基于红光和近红外反射光谱特征参数反演草地地上生物量

罗媛 谢堂民 龙显静 冯树林 陈功

摘要：2013年6～10月测定东非狼尾草+白三叶混播草地冠层反射光谱和地上生物量；分析红光波段和近红外波段反射光谱特征参数与牧草鲜重及干物质之间的相关关系；构建并检验基于红光单波段和植被指数（NDVI、RVI、DVI）反演草地地上生物量回归模型。结果表明：红光波段反射率与草地地上生物量之间存在显著相关性；地上生物量的增加能够显著降低“红谷”反射率，显著升高近红外850.0 nm处反射率；选用红光单波段反射率、红光波段构建的植被指数RVI或红光与近红外波段构建的植被指数NDVI，均能够精确反演草地鲜草产量和干物质产量；适宜估产的植被指数因季节和草地生物量的差异而不同，在6月11日，植被指数RVI反演模型估测的草地生物量与实测值的模拟效果最好，10月12日，植被指数NDVI反演模型估测的草地生物量与实测值的模拟效果最好。

关键词：近地面反射光谱；光谱特征参数；亚热带混播草地；地上生物量估测

中图分类号：S 812.8文献标识码：A文章编号：1009-5500（2015）05-0065-05

地上生物量是草地生产力的重要指标，也是草地健康评价和草业生产规划的基础依据。因此，及时而准确地监测地上生物量及其随时间、空间变化的动态，对于合理、高效、持续利用草地资源，保护草地生态环境具有重要意义。草地地上生物量估测有测产杖法[1，2]、双重取样法[3]、照片分析法[4]等。利用植被反射光谱特征估测草地生物量具有宏观性强和信息丰富等优點，能够进行大面积的地上生物量反演和动态监测[5-13]。影响草地地上生物量光谱估测模型的主要因素有草地类型[14，15]、植被覆盖度[16，17]和季相[18]等。目前，光谱分析技术在农林牧业，以及环境监测与质量评价、资源调查等领域得到广泛应用，但是在我国亚热带人工草地上生物量估测方面鲜有报道。借鉴在牧草[19]和草坪[20]方面的研究成果，探索亚热带混播草地近地面反射光谱特征参数与地上生物量之间的相关性，建立并验证适宜不同季节的估测模型，为利用光谱分析技术精确反演草地地上生物量提供实践依据。

1材料和方法

1.1试验地概况

试验地位于昆明市云南省草地动物科学研究院示范牧场，地理位置N 25°21′，E 102°58′，海拔1 960 m，属暖温带与北亚热带的过渡气候带，年均温13.7℃，最高月均温6月，20.2℃，最低月均温1月，6.8℃。年均降水量990 mm，主要集中在7～9月。年均蒸发量2 384 mm，年日照2 617.4 h，无霜期301 d。土壤为山地红壤。

东非狼尾草（Pennisetum clandestinum）+白三叶（Trifolium repens）混播人工草地，刈割利用，东非狼尾草、白三叶在草群中所占比例分别为80%～90%和10%～20%。2013年6月11日草地覆盖度85%，东非狼尾草植株高度21.0～33.8 cm，白三叶植株高度15.0～25.2 cm。2013年10月12日，草地覆盖度95%以上，东非狼尾草植株高度36.3～55.3 cm，白三叶植株高度15.2～32.5 cm。

1.2试验设计

1.2.1样地和样方选用100 m×100 m草地作为样地，在两条对角线上随机测定50个样方（0.1 m2），分别于2013年6月11日和2013年10月12日测定冠层反射光谱和地上生物量。

1.2.2反射光谱选用HR-2000光纤光谱仪（美国产），探头垂直向下，距地面100 cm，测定冠层反射光谱。每测定10个样方，进行标准白板校正。

1.2.3牧草鲜重反射光谱测定后，以光谱测定点为中心，齐地面刈割0.1 m2样圆内草样，装入草样袋带回室内，将东非狼尾草和白三叶分拣，分别称量记录鲜重。

1.2.4牧草干物质从鲜重中取出部分东非狼尾草和白三叶样品，称量并记录鲜重。将所取样品在烘箱中105℃杀青15 min，温度调至65℃，烘干至恒重，折算干物质。

1.3数据分析

分析在400.0～900.0 nm地上生物量与反射率之间的相关关系，筛选敏感波段并构建植被指数，建立并检验基于单波段和植被指数反演地上生物量的回归模型。使用SPSS 19.0统计软件进行相关及回归分析，使用SigmaPlot 10.0软件制图。

2结果与分析

2.1地上生物量与光谱反射率的相关分析

从6月11日～10月12日，草地干物质产量显著升高（P<0.001），并从35.1 g/（0.1 m2）增加到89.0 g/（0.1 m2）（表1）；草地反射光谱特征在特定波段处表现出一定的差异，“红谷”反射率显著降低（P<0.05），而850.0 nm反射率显著升高（P<0.05）。

将6月11日的牧草产量与反射率进行相关分析，结果表明：鲜重、干物质均与543.0～725.0 nm的反射率之间呈显著负相关关系（P<0.05），且与红光波段的反射率相关程度较高（图1）。与鲜重及干物质相关

表1不同取样时间草地地上生物量、红谷和近红外反射率

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

取样时间/月-日鲜重/g·（0.1 m2）-1干物质/g·（0.1 m2）-1“红谷”反射率/%850.0 nm反射率/%06-11173.9b35.1b 1.80a40.25b10-12394.3a89.0a1.43b44.59a注：同列不同小写字母表示差异显著（P<0.05）

图1混播草地牧草产量与光谱反射率的相关性分析

Fig.1The correlation analysis between the reflectance and the yields of pasture（n=25）系数最高的两个红光波段是682.3 nm和681.8 nm。将10月12日牧草产量与反射率进行相关分析，结果表明，鲜重、干物质均与490.0～733.0 nm反射率呈显著负相关（P<0.05），且鲜重与可见光波段（496.9～730.9 nm）反射率的相关性较好（P<0.01）；干物质与红光波段（604.0～718.0 nm）反射率的相关性较好（P<0.01）（图1）。与鲜重、干物质相关系数最高的2个红光波段是679.2 nm和670.3 nm。

2.2基于单波段和植被指数的地上生物量估测模型

2.2.1基于红光单波段建立并检验回归模型将6月11日牧草鲜重、干物质分别与682.3 nm、681.8 nm处的反射率进行回归分析，结果表明，以682.3 nm反射率建立的倒数方程拟合鲜重、干物质最佳（表2）。将10月12日牧草鲜重、干物质分别与670.3 nm、679.2 nm处的反射率进行回归分析，结果表明，679.2 nm反射率建立的倒数方程拟合鲜重、干物质最佳（表2）。

表2光谱反射率与牧草产量之间的回归模型（n=25）

Table 2Regression model between grass yield and reflectance

取样时间/月-日草产量回归方程显著性波段/nm06-11鲜重y=19.27+ 373.52/x0.38**682.3干物质y=3.41+ 76.22/x0.41**682.310-12鲜重 y=160.19+252.6/x0.48**679.2干物质y=44.66+43.46/x0.43**679.2注：**表示P<0.01

将6月11日25个验证样本682.3 nm处的反射率分别代入表2回归方程中，得到该时期牧草鲜重和干物质的估测值；相关分析结果表明，牧草鲜重及干物质的估测值与实测值之间存在显著的相关关系（P<0.01）。将10月12日25个验证样本679.2 nm处的反射率代入表2回归方程中，得到该时期牧草鲜重和干物质的估测值；相关分析结果表明，牧草鲜重、干物质的估测值与实测值之间存在极显著的相关关系（P<0.01）。

2.2.2基于植被指数建立并检验回归模型将红光波段进行组合，或红光与近红外波段组合，建立3种植被指数。分析结果表明，RVI、DVI、NDVI与6月11日及10月12日牧草产量之间的相关性均达到显著水平（P<0.01）。将植被指数NDVI、RVI、DVI分别作为自变量x，牧草鲜重和干物质分别作为因变量y进行回归分析，建立基于植被指数的牧草产量回归模型及拟合度较高的回归方程（表3）。

表3植被指数与草地地上生物量的回归模型（n=25）

Table 3Regression models between grass yield and vegetation indices

取样时间/月-日草产量回归方程显著性波段组合/nm06-11鲜重y=660.28-422.53RVI0.35** 696.0，631.5干物质y=131.57-83.84RVI0.36** 696.0，631.510-12鲜重y=-2 242.13+3 006.89NDVI0.40** 779.6，640.5干物质y=-342.48+487.08NDVI0.31** 779.6，640.5注：**表示P<0.01

试验将6月11日25个验证样本在696.0 nm和631.5 nm处的反射率代入回归方程中（表3），得到该时期牧草鲜重和干物质的估测值；相关分析结果表明，牧草鲜重及干物质的估测值与实测值之间存在显著的相关关系（P<0.01）。将10月12日25个验证样本在779.6 nm和640.5 nm处的光谱反射率代入上表回归方程中，得到该时期牧草鲜重和干物质的估测值；相关分析结果表明，牧草鮮重及干物质的估测值与实测值之间存在显著的相关关系（P<0.01）。

3讨论

1）红光波段是绿色植物进行光合作用吸收的主要波段，红光区域光谱特征参数与草地地上生物量之间存在显著的相关关系。试验表明，地上生物量的增加能够显著降低红谷反射率，选用红光区域单波段反射率，可以精确反演草地鲜草产量和干物质产量。刘占宇等[9]在内蒙古典型草原研究发现，草地地上生物量与红边内一阶微分光谱最大值、红谷反射率等多个光谱特征参数均存在极显著相关关系。喻小勇等[21]对青海省三江源区的不同草地类型进行了地面光谱测量发现，高寒草甸地上生物量与其光谱曲线的“红边” 斜率相关性较高，且反射光谱的红边斜率与高寒草甸地上生物量的关系优于植被指数NDVI。Gitelson证明选用“红边位置”建立的对数方程能够精确估测草地生物量[22]。基于上述研究结果，利用红光反射光谱特征参数反演试验区草地地上生物量是可行的。

2）选用红光波段构建植被指数RVI，或红光与近红外波段构建植被指数NDVI，能够精确反演草地鲜草产量和干物质产量，当季节和地上生物量发生明显改变时，适宜的植被指数有所不同。据报道，用RVI指标估测温性低地盐化草甸、温性荒漠草原牧草产量的精度优于NDVI，温性平原荒漠用非线性模型要比用线性模型估产精度高[23]。RVI 更适于估测牧草的鲜草产量，NDVI更适合估测草地的干草产量[17]。王艳荣等[24]对荒漠草原的研究发现，RVI是比较稳定的估产指数，但估产精度受测定月份的影响；在产草量较低的月份，植被指数与产草量之间趋于曲线相关，而在产草量较高的月份，二者之间趋于直线相关。米兆荣等[25]对青藏高原高寒草地研究发现，在植被覆盖度较高时，NDVI 出现饱和现象，而EVI不容易出现饱和现象，对植被的响应依然较敏感[25]。综合分析研究结果，利用植被指数反演草地地上生物量是可行的，但适宜的植被指数、估产模型因草地类型和草地基况而存在明显的差异，试验区草地在不同季节的适用植被指数和估产模型有待于进一步深入研究。

参考文献：

[1]龙显静，谢堂民，吴文荣，等.落盘式测定法在云南亚热带人工草地产量估测中的应用研究[J].草原与草坪，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]张风丽，尹球，匡定波.草场地面波谱数据的处理与分析方法[J].红外，2003（8）：20-23.

[6]戴小华，余世孝.遥感技术支持下的植被生产力与生物量研究进展[J].生物学杂志，2004，23（4）：92-98.

[7]陶伟国，徐斌，刘丽军，等.不同利用状况下草原遥感估产模型[J].生态学杂志，2007，26（3）：332-337.

[8]孙成明，刘涛，田婷，等.基于MODIS的南方草地NPP遥感估算与应用[J].草业学报，2013，22（5）：11-17.

[9]刘占宇，黄敬峰，吴新宏，等.草地生物量的高光谱遥感估算模型[J].农业工程学报，2006，22（2）：111-115

[10]王正兴，刘闯，赵冰茄，等.利用MODIS增强型植被指数反演草地地上生物量[J].兰州大学学报（自然科学版），2005，41（2）：10-16.

[11]杨秀春，徐斌，朱晓华，等.北方农牧交错带草原产量遥感监测模型[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]王艷荣.内蒙古草原植被近地面反射波谱特征与地上生物量相关关系的研究[J].植物生态学报，2004，28（2）：178-185.

[15]王建伟，陈功.草地植被指数及生物量的遥感估测[J].云南农业大学学报，2006，21（3）：372-375.

[16]韩冬梅，何峰，谢开云，等.利用手持光谱设备估测羊草草地生物量[J].草原与草坪，2013，33（6）：36-41.

[17]陈功，王建伟.封育条件下草地光谱反射特征及地上生物量估测[J].云南农业大学学报，2008，23（4）：462-467.

[18]王艳荣.羊草草原不同利用强度下植被反射波谱季节变化特征及其与产草量相关性的比较研究[J].内蒙古大学学报（自然科学版），1998，29（1）：102-108.

[19]杨红丽，陈功，吴建付.施氮水平对多花黑麦草植株氮含量及反射光谱特征的影响[J].草业学报，2011，20（3）：239-244.

[20]陈兴涛，陈功，单贵莲.草坪近地面光谱特征研究进展[J].草原与草坪，2011，31（5）：91-96.

[21]喻小勇，邵全琴，刘纪远，等.三江源区不同退化程度的高寒草甸光谱特征分析[J].地球信息科学学报，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]李建龙，蒋平.遥感技术在大面积天然草地估产和预报中的应用探讨[J].武汉测绘科技大学学报，1998，23（2）：153-157.

[24]王艳荣，雍伟义，苏德毕力格.荒漠草原近地面反射光谱特征研究—戈壁针茅荒漠草原产草量与植被指数相关性的时空动态研究[J].内蒙古大学学报（自然科学版），1996，27（4）：553-561.

[25]米兆荣，张耀生，赵新全，等.NDVI 和EVI 在高寒草地牧草鲜质量估算和植被动态监测中的比较[J].草业科学，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；