基于MODIS的青藏高原牧草生長季草地生物量動態

杜玉娥，劉寶康，郭正剛

(蘭州大學草地農業科技學院 農業部草地農業生態系統學重點開放實驗室，甘肅 蘭州 730020)

青藏高原三江源地區的高寒草地不僅是當地藏族牧民從事藏系家畜生產的物質基礎，更是生態系統發揮涵養水源、保持水土、孕育生物多樣性等的基石。然而在全球變暖和人為不當利用的作用下，高寒草地普遍退化，產量降低，涵養水源和保持水土能力下降。因此快速監測高寒草地產量的變化，有利于為當地政府恢復退化草地提供科學依據。

3S技術是目前快速監測草地產量的主要技術手段之一，且隨著遙感資料的變化而不斷更新。美國1992年12月發射的對地觀測系統(EOS)衛星Terra和Aqua 均帶有中分辨率成像光譜儀(MODIS)，其產品光譜范圍包括0.415～14.235 μm的36個波段，地面分辯率為250、500和1 000 m，能夠反映陸地、云特征、生物地理、地表溫度等特征信息[1-2]，因此EOS/MODIS資料已廣泛應用于植物長勢、土地覆蓋、自然災害等方面的監測和研究[3-6]。已有研究表明[7-9]，MODIS植被指數能夠更好地反映植被的時空變化特征。左麗君等[10]比較了植被指數(NDVI)和增強型植被指數(EVI)提取耕地信息的精度。王文種和張友靜[11]構建了基于MODIS資料的溫度植被干旱指數(TVDI)。 閆峰等[12]采用EVI時間序列圖像分析了河北省冬小麥(Triticumaestivum)在返青期、抽穗期和成熟期的時空分布特征。除多等[13]利用EOS/MODIS衛星遙感數據分析了西藏藏北高原草地植被地上生物量時空分布特征及其與氣候因子的關系。李紅軍等[14]的研究表明，NDVI在植被生長旺盛期容易達到飽和，而EVI則能克服植被生長旺盛期易飽和的現象，比較真實地反映植被的生長變化過程。楊英蓮等[15]利用青海省22個氣象站在2003和2004年牧草生長季內的牧草鮮草產量，構建了基于EVI指數的草地類型的牧草鮮草產量模型。綜合上述研究，國內外研究均表明采用MODIS植被指數能夠監測作物和草地產量，但不同地區因采用指數不同而存在差異，因此研究不同類型的植被指數在構建草地生物量預測模型中的分異性具有重要的現實意義。本研究通過分析MODIS-NDVI和MODIS-EVI指數與青藏高原三江源地區高寒草甸和高寒草原間的相關性，構建高寒草原和高寒草甸產量預測模型，并采用此模型分析草地生物量的動態特征，以期為三江源地區退化草地恢復和草畜平衡提供依據。

1 研究地區和方法

1.1研究地區概況 三江源地區位于青海省南部，西南部與西藏自治區接壤，東部與四川省毗鄰，北部與青海省格爾木市、都蘭縣相接，系長江、黃河和瀾滄江的源頭(圖1)。地理位置為31°39′～36°12′ N，89°45′～102°23′ E，海拔為3 335～6 564 m，總面積為30.25萬km2，約占青海省總面積的43%。高寒草地主要以高寒草甸和高寒草原為主，高寒草甸以蒿草屬、羊茅屬、早熟禾屬、剪股穎屬、風毛菊屬為優勢種。高寒草原優勢種主要有紫花針茅(Stipapurpurea)、克氏羊茅(Festucakryloviana)、假羊茅(F.pseudovina)、座花針茅(S.subsessiliflora)、羽柱針茅(S.subsessiliflora)以及小半灌木藏籽蒿(Artemisiasalsoloides)等。伴生種主要有固沙草(Orinusthoroldii)、矮二裂委陵菜(Potentillabifurca)等。夏季短暫，牧草生長期短，植物長勢低矮，冷季長達7～8個月，產草量低。氣候為典型的高原大陸性氣候，西部年均溫-6～-2 ℃，東南部年均溫-4～-2 ℃，全年無絕對無霜期，西部年降水量260～390 mm，東南部為390～760 mm。

圖1 三江源氣象臺站分布

1.2研究方法

1.2.1數據來源 地面實測數據來自研究區17個氣象臺站周邊2002-2009年實測地上部分的鮮草生物量，剔除異常值后，共計有效樣本數326個，其中高寒草甸類草地樣本數為178個，高寒草原類草地樣本數為148個。草地類型數據來自20世紀90年代全國草地資源調查獲得的青海省1∶100萬草地類型圖。樣方大小為1 m×1 m，且各樣方之間的距離均大于250 m。 MODIS數據來自NASA MODIS陸地產品組按照統一算法開發的MODIS植被指數產品。本研究使用的MODIS/NDVI和MODIS/EVI產品采用月最大值合成方法MMVC(monthly maximum value composite)生成，空間分辨率為250 m的MOD13A1產品，空間位置在全球正弦曲線投影SIN(sinusoidal projection)系統中的編號為h25v05和h26v05兩景圖像，數據質量等級為5級，數據格式為EOS-HDF，時間序列為2002-2009年生長季6-9月，共計64景圖像。

1.2.2數據處理方法 首先利用MRT(MODIS reprojection tools)軟件將下載的MOD13A1產品數據進行格式和地圖投影轉換，把HDF格式轉化為Tiff格式；然后進行投影轉換，把SIN投影系統轉為ALBERS投影系統，同時完成圖像的空間鑲嵌；分別把遙感影像資料和17個氣象臺站周邊的樣點文件進行疊加，在ENVI軟件下提取每個樣點對應的NDVI和EVI值，采用2002-2008年數據構建草地地上生物量遙感模型流程(圖2)，2009年數據檢驗反演模型精度，最后根據該模型計算草地地上生物量的年際和月際動態。

圖2 草地地上生物量遙感模型構建

2 結果與分析

2.1草地生物量遙感模型 根據EOS/MODIS衛星遙感監測資料NDVI和EVI最大值合成、高寒草甸和高寒草原的鮮草生物量及其對應的MODIS-NDVI和MODIS-EVI值，分別建立了高寒草甸和高寒草原的不同生物量回歸模型。以草地實測地上生物量為因變量，相應的2種植被指數NDVI和EVI為自變量，獲取線性、指數、乘冪和二次多項式4種回歸模型。4種模型和2個植被指數的相關性系數表明，高寒草甸無論采用MODIS-NDVI還是MODIS-EVI，均表現為二次多項式回歸模型最好(圖3、4)，其中采用NDVI指數和二次多項式時相關系數最高，其地上生物量反演模型為，y=6.202 5x2-574.89x+14 586，其中x為NDVI值，且在0.05水平上通過F檢驗。但對高寒草原而言，乘冪模型的相關系數顯著大于線性、指數和二次多項式模型(圖5、6)，且基于MODIS-EVI的乘冪模型相關性優于MODIS-NDVI模型，因此高寒草原地上生物量反演模型為，y=0.165 5x1.773 2，其中x為MODIS-EVI值，且在0.05水平上通過F檢驗。

2.2草地生物量年際動態 采用地上生物量估測模型，反演了研究地區2002-2009年高寒草甸和高寒草原生長季(6-9月)的地上生物量，結果表明，三江源地區高寒草甸草地上生物量在2002-2009年期間呈波動趨勢(圖7)，其中2002-2003年下降，2003-2005年上升，2005-2008年又下降，2009年又大幅上升，整體表現為2008年地上生物量最小，2009年最大。高寒草原地上生物量在2002-2009年期間呈波動變化趨勢(圖7)，2002-2003年下降，2003-2004上升，2004-2007年波動幅度較小，2007-2009年，表現先大幅度下降后大幅度上升。對比高寒草甸和高寒草原地上生物量波動幅度發現，高寒草甸地上生物量的波動幅度要大于高寒草原地上生物量的波動幅度，說明高寒草原地上生物量對環境變化相對不敏感，而高寒草甸地上生物量對環境變化相對敏感。

2.3草地生物量月際動態 利用地上生物量反演模型估算了高寒草甸和高寒草原2002-2009年在6-9月內每月的生物量。結果表明，高寒草甸地上生物量在生長季的6-8月內持續上升，8月份達到峰值，9月開始逐漸下降，但仍高于6月地上生物量(圖8)。6月份高寒草甸生物量在2002年最大，2003年最小，2004-2006年緩慢上升，2007年和2008年基本持平。高寒草原地上6-9月生物量的變化趨勢類同于高寒草甸，2002-2009年期間，6月地上生物量波動幅度不大(圖8)；7月波動幅度較大，2004年和2009年有明顯的上升，2003年和2008年下降比較明顯；8月草地地上生物量在2002-2007年期間波動不明顯，2008年月生物量達最低值，2009年達最高值；9月生物量在2002年最低，其余年份無明顯波動。對比高寒草甸和高寒草原生物量的月際變化發現，7月高寒草原生物量波動大于高寒草甸，8月高寒草原生物量波動小于高寒草甸，6月和9月兩種草地類型生物量波動不明顯。

2.4草地生物量精度分析 將MODIS衛星遙感資料計算高寒草甸和高寒草原的地上生物量與地面實測數據準確匹配，提取與地面監測的326個樣地對應的遙感反演草地產量，進行分級分析的結果表明，遙感反演的地上生物量與地面調查鮮草生物量在同一等級的占74.1%，比地面調查生物量高一個等級的占22.1%，比地面調查生物量低一個等級的占3.2%，低二個等級的占0.6%。其中，遙感反演的草地生物量在1 500～3 000、3 000～4 500 kg/hm2兩個等級的準確率達到82.6%；當草地產量超過4 500 kg/hm2時反演偏低，其主要原因可能是監測樣方相對較少，而草地產量在750～1 500 kg/hm2時反演偏高，其主要原因可能是構建遙感監測模型中沒有考慮地形等方面的因素，投影面積與斜坡面積的植被蓋度和植被指數也會產生一定的誤差，從而影響草地生物量的估算，因此準確估算草地生物量不僅需要足夠量的地面樣方數據，至少應該大于本研究采用的326個，同時需要考慮地形因素對草地生產的影響，應該在模型中考慮引入反映地形特征的參數。

圖3 高寒草甸地上生物量NDVI 4種反演模型

圖4 高寒草甸地上生物量EVI 4種反演模型

圖5 高寒草原地上生物量NDVI 4種反演模型

圖6 高寒草原地上生物量EVI 4種反演模型

圖7 高寒草甸和高寒草原地上生物量年際變化

圖8 高寒草甸和高寒草原地上生物量月際變化

3 結論

不同MODIS植被指數對不同草地類型生物量的響應結果不同，高寒草甸對NDVI和EVI響應一致，而高寒草原對EVI的響應明顯優越于NDVI，這說明采用MODIS植被指數構建生物量預測模型時應注意草地類型的差異。目前認為NDVI在植被生長旺盛期容易達到飽和[13]，但三江源地區高寒草甸比較低矮，郁閉度不高，因此NDVI值不致飽和，而對高寒草原而言，草層高度相對較好，NDVI值可能易飽和，因此用EVI較好。草地類型不同，適合預測地上生物量的模型也存在差異，三江源地區基于MODIS-NDVI的二次多項式模型能更好的反演高寒草甸地上生物量，其生物量模型為，y=6.202x2-574.89+14 586；基于MODIS-EVI的乘冪模型能更好反演高寒草原生物量，其生物量模型為，y=0.165 5x1.773 2。這說明同一地區不同草地類型，反演地上生物量的模型中不但適宜植被指數有差異，而且模型也存在差異。

無論是高寒草甸還是高寒草原，地上生物量均具有年際波動特征，但在青藏高原三江源地區表現為高寒草甸比高寒草原波動幅度大，說明高寒草原地上生物量對環境變化較高寒草甸不敏感。高寒草甸和高寒草原生長季內呈現為先增加后降低的變化趨勢，8月份草地生物量達到最大，但月際變化特征表現為7月高寒草原生物量波動大于高寒草甸，8月高寒草原生物量波動小于高寒草甸，6月和9月兩種草地類型生物量波動不明顯，說明高寒草甸和高寒草原生物量對外界環境變化的響應主要在7月和8月，即牧草生長最為旺盛時期。

本研究采用地面氣象臺站設置的樣方資料，由于地面氣象臺站一般位于城區附近比較平坦區域，布點不是很均勻，因此應通過增加臺站以外樣方監測點數據和引入反映地形因素的參數，以期提高模型精度。

[1]王正興，劉闖，Huete A.植被指數研究進展:從AVHRR-NDVI到MODIS-EVI[J].生態學報，2003，23(5):979-986.

[2]趙冰茹，劉闖，王晶杰，等.錫林郭勒草地MODIS植被指數時空變化研究[J].中國草地，2004，26(1):1-8.

[3]韓愛惠.用MODIS植被指數的時間序列分析提取荒漠化敏感區域的方法[J].林業資源管理,2004(1):111-114.

[4]張新躍，周俗，唐川江，等.四川省莎草、雜類草草地生產力遙感監測[J].草業科學，2009，26(6)：57-61.

[5]徐斌，楊秀春.東北草原區產草量和載畜平衡的遙感估算[J].地理研究，2009，28(2)：402-408.

[6]郭鈮.植被指數及其研究進展[J].干旱氣象，2003，21(4):71-75.

[7]Wolf R E，Roy D P，Vermote E.MODIS land data storage，gridding，and compositing methodology:Level 2 Grid[J].IEEE Transactions on Geosciences and Remote Sensing，1998，36(4):1324-1338.

[8]俞聯平，李發弟，李新媛，等.基于3S技術的甘肅省甘州區荒漠草地生產力評價[J].草原和草坪，2008(5)：36-39.

[9]秦元偉，趙庚星，姜曙千，等.基于中高分辨率衛星遙感數據的縣域冬小麥估產[J].農業工程學報，2009，25(7)：118-123.

[10]左麗君，張增祥，董婷婷，等.MODIS/NDVI和MODIS/EVI在耕地信息提取中的應用及對比分析[J].農業工程學報，2008，24(3)：167-172.

[11]王文種，張友靜.半干旱區旱情監測指數應用分析[J].地球信息科學，2008，10(2)：273-278.

[12]閆峰，史培軍，武建軍，等.基于MODIS-EVI數據的河北省冬小麥生育期特征[J].生態學報，2008，28(9)：4381-4387.

[13]除多，德吉央宗，普次.利用EOS/MODIS數據估算西藏藏北高原地表草地生物量[J].氣象學報，2007，65(4):81-87.

[14]李紅軍，鄭力，雷玉平，等.基于EOS/MODIS數據的NDVI與EVI比較研究[J].地理科學進展，2007，26(1)：26-32.

[15]楊英蓮，邱新法，殷青軍.基于MODIS增強型植被指數的青海省牧草產量估產研究[J].氣象，2007，33(6):102-106.

[16]覃先林，易浩若.基于MODIS數據的森林可燃物分類方法——以黑龍江省為實驗區[J].遙感技術與應用，2004，19(4):236-239.

[17]于嶸，蔡博峰，溫慶可，等.基于MODIS植被指數的西北農業灌溉區生物量估算[J].農業工程學報，2008，24(10)：141-144.