基于多源遙感數據的草地凈初級生產力質量評價

喬雪麗,鄭江華,2,*,穆 晨

1 新疆大學資源與環(huán)境科學學院, 烏魯木齊 830046 2 綠洲生態(tài)教育部重點實驗室, 烏魯木齊 830046 3 新疆草原總站, 烏魯木齊 830000

陸地生態(tài)系統(tǒng)的碳循環(huán)是全球變化研究的核心內容之一[1-2]。草地凈初級生產力(NPP)是草地碳固定能力的重要表征,草地NPP研究通過對草地生態(tài)系統(tǒng)生產力的模擬,定量分析其生產力的時空變化,正確評價在自然條件下草地的生產能力,從而對系統(tǒng)分析草地在全球氣候變化中的生態(tài)價值和貢獻、研究陸地碳循環(huán)機制等方面的研究提供了依據[3]。草地NPP的研究對于合理利用草地資源,最大限度地提高草地產量以及對草地農業(yè)生態(tài)系統(tǒng)中的碳循環(huán)研究都具有重要的指導意義[4-6]。

自20世紀,隨著遙感技術的迅速發(fā)展和基于遙感觀測生理生態(tài)理論研究的進展,利用遙感影像反演陸地植被凈初級生產力(NPP)成為模擬NPP的主要發(fā)展方向,這使得多尺度生態(tài)系統(tǒng)草地NPP的空間格局和過程的定量、動態(tài)觀測成為可能[7]。基于遙感數據的CASA(Carnegie-Ames-Stanford Approach)模型建立在植物光合作用過程和Monteith[8]提出的光能利用率概念上,因其能夠在全球和區(qū)域尺度上很好地評估NPP的動態(tài)變化和時空變異性而得到廣泛的應用[9],例如周夏飛等利用CASA模型分析了2001—2015年青藏高原草地碳源/匯時空及其與氣候因子關系[10],黃露等利用CASA模型研究土地利用/覆被變化對鄂爾多斯市草地生態(tài)系統(tǒng)凈初級生產力的影響[11],韓王亞等則利用CASA模型分析了2000—2015年拉薩河流域NPP時空變化及驅動因子[12]。

隨著遙感技術的迅速發(fā)展,中高空間分辨率遙感數據類型逐漸增多,為區(qū)域NPP估算提供了多源遙感數據。由于受時間分辨率及云雨天氣的影響,難以獲取完整時間序列的中高空間分辨率遙感影像。為解決中高空間分辨率衛(wèi)星數據缺失的問題,基于多源遙感數據時空融合技術得到發(fā)展,并已在植被、土地覆蓋與土地利用中得到較多的應用[13- 17]。近年來,大多數學者從不同的插值方法探究其對NPP精度的影響[18-19],但研究不同數據源對草地NPP精度影響的學者較少。

基于以上背景,本文將處于亞洲大陸腹地的青海省海北藏族自治州作為研究區(qū)域,探討多源遙感數據在反演草地NPP時的精度,并進行精度檢驗,為改善與提高該區(qū)域生態(tài)系統(tǒng)生產力的估算與模擬提供有效的數據參考與支撐。

1 研究區(qū)概況

本研究區(qū)域海北藏族自治州位于青海省東北部,北面與甘肅省毗鄰。全州土地面積3.4萬km2,橫跨98°05′—102°41′E,36°44′—39°05′N如圖1。境內最高海拔5287 m,最低海拔2180 m,海拔超過3000 m的高原面積約占全州土地總面積的85%為草原地帶。海北藏族自治州位于亞洲大陸腹地,屬高原大陸性氣候,東南季風及西南季風微弱。受高海拔條件的制約,氣溫極低,按氣候四季的標準劃分,這里全年皆冬,無明顯四季之分,僅有冷暖二季之別,干濕季分明[20]。全年日照時數在2440—3140 h。年降水量300—500 mm,且集中在7、8月份, 土壤以高山草甸土和山地草甸土為主,兼有黑鈣土、栗鈣土、灰褐土等,有機質含量豐富,有利于農作物和牧草的生長。

圖1 研究區(qū)位置示意圖Fig.1 Location of the research area

2 數據來源及預處理

2.1 遙感數據

2.1.1Landsat 8 OLI數據

研究中使用了Landsat 8 OLI(Operational land imager,陸地成像儀)影像(http://www.gscloud. cn/),Landsat 8衛(wèi)星的成功發(fā)射(2013年2月在美國加州)使得Landsat對地觀測得以繼續(xù)[21]。在性能上相比之前的Landsat衛(wèi)星擁有明顯提升,除了保持前階段Landsat系列的基本特征外,還在波段數量、光譜范圍及輻射分辨率上進行了改進,這些優(yōu)點將會對全球生態(tài)變化檢測產生積極作用[22]。本地區(qū)選取的5景影像的成像時間都在2017年3月份,且影像質量較好。

2.1.2MODIS數據

本研究首先將下載得到的MODIS16天合成產品NDVI影像(https://modis.gsfc.nasa.gov),一共2景影像。利用專業(yè)處理軟件 MRT TOOLS對數據進行格式轉換、投影轉換將 HDF 格式轉換成 Tiff 格式,之后利用ENVI 5.3完成影像裁剪和拼接,以備后續(xù)工作使用。

2.1.3天宮二號寬波段成像儀數據

研究中使用了天宮二號對地觀測數據的寬波段成像儀數據(http://www.msadc.cn/sy/),天宮二號空間實驗室于2016年9月15日成功發(fā)射,設計在軌壽命2年,是中國第一個真正意義上的空間實驗室,將用于進一步驗證空間交會對接技術及進行一系列空間試驗。本研究使用數據為寬波段成像儀的可見光近紅外數據的二級產品,已經過輻射定標和幾何校正。研究中所使用的遙感數據介紹如表1。

表1 遙感數據介紹

2.2 氣象數據

模型中需要月均溫(0.1℃)、月降水量(0.1 mm)和月均輻射(0.01 MJ/m2)參數,氣象數據從國家氣象信息中心獲取(http://data.cma.cn)。本研究月均溫、月降水量氣象站點是基于海北藏族自治州300 km的緩沖區(qū)區(qū)域選取的33個氣象站點。月均輻射數據站點的選取是基于海北藏族自治州500 km的緩沖區(qū)區(qū)域選取的13個氣象站點。氣象要素柵格圖像的生成過程如下：①根據所獲取的站點的經緯度信息,將其轉換成空間矢量數據,定義空間投影與影像信息保持一致的WGS84坐標系；②進行Kriging插值,利用掩膜工具裁剪海北藏族自治州的柵格圖像。以上處理基于ArcGIS 10.2軟件實現。

2.3 土地利用類型數據

本研究采用的海北藏族自治州植被覆蓋分類方法已發(fā)表在《地理學報》英文版上[3],數據來源于中國科學院資源環(huán)境科學數據中心(http://www.resdc.cn) 的2015年中國土地利用現狀遙感監(jiān)測數據庫數據集。將所獲取的土地利用類型圖像在ArcGIS中利用柵格計算器提取高覆蓋度草地、中覆蓋度草地和低覆蓋度草地,并利用全國基礎數據庫(2017融合版)裁剪青海省海北藏族自治州地區(qū)的草地利用類型圖(圖2)。

圖2 海北藏族自治州地區(qū)草地利用類型圖 Fig.2 Map of grassland utilization types in Haibei Tibetan autonomous prefecture

3 方法

3.1 Gram-Schmidt圖像融合

基于格拉姆-施密特(Gram-Schmidt)變換的融合方法是一種多光譜數據融合方法[23],其融合效果較好,可使空間信息明顯增強,光譜保真度較高[24]。圖像融合方法如圖3。

本研究為驗證天宮二號寬波段成像儀數據在估算草原NPP方面的精度,將高分辨影像Landsat 8 OLI影像與經過幾何校正的天宮二號寬波段成像儀影像進行Gram-Schmidt圖像融合。

3.2 NPP估算模型

已被全球1900 多個實測站點校準的 CASA模型,是由遙感、氣象、植被以及土壤類型數據共同驅動的光能利用率模型。采用朱文泉等改進的 CASA模型計算海北藏族自治州的草地NPP[25],CASA遙感估算模型為：

NPP =PPAR×FFPAR×min(Ts,Ws)×Emax

(1)

式中,PPAR為光合有效輻射,單位為MJ/m2；FFPAR為植被層對入射光合有效輻射(PAR)的吸收分量,CASA模型使用歸一化差異植被指數 (Normalized Difference Vegetation Index, NDVI) 代替FFPAR進行估算,無單位；Ts為溫度對光能利用率的影響,無單位；Ws為水分對光能利用率的影響,無單位；Emax為最大光能利用率,單位為gC/MJ；SR代表比值植被指數, PAR是根據SR和NDVI估算得到的。根據查閱文獻可知3月該地區(qū)的最大光能利用率為0.115、0.085和0.07[3]。CASA模型中靜態(tài)參數如表2。

圖3 Gram-Schmidt圖像融合技術路線Fig.3 Gram-Schmidt image fusion technology route圖中GS：格拉姆-施密特,Gram-Schmidt

3.3 檢驗方法

為檢驗不同數據源數據對草原NPP的預測精度,在本研究中將高空間分辨率影像Landsat 8 OLI反演產生的每種NPP類型百分比作為參照物。將天宮二號寬波段成像儀數據、影像融合數據和MODIS數據分別與Landsat 8 OLI數據進行計算均方根誤差(Root mean squared error,RMSE)、平均絕對誤差(Mean absolute error,MAE)、平均絕對百分比誤差(Mean absolute percentage error,MAPE)和相關系數(Correlation coefficient)Rxy,將其作為檢驗不同數據源精度的標準[19]。MAE由于將不同數據源草地NPP值與Landsat 草地NPP值的差值絕對值化,不會出現正負相抵消的情況,因此能更好地反映偏離的實際情況；RMSE表示不同類型數據源草地NPP值偏離程度,可反映離散程度；MAPE描述了偏離Landsat 草地NPP值的相對程度[26]；采用逐像元的皮爾遜相關系數分析對海北藏族自治州的不同數據源數據的NPP值與Landsat 8 OLI的草地NPP之間的相關性進行定量研究,并進行F檢驗,當P<0．05時,相關性顯著,Rxy揭示不同遙感源的草地NPP值與Landsat 8 OLI草地NPP值之間的相關性。

表2 CASA模型靜態(tài)參數

(2)

(3)

(4)

(5)

技術路線如圖4。

圖4 技術路線圖Fig.4 Technical owchart

4 結果與分析

4.1 不同數據源數據反演NPP值

利用不同數據源的影像反演的青海省海北藏族自治州的3月份草地NPP值存在顯著差異。從表3可以看出：Landsat 8 OLI的NPP值位于150—200 g C m-2a-1所占比例最高為30.14%,所對應比例最接近的數據類型為MODIS數據為18.55%；Landsat 8 OLI反演NPP值大于200 g C m-2a-1的比例次之為25.71%,所對應比例最接近的數據類型為天宮二號寬波段成像儀影像數據類型；Landsat 8 OLI反演NPP值100—150 g C m-2a-1的比例為23.49%,所對應比例最接近的數據類型為天宮二號寬波段成像儀影像數據；Landsat 8 OLI反演NPP值50—100 g C m-2a-1的比例為15.90%,所對應比例最接近的數據類型為MODIS數據；Landsat 8 OLI反演NPP值小于等于50 g C m-2a-1的比例最小為4.76%,所對應比例最接近的數據類型為天宮二號寬波段成像儀影像數據類型。從圖5中可以初步得到,天宮二號寬波段成像儀影像數據反演的NPP值最為接近Landsat 8 OLI數據反演的NPP值,反演NPP精度排序為天宮二號寬波段成像儀影像>融合影像>MODIS。

表3 海北藏族自治州2017年3月不同數據源數據NPP值分布范圍所占比例

利用CASA模型反演的NPP值如圖5所示。

圖5 Landsat 8 OLI、天宮二號寬波段成像儀影像、融合影像和MODIS反演的NPP值Fig.5 NPP values obtained by Landsat 8 OLI,Wide-band Imaging Spectrometer (WIS) of Tiangong- 2, The fusion image and MODIS

4.2 不同數據源數據反演NPP值檢驗

圖6 不同數據源數據NPP值分布比例 Fig.6 NPP value distribution proportion of data from different data sources

統(tǒng)計不同數據源數據的NPP值分布比例(圖6),將得到的NPP像元百分比值代入公式(2)、(3)、(4)和(5)中,計算其MAE、RMSE、MAPE和Rxy,結果如表4：

(1)通過觀察MAE值,發(fā)現MAE(天宮二號)

(2)比較表4中的RMSE值,發(fā)現RMSE(天宮二號)

(3)觀察MAPE值,發(fā)現MAPE(天宮二號)

(4)Rxy結果值為Rxy(天宮二號)>Rxy(融合影像)>Rxy(MODIS),此處的Rxy值代表3種數據源數據NPP值與Lnadsat 8 OLI草地NPP值的相關性。同樣天宮二號寬波段成像儀影像數據反演草地NPP值與Lnadsat 8 OLI草地NPP值的相關度最高,且相關性顯著。

5 結論與討論

本文基于CASA模型估算了青海省海北藏族自治州的草地植被凈初級生產力,同時從不同數據源數據出發(fā),分析了其對應的反演結果精度,初步得到以下結論：

表4 評價指標計算結果

(1)青海省海北藏族自治州2017年3月的草地NPP值受不同數據源的影響而呈現不同的空間分布。Landsat 8 OLI數據的NPP值位于150 g—200 g C m-2a-1所占比例最高；天宮二號寬波段成像儀影像數據和融合后影像的NPP值位于50 g—100 g C m-2a-1所占比例最高；MODIS數據的NPP值位于小于50 g C m-2a-1比例最高；

(2)天宮二號寬波段成像儀影像數據較融合后影像和MODIS數據更能反映海北藏族自治州的草地凈初級生產力的時空分布,MODIS精度要低于天宮二號和融合影像反演的NPP值的精度；

(3)天宮二號作為2016年9月15日成功發(fā)射的空間實驗室,適用于反演青海省海北藏族自治州的草地NPP。

CASA模型是光能利用模型,其估算NPP值是基于植被光能利用效率和光合有效輻射,估算結果能夠表征未干擾天然草地的發(fā)育狀況和演變過程,但該模型參數中并未考慮人類活動,如放牧強度和人工恢復等對于草地NPP的影響,因此,在CASA模型的改進和NPP的定量化估算中,如何增加人為因素影響將是今后研究的方向之一[27]。

如今,研究者主要利用MODIS影像產品數據、Landsat影像數據或GIMMS和SPOT VGT兩種數據集的NDVI數據來反演植被的凈初級生產力,由于所研究對象空間尺度較大,那么如何獲取既具備高空間分辨率和高時間分辨率的影像仍是一個方法性的難點,這也是今后的研究工作之一。

近年來,越來越多的學者利用遙感數據參與到氣候變化的研究中,本團隊也進行了相關研究[28],未來的工作中應繼續(xù)深入探討不同數據源與氣候因子在NPP值之間的相關性和不同數據源對草地NPP的估算精度。基于不同數據源利用CASA模型對草地NPP估算的影響因素較多,應擴大時間尺度、變換插值方法、探究草地類型對NPP的影響。研究中發(fā)現天宮二號寬波段成像儀影像數據反演的草地NPP精度高于利用Gram-Schmidt算法融合的影像數據,誤差原因的可能性有多種,例如：融合算法、模型參數或評價方法等,應加大對此方向的研究,從而對草業(yè)檢測提供參考。

致謝：感謝載人航天工程提供天宮二號寬波段成像儀數據產品。