基于SPOT6遥感影像的滩涂湿地入侵种互花米草植株高度的反演研究

周在明，杨燕明，陈本清*

(1.国家海洋局第三海洋研究所，福建 厦门 361005)

基于SPOT6遥感影像的滩涂湿地入侵种互花米草植株高度的反演研究

周在明1，杨燕明1，陈本清1*

(1.国家海洋局第三海洋研究所，福建 厦门 361005)

摘要：本文以SPOT6 高空间分辨率遥感影像为数据源，通过植被覆盖度和地上生物量两个参数进行滩涂湿地入侵种互花米草植株高度的估算研究。结果表明，三沙湾滩涂湿地互花米草植株高度平均值为2.04 m，以1～2 m和2～3 m植株为主要分布高度，分布面积分别为6.83 km2和10.31 km2，占研究区互花米草总面积的33.83%和51.06%，小于1 m和大于3 m的互花米草仅占9.26%和5.84%。估算值与真实值之间的均方根误差为0.204，绝对误差为0.04～0.37 m。该方法是对高空间分辨率光学影像应用研究的重要尝试，其反演方法具有较好的可行性，可较为准确的获取滩涂湿地植株高度信息。

关键词：SPOT6影像；无人机; 互花米草；植被覆盖度；地上生物量；植株高度

1引言

植株高度是反映植被种群特征的重要参数，是影响群落生物量的主要因子，对其生长环境具有重要的指示作用，是生态管理的重要参数[1—3]。主动激光雷达遥感和干涉雷达在林木高度测量方面具有其他遥感技术无可比拟的优势，已经成为林木树高反演的重要手段[4—5]，并应用于其他植被类型[6]。但对于普通光学传感器由于只能直接用于植被水平分布信息的提取，而垂直分布信息提取难度较大[7—8]，在植被高度应用研究方面有所局限。尽管如此，学者们从光学遥感影像中提取出可能与植株高度相关的遥感因子，并结合实测数据，通过逐步回归法建立植被株高估测模型[9]，如孙华等应用Worldview影像进行的林木高度提取算法是从影像提取冠幅再通过相关性进行树高的反演[10]。对于多光谱影像数据，则通过提取波段光谱反射率、各种植被指数、纹理因子等变量，应用统计和回归提取与植株高度相关性高的波段或变量，建立回归模型以此反演植被株高[11]，如李燕强等比较分析了拔节至抽穗期小麦株高与冠层高光谱参数之间的相关性，建立了小麦株高的高光谱估算模型[12]。因此，在基于光学遥感进行植株高度反演的过程中，各相关因子的判断分析和回归模型的建立是重要的前提条件，并直接影响着反演结果的精度，且针对不同的植被类型、研究区域和影像数据，各因子的选取和回归模型的建立不尽相同，模型的普适性较差，如何确定用于植被株高计算的最终因子参数是需要进行研究的重要内容。

互花米草(Spartinaalterniflora)，作为外来引进物种由于其良好的适应性和旺盛的繁殖能力，在自然和人为因素的综合作用下，造成了暴发式大面积的扩散蔓延，使滩涂湿地生态系统结构改变、生物多样性降低，生态脆弱性增大，成为生物入侵问题中的热点[13—15]。如何有效的获取互花米草的植株高度等生态参数是对其进行科学治理的重要前提。本文以SPOT6高空间分辨率遥感影像为数据源，通过确定植被覆盖度和地上生物量两个参数进行植株高度的估算研究，是植被株高反演的重要尝试，同时为外来入侵种互花米草的生态管理提供重要的基础数据。

2研究区概况

三沙湾(三都澳)位于福建省宁德市境内，地处霞浦、福安、蕉城、罗源四县(区)滨岸交界处(图1)，是一个半封闭港湾，地形口小腹大，四周群山环绕，岸线曲折，滩涂宽阔。三沙湾属于中亚热带季风性湿润气候，气候温暖，光照充足，年均气温16～19℃。

图1　三沙湾研究区示意图Fig.1　The Sansha Bay study area

3数据来源

本研究通过编程订购获取了研究区SPOT6多光谱影像，覆盖范围26°32′～26°53′N，119°28′～119°53′E，包括蓝、绿、红和近红外4个波段，影像空间分辨率6 m，影像获取时间为2013年10月27日10时14分(UTC+8)，潮高276 cm为日最低潮。对获取的遥感影像通过校正处理得到了用于进一步分析应用的正射影像。

植被对季节性气候变化具有较高的敏感性[16]，在影像获取的同期采集了15个60 cm×60 cm的互花米草样方，进行了GPS定位，地上生物量和植株高度等参数的测量。样方分别为零星互花米草滩斑块、稳定互花米草滩斑块、以及多年定居斑块，涵盖不同密度和不同高度。

4互花米草植株高度计算

为了进行研究区互花米草植株高度的估算，本研究引入地上生物量和植被覆盖度两个参数。根据植被地上生物量的定义可知，地上生物量是指一定时间地表单位面积所存在的有机质总量[17]，而单位面积上的植被面积可用覆盖度表示[18]，据此植被地上生物量(AGB)可用下式表示，

(1)

式中，ρnom定义为互花米草的名义密度，其物理意义表示为当互花米草植被全覆盖时单位体积上互花米草的鲜质量；H为像元范围内互花米草的平均株高；FVC为像元植被覆盖度。由此可见，在已经获得生物量和植被覆盖度参数的情况下可以求得互花米草植株平均高度H。

4.1互花米草植被覆盖度

归一化植被指数(NDVI)是被广泛应用的植被指数，是植被生长状态及植被覆盖度的最佳指示因子[19]，植被覆盖度与NDVI的关系可用下式表示，

fc=(NDVI-NDVIsoil)/(NDVIveg-NDVIsoil)，

(2)

式中，NDVIsoil为滩涂无互花米草植被覆盖区域的NDVI值，NDVIveg是纯互花米草植被覆盖区NDVI值。

本研究通过NDVI植被指数进行植被覆盖度参数的确定，为了避免使用固定NDVIsoil值和NDVIveg值所带来的误差，基于植被分布和地物类型作为计算NDVIsoil和NDVIveg的依据。求得互花米草分布区每个像元的NDVI值，并对其进行频率统计(图2)，结合植被覆盖研究中纯像元NDVI值的确定方法[20—21]，本研究取累积频率95%的NDVI值0.26为NDVIveg，0作为裸露滩涂土壤NDVIsoil。

图2　NDVI累积频率分布图Fig.2　Cumulative frequency map of NDVI

4.2互花米草地上生物量

根据对湿地植被地上生物量的估算应用研究，且主要考虑湿地中草地为主的植被覆盖类型和背景土壤反射率的影响进行植被指数的选取，本研究共选用4种常用的植被指数即比值植被指数(RVI)、差值植被指数(DVI)、归一化植被指数(NDVI)和土壤调节植被指数(SAVI)作为滩涂湿地互花米草地上生物量反演的参量，各植被指数的计算公式见表1所示。

表1　植被指数及其波段计算

注：ρNIR、ρR分别为SPOT6影像的近红外和红光波段反射值，A为经验系数取0.969 16，L为土壤调节系数，取值为0.5。

随机选取互花米草样方中的10个作为训练样方，依据实测坐标，提取对应影像2×2个窗口(12 m×12 m)像元的反射率平均值作为对应样地影像4个波段的光谱反射率值，并计算各植被指数值，依此进行样地地上生物量(AGB)与波段光谱反射率和RVI、DVI、NDVI、SAVI各植被指数的Person相关性分析，结果表明，研究区样方地上生物量(AGB)与影像波段光谱反射率之间的直接相关性较差，而与各植被指数RVI、DVI、NDVI和SAVI之间均满足0.01显著性水平下的极显著正相关，相关系数分别为0.716、0.755、0.706和0.657，其中AGB与差值植被指数DVI的相关性最好。

由此，采用广泛应用的一元线性和非线性回归方法建立互花米草地上生物量的反演估算模型[24，26]，并计算各回归模型的均方根误差(RMSE)，由表2可见，互花米草地上生物量(AGB)与各植被指数之间的一元线性和二次曲线回归模型相对较好，而指数模型相对较差。综合考虑r2、Sig和RMSE选取以差值植被指数(DVI)为基础的二次曲线回归模型AGB=49.793-0.814DVI+0.004DVI2进行地上生物量的计算，其r2、Sig和RMSE值分别为0.775、0.005和1.848。

4.3互花米草植株高度分析

根据训练样方地上生物量和植株高度采样结果，获得研究区互花米草名义密度ρnom为7.14 kg/m3，结合以上分析获取互花米草覆盖度FVC和地上生物量AGB的方法，经过波段运算从而得到研究区互花米草的植株高度(图3)。

表2　互花米草地上生物量遥感估算模型

图3　三沙湾互花米草植株高度分布图Fig.3　The plant height distribution map of Spartina alterniflora in Sansha Bay

由图3可见，影像获取时段三沙湾滩涂湿地互花米草植株高度以1～2 m和2～3 m为主，小于1 m的互花米草呈插花状零星分布(图3A)，而在福安南部岸滩、马港湾内以及云淡门岛西北侧和蕉城南部岸滩有部分互花米草植株高度超过3 m(图3B)。根据三沙湾互花米草的季节性生长规律，9月进入开花盛期，10月中下旬为互花米草种子成熟期，植株生长进入末期，互花米草植株高度由成熟稳定逐渐转向衰退，开始出现部分老植株干枯，平均高度下降。受自然气候因素如大风、大雨的影响导致互花米草出现倒伏，而自身生长发育过程和滩涂湿地状态空间异质性的影响会导致互花米草植株分布的多样性。此外，定居时间的长短对互花米草的植株高度也有一定的影响[27]，多年定居互花米草群落植株较高。

对图3进行统计(表3)。可见，互花米草植株高度1～2 m和2～3 m分布面积为6.83 km2和10.31 km2，分别占互花米草总面积的33.83%和51.06%，而小于1 m和大于3 m的互花米草仅占总面积的9.26%和5.84%，研究区内互花米草的平均株高为2.04 m，这与已有对闽江口湿地互花米草的取样分析结果较为一致，其生长旺盛季平均株高为2.19 m[17]。

表3　研究区互花米草植株高度统计

4.4精度检验

为了分析SPOT6遥感影像估算获取的互花米草植株高度的精确度，以5个互花米草测试样方为基础，建立估算值与真实值之间的表达关系，以均方根误差RMSE进行定量表示，

(3)

式中，Zi为真实值，zi为估算值，n为总观测值的个数。

结果表明，植被株高的均方根误差RMSE为0.204，绝对误差为0.04～0.37 m，计算结果基本反映出了影像覆盖范围内三沙湾互花米草植被株高情况具有较好的参考价值。但本研究在植株高度的计算过程中引入了互花米草植被覆盖度和地上生物量参数，存在一定的误差累积，此外，在地面采样过程中受交通通达性的限制和海湾潮差的影响，样点数量有限，使得模型表达和精度检验还不够充分。

5结论与讨论

三沙湾滩涂湿地互花米草植株高度以1～2 m和2～3 m为主，小于1 m的互花米草呈插花状零星分布，而在福安南部岸滩、马港湾内以及云淡门岛西北侧和蕉城南部岸滩有部分互花米草植株高度超过3 m，互花米草植株高度1～2 m和2～3 m分布面积分别为6.83 km2和10.31 km2，占互花米草总面积的33.83%和51.06%，而小于1 m和大于3 m的互花米草仅占总面积的9.26%和5.84%，研究区内互花米草的平均株高为2.04 m。

以实测值为基础进行互花米草植被株高估算结果精度检验，估算值与真实值之间的均方根误差为0.204，绝对误差为0.04～0.37 m，表明基于地上生物量和植被覆盖度参数进行的反演结果具有较好的可信度，可较为准确的获取滩涂湿地互花米草的植株高度信息，对于高分辨率光学影像具有较好的应用参考价值。

本研究所用的SPOT6遥感影像的成像时间是研究区的低潮时间，在卫星图像上潮滩出露较大，避免了潮汐对互花米草植株高度估算过程的影响。但对于非低潮时段获取的影像，在研究中应充分考虑图像过境时刻的潮高，对出露潮滩区和潮水覆盖区分别建立不同的反演模型。

参考文献：

[1]谭芳林，林贻卿，肖华山，等. 不同时期刈割对互花米草生长影响的研究[J]. 湿地科学，2010，8(4): 379-385.

Tan Fanglin，Lin Yiqing，Xiao Huashan，et al. The effect of mowing on growth ofSpartinaalterniflora[J]. Wetland Science，2010，8(4): 379-385.

[2]倪红伟，臧淑英，高亦珂. 三江平原沼泽化草甸小叶章种群地上生物量及其生长速率季节动态的研究[J]. 植物研究，1996，16(4): 489-495.

Ni Hongwei，Zang Shuying，Gao Yike. Study on seasonal dynamics of aboveground biomass and growth rate ofDeyeuxiaangustifoliapopulation in marsh meadow on Sanjiang Plain[J]. Bulletin of Botanical Research，1996，16(4): 489-495.

[3]Tilly N，Hoffmeister D，Cao Qiang，et al. Multitemporal crop surface models: accurate plant height measurement and biomass estimation with terrestrial laser scanning in paddy rice[J]. Journal of Applied Remote Sensing，2014，8(1): 083671.

[4]庞勇，赵峰，李增元，等. 机载激光雷达平均树高提取研究[J]. 遥感学报，2008，12(1): 152-158.

Pang Yong，Zhao Feng，Li Zengyuan，et al. Forest height inversion using airborne Lidar technology[J]. Journal of Remote Sensing，2008，12(1): 152-158.

[5]王轶夫，岳天祥，赵明伟，等. 机载LIDAR数据的树高识别算法与应用分析[J]. 地球信息科学学报，2014，16(6): 958-964.

Wang Yifu，Yue Tianxiang，Zhao Mingwei，et al. Study of factors impacting the tree height extraction based on airborne LIDAR data[J]. Journal of Geo-information Science，2014，16(6): 958-964.

[6]焦桐，刘荣高，刘洋，等. 林下植被遥感反演研究进展[J]. 地球信息科学学报，2014，16(4): 602-608.

Jiao Tong，Liu Ronggao，Liu Yang，et al. The progress of forest understory retrieval from remote sensing[J]. Journal of Geo-information Science，2014，16(4): 602-608.

[7]庞勇，李增元，陈尔学，等. 激光雷达技术及其在林业上的应用[J]. 林业科学，2005，41(3): 129-136.

Pang Yong，Li Zengyuan，Chen Erxue，et al. Lidar remote sensing technology and its application in forestry[J]. Scientia Silvae Sinicae，2005，41(3): 129-136.

[8]周志强，岳彩荣，徐天蜀，等. 森林高度遥感估测研究综述[J]. 现代农业科技，2012(2): 198-199，203.

Zhou Zhiqiang，Yue Cairong，Xu Tianshu，et al. Review on forest height estimation using remote sensing[J]. Modern Agricultural Sciences and Technology，2012(2): 198-199，203.

[9]张巍巍，冯仲科，汪笑安，等. 基于TM影像的林木参数提取和树高估测[J]. 中南林业科技大学学报，2013，33(9): 27-31.

Zhang Weiwei，Feng Zhongke，Wang Xiaoan，et al. Trees parameter extraction and tree height estimation based on TM images[J]. Journal of Central South University of Forestry & Technology，2013，33(9): 27-31.

[10]孙华，鞠洪波，张怀清，等. 基于Worldview-2影像的林木冠幅提取与树高反演[J]. 中南林业科技大学学报，2014，34(10): 45-50.

Sun Hua，Ju Hongbo，Zhang Huaiqing，et al. Study on crown diameter extraction and tree height inversion based on Worldview-2 data[J]. Journal of Central South University of Forestry & Technology，2014，34(10): 45-50.

[11]Pasher J，King D J. Multivariate forest structure modelling and mapping using high resolution airborne imagery and topographic information[J]. Remote Sensing of Environment，2010，114(8): 1718-1732.

[12]李燕强，张娟娟，熊淑萍，等. 不同冬小麦品种株高的高光谱估算模型[J]. 麦类作物学报，2012，32(3): 523-529.

Li Yanqiang，Zhang Juanjuan，Xiong Shuping，et al. Study on hyperspectral model for estimating the plant height of different winter wheat cultivars[J]. Journal of Triticeae Crops，2012，32(3): 523-529.

[13]袁红伟，李守中，郑怀舟，等. 外来种互花米草对中国海滨湿地生态系统的影响评价及对策[J]. 海洋通报，2009，28(6): 122-128.

Yuan Hongwei，Li Shouzhong，Zheng Huaizhou，et al. Evaluation of the influences of foreignSpartinaalternifloraon ecosystem of Chinese coastal wetland and its countermeasures[J]. Marine Science Bulletin，2009，28(6): 122-128.

[14]Talley T S，Levin L A. Modification of sediments and macrofauna by an invasive marsh plant[J]. Bilological Invasion，2001，3(1): 51-68.

[15]Zhang Yaohong，Ding Weixin，Luo Jiafa，et al. Changes in soil organic carbon dynamics in an Eastern Chinese coastal wetland following invasion by a C4plantSpartinaalterniflora[J]. Soil Biology and Biochemistry，2010，42(10): 1712-1720.

[16]Eckert S，Engesser M. Assessing vegetation cover and biomass in restored erosion areas in Iceland using SPOT satellite data[J]. Applied Geography，2013，40: 179-190.

[17]李丽纯，林瑞坤，吴振海，等. 闽江口湿地互花米草地上生物量的月动态特征[J]. 资源科学，2009，31(11): 1967-1972.

Li Lichun，Lin Ruikun，Wu Zhenhai，et al. Monthly dynamics of aboveground biomass ofSpartinaalterniflorain Minjiang river estuary wetland[J]. Resources Science，2009，31(11): 1967-1972.

[18]张喜旺，吴炳方. 基于中高分辨率遥感的植被覆盖度时相变换方法[J]. 生态学报，2015，35(4): 1155-1164.

Zhang Xiwang，Wu Bingfang. A temporal transformation method of fractional vegetation cover derived from high and moderate resolution remote sensing data[J]. Acta Ecologica Sinica，2015，35(4): 1155-1164.

[19]赵英时. 遥感应用分析原理与方法[M]. 北京: 科学出版社，2003.

Zhao Yingshi. Principle & application of remote sensing[M]. Beijing: Science Press，2003.

[20]Hu Zhenqi，He Fenqin，Yin Jianzhong，et al. Estimation of fractional vegetation cover based on digital camera survey data and a remote sensing model[J]. Journal of China University of Mining and Technology，2007，17(1): 116-120.

[21]朱吉生，李纪人，黄诗峰，等. 近30年十大孔兑流域植被覆盖度空间变化的遥感调查与分析[J]. 中国水土保持，2015(7): 68-70.

Zhu Jisheng，Li Jiren，Huang Shifeng，et al. Spatial analysis of the vegetation coverage in the ten tributaries basin based on remote sensing technique[J]. Soil and Water Conservation in China，2015(7): 68-70.

[22]吴涛，赵冬至，康建成，等. 辽东湾双台子河口湿地翅碱蓬(Suaedasalsa)生物量遥感反演研究[J]. 生态环境学报，2011，20(1): 24-29.

Wu Tao，Zhao Dongzhi，Kang Jiancheng，et al.Suaedasalsadynamic remote monitoring and biomass remote sensing inversion in Shuangtaizi river estuary[J]. Ecology and Environment，2011，20(1): 24-29.

[23]李旭文，季耿善，杨静. 太湖梅梁湖湾蓝藻生物量遥感估算[J]. 国土资源遥感，1995，7(2): 23-28.

Li Xuwen，Ji Gengshan，Yang Jing. Estimating cyanophyta biomass standing crops in Meiliang gulf of lake Taihu by satellite remote sensing[J]. Remote Sensing for Land & Resources，1995，7(2): 23-28.

[24]高明亮，赵文吉，宫兆宁，等. 基于环境卫星数据的黄河湿地植被生物量反演研究[J]. 生态学报，2013，33(2): 542-553.

Gao Mingliang，Zhao Wenji，Gong Zhaoning，et al. The study of vegetation biomass inversion based on the HJ satellite data in Yellow River wetland[J]. Acta Ecologica Sinica，2013，33(2): 542-553.

[25]Huete A R. A soil adjusted vegetation index (SAVI)[J]. Remote Sensing of Environment，1988，25(3): 295-309.

[26]Neba S G，Kanninen M，Atyi R E，et al. Assessment and prediction of above-ground biomass in selectively logged forest concessions using field measurements and remote sensing data: case study in South East Cameroon[J]. Forest Ecology and Management，2014，329: 177-185.

[27]任丽娟，王国祥，仇乐，等. 江苏潮滩湿地不同生境互花米草形态与生物量分配特征[J]. 生态与农村环境学报，2010，26(3): 220-226.

Ren Lijuan，Wang Guoxiang，Qiu Le，et al. Morphology and biomass distribution ofSpartinaalternifloragrowing in different tidal flat habitats in Jiangsu[J]. Journal of Ecology and Rural Environment，2010，26(3): 220-226.

Assessing plant height of Spartina alterniflora in the coastal wetland using SPOT6 satellite data

Zhou Zaiming1，Yang Yanming1，Chen Benqing1

(1.ThirdInstituteofOceanography，StateOceanicAdministration，Xiamen361005，China)

Abstract:In this paper，plant height of invaded Spartina alterniflora in the coastal wetland was studied through fractional vegetation cover and aboveground biomass by using SPOT6 high spatial resolution satellite data. Results showed that，the average plant height was 2.04 m，most of the plant heights were between 1 m to 2 m and 2 m to 3 m，with distribution area of 6.83 km2 and 10.31 km2 respectively，accounting for about 33.83% and 51.06% of the total S.alterniflora area. While，plant height value less than 1 m and more than 3 m accounted for about 9.26% and 5.84% only. Root mean square error of estimated and measured value of S.alterniflora plant height was 0.204，and absolute error was between 0.04 m to 0.37 m. This study was an important test in high spatial resolution optical image application，obtained more accurate plant height in coastal wetland，and had good feasibility．

Key words:SPOT6 image; unmanned aerial vehicles; Spartina alterniflora; fractional vegetation cover; aboveground biomass; plant height

收稿日期：2015-09-21；

修订日期：2016-01-04。

基金项目：促进海峡两岸科技合作联合基金(U1405234)；福建省自然科学基金项目(2015J05085)。

作者简介：周在明(1980—)，男，山东省淄博市人，博士，助理研究员，从事海岸带资源环境研究。E-mail:tougaozhou@163.com *通信作者：陈本清(1977—)，男，副研究员，福建省福州市人，从事环境遥感研究。E-mail:chenbenqing@tio.org.cn

中图分类号:P237

文献标志码：A

文章编号：0253-4193(2016)06-0001-07

周在明，杨燕明，陈本清. 基于SPOT6遥感影像的滩涂湿地入侵种互花米草植株高度的反演研究[J].海洋学报，2016，38(6)：1—7，doi：10.3969/j.issn.0253-4193.2016.06.001

Zhou Zaiming，Yang Yanming，Chen Benqing. Assessing plant height ofSpartinaalterniflorain the coastal wetland using SPOT6 satellite data[J]. Haiyang Xuebao，2016，38(6)：1—7，doi：10.3969/j.issn.0253-4193.2016.06.001