基于紅光和近紅外反射光譜特征參數反演草地地上生物量

羅媛 謝堂民 龍顯靜 馮樹林 陳功

摘要：2013年6～10月測定東非狼尾草+白三葉混播草地冠層反射光譜和地上生物量；分析紅光波段和近紅外波段反射光譜特征參數與牧草鮮重及干物質之間的相關關系；構建并檢驗基于紅光單波段和植被指數（NDVI、RVI、DVI）反演草地地上生物量回歸模型。結果表明：紅光波段反射率與草地地上生物量之間存在顯著相關性；地上生物量的增加能夠顯著降低“紅谷”反射率，顯著升高近紅外850.0 nm處反射率；選用紅光單波段反射率、紅光波段構建的植被指數RVI或紅光與近紅外波段構建的植被指數NDVI，均能夠精確反演草地鮮草產量和干物質產量；適宜估產的植被指數因季節和草地生物量的差異而不同，在6月11日，植被指數RVI反演模型估測的草地生物量與實測值的模擬效果最好，10月12日，植被指數NDVI反演模型估測的草地生物量與實測值的模擬效果最好。

關鍵詞：近地面反射光譜；光譜特征參數；亞熱帶混播草地；地上生物量估測

中圖分類號：S 812.8文獻標識碼：A文章編號：1009-5500（2015）05-0065-05

地上生物量是草地生產力的重要指標，也是草地健康評價和草業生產規劃的基礎依據。因此，及時而準確地監測地上生物量及其隨時間、空間變化的動態，對于合理、高效、持續利用草地資源，保護草地生態環境具有重要意義。草地地上生物量估測有測產杖法[1，2]、雙重取樣法[3]、照片分析法[4]等。利用植被反射光譜特征估測草地生物量具有宏觀性強和信息豐富等優點，能夠進行大面積的地上生物量反演和動態監測[5-13]。影響草地地上生物量光譜估測模型的主要因素有草地類型[14，15]、植被覆蓋度[16，17]和季相[18]等。目前，光譜分析技術在農林牧業，以及環境監測與質量評價、資源調查等領域得到廣泛應用，但是在我國亞熱帶人工草地上生物量估測方面鮮有報道。借鑒在牧草[19]和草坪[20]方面的研究成果，探索亞熱帶混播草地近地面反射光譜特征參數與地上生物量之間的相關性，建立并驗證適宜不同季節的估測模型，為利用光譜分析技術精確反演草地地上生物量提供實踐依據。

1材料和方法

1.1試驗地概況

試驗地位于昆明市云南省草地動物科學研究院示范牧場，地理位置N 25°21′，E 102°58′，海拔1 960 m，屬暖溫帶與北亞熱帶的過渡氣候帶，年均溫13.7℃，最高月均溫6月，20.2℃，最低月均溫1月，6.8℃。年均降水量990 mm，主要集中在7～9月。年均蒸發量2 384 mm，年日照2 617.4 h，無霜期301 d。土壤為山地紅壤。

東非狼尾草（Pennisetum clandestinum）+白三葉（Trifolium repens）混播人工草地，刈割利用，東非狼尾草、白三葉在草群中所占比例分別為80%～90%和10%～20%。2013年6月11日草地覆蓋度85%，東非狼尾草植株高度21.0～33.8 cm，白三葉植株高度15.0～25.2 cm。2013年10月12日，草地覆蓋度95%以上，東非狼尾草植株高度36.3～55.3 cm，白三葉植株高度15.2～32.5 cm。

1.2試驗設計

1.2.1樣地和樣方選用100 m×100 m草地作為樣地，在兩條對角線上隨機測定50個樣方（0.1 m2），分別于2013年6月11日和2013年10月12日測定冠層反射光譜和地上生物量。

1.2.2反射光譜選用HR-2000光纖光譜儀（美國產），探頭垂直向下，距地面100 cm，測定冠層反射光譜。每測定10個樣方，進行標準白板校正。

1.2.3牧草鮮重反射光譜測定后，以光譜測定點為中心，齊地面刈割0.1 m2樣圓內草樣，裝入草樣袋帶回室內，將東非狼尾草和白三葉分揀，分別稱量記錄鮮重。

1.2.4牧草干物質從鮮重中取出部分東非狼尾草和白三葉樣品，稱量并記錄鮮重。將所取樣品在烘箱中105℃殺青15 min，溫度調至65℃，烘干至恒重，折算干物質。

1.3數據分析

分析在400.0～900.0 nm地上生物量與反射率之間的相關關系，篩選敏感波段并構建植被指數，建立并檢驗基于單波段和植被指數反演地上生物量的回歸模型。使用SPSS 19.0統計軟件進行相關及回歸分析，使用SigmaPlot 10.0軟件制圖。

2結果與分析

2.1地上生物量與光譜反射率的相關分析

從6月11日～10月12日，草地干物質產量顯著升高（P<0.001），并從35.1 g/（0.1 m2）增加到89.0 g/（0.1 m2）（表1）；草地反射光譜特征在特定波段處表現出一定的差異，“紅谷”反射率顯著降低（P<0.05），而850.0 nm反射率顯著升高（P<0.05）。

將6月11日的牧草產量與反射率進行相關分析，結果表明：鮮重、干物質均與543.0～725.0 nm的反射率之間呈顯著負相關關系（P<0.05），且與紅光波段的反射率相關程度較高（圖1）。與鮮重及干物質相關

表1不同取樣時間草地地上生物量、紅谷和近紅外反射率

Table 1The pasture aboveground biomass，reflectance at red valley and 850.0nm at different sampling time

取樣時間/月-日鮮重/g·（0.1 m2）-1干物質/g·（0.1 m2）-1“紅谷”反射率/%850.0 nm反射率/%06-11173.9b35.1b 1.80a40.25b10-12394.3a89.0a1.43b44.59a注：同列不同小寫字母表示差異顯著（P<0.05）

圖1混播草地牧草產量與光譜反射率的相關性分析

Fig.1The correlation analysis between the reflectance and the yields of pasture（n=25）系數最高的兩個紅光波段是682.3 nm和681.8 nm。將10月12日牧草產量與反射率進行相關分析，結果表明，鮮重、干物質均與490.0～733.0 nm反射率呈顯著負相關（P<0.05），且鮮重與可見光波段（496.9～730.9 nm）反射率的相關性較好（P<0.01）；干物質與紅光波段（604.0～718.0 nm）反射率的相關性較好（P<0.01）（圖1）。與鮮重、干物質相關系數最高的2個紅光波段是679.2 nm和670.3 nm。

2.2基于單波段和植被指數的地上生物量估測模型

2.2.1基于紅光單波段建立并檢驗回歸模型將6月11日牧草鮮重、干物質分別與682.3 nm、681.8 nm處的反射率進行回歸分析，結果表明，以682.3 nm反射率建立的倒數方程擬合鮮重、干物質最佳（表2）。將10月12日牧草鮮重、干物質分別與670.3 nm、679.2 nm處的反射率進行回歸分析，結果表明，679.2 nm反射率建立的倒數方程擬合鮮重、干物質最佳（表2）。

表2光譜反射率與牧草產量之間的回歸模型（n=25）

Table 2Regression model between grass yield and reflectance

取樣時間/月-日草產量回歸方程顯著性波段/nm06-11鮮重y=19.27+ 373.52/x0.38**682.3干物質y=3.41+ 76.22/x0.41**682.310-12鮮重 y=160.19+252.6/x0.48**679.2干物質y=44.66+43.46/x0.43**679.2注：**表示P<0.01

將6月11日25個驗證樣本682.3 nm處的反射率分別代入表2回歸方程中，得到該時期牧草鮮重和干物質的估測值；相關分析結果表明，牧草鮮重及干物質的估測值與實測值之間存在顯著的相關關系（P<0.01）。將10月12日25個驗證樣本679.2 nm處的反射率代入表2回歸方程中，得到該時期牧草鮮重和干物質的估測值；相關分析結果表明，牧草鮮重、干物質的估測值與實測值之間存在極顯著的相關關系（P<0.01）。

2.2.2基于植被指數建立并檢驗回歸模型將紅光波段進行組合，或紅光與近紅外波段組合，建立3種植被指數。分析結果表明，RVI、DVI、NDVI與6月11日及10月12日牧草產量之間的相關性均達到顯著水平（P<0.01）。將植被指數NDVI、RVI、DVI分別作為自變量x，牧草鮮重和干物質分別作為因變量y進行回歸分析，建立基于植被指數的牧草產量回歸模型及擬合度較高的回歸方程（表3）。

表3植被指數與草地地上生物量的回歸模型（n=25）

Table 3Regression models between grass yield and vegetation indices

取樣時間/月-日草產量回歸方程顯著性波段組合/nm06-11鮮重y=660.28-422.53RVI0.35** 696.0，631.5干物質y=131.57-83.84RVI0.36** 696.0，631.510-12鮮重y=-2 242.13+3 006.89NDVI0.40** 779.6，640.5干物質y=-342.48+487.08NDVI0.31** 779.6，640.5注：**表示P<0.01

試驗將6月11日25個驗證樣本在696.0 nm和631.5 nm處的反射率代入回歸方程中（表3），得到該時期牧草鮮重和干物質的估測值；相關分析結果表明，牧草鮮重及干物質的估測值與實測值之間存在顯著的相關關系（P<0.01）。將10月12日25個驗證樣本在779.6 nm和640.5 nm處的光譜反射率代入上表回歸方程中，得到該時期牧草鮮重和干物質的估測值；相關分析結果表明，牧草鮮重及干物質的估測值與實測值之間存在顯著的相關關系（P<0.01）。

3討論

1）紅光波段是綠色植物進行光合作用吸收的主要波段，紅光區域光譜特征參數與草地地上生物量之間存在顯著的相關關系。試驗表明，地上生物量的增加能夠顯著降低紅谷反射率，選用紅光區域單波段反射率，可以精確反演草地鮮草產量和干物質產量。劉占宇等[9]在內蒙古典型草原研究發現，草地地上生物量與紅邊內一階微分光譜最大值、紅谷反射率等多個光譜特征參數均存在極顯著相關關系。喻小勇等[21]對青海省三江源區的不同草地類型進行了地面光譜測量發現，高寒草甸地上生物量與其光譜曲線的“紅邊” 斜率相關性較高，且反射光譜的紅邊斜率與高寒草甸地上生物量的關系優于植被指數NDVI。Gitelson證明選用“紅邊位置”建立的對數方程能夠精確估測草地生物量[22]。基于上述研究結果，利用紅光反射光譜特征參數反演試驗區草地地上生物量是可行的。

2）選用紅光波段構建植被指數RVI，或紅光與近紅外波段構建植被指數NDVI，能夠精確反演草地鮮草產量和干物質產量，當季節和地上生物量發生明顯改變時，適宜的植被指數有所不同。據報道，用RVI指標估測溫性低地鹽化草甸、溫性荒漠草原牧草產量的精度優于NDVI，溫性平原荒漠用非線性模型要比用線性模型估產精度高[23]。RVI 更適于估測牧草的鮮草產量，NDVI更適合估測草地的干草產量[17]。王艷榮等[24]對荒漠草原的研究發現，RVI是比較穩定的估產指數，但估產精度受測定月份的影響；在產草量較低的月份，植被指數與產草量之間趨于曲線相關，而在產草量較高的月份，二者之間趨于直線相關。米兆榮等[25]對青藏高原高寒草地研究發現，在植被覆蓋度較高時，NDVI 出現飽和現象，而EVI不容易出現飽和現象，對植被的響應依然較敏感[25]。綜合分析研究結果，利用植被指數反演草地地上生物量是可行的，但適宜的植被指數、估產模型因草地類型和草地基況而存在明顯的差異，試驗區草地在不同季節的適用植被指數和估產模型有待于進一步深入研究。

參考文獻：

[1]龍顯靜，謝堂民，吳文榮，等.落盤式測定法在云南亞熱帶人工草地產量估測中的應用研究[J].草原與草坪，2014（1）：34-37.

[2]Correll O，Isselstein J，Pavlu V.Studying spatial and temporal dynamics of sward structure at low stocking densities：the use of an extended rising-plate meter method[ J].Grass and Forage Science，2003，58 （4）：450-454.

[3]Catchpole W R，Wheeler C J.Estimating plant biomass：A review of techniques[J].Australian Journal of Ecology，1992（17）：121-131.

[4]Jose M P，William L A.Estimating aboveground plant biomass using a photographic technique[J].Journal of Range Manage，2000，（53）：190-193.

[5]張風麗，尹球，匡定波.草場地面波譜數據的處理與分析方法[J].紅外，2003（8）：20-23.

[6]戴小華，余世孝.遙感技術支持下的植被生產力與生物量研究進展[J].生物學雜志，2004，23（4）：92-98.

[7]陶偉國，徐斌，劉麗軍，等.不同利用狀況下草原遙感估產模型[J].生態學雜志，2007，26（3）：332-337.

[8]孫成明，劉濤，田婷，等.基于MODIS的南方草地NPP遙感估算與應用[J].草業學報，2013，22（5）：11-17.

[9]劉占宇，黃敬峰，吳新宏，等.草地生物量的高光譜遙感估算模型[J].農業工程學報，2006，22（2）：111-115

[10]王正興，劉闖，趙冰茄，等.利用MODIS增強型植被指數反演草地地上生物量[J].蘭州大學學報（自然科學版），2005，41（2）：10-16.

[11]楊秀春，徐斌，朱曉華，等.北方農牧交錯帶草原產量遙感監測模型[J].地理研究，2007，26（2）：213-221.

[12]Daolan Zheng，John Rademacher.Estimating Abovegro-und Biomass Using Landsatl ETM+Data Across a Managed Landscape in Northern Wiscousin.USA[J].Remote Sensing of Environment，2004（93）：402-411.

[13]Mutanga O，Skidmore A K.Narrow band vegetation indices overcome the saturation problem in biomass estimation[J].International Journal of Remote Sensing，2004，25（19）：3999-4014.

[14]王艷榮.內蒙古草原植被近地面反射波譜特征與地上生物量相關關系的研究[J].植物生態學報，2004，28（2）：178-185.

[15]王建偉，陳功.草地植被指數及生物量的遙感估測[J].云南農業大學學報，2006，21（3）：372-375.

[16]韓冬梅，何峰，謝開云，等.利用手持光譜設備估測羊草草地生物量[J].草原與草坪，2013，33（6）：36-41.

[17]陳功，王建偉.封育條件下草地光譜反射特征及地上生物量估測[J].云南農業大學學報，2008，23（4）：462-467.

[18]王艷榮.羊草草原不同利用強度下植被反射波譜季節變化特征及其與產草量相關性的比較研究[J].內蒙古大學學報（自然科學版），1998，29（1）：102-108.

[19]楊紅麗，陳功，吳建付.施氮水平對多花黑麥草植株氮含量及反射光譜特征的影響[J].草業學報，2011，20（3）：239-244.

[20]陳興濤，陳功，單貴蓮.草坪近地面光譜特征研究進展[J].草原與草坪，2011，31（5）：91-96.

[21]喻小勇，邵全琴，劉紀遠，等.三江源區不同退化程度的高寒草甸光譜特征分析[J].地球信息科學學報，2012，14（3）：398-404.

[22]Gitelson A A，Kaufman Y J，Robert S K.Novel algorithms for remote estimation of vegetation fraction[J].Remote Sensing of Environmnet，2002，80：76-87.

[23]李建龍，蔣平.遙感技術在大面積天然草地估產和預報中的應用探討[J].武漢測繪科技大學學報，1998，23（2）：153-157.

[24]王艷榮，雍偉義，蘇德畢力格.荒漠草原近地面反射光譜特征研究—戈壁針茅荒漠草原產草量與植被指數相關性的時空動態研究[J].內蒙古大學學報（自然科學版），1996，27（4）：553-561.

[25]米兆榮，張耀生，趙新全，等.NDVI 和EVI 在高寒草地牧草鮮質量估算和植被動態監測中的比較[J].草業科學，2010，27（6）：13-19.

Pasture aboveground biomass estimating based

on spectral reflectance characters of red

and near-infra red bands

LUO Yuan，XIE Tang-min，LONG Xian-jing，FENG Shu-lin，CHEN Gong

（College of Animal Science and Technology，Yunnan Agricultural University，

Kunming 650201，China）

Abstract：From June to October 2013，the mixed pasture （Pennisetum clandestinum and Trifolium repens） was selected to estimate the aboveground biomass through building the estimating model by measuring the canopy spectral reflectance of the pasture and analyzing the relationship between biomass and reflectance of special wavelengths，red edge parameter and vegetation indices.Results showed that there were significant relationships between spectral reflectance in red band and pasture aboveground biomass.Reflectance at red valley could be significantly decreased and reflectance at 850.0 nm could be significantly increased by increased biomass from June 11 to October 12.Reflectance of red band and vegetation index RVI as well as vegetation index NDVI could be used for estimating pasture fresh forage and dry matter yield，but the most suitable vegetative indices varied with the season and forage yield.RVI was better used in June and NDVI was better in October.

Key words：red and near-infra red bands；spectral characteristic parameter；subtropical mixed pasture；aboveground biomass estimating；