巴音布魯克草原植被覆蓋度估算的光譜模型及其應(yīng)用

呂 聰, 潘學(xué)平, 馮朝陽, 錢金平

(1.河北師范大學(xué) 資源與環(huán)境科學(xué)學(xué)院 河北省環(huán)境演變與生態(tài)建設(shè)重點(diǎn)實(shí)驗(yàn)室, 河北 石家莊 050016;2.中國環(huán)境科學(xué)研究院 國家環(huán)境保護(hù)區(qū)域生態(tài)過程與功能評(píng)估重點(diǎn)實(shí)驗(yàn)室, 北京 100012)

?

巴音布魯克草原植被覆蓋度估算的光譜模型及其應(yīng)用

呂 聰1, 潘學(xué)平1, 馮朝陽2, 錢金平1

(1.河北師范大學(xué) 資源與環(huán)境科學(xué)學(xué)院 河北省環(huán)境演變與生態(tài)建設(shè)重點(diǎn)實(shí)驗(yàn)室, 河北 石家莊 050016;2.中國環(huán)境科學(xué)研究院 國家環(huán)境保護(hù)區(qū)域生態(tài)過程與功能評(píng)估重點(diǎn)實(shí)驗(yàn)室, 北京 100012)

[目的] 對(duì)新疆維吾爾自治區(qū)巴音布魯克草原植被覆蓋度進(jìn)行初步劃分，并對(duì)植被覆蓋度等級(jí)分布進(jìn)行分析，為防治該區(qū)草場退化工作提供理論參考。 [方法] 采用美國SOC_710便攜式可見/近紅外高光譜成像光譜儀，運(yùn)用線性回歸分析法，以實(shí)測歸一化植被指數(shù)(SOC_NDVI)為媒介，建立MODIS/TERRA衛(wèi)星的NDVI(MODIS_NDVI)與實(shí)測植被覆蓋度(VC)之間的MODIS光譜估算模型，并對(duì)模型精度進(jìn)行檢驗(yàn)。最后，在模型反演結(jié)果上進(jìn)行研究區(qū)植被覆蓋度的劃分與分析。 [結(jié)果] MODIS光譜估算模型預(yù)測精度較高，標(biāo)準(zhǔn)誤差為11.55%，總體預(yù)測精度達(dá)到88.92%。劃分的5個(gè)植被覆蓋度等級(jí)分別為：極高覆蓋、高覆蓋、中覆蓋、低覆蓋及極低覆蓋。它們?cè)谘芯繀^(qū)中所占比例分別為：18.87%，25.61%，31.28%，13.86%和10.38%。 [結(jié)論] 整體上,研究區(qū)植被覆蓋度呈現(xiàn)出北部和西部高，東部低的趨勢(shì)，中、高覆蓋度區(qū)域所占比重較大，低、極低、極高覆蓋度區(qū)域所占比重較小。

巴音布魯克草原; 歸一化植被指數(shù)(NDVI); 植被覆蓋度; 高光譜模型

文獻(xiàn)參數(shù)： 呂聰, 潘學(xué)平, 馮朝陽, 等.巴音布魯克草原植被覆蓋度估算的光譜模型及其應(yīng)用[J].水土保持通報(bào)，2016,36(4)：62-67.DOI:10.13961/j.cnki.stbctb.20160607.001

植被是陸地生態(tài)系統(tǒng)的基礎(chǔ)，連結(jié)土壤和大氣的自然紐帶，也是大氣—植被—土壤系統(tǒng)的重要組成部分[1],是人類賴以生存的自然環(huán)境條件[2]。植被覆蓋度指觀測區(qū)域內(nèi)植被垂直投影面積占地表面積的百分比,是描述陸地表面植被生長狀況的一個(gè)重要指標(biāo),也是指示生態(tài)環(huán)境變化的一個(gè)重要參數(shù),廣泛應(yīng)用于研究地植物蒸散、土壤水分、水土流失、光合作用的過程以及全球變化等領(lǐng)域[3]。草原占地球陸地總面積的52.17%，中國草原面積占到約國土面積的41.7%，草原植物本身具有很大的經(jīng)濟(jì)生產(chǎn)價(jià)值，為畜牧業(yè)的發(fā)展提供基礎(chǔ)，還具有防風(fēng)固沙、保持水土、涵養(yǎng)水源、保護(hù)生態(tài)環(huán)境和旅游觀賞的作用[4]。利用遙感手段來估算植被覆蓋度是測量植被覆蓋度的主要手段之一,可以歸納為經(jīng)驗(yàn)?zāi)Ｐ头ā⒅脖恢笖?shù)轉(zhuǎn)換法和混合像元分解模型法[5]。由于將地面實(shí)測數(shù)據(jù)與遙感數(shù)據(jù)相結(jié)合建立的光譜估算模型進(jìn)行大區(qū)域的植被覆蓋度估算方法應(yīng)用簡單，易于計(jì)算，具有較好的科學(xué)性和應(yīng)用型，因此廣大學(xué)者利用該方法對(duì)不同的研究區(qū)域進(jìn)行植被覆蓋度研究，光譜估算模型法也不斷取得新的進(jìn)展[6]，已成為估算植被覆蓋度研究領(lǐng)域主要方法之一，也是植被覆蓋度遙感估算的根本出路。然而，在監(jiān)測植被覆蓋度方面還沒有一種標(biāo)準(zhǔn)的方法[7]。歸一化植被指數(shù)(normalized difference vegetation index， NDVI)是遙感估算植被覆蓋度研究中最經(jīng)典也是最常用的的植被指數(shù),許多學(xué)者在研究中都使用NDVI來估算植被覆蓋度,并證實(shí)NDVI與植被覆蓋度有良好的相關(guān)性[8]。如賈寶全[9]以TM遙感影像NDVI為數(shù)據(jù)橋梁，計(jì)算分析了北京市域1987和2009年的植被覆蓋變化，對(duì)北京市域和不同生態(tài)區(qū)域兩個(gè)尺度植被變化情況進(jìn)行了量化分析，并分析了北京市植被變化的驅(qū)動(dòng)力。陳艷梅等[10]通過分析MODIS/TERRA衛(wèi)星的NDVI與實(shí)測NDVI的關(guān)系，建立預(yù)測呼倫貝爾草原植被覆蓋度的MODIS光譜模型，且模型精度較高，平均預(yù)測精度達(dá)到88.75%。蘭明娟等[11]利用歸一化植被指數(shù)圖，通過掩膜和變化檢測技術(shù)研究了重慶市北碚區(qū)植被覆蓋度情況。

新疆巴音布魯克草原是我國第二大草原，擁有獨(dú)特的高寒草甸草原景觀。近年來，隨著全球氣候變化和人類的過度放牧，草原生產(chǎn)力不斷下降，植被退化和草原沙化現(xiàn)象日益嚴(yán)重。為了對(duì)巴音布魯克草原植被覆蓋度情況、草原內(nèi)部差異以及植被退化情況進(jìn)行更深入了解，本文在前人研究的基礎(chǔ)上，通過建立實(shí)測樣地光譜圖像NDVI(SOC_NDVI)數(shù)據(jù)與地面實(shí)測植被覆蓋度(vegetation coverage， VC)之間的地面光譜模型以及MODIS/TERRA衛(wèi)星的遙感影像NDVI(MODIS_NDVI)數(shù)據(jù)與SOC_NDVI之間的光譜修正模型，利用兩個(gè)模型的關(guān)系得到估算植被覆蓋度的MODIS光譜估算模型，該模型旨在為研究區(qū)植被覆蓋度估算研究提供新的技術(shù)方法。本研究還在光譜模型研究的基礎(chǔ)上對(duì)研究區(qū)內(nèi)植被覆蓋度進(jìn)行初步劃分，并對(duì)植被覆蓋度等級(jí)分布進(jìn)行詳細(xì)分析，對(duì)于了解巴音布魯克草原當(dāng)前植被覆蓋度分布狀況及草場退化研究具有重要的參考價(jià)值。

1　研究區(qū)概況

巴音布魯克草原位于天山中側(cè)南段腹地，海拔2 400～4 400 m，與5個(gè)地(州)、10個(gè)縣(市)接壤，艾爾溫根烏拉山橫貫盆地中部，將完整的高位盆地分割成大、小尤爾都斯兩個(gè)盆地[12]。巴音布魯克草原總面積達(dá)15 540 km2，四周雪山環(huán)繞，冬季漫長，年平均氣溫-4.7 ℃，年降水量216.8～361.8 mm，積雪天數(shù)150～180 d，年枯草期7個(gè)月，是開都河源頭[13]。盆地內(nèi)部各條山溝溪流匯積到盆地底部的開都河，西部山區(qū)是伊犁3大支流之一的鞏乃斯河發(fā)源地，流經(jīng)本區(qū)50 km峽谷以及那拉提草原后,進(jìn)入鞏乃斯谷地，巴音布魯克南坡的著名渭干河經(jīng)庫車峽谷后流入古老的塔里木河，因此巴音布魯克是新疆著名的“三河源”[12]。隨著社會(huì)經(jīng)濟(jì)不斷發(fā)展，過度放牧已經(jīng)嚴(yán)重影響到了巴音布魯克草原生態(tài)環(huán)境，草場覆蓋度也迅速下降，草場退化、沙化及鹽堿化現(xiàn)象日益嚴(yán)重，草畜矛盾日趨尖銳，生態(tài)環(huán)境急劇惡化[14]。據(jù)調(diào)查,巴音布魯克草地退化面積高達(dá)3 038 km2,占草地總面積的19.61%，草地退化在小尤爾都斯盆地表現(xiàn)得最為明顯,退化草地總面積為1 622 km2,占該盆地草地面積的30.32%；大尤爾都斯盆地草地退化相對(duì)較輕,退化草地總面積為1 426 km2,占該盆地草地面積的14.61%[12]。研究表明，過度放牧導(dǎo)致的草畜不平衡是巴音布魯克天然草地退化最主要的原因?，F(xiàn)有利用方式下，其中大尤爾都斯超載48.94萬羊單位；小尤爾都斯主要以夏牧場為主，在盆地實(shí)行封育的前提下，超載90.48萬羊單位；鞏乃斯溝草地春牧場超載3.16萬羊單位[14]。由此可見其草場實(shí)際放牧量遠(yuǎn)遠(yuǎn)大于其載畜能力。

2　研究方法

2.1試驗(yàn)概況

針對(duì)本研究內(nèi)容和目標(biāo)，綜合考慮研究區(qū)自然條件及氣候特征，選取植被生長旺盛期開展野外試驗(yàn)。樣地選取的原則和方法：通過分析研究區(qū)內(nèi)遙感影像、地形地貌以及土地利用現(xiàn)狀，在植被類型圖上選擇面積較大、能夠代表區(qū)域植被覆蓋情況的斑塊進(jìn)行實(shí)地調(diào)查；設(shè)置樣地的大小一致，樣方在樣地中均勻分布；所選樣地要涉及研究區(qū)內(nèi)不同植被類型及不同覆蓋梯度區(qū)域，單個(gè)樣地植被生長均勻；本研究所選樣地中，主要涉及草甸草原、濕地植被、丘陵山地植被和沙地植被5種植被類型。根據(jù)以上原則，本研究野外試驗(yàn)時(shí)間為2014年8月11—18日，選擇植物生長較均勻、具有代表性的典型樣地共52個(gè),樣地的大小盡量設(shè)定為250 m×250 m，以便后期與遙感數(shù)據(jù)相對(duì)應(yīng)，每個(gè)樣地設(shè)小樣方5個(gè)，共260個(gè)小樣方，樣方為1 m×1 m的標(biāo)準(zhǔn)樣方。根據(jù)實(shí)測SOC_NDVI與高空遙感MODIS_NDVI之間的關(guān)系，在Excel中剔除掉異常數(shù)據(jù)的樣地，經(jīng)過篩選，共剔除7個(gè)樣地，剩余能夠作樣方分析的數(shù)據(jù)共有45個(gè)，小樣方225個(gè)。然后，以樣地為單位，計(jì)算每個(gè)樣地對(duì)應(yīng)小樣方的實(shí)測VC、實(shí)測SOC_NDVI、高空遙感MODIS_NDVI的均值，作為該樣地的地面實(shí)測值和遙感影像值，得到45組對(duì)應(yīng)值，用于本研究建模與檢驗(yàn)。最后將45組數(shù)據(jù)劃分為建模數(shù)據(jù)和檢驗(yàn)數(shù)據(jù)，設(shè)定建模數(shù)據(jù)27組，檢驗(yàn)數(shù)據(jù)18組。

野外試驗(yàn)運(yùn)用美國SOC_710便攜式可見/近紅外成像光譜儀進(jìn)行草地光譜采集工作，其特點(diǎn)是能實(shí)現(xiàn)圖譜合一，最大程度地提高后期數(shù)據(jù)處理精度，進(jìn)行采集前用光譜儀所攜帶的白板進(jìn)行校正且每隔10～15 min進(jìn)行一次校正。數(shù)據(jù)采集時(shí)為保證數(shù)據(jù)質(zhì)量，選擇光照充足、少云、微風(fēng)的天氣條件，光譜采集時(shí)間最好在10：00～15：00，在記錄樣地的地理坐標(biāo)和海拔高度試驗(yàn)過程中，記錄每一個(gè)小樣方的GPS記錄號(hào)、坡向、土壤類型、植被類型、照片編號(hào)和目視蓋度等信息。

2.2遙感影像數(shù)據(jù)獲取與處理

2.2.1數(shù)據(jù)獲取本研究需要提取遙感圖像中的NDVI，并與野外實(shí)測數(shù)據(jù)建立關(guān)系模型，因此遙感影像的數(shù)據(jù)質(zhì)量對(duì)模型的精度有著直接的影響。因此，選用EOS-Modis/Terra(http:∥lpdaac.usgs.gov/main.asp)中16 d合成的NDVI 數(shù)據(jù)，MODIS影像是NASA對(duì)地觀測衛(wèi)星的中分辨率成像光譜，空間分辨率為250 m×250 m，數(shù)據(jù)格式為HDF，光譜分辨率為36波段，輻射分辨率為12 bit，格式為HDF，等級(jí)為3級(jí)，為MODIS陸地產(chǎn)品中的植被指數(shù)產(chǎn)品MOD13。本研究所采用的數(shù)據(jù)時(shí)間是2014年8月12—27日16 d合成的NDVI影像數(shù)據(jù)。

2.2.2數(shù)據(jù)處理郭玉川等[15]通過構(gòu)建基于實(shí)測植被覆蓋度和多種植被指數(shù)的相關(guān)方程，驗(yàn)證了利用NDVI建立的覆蓋度估算模型精度較高?；贜DVI的特點(diǎn)和研究區(qū)的特征，本文選取歸一化植被指數(shù)NDVI建立植被覆蓋度的估算模型，對(duì)下載好的NDVI影像數(shù)據(jù)進(jìn)行圖像拼接、研究區(qū)掩膜裁剪后，得到研究區(qū)MODIS遙感影像NDVI灰度圖。

2.3野外試驗(yàn)數(shù)據(jù)獲取與處理

2.3.1提取實(shí)測植被覆蓋度VC實(shí)測植被覆蓋度是通過從美國SOC_710便攜式可見/近紅外成像光譜儀獲得的高光譜圖像中進(jìn)行提取，首先在處理軟件SRAnal710.bat中，將采集圖像的cube文件轉(zhuǎn)換為彩色圖像。然后利用圖像處理軟件Photoshop裁切掉照片中樣方邊緣1/5左右的變形區(qū)域，將中心區(qū)部分用于軟件解譯。照片的解譯過程是在ERDAS 9.2中進(jìn)行，先后使用預(yù)先編好的Modeler命令(其原理是將照片轉(zhuǎn)變?yōu)榛叶戎?然后與原照片比較,找出植物與非植物部分的臨界點(diǎn))完成，將相片轉(zhuǎn)化為(0，1)的二值圖像[10]，統(tǒng)計(jì)植被像元占整個(gè)像元總和的百分比，得到每個(gè)樣方植被覆蓋度的實(shí)測值。最后對(duì)樣地的多個(gè)樣方植被覆蓋度求平均值，作為該樣地實(shí)測植被覆蓋度(VC)。

2.3.2光譜處理提取SOC_NDVI值光譜處理同樣是通過從SOC_710獲得的高光譜圖像中進(jìn)行處理，首先進(jìn)行預(yù)處理—輻射定標(biāo)和反射率轉(zhuǎn)換操作，保存預(yù)處理結(jié)果，然后利用ENVI 5.0軟件提供的波段計(jì)算工具計(jì)算NDVI值，最后對(duì)樣地的多個(gè)樣方光譜數(shù)據(jù)NDVI求平均值，作為樣方的實(shí)測植被指數(shù)值(SOC_NDVI)。

3　結(jié)果與分析

3.1地面光譜模型

通過分析研究區(qū)內(nèi)SOC_NDVI和植被覆蓋度VC的散點(diǎn)關(guān)系,選用線性方程進(jìn)行回歸分析,結(jié)果表明：SOC_NDVI與植被覆蓋度VC之間存在較強(qiáng)的線性相關(guān)關(guān)系(R2=0.865)，二者的關(guān)系表達(dá)式為：

VC=0.930×SOC_NDVI-0.064

(1)

式中：VC——實(shí)測植被覆蓋度; SOC_NDVI——實(shí)測植被指數(shù)。

3.2MODIS光譜估算模型

為了探求地面所測的植被光譜數(shù)據(jù)和高空遙感所得的植被光譜數(shù)據(jù)的內(nèi)在關(guān)系,分析27個(gè)樣地的SOC_NDVI和MODIS_NDVI之間的對(duì)應(yīng)關(guān)系，結(jié)果顯示：兩組數(shù)據(jù)之間存在線性關(guān)系(R2=0.731)，二者的關(guān)系表達(dá)式為：

SOC_NDVI=0.835×MODIS_NDVI+0.096

(2)

式中： SOC_NDVI——實(shí)測植被指數(shù); MODIS_NDVI——MODIS遙感影像NDVI。

將公式(2)代入公式(1)經(jīng)整理得到MODIS光譜估算模型，VC與MODIS_NDVI間的表達(dá)式為：

VC=0.777×MODIS_NDVI+0.025

(3)

式中：VC——預(yù)測植被覆蓋度; MODIS_NDVI——MODIS遙感影像NDVI。

由于植被覆蓋度VC的取值范圍為0到1之間，通過計(jì)算當(dāng)VC等于0，1時(shí)，MODIS_NDVI的值分別小于0和大于1，因此這里將公式的取值范圍定義為0到1之間。最后的MODIS光譜估算模型整理為：

(4)

式中：VC——估算植被覆蓋度; MODIS_NDVI——MODIS遙感影像NDVI。

3.3模型精度檢驗(yàn)

為了檢驗(yàn)MODIS光譜估算模型的預(yù)測結(jié)果與實(shí)測值之間的誤差情況，驗(yàn)證該模型是否能夠應(yīng)用，從而進(jìn)行研究區(qū)的植被覆蓋度總體情況的估算。因此將之前劃分出來的18組檢驗(yàn)數(shù)據(jù)對(duì)模型精度進(jìn)行分析。將公式(4)應(yīng)用到MODIS_NDVI灰度圖上，在GIS軟件中，通過spatial analyst tools中的raster calculator計(jì)算工具進(jìn)行柵格計(jì)算，獲得研究區(qū)植被覆蓋度圖。依據(jù)地理坐標(biāo)(經(jīng)緯度)將檢驗(yàn)數(shù)據(jù)轉(zhuǎn)化為檢驗(yàn)點(diǎn)，記錄各檢驗(yàn)點(diǎn)在研究區(qū)植被覆蓋度圖上對(duì)應(yīng)的像元值(即預(yù)測VC值)，再利用實(shí)測值與預(yù)測值的相關(guān)關(guān)系對(duì)模型精度進(jìn)行檢驗(yàn)。為了檢驗(yàn)利用MODIS數(shù)據(jù)預(yù)測植被覆蓋度與實(shí)測植被覆蓋度之間關(guān)系的密切程度，這里選用標(biāo)準(zhǔn)誤差(SE)[16]和平均誤差系數(shù)(MEC)[17]對(duì)預(yù)測值進(jìn)行檢驗(yàn)。

標(biāo)準(zhǔn)誤差計(jì)算公式為：

(5)

平均誤差計(jì)算公式為：

(6)

總體預(yù)測精度計(jì)算公式為：

總體預(yù)測精度=1-總體相對(duì)誤差平均值

(7)

式中：y——樣方實(shí)測值;y′——模型預(yù)測值;n——檢驗(yàn)樣方的個(gè)數(shù)。

通過驗(yàn)證結(jié)果表明，預(yù)測值和實(shí)測值兩者間相關(guān)性較好(R=0.882)，模型的標(biāo)準(zhǔn)誤差SE為11.55%，總體預(yù)測精度達(dá)到了88.92%。表明在植物生長最旺盛季節(jié)，基于地面光譜模型建立的MODIS光譜估算模型預(yù)測精度較高，具有較好的科學(xué)性和應(yīng)用性，方法簡單，易于計(jì)算。

3.4植被覆蓋度等級(jí)劃分

將研究區(qū)遙感影像NDVI灰度圖，利用公式(4)計(jì)算得到研究區(qū)單波段的植被覆蓋度圖。根據(jù)研究區(qū)的實(shí)際情況，參考陳效逑等[18]對(duì)植被覆蓋度的劃分方法，將研究區(qū)的植被覆蓋度劃分為5級(jí)：80%以上為極高覆蓋，60%～80%為高覆蓋，40%～60%為中覆蓋，20%～40%為低覆蓋，20%以下為極低覆蓋。評(píng)價(jià)指標(biāo)和等級(jí)劃分及研究區(qū)各等級(jí)所占比例詳見表1，劃分結(jié)果如圖1所示。從研究區(qū)植被覆蓋度等級(jí)劃分上看，整個(gè)研究區(qū)植被覆蓋呈現(xiàn)出北部和西部高、東部低的趨勢(shì)。其中，極高植被覆蓋度區(qū)域平均植被覆蓋度為83.06%，主要分布在巴音布魯克草原以北的那拉提草原，由于來自伊犁河谷的水汽條件較好，這里降水豐沛，分布著大面積的優(yōu)質(zhì)草場和林地，且景區(qū)內(nèi)設(shè)有草原管理，大部分游客按照固定線路參觀，不分散活動(dòng)，草場保護(hù)較好，因此植被覆蓋度高；高植被覆蓋度區(qū)域平均植被覆蓋度為67.98%，主要分布在大尤爾都斯盆地南部的山前平原，由于近年來實(shí)行的草場保護(hù)政策，將此區(qū)域的大面積草場進(jìn)行圍欄保護(hù)，使這里自然環(huán)境恢復(fù)較好，草場退化得到了及時(shí)遏制并開始好轉(zhuǎn)，植被覆蓋度相對(duì)較高；中植被覆蓋度區(qū)域平均植被覆蓋度為48.91%，主要分布在大、小尤爾都斯盆地四周的山前草場，這些區(qū)域?yàn)榘鸵舨剪斂瞬菰拍敛輬龅闹饕植紖^(qū)域，由于近年來的實(shí)行的季節(jié)放牧和草場保護(hù)政策，使得這些區(qū)域植被覆蓋度有所提高，這里部分區(qū)域已進(jìn)入山區(qū)，坡度較大，人類活動(dòng)不易到達(dá)，干擾較少，因此植被覆蓋度能達(dá)到中覆蓋等級(jí)；低植被覆蓋度區(qū)域平均植被覆蓋度為25.51%，主要位于大尤爾都斯盆地西部的天山石林區(qū)和小尤爾都斯盆地中部的大面積區(qū)域，這里由于人類的長期過度放牧，放牧歷史悠久，草場退化極為嚴(yán)重；極低植被覆蓋區(qū)域平均植被覆蓋度為10.81%，主要分布在巴音布魯克草原四周山區(qū)，這里主要為裸巖和冰雪覆蓋區(qū)，植被覆蓋度最低，而在小尤爾都斯盆地的中植被覆蓋區(qū)內(nèi)也有類似帶狀的極低植被覆蓋區(qū)的分布，這是由于有大量礦山的分布，它們依河谷而建，道路的建設(shè)和礦山主體的挖掘破壞了植被覆蓋層，使得巖石裸露，出現(xiàn)極低植被覆蓋區(qū)。

從研究區(qū)地物要素分布上看，保護(hù)區(qū)內(nèi)平均植被覆蓋度達(dá)到70.9%，主要為草甸草原和濕地分布，植被覆蓋度較高，其中核心區(qū)內(nèi)部由于海拔低，河流流經(jīng)，濕地遍布，不適合人類居住，因此水草豐美，生態(tài)環(huán)境保護(hù)最為完整；保護(hù)區(qū)外平均植被覆蓋度為42.1%，明顯低于保護(hù)區(qū)內(nèi)部，且在大尤爾都斯盆地中，保護(hù)區(qū)外西側(cè)的覆蓋度整體低于東側(cè)覆蓋度，這是因?yàn)樵摰貐^(qū)有公路穿過，人類更易于到達(dá)，長期的過度放牧使得這里的草場退化，植被覆蓋度明顯較低；居民點(diǎn)分布區(qū)域植被覆蓋度相對(duì)較低，這些區(qū)域除了人類分布外還有較大面積的草場分布，因此草場受人類活動(dòng)影響較大，牧草的得不到及時(shí)的恢復(fù)，生產(chǎn)力逐年下降，致使植被覆蓋度迅速降低。

從研究區(qū)分區(qū)上看，大、小尤爾都斯盆地和那拉提3個(gè)區(qū)域呈現(xiàn)出明顯的植被覆蓋度差異。其中，小尤爾都斯盆地中，中、低植被覆蓋等級(jí)區(qū)域占整個(gè)盆地的83%，這里開發(fā)較早且超載放牧，退化嚴(yán)重，草場恢復(fù)較困難；大尤爾都斯盆地中，以中、高植被覆蓋等級(jí)區(qū)域?yàn)橹?，占整個(gè)盆地的72%，低覆蓋等級(jí)區(qū)域只占6%，可看出這里草場保護(hù)相對(duì)較好，恢復(fù)程度較高；那拉提草原水汽條件較好，牧草生長旺盛且該地區(qū)旅游實(shí)行限制性進(jìn)入措施，因此草場保護(hù)較好，植被覆蓋度等級(jí)呈極高覆蓋等級(jí)且占90%以上。

表1　研究區(qū)植被覆蓋度評(píng)價(jià)指標(biāo)和等級(jí)劃分及各等級(jí)所占比例

圖1　研究區(qū)植被覆蓋度等級(jí)分布

4　討論與結(jié)論

4.1討 論

植被覆蓋狀況能夠反映當(dāng)?shù)氐纳鷳B(tài)環(huán)境狀況，快速準(zhǔn)確地獲取植被覆蓋信息，對(duì)當(dāng)?shù)厣鷳B(tài)環(huán)境治理和畜牧業(yè)發(fā)展及經(jīng)濟(jì)建設(shè)有著重要的指導(dǎo)意義。本研究在較短的試驗(yàn)時(shí)間內(nèi)，獲取了研究區(qū)大量的試驗(yàn)樣本數(shù)據(jù)，植被覆蓋度估算模型是基于野外獲取的實(shí)測數(shù)據(jù)和MODIS/TERRA衛(wèi)星遙感影像得到的數(shù)據(jù)，將地面測量和遙感反演相結(jié)合，實(shí)現(xiàn)植被覆蓋度估算的反演模型。最后在模型反演的基礎(chǔ)上對(duì)整個(gè)研究區(qū)植被覆蓋度進(jìn)行了等級(jí)的劃分。其他學(xué)者也有相似的研究方法，如陳艷梅等[10]通過分析MODIS/TERRA衛(wèi)星的NDVI與實(shí)測NDVI的關(guān)系，建立預(yù)測呼倫貝爾草原植被覆蓋度的MODIS光譜模型，模型精度較高。本研究只是建立了光譜估算模型，并未對(duì)模型進(jìn)行進(jìn)一步應(yīng)用。有些學(xué)者在研究中使光譜估算模型得到進(jìn)一步應(yīng)用。刁兆巖等[4]運(yùn)用回歸分析方法,建立地面光譜模型，通過比較，選擇R2最大的乘冪模型作為呼倫貝爾沙化草原植被覆蓋度估算的光譜模型，并利用模型對(duì)沙化草地主體部分的2009,2010年植被蓋度進(jìn)行估算。本研究只是說明了兩個(gè)年份中研究區(qū)內(nèi)植被覆蓋度的最大值與最小值，并未進(jìn)行更深入地植被覆蓋度分析。包剛等[19]以北京大學(xué)“無人機(jī)遙感載荷綜合試驗(yàn)場”為試驗(yàn)區(qū)，采集草地植被覆蓋度和相應(yīng)樣方冠層高光譜反射率數(shù)據(jù)，建立高光譜EVI模型，并與TM數(shù)據(jù)相結(jié)合生成研究區(qū)植被覆蓋度空間分布圖。本研究只是進(jìn)行植被覆蓋度的等級(jí)劃分，并未對(duì)研究區(qū)內(nèi)部的空間差異進(jìn)行深入研究分析。

本研究在借鑒前人應(yīng)用光譜估算模型進(jìn)行植被覆蓋度研究的經(jīng)驗(yàn)基礎(chǔ)上，將該技術(shù)方法應(yīng)用到新疆巴音布魯克草原，建立精度較高的光譜估算模型，在模型基礎(chǔ)上對(duì)研究區(qū)內(nèi)植被覆蓋度進(jìn)行5個(gè)等級(jí)劃分，并從等級(jí)劃分、地物要素和分區(qū)3個(gè)方面進(jìn)行植被覆蓋度的深入分析，清晰地呈現(xiàn)了研究區(qū)植被覆蓋度的內(nèi)部差異性，這是運(yùn)用光譜估算模型對(duì)巴音布魯克草原植被覆蓋度研究的首次嘗試，對(duì)于了解草原當(dāng)前植被覆蓋度分布狀況及草場退化研究具有重要的參考價(jià)值。

本研究建立的研究區(qū)植被覆蓋度估算的光譜模型僅有2014年研究區(qū)植物生長旺盛時(shí)的實(shí)測數(shù)據(jù)，只能進(jìn)行本年份的植被覆蓋度估測，為了使研究更具完整性和可信性，在未來幾年內(nèi)應(yīng)該繼續(xù)進(jìn)行同類同時(shí)期或同類不同時(shí)期試驗(yàn)，研究整個(gè)生長季植被覆蓋度與植被指數(shù)的關(guān)系；應(yīng)用所建立的估算模型在對(duì)相同或相似地區(qū)以及相同植物生長季節(jié)的植被覆蓋度進(jìn)行估算時(shí)，估算結(jié)果會(huì)比較準(zhǔn)確，但是對(duì)于不同年份、不同植被群落、不同的生長季進(jìn)行估算時(shí)，結(jié)果誤差可能會(huì)比較大，這還需要進(jìn)一步驗(yàn)證，因此在今后的研究中要對(duì)歷史數(shù)據(jù)進(jìn)行妥善保存、歸納和有效整理，或者可以適當(dāng)?shù)脑黾幽Ｐ椭兴婕暗降淖兞浚赃M(jìn)一步修正模型，提高模型的實(shí)踐應(yīng)用性和普適性。

4.2結(jié) 論

(1) 基于實(shí)測SOC_NDVI 估測植被覆蓋度VC的地面光譜模型是簡單的線性函數(shù)，該模型R2達(dá)到0.865；MODIS_NDVI 和實(shí)測SOC_NDVI 之間也為線性關(guān)系，R2為0.731；基于上述兩個(gè)線性方程得到估算植被覆蓋度的MODIS光譜估算模型。

(2) 經(jīng)檢驗(yàn)，MODIS光譜模型相關(guān)系數(shù)R達(dá)到了0.882，模型的標(biāo)準(zhǔn)誤差SE為11.55%，總體預(yù)測精度達(dá)到了88.92%。基于地面光譜模型建立的MODIS光譜估算模型預(yù)測精度較高，可估算巴音布魯克草原生長旺季的植被覆蓋度，具有較好的科學(xué)性和應(yīng)用性，方法簡單，易于計(jì)算，為研究區(qū)遙感監(jiān)測提供了必要的理論依據(jù)和數(shù)據(jù)支持。

(3) 根據(jù)本研究得到的MODIS光譜模型，將研究區(qū)遙感影像NDVI灰度圖轉(zhuǎn)化為單波段的植被覆蓋圖，并將其植被覆蓋度劃分為5個(gè)等級(jí)：極高覆蓋、高覆蓋、中覆蓋、低覆蓋及極低覆蓋，它們?cè)谘芯繀^(qū)中所占比例分別為：18.87%，25.61%，31.28%，13.86%和10.38%，可看出研究區(qū)內(nèi)中、高覆蓋度區(qū)域所占比重較大，低、極低、極高覆蓋度區(qū)域所占比重較小。在此基礎(chǔ)上從等級(jí)劃分、地物要素和分區(qū)3個(gè)方面進(jìn)行植被覆蓋度分析，清晰地呈現(xiàn)了研究區(qū)植被覆蓋度的內(nèi)部差異性，在今后的草原治理以及生態(tài)恢復(fù)中具有重要的實(shí)用價(jià)值和參考意義。

[1]李克讓,王紹強(qiáng),曹明奎.中國植被和土壤碳貯量[J].中國科學(xué)(D輯):地球科學(xué),2003,33(1):72-80.

[2]陳育峰.自然植被對(duì)氣候變化響應(yīng)的研究:綜述[J].地理科學(xué)進(jìn)展,1997,16(2)：72-79.

[3]程紅芳,章文波,陳鋒.植被覆蓋度遙感估算方法研究進(jìn)展[J].國土資源遙感, 2008(1)：13-18.

[4]刁兆巖,徐立榮,馮朝陽，等.呼倫貝爾沙化草原植被覆蓋度估算光譜模型[J].干旱區(qū)資源與環(huán)境,2012,26(2):139-144.

[5]張?jiān)葡?李曉兵,陳云浩.草地植被蓋度的多尺度遙感與實(shí)地測量方法綜述[J].地球科學(xué)進(jìn)展,2003,18(1):85-93.

[6]Kenneth M, Timothy M, Lynn F. Hyperspectral mixture modeling for quantifying sparse vegetation cover in arid environment[J]. Remote Sensing of Environment,2000,72(3):360-374.

[7]Kallel A, Hégarat-Mascle S L, Ottlé C, et al. Determination of vegetation cover fraction by inversion of a four-parameter model based on isoline parametrization[J]. Remote Sensing of Environment, 2007,111(4):553-566.

[8]Jiang Zhangyan, Huete A R, Chen Jin, et al. Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction[J]. Remote Sensing of Environment, 2006,101(3):366-378.

[9]賈寶全.基于TM衛(wèi)星影像數(shù)據(jù)的北京市植被變化及其原因分析[J].生態(tài)學(xué)報(bào), 2013,33(5):1654-1666.

[10]陳艷梅,高吉喜,刁兆巖,等.呼倫貝爾草原植被覆蓋度估算的光譜模型[J].中國環(huán)境科學(xué), 2010, 30(9):1287-1292.

[11]蘭明娟,魏虹,熊春妮，等.基于TM影像的重慶市北碚區(qū)地表植被覆蓋變化[J].西南大學(xué)學(xué)報(bào)：自然科學(xué)版,2009,31(4):100-104.

[12]艾海買江.阿吉.新疆巴音布魯克草原生態(tài)退化與恢復(fù)的探討[J]. 新疆畜牧業(yè),2013,18(2):59-61.

[13]麥合木提克衣木,艾尼瓦爾蘇來曼,滕永青，等.巴音布魯克草原資源利用現(xiàn)狀及可持續(xù)發(fā)展策略[J].現(xiàn)代畜牧獸醫(yī),2007(7):20-21.

[14]李文利,何文革. 新疆巴音布魯克草原退化及其驅(qū)動(dòng)力分析[J]. 青海草業(yè),2008,17(2):44-47.

[15]郭玉川,何英,李霞.基于MODIS的干旱區(qū)植被覆蓋度反演及植被指數(shù)優(yōu)選[J].國土資源遙感, 2011(2):115-118.

[16]Beeri O, Phillips R, Hendrickson J, et al. Estimating forage quantity and quality using aerial hyperspectral imagery for northern mixed-grass prairie[J]. Remote Sensing of Environment, 2007, 110(2):216-225.

[17]杜自強(qiáng),王建,沈宇丹.山丹縣草地地上生物量遙感估算模型[J].遙感技術(shù)與應(yīng)用,2006(4):338-343.

[18]陳效逑,王恒.1982—2003年內(nèi)蒙古植被帶和植被覆蓋度的時(shí)空變化[J].地理學(xué)報(bào), 2009, 64(1):84-94.

[19]包剛,包玉海,覃志豪，等.高光譜植被覆蓋度遙感估算研究[J].自然資源學(xué)報(bào), 2013, 28(7):1243-1254.

Spectral Models for Estimating Vegetation Coverage and Its Application on Bayanbulak Grassland

Lü Cong1, PAN Xueping1, FENG Chaoyang2, QIAN Jinping1

(1.CollegeofResourceandEnvironmentalSciences,HebeiKeyLaboratoryofEnvironmentalChangeandEcologicalConstruction,HebeiNormalUniversity,Shijiazhuang,Hebei050016,China; 2.StateEnvironmentalProtectionKeyLaboratoryofRegionalEco-processandFunctionAssessment,ChineseResearchAcademyofEnvironmentalSciences,Beijing100012,China)

[Objective] Vegetation coverage in Bayanbulak grassland of Xinjiang Autonomous Region was graded and the regional vegetation coverage was determined in order to provide theoretical reference for the prevention pasture degradation. [Methods] With the help of American SOC_710 portable visible/the near infrared spectrum imaging spectrometer, the normalized difference vegetation index(SOC_NDVI) was adopted to establish the MODIS spectral estimation model between NDVI(MODIS_NDVI) and actual vegetation coverage(VC) using linear regression analysis method. The grading and determining of regional vegetation coverage were completed on the inversion coverage result of the model. [Results] The prediction accuracy of MODIS spectral estimation model was high with a standard error of 11.55%, the overall accuracy reached 88.92%. The 5 vegetation coverage levels had extreme high coverage, high, moderate, low and extreme low coverage, and these coverage proportion were: 18.87%, 25.61%, 31.28%, 13.86% and 10.38%. [Conclusion] The vegetation coverage on the whole study area was high in the north and west, and low in the east. The research area was covered mainly by middle and high coverage grades; proportions of other coverage grades as low, extreme low and extreme high, were small.

Bayanbulak grassland; normalized difference vegetation index(NDVI); vegetation coverage; high spectral models

2015-05-12

2015-08-03

國家環(huán)境保護(hù)公益性行業(yè)科研專項(xiàng)“干旱地區(qū)高寒草原濕地生態(tài)系統(tǒng)安全監(jiān)控與保護(hù)研究”(20130315)

呂聰(1989—),女(漢族),河北省邯鄲市人,碩士研究生,研究方向?yàn)?S技術(shù)在生態(tài)環(huán)境保護(hù)中的應(yīng)用。E-mail:lvcong199004@163.com。

馮朝陽(1979—),男(漢族),山東省臨沂市人，博士,副研究員,主要從事氣候變化與生態(tài)系統(tǒng)服務(wù)功能研究。E-mail:fengchy@craes.org.cn。

B

1000-288X(2016)04-0062-06

Q948.15， X87