黄河源区玛曲县不同沙化程度高寒草地光谱特征分析

陈政融，杨雪梅，唐进年，张 忠，李银科，张卫星，王景瑞，李学敏

（1.浙江海洋大学创新创业学院, 浙江 舟山 316022；2.兰州文理学院旅游学院, 甘肃 兰州 730000；3.甘肃省治沙研究所, 甘肃 兰州 730000）

位于黄河源区的玛曲县是我国重要的水源涵养区和补给区[1-3]，该地区典型的高寒草地孕育着我国独有的生物和物种资源，是青藏高原地区生物多样性最丰富和保存最完整的草地之一，同时也是生态环境最为敏感和脆弱的区域之一[4]。近年来，受全球气候变暖、人为扰动加剧和鼠兔害频发的共同影响，玛曲县高寒草地出现类似沙漠景观的退化过程[5]，集中表现为草地沙化、地表裸露和次生裸地“黑土滩”的出现[6-8]，严重威胁青藏高原以及黄河流域的生态安全和区域经济发展。

随着黄河流域生态保护战略的提出，玛曲草地沙化引发了大量学者的关注，相关研究有玛曲高寒草地沙化面积动态监测研究[4,9]，草地沙化成因及机理分析研究[10-11]、高寒草甸沙化过程中的植物群落及多样性研究[12-14]、高寒草甸沙化的土壤研究[5,15-16]等。上述研究有利于掌握草地沙化动态变化，对于生态保护及社会发展决策有着十分重要的意义，但对于高寒草地自然和人为影响退化方面的研究却鲜有涉及，传统的草地沙化动态监测大多基于中、低分辨率的多光谱遥感进行，无法实现沙化草地地表微板块高精度分类和精细化识别的需求。高光谱遥感因波段连续、光谱分辨率高、图谱合一的特性，能够直接对地物进行精细化光谱测定与定量分析，从而准确反映同一像元中不同地物类型之间的微弱变化[17-18]。关于玛曲地区高光谱遥感的研究较少，主要有利用光谱特征变量实现草地退化过程中的毒杂草分类[19]、基于高光谱成像技术对高寒牧区的土地利覆盖进行分类和草地生物量监测[20]、运用高光谱遥感技术对牧草发育所需的营养成分进行遥感估测[21]。本研究使用玛曲县不同沙化程度草地的实测光谱，通过分析其曲线特性以阐明不同沙化草地的光谱反射差异，并探索不同沙化程度草地的光谱响应特性，最后获得高光谱遥感对不同沙化程度草地的识别能力，为区域内植被反演及验证、典型地物光谱库的建立和遥感制图提供数据支持[22]，以期为利用遥感技术实现草原沙化信息提取和草地资源监测提供数据基础。

1 材料与方法

1.1 研究区概况

玛曲县位于青藏高原的东段、若尔盖高原西北边缘，地处甘肃、青海和四川交界处，是中国大地貌单元中第二和第三阶梯交界地带，平均海拔3 300～4 806 m，地处33°06′30″～34°30′15″ N，100°45′45″～102°29′00″ E。全县总土地面积10 190 km2，其中天然草地8 587 km2，占土地总面积的约85%，自古就有“羌中畜牧甲天下”和“亚洲第一草场”的美誉。玛曲县属典型的青藏高原大陆季风气候类型，高寒湿润，年均降水量和蒸发量分别为615.5 mm 和1 347.3 mm，降水主要集中在5 月—9 月；年均气温1.55 ℃，无绝对无霜期，太阳辐射较强，全年日照数在2 613.9 h 左右，年均风速为2.5 m·s-1。该地的植被类型主要包括山地针叶林、高寒常绿灌木林、高寒草甸等，土壤类型主要有高山和亚高山草甸土、草甸土、沼泽土、泥炭土等。玛曲县属于川西、东高原灌草甸区，亚高山草甸草地构成了该地区天然草地的主体。近几十年以来，玛曲的草地沙化现象日益加剧，在高寒草地上出现沙化草地或流动沙丘。据统计，玛曲县不同退化程度的天然草地占总草地的90% 以上[4]，草地覆盖率也由85%降低到45%以下[6]。沙化地表单元由过去的零星分布向集中连片分布演变[10]，主要集中在黄河西南岸的河曲马场境内、县域中部曼日玛和采日玛乡交界区以及欧拉镇黄河两岸，如图1 所示。

图1 研究区概况Figure 1 Location of the study area

1.2 沙化草地分类

参考前人对沙化草地划分标准并结合玛曲的实地情况将其划分为6 个沙化程度[23-24]，分别是未沙化草地、轻度沙化草地、中度沙化草地、重度沙化草地、极重度沙化草地以及沙化恢复区(表1)。

表1 玛曲县草地沙化分类Table 1 Classification of grassland desertification in Maqu County

1.3 数据信息采集

本研究采用美国Analytical Spectral Devices Inc公司设计生产的全光谱便携式地物光谱仪Fieldspec®4 Standard-Res (FS4S)，光谱范围为350～2 500 nm，光谱采样间隔约1.5 nm，光谱分辨率3.5 nm。测量工作在2021 年8 月中下旬进行，期间选择晴朗、无云、光照条件好、风力较小的天气条件进行野外光谱测量，探头视场角为25°，探头垂直向下与被测地物保持1.0 m 左右的距离。

本研究选取的实测点所处区域地形平坦，可以代表周围较大面积的特征，能够实现与遥感图像匹配。测量前严格按照操作规程，去除暗电流的影响，进行标准白板定标，为保证光谱数据具有代表性，对除重度和极重度沙化之外的草地采取5 次测量取算术平均值将其作为该地物类型的光谱曲线。因重度和极重度沙化等低覆盖度样方内光谱存在较大的随机性和不均一性，为了削减误差增强数据的准确性，在对其进行测量时将探头对准圆心区域进行20 次光谱测量，运用ViewSpecPro 软件剔除差异较大的光谱曲线并对剩余曲线取算术平均值作为以上两种地物类型的光谱曲线。

考虑到仪器和环境的噪声影响[22-25]，本研究选取了包含400—1 350、1 416—1 795 和1 971—2 470 nm等区间波段用于随后的分析。

选取不同沙化程度草地的50 cm × 50 cm 的地面样方，通过数码相机在距离地表1 m 处进行垂直拍摄获取该样方的数码照片，运用基于卷积神经网络(convolutional neural network, CNN)的现代人工智能技术进行植被盖度信息自动提取。

1.4 数据处理与分析

采用MATLAB 2021a 对原始光谱曲线进行一阶微分和包络线去除处理，光谱特征参数提取、植被指数计算以及制图均采用Excel 2016 完成，具体计算过程及公式如下。

1.4.1 一阶微分

利用一阶微分法去除部分系统误差、凋落物等低频光谱成分和削弱大气背景的噪声，增强局部位置的光谱响应差异，放大地物光谱信息的微小变化[26]。具体计算公式如下：

1.4.2 包络线去除

包络线去除可以有效突出光谱曲线的吸收和反射特征，使不同光谱曲线的特征值差异显著。根据反射率光谱曲线，在吸收谷所在处选取合适的波段，将波段的两个端点定义为吸收的起点和终点，起点和终点的连线称为“外壳”(Hull)。每个波段上的包络线去除值等于该波段的反射率值除以Hull值。利用包络线去除法处理后的光谱曲线，吸收谷被放大[27]。具体计算过程如下：

式中：CRi为 波段i处对应的包络线值，Ri为波段i处的光谱反射率，RHi为波段i处对应的“Hull”值，K为吸收起终点之间的“Hull”的斜率，Rstart、Rend分别为吸收起点和终点的反射率， γstart、 γend分别为吸收起点和终点处的波长值。

1.4.3 光谱特征参数

三边参数是植被光谱区别于其他物种的重要参数，包括红边、黄边、蓝边。红边位置是指在 680—760 nm 范围内，反射率的一阶导数最大值对应的波长，该波长所对应的斜率即为红边幅值。黄边位置是在560—640 nm 范围内反射率的一阶导数最大值对应的波长，该波长对应的斜率即为黄边幅值；蓝边位置是指在 490—530 nm 范围内反射率的一阶导数最大值对应的波长，该波长所对应的斜率即为蓝边幅值。

1.4.4 植被指数计算

简单依靠光谱敏感波段的高光谱分析往往存在一定的局限性，利用植被指数有利于区分植被内部结构的差异，建立光谱信息的线性与非线性的组合，提高遥感光谱信息的精度[28]。本研究所选取以下8 种常用的植被指数分析草地的波段特征(表2)。

表2 植被指数及其表达式Table 2 Vegetation indices and their formulas

2 结果

2.1 光谱特征

比较目标地物的光谱曲线特征可以在一定程度上实现不同沙化草地的区分。据图2 所示，在400—2 470 nm 波段区间，除了极重度沙化光谱曲线之外，其他几种类型的沙化草地光谱曲线形态表现基本一致，并且在不同的波段范围内呈现出差别。

图2 玛曲县不同沙化程度草地高光谱反射率曲线Figure 2 Hyperspectral curve of grassland with different degrees of desertification in Maqu County

极重度沙化草地的光谱曲线表现为波浪形，波谷较宽且浅平，在400—900 nm 波段之间存在明显的弓形突起区，同时在550 nm 后呈现平直状态形成一条近似于X 轴平行的起伏曲线，在1 400 和2 200 nm 处存在明显的吸收峰，这可以作为识别极重度沙化草地的依据。

在720—1 350 nm 区间，随着沙化程度的加重植被覆盖度不断降低，进入光谱仪视域内的绿色植被占比逐渐减小，反射率也不断减弱。其中未沙化草地的反射率明显高于其他类型的沙化草地，极重度沙化草地的反射率最低，各类型的沙化草地反射率差异明显，具体表为未沙化 ＞ 轻度沙化＞ 中度沙化 ＞ 重度沙化 ＞ 沙化恢复区 ＞ 极重度沙化，可以在该波段内实现有效区分。在720—1 000 nm 区间，所有不同类型的沙化草地表现出反射率随草地沙化程度的加重而不断减小的规律，区分性最佳。

除极重度沙化草地外，其他5 种沙化草地的光谱曲线总体特征是在480 和680 nm 周围形成两个吸收谷，在550 nm 周围形成一个小反射峰。在可见光和近红外波段不同沙化草地类型反射率陡峭抬升，形成绿色植物独有的红边，表现出明显的植被光谱特征。在750—1 300 nm 范围内，出现高反射平台并保持高位波动。在1 300—2 470 nm 范围内，光谱曲线的特征总体呈下降趋势，并在1 450、2 450 nm 附近出现小的吸收谷，在1 650 和2 200 nm 附近出现递减的反射峰，以上5 种类型的沙化草地的光谱趋势、吸收峰和吸收谷的表现都与绿色植被光谱特征相吻合。该5 种沙化草地光谱分别在510—560和650—690 nm 范围内出现绿峰和红谷。510—560 nm范围内的绿峰波段，反射率均低于0.2，未沙化和轻度沙化之间的差异性较小，都维持在较低的水平，重度沙化的绿峰值最大。650—690 nm 范围内的红谷波段内未沙化和轻度沙化草地的红谷反射率都比较小且极为接近，无法区分两者之间的差异，实际区分效果不佳。

2.2 光谱特征参数分析

不同沙化程度草地的一阶微分光谱曲线如图3所示，除极重度沙化草地外其他5 种不同沙化程度草地的三边位置基本一致，在红边幅值和面积处区分性比较好，红边幅值和红边面积的排序一致，依次为未沙化 ＞ 轻度沙化 ＞ 中度沙化 ＞ 沙化恢复区 ＞重度沙化(表3)。黄边参数的差异主要表现在重度沙化和沙化恢复区上，其位置、幅值及面积均与其余类型的沙化草地表现不同，但其两者较为接近，区分度不佳。由此可见，红边是相对理想区分以上地物类型的光谱参数。

表3 不同沙化程度草地的光谱参数Table 3 Spectral parameters of grassland with different degrees of desertification

图3 玛曲县不同沙化程度草地一阶微分光谱曲线Figure 3 First-order differential spectral curve of grassland with different degrees of desertification in Maqu County

对“红边”范围(680—760 nm)光谱反射率的一阶微分曲线分析发现(图4)，未沙化和轻度沙化草地呈明显的“双峰”特性。未沙化和轻度沙化草地的一阶微分值在分别在721 和719 nm 处达到最大，其主峰波长均大于次峰波长；沙化恢复区虽保留“双峰”特性，但“双峰”退化明显。中度沙化、重度沙化和沙化恢复草地的双峰特征消失，保留单峰，峰值分别出现在704、706、721 nm。极重度沙化在红边区间内紧贴X 轴并与其保持平行，无明显变化特征。

图4 “红边”范围内的一阶微分光谱曲线Figure 4 First-order differential spectral curve within the Red Edge

2.3 吸收特征分析

为了扩大弱吸收特征同时有效抑制土壤背景的噪声，通常采用连续统去除的方法提取光谱特征。如图5 显示，利用包络线去除法处理过的光谱曲线，在可见光吸收谷(510—560 nm，650—700 nm)，绿峰(1 400—1 500 nm)区间的光谱特征被放大，波峰波谷更为突出，6 种不同沙化类型的草地在红光范围内比在蓝光范围内有着更强烈吸收效应。在可见光吸收谷范围内，未沙化草地的吸收深度比其他几种类型的沙化草地要大，据此可以将未沙化草地区分出来，极重度沙化在此范围内的光谱曲线特征无明显的吸收谷且值一直处于高位，也容易分区。在600—700 nm 波段范围内，吸收深度随着草地覆盖度的增加而增大，6 种不同类型沙化程度的吸收深度依次为未沙化 ＞ 轻度沙化 ＞ 中度沙化 ＞ 沙化恢复区 ＞ 重度沙化 ＞ 极重度沙化。总体而言，经过包络线去除之后发现，吸收深度是区分不同类型沙化草地最有效的特征。

图5 玛曲县不同沙化程度草地连续去统光谱曲线Figure 5 Continuum-removed spectrum of grassland with different degrees of desertification in Maqu County

2.4 植被指数特征分析

通过对不同波段的数学运算获取不同类型的植被指数，有利于消除土壤温度、湿度等影响，准确反映植被光谱差异、植被覆盖情况和监测植被生长状况。计算不同沙化程度草地光谱曲线对应的NDVI、DVI 等指标，定量表征不同沙化类型草地的光谱特征并计算出不同沙化类型草地的阈值为后期实现沙化草地遥感准确制图提供判别依据。不同沙化类型草地各植被指数判别阈值详见图6 和表4。

表4 玛曲县不同沙化类型草地植被指数阈值Table 4 Threshold of vegetation indices for grassland with different degrees of desertification in Maqu County

图6 玛曲县不同沙化类型草地植被指数Figure 6 Vegetation indices of grassland with different degrees of desertification in Maqu County

NDVI、RVI、DVI、RDVI、SAVI 和GRVI 的参数值随着沙化程度地不断加重都呈现出不断减小的规律，其中未沙化的各类植被指数均处于最高值，极重度沙化的各类植被指数均处于最低值。沙化恢复区的各类植被指数大小介于重度沙化和极重度沙化之间。各类型的植被指数在不同沙化类型的草地中的差别明显，RVI、GRVI 指数在不同程度沙化草地中表现出较大的差异，其指数值均显著高于其他指数值，具有较好的识别能力，可以有效表征不同沙化程度的草地。根据不同沙化类型草地的植被指数阈值可其进行判定，其中RVI、GRVI 分别高于7.93 和3.72 的可判别为未沙化草地，低于1.10 和0.38的可判别为极重度沙化草地。

3 讨论与结论

光谱反射曲线是地物对电磁波反射的集中体现，代表物体的独特特征，其受植被覆盖度、生长情况、土壤和水分等条件的影响[29]。对地物光谱特征研究通过分析得知，极重度沙化草地的光谱反射率随着波长的增加而增加，没有植被光谱曲线特征，与典型土壤光谱特征相似。这是因为极重度沙化草地位于流动沙丘，植被覆盖度在5%以下，为典型的荒漠土壤。该类型沙地的光谱在600 和800 nm 波段附近存在一个明显的弓形突起区，这与荒漠土壤光谱曲线的研究一致[30]。除极重度沙化外的光谱曲线中，在350—1 300 nm 之间都具有绿光反射峰，红光吸收峰和近红外高反射区，光谱曲线有着大致相同的走向趋势。在可见光波段内具有明显的绿峰、红谷和红边特征，这些特征是跟绿色植被共有的一般性规律一致[31]，主要是因为草地植物的覆盖使其出现该特征，同时其在包络线去除之后吸收谷特征明显，吸收谷深度受沙化程度直接影响，随着沙化程度的严重而不断减小，且区分明显。

草地的沙化程度同植被覆盖率密切相关，不同类型和不同植被覆盖度植物冠层的差异导致反射率的大小变化差异，对红光的吸收减弱，红边斜率逐渐减小[31]，本研究的结果与该结论相同。植被是影响反射率的决定性因素之一，不同沙化程度的草地植被覆盖度的变化影响其光谱曲线的变化，未沙化、轻度沙化的草地因其保持较高的植被覆盖度和物种丰富度在光谱曲线上表现出极为明显的植被光谱特征，红边参数中的一阶微分中也出现了植被独有的“双峰”现象。随着沙化程度的加深，不同程度的沙化草地植被覆盖度逐渐减少，中度、重度、极重度和沙化恢复区草地光谱曲线的植被特征消失并趋向于线性的土壤曲线发展，光谱曲线的双峰逐渐模糊直至消失。张凯等[31]认为随着生物量、植被覆盖度和叶面积指数的减小，土壤背景的影响逐渐增强，导致双峰现象逐渐消失，本研究也发现了该现象；同时，随着植被覆盖度的减少，地表逐渐裸露并沙化，导致土壤背景严重影响样方内的光谱反射率，所测光谱中包含了大部分的土壤信息，也会造成光谱曲线的植被特征明显减弱甚至消失[32]。值得注意的是中度沙化和沙化恢复区的植被覆盖度相当，但却表现出不同的光谱曲线特征，造成该现象的原因有两个，其一是因为中度沙化和沙化恢复区的先锋物种存在差别。中度沙化的先锋种为高山蒿草(Carex parvula)、高山早熟禾(Poa alpina)、紫羊茅(Festuca rubra)等，而沙化恢复区的先锋种为鹅绒委陵菜(Argentina anserina)、钉柱委陵菜(Potentilla saundersiana)、乳浆大戟(Euphorbia esula)等，不同的物种造成了覆盖度相同光谱曲线却有差别的现象；其二是沙化恢复区的样方本底有较多的非光合作用植被，在测量时，较多的非光合作用植被进入仪器视场，使得其在近红外波段的光谱范围更接近重度沙化草地。

对图6 中常用的植被指数分析后，发现NDVI、RVI 等植被指数表现一致，依次排序为未沙化 ＞ 轻度沙化 ＞ 中度沙化 ＞ 沙化恢复区 ＞ 重度沙化 ＞ 极重度沙化。未沙化草地的各类指数最高，极重度沙化草地最低，表明植被覆盖度及生长情况对以上指标有较强的相关性[32-33]，不同沙化程度的NDVI 值同杜子涛等[34]关于盖度分级与NDVI 的分级对应关系保持一致，也从侧面验证了植被指数参与分类的有效性。该系列植被指数能够为基于高光谱数据的沙区地表精细化分类提供数据支持。

高光谱数据的优势之一在于目标特征的精细提取和识别，特征选择是其应用的关键问题[27]。通过处理和分析野外实测的高光谱数据, 寻找细微差别，确定特征波段，掌握沙化草地的光谱特征及变化规律，从而提高遥感地物识别精度是本研究的要解决的关键问题，但高寒草地植被覆盖受季节、水分含量、叶绿素、冠层蒸腾、组织结构等指标的影响，会导致在同一地区不同季节呈现出迥异的光谱特征。而且对于植被覆盖度较低的沙化地区，土壤背景会对草地光谱产生较大的影响，土壤含水量、颜色以及有机质含量的变化都会导致光谱特征出现差异，因此如何更好地探测或剔除背景信息，结合野外混合光谱数据以及纯净光谱信息、植被冠层信息开展不同沙化草地识别研究，是目前高寒草甸沙化光谱特征提取和识别的重难点研究内容之一，也是本研究后续要解决的问题。

4 结论

为了准确对不同沙化程度草地进行精细化分类，本研究基于玛曲实测光谱数据，通过对其光谱曲线特性分析，探讨不同沙化程度草地的光谱响应特征和差异性，实现高光谱遥感对不同沙化程度草地的识别能力。主要结论：

1)玛曲不同沙化程度草地光谱在400—2 470 nm波段内大体呈现出两种不同的特征。极重度沙化草地的光谱曲线变现为波浪形，在600 和800 nm 处存在弓形突起区，呈现典型的荒漠化土壤特征，其余5 种光谱曲线表现出明显植物光谱特征，其红边、红谷、绿峰及三边参数位置均与植物的光谱曲线变现一致。

2)基于高光谱反射率数据的定量分析发现，在原始光谱中容易将极重度沙化同其他类型的沙化草地进行区分，针对未沙化、轻、中、重及沙化恢复区类型草地来讲，720—1 000 nm 是区分以上5 种类型沙化草地的最佳波段。利用一阶微分和包络线去除的光谱转化方法，对草地光谱反射率曲线进行处理，发现较好的可用于不同程度沙化草地区分的特征波段还有510—560、650—700 nm、红边幅值和吸收深度。

3)不同的植被指数都随着沙化程度的不断加重都呈现出不断减小的规律，RVI、GRVI 指数在不同程度沙化草地中表现出较大的差异，通过分析不同沙化草地的阈值发现RVI、GRVI 指数阈值区分度大且分级明显，可实现不同沙化程度草地的有效区分。