群落的总生物量，进而评估盐地碱蓬群落的年碳储量。得到结论如下：

1)基于TSAVI的线性模型具有较好的稳定性和不同年份的普遍适用性，该模型反演盐地碱蓬地上生物量效果最佳。

2)盐地碱蓬的地上生物量占总生物量比例较大，占比约为85%；2018、2019、2020年盐地碱蓬群落生物量和面积均呈先减少后增长的趋势，辽河西岸盐地碱蓬群落生物量普遍高于辽河东岸，且在鸳鸯沟和三道沟岸段达到了峰值；其中，2019年盐地碱蓬群落生长较差，主要是由于2019年台风“利奇马”过境带来了强降水，导致盐地碱蓬群落面积和生物量大幅减少。

3)利用HY-1C CZI数据评估盐地碱蓬的碳储量是可行的，2018、2019、2020年辽河口湿地盐地碱蓬群落总碳储量分布与盐地碱蓬生物量分布趋势一致，盐地碱蓬的地上部分为主要储碳部分。3年来,盐地碱蓬群落吸收了大量的CO2并释放O2，可见盐地碱蓬具有较高的固碳效益。

致谢：感谢所有参加地面数据采集的工作人员，感谢国家卫星海洋应用中心提供的数据支持！