植被指數在典型草原生物量遙感估測應用中的問題探討

張艷楠，牛建明，2＊，張慶，楊艷，董建軍

（1.內蒙古大學生命科學學院，內蒙古 呼和浩特010021；2.中美生態、能源及可持續性科學研究中心，內蒙古 呼和浩特010021）

遙感技術興起于20世紀60年代初，由于其具有宏觀、快速、準確、動態等優點，因此被廣泛應用于估產［1－3］、土地利用動態監測［4－6］、水質評價［7－9］、災害監測［10－12］等方面。隨著遙感技術的發展，20世紀70年代后期遙感信息作為變量被引入到估產模型中［13］，研究者結合農學知識和環境因素預測農作物、草地產量等。我國草地衛星遙感研究始于20世紀80年代初［14］，研究區多集中在我國新疆北部［15－18］和內蒙古地區［19－22］，現已建立了大量的遙感估產模型，目前，遙感技術（RS）、地理信息系統技術（GIS）和全球定位技術（GPS）與地面測點的結合己成為大尺度草產量動態監測的主要手段。

遙感估產是以植被指數為主要輸入變量的基于像元的數理統計回歸分析方法，通過不同尺度數據之間建立函數關系來完成由點及面的轉換［23］。植被指數由衛星不同波段數據組合而成，由于其包含90%以上的植被信息［24］，且與植物生物量等很多植被要素之間存在強相關性［25］，因此植被指數可以較好地反映植物的生長狀況及空間分布。Tucker［26］于1979年發現歸一化差異植被指數（normalized difference vegetation index，NDVI）對光合有效生物量的變化比較敏感，此后植被指數就被廣泛應用于生物量的遙感估測，至今已發展了40余種植被指數［27］，其中應用最為廣泛的是NDVI［28］。雖然大多數植被指數都可應用于遙感估產，但不同環境下的效果存在爭論［29，30］，至今尚未明確各種植被指數間的相互關系及其適用范圍。

關于草地估產的研究很多，所建立的植被指數—生物量模型迥異，模型基本為線性模型和非線性模型［16，31－33］，主要包括一元線性模型、指數模型、對數模型、二次模型等。由于其生態學意義不明確及次數過高的多項式模型容易過度擬合［34］，因此二次及其以上多項式模型使用較少，一元線性模型和指數模型是較為成熟且應用最廣泛的類型［22］。Wu和Levin［35－37］認為尺度是導致生態模型差異的一個主要原因，那么隨著生物量范圍的變化，一元線性模型和指數模型是否會因此具有不同的適用范圍。

綜上所述，本研究選用了14種常用于草地估產的植被指數，對內蒙古錫林浩特市白音錫勒典型草原進行生物量遙感估測，擬解決如下3個問題：1）干重或鮮重均常用于草地生物量遙感估測，二者效果優劣如何；2）14種植被指數之間關系如何，在草地生物量遙感估測中哪（幾）種植被指數效果最優；3）隨著生物量范圍的逐漸增大，一元線性模型和指數模型之間是否存在某種趨勢。通過對以上3個問題的探討，一方面嘗試闡述估產模型差異的可能原因——生物量范圍差異；另一方面為以后草地生物量遙感估測提供技術上的理論依據及方法指導。

1 材料與方法

1.1 研究區概況

研究區位于東經116.0304°～116.7901°、北緯43.6920°～44.2659°（圖1），地處內蒙古高原中東部錫林郭勒盟的東南部，屬錫林郭勒高原東南部低山丘陵區的邊緣部分，海拔1 000～1 500m。該區屬于中溫帶大陸性氣候，冬季嚴寒漫長，夏季短暫涼爽，春秋季多大風天氣。研究區植被類型以典型草原為主，其中以大針茅（Stipagrandis）、羊草（Leymuschinensis）草原占絕對優勢。另外，在研究區的東部低山區分布著以線葉菊（Filifoliumsibiricum）、貝加爾針茅（Stipa baicalensis）和羊草建群的禾草雜類草草甸草原。此外，在河漫灘及低洼處，有以芨芨草（Achnatherum splendens）、寸草苔（Carexduriuscula）等為主的鹽生和濕生草甸。

圖1 研究區地理位置及樣點分布圖Fig.1 The location of study area and samples

1.2 數據獲取

2005年8月中旬，對研究區域進行了植被調查，設置65個樣地，每個樣地采集3個1m×1m樣方，記錄樣方內所有植物的指標，如高度、密度等，并沿地面分類剪取樣方內植物，帶回室內稱取每種植物的鮮重，后經烘干處理（65℃，24h）得到干重數據。為了盡可能地避免非典型草原景觀的干擾，剔除了一些靠近農田或者小葉錦雞兒（Caraganamicrophylia）斑塊的樣地。最后，參與建模的樣方共有60個。

在遙感數據方面，為了與地面調查數據在時間上匹配，購置了2005年8月15日的陸地衛星（Landsat5，TM）數字圖像。利用PCI軟件對影像進行大氣校正、幾何校正后，計算各植被指數的值，并利用各樣地記錄的GPS定位坐標，提取對應樣地的各類植被指數。

1.3 植被指數選取

總結前人工作，從文獻中選取常用于草地估產的14種植被指數。計算公式見表1。

1.4 數據分析

利用SPSS軟件，分別建立各種植被指數與鮮重、干重的回歸模型。在本研究中的回歸模型選用一元線性、指數函數、冪函數、對數函數4類。利用T檢驗對鮮、干重的回歸模型進行分析，檢驗兩類回歸模型之間是否具有顯著性差異。

利用Canoco軟件中的DCA分析對所選用的14種植被指數進行排序和分類比較。

收集了國內公開發表利用15個以上樣本建立一元線性或指數模型的文獻，提取其生物量范圍及對應的估產模型函數類型，進行Logistic回歸分析。Logistic回歸分析是一種對二分類因變量（因變量Y取值有2種可能，0或1）進行回歸分析，經常采用非線性分類的統計方法。因為該方法具有變量解釋性強、簡單的特點，在本研究中借助該方法對生物量范圍及對應的估產模型函數類型進行回歸分析，以期發現隨草地生物量范圍的增大，估產模型可能出現的趨勢。由于國內大部分工作都是針對鮮重的估測，且已發表的文獻很少會給出生物量值，故本研究只收集到21個鮮重模型［28，52－60］。

表1 植被指數計算公式Table 1 Vegetation index formula

2 結果與分析

2.1 估產模型的建立

估產模型是建立自變量與因變量之間簡單的回歸模型，在本研究中自變量x為各植被指數，因變量y為鮮重或干重。建立估產模型前，先要對植被指數及生物量進行相關性分析，其目的是檢驗兩者之間關系的密切程度，以及是否可根據所測樣本數據來推斷總體情況。本研究中的14種植被指數與鮮重、干重對應的相關系數如表2?？梢?，除EVI、PVI外，其余12種植被指數均與鮮重、干重顯著相關，故利用這12種植被指數來建立草地估產模型是可行的。

表2 植被指數與草地生物量間的相關系數Table 2 The correlation coefficient between vegetation index and grassland biomass

在相關性分析的基礎上，對12種植被指數和草地生物量進行回歸分析，分別建立植被指數與干重、鮮重之間的回歸模型（表3）。通過對不同模型測算結果的比較與分析，可以看出，指數模型是4種回歸模型當中擬合精度最好的，其次依次為冪函數模型、一元線性回歸模型，最差的是對數函數模型。

依據干重建立的回歸模型的R2均比鮮重的要高，而且對鮮、干重建立的模型效果進行T檢驗后，發現兩者差異顯著（P＜0.01）。

續表3 Continued

2.2 DCA分析

以14個植被指數在60個樣地中的值為數據源進行DCA分析，取得了較好的效果，第1軸和第2軸的貢獻率分別為51.4%和0.9%，前2軸的累計貢獻率達52.3%。

DCA 排序可以將植被指數劃分為4類：Ⅰ：1，4，5，6，7，8，9，10，11，14；Ⅱ：2，12；Ⅲ：3；Ⅳ：13（圖2）。

2.3 模型趨勢

在廣泛查閱國內近幾年以鮮重為因變量建立的草地估產模型研究的基礎上，利用Logistic回歸分析探討生物量范圍與模型類型之間的關系，結果（圖3）表明，當生物量低于370g／m2時，建立的估產模型都是一元線性的；當生物量在370～720g／m2時，一元線性模型和指數模型的模擬效果都很好；當生物量高于720g／m2時，估產模型都是指數的，即生物量較低時，模型為一元線性；隨生物量的增加，估產模型由一元線性逐漸發展為線性和指數共存；當生物量足夠大時，模型呈指數函數（圖3，P＜0.05）。

3 討論

植物的葉綠素可以吸收太陽輻射的藍光、紅光，而葉片結構反射近紅外，故利用植被在紅光與近紅外波段的反射率對其生物量、LAI、覆蓋度等特征進行度量。本研究中植被指數與鮮重、干重之間回歸效果均較好（表3），因此，分別以兩者為因變量建立的模型都是可行的。但是T檢驗發現以鮮重、干重為因變量分別建立的估產模型效果差異顯著（P＜0.01），且干重的回歸效果要好于鮮重（R2干重＞R2鮮重），因此，以干重為因變量的估產模型的效果要比鮮重的好。究其原因，植物葉綠素含量是度量植物光合作用能力及干物質積累的重要指標，且植被遙感信息最能直接指示干物質的積累［61］，使用干重進行遙感估測排除了鮮重中水分的干擾，因此，生物量遙感估測中干重回歸效果優于鮮重。但干重數據來源于烘干條件下（65℃，24h），在實際應用中，其應用受到一定的條件限制，故此，在建立估產模型時，應根據研究目的及實驗條件對干重、鮮重做出合理的選擇。

圖2 14種植被指數DCA排序結果圖Fig.2 DCA ordination diagram of 14vegetation indices

圖3 生物量－估產模型Logistic分析趨勢圖Fig.3 The trends of Biomass－estimation model about Logistic analysis

影響植被指數的因子包括生物因子和物理因子兩大類［62］，如植物含水量、大氣、土壤、傳感器等。在本研究中，利用的是同一時期的地面資料和遙感資料，因此可以排除傳感器因素。沿第1軸對植被指數進行分析發現：SAVI、MSAVI能夠消除或減弱土壤的噪聲［38］；RVI受土壤背景的影響，當植被覆蓋不夠濃密時，它的分辨能力也很弱，只有在植被覆蓋濃密的情況下效果最好；相對于RVI，PVI消除土壤背景干擾的能力較好［63］。因此，第1軸反映了土壤對植被指數的影響，且離原點越遠，受土壤的影響就越小。沿第2軸對植被指數分析發現：RVI對大氣影響敏感，EVI基于土壤和大氣的影響是相互作用的事實，引入一個反饋項來同時對二者進行訂正［64］；ARVI在紅光波段完成大氣自我校正，其對大氣的敏感性比NDVI小4倍［62］；故第2軸反映了大氣對植被指數的影響，且離原點越遠，受大氣的影響就越小。由于第1軸解釋了51.4%的變量，即土壤對植被指數有相當大的影響，土壤亮度是影響植被指數的重要因素［65］，許多植被指數的發展就為了控制土壤的影響。

在選取植被指數時應最大限度地排除各種干擾，但大氣和土壤的影響是相互的，消除其中的一個可能會增加另一個［66］，只有對二者同時進行訂正才能得到比較準確的估算結果。在DCA排序圖中，位于對角線上及其附近的植被指數是綜合排除了土壤、大氣的影響，并且距離原點越遠，受土壤、大氣綜合影響越小，NDVI、OSAVI、SAVI、DVI等分布在對角線附近，受土壤、大氣的影響較小，有助于建立較為準確、合理的估產模型。在實際應用中，植被指數沒有一個統一的值，其研究結果經常不一致［67］，因此對植被指數的取舍要相當謹慎，盡量避免重復使用同一類的植被指數，要對比不同類型的植被指數，以便找到模型效果最好的植被指數。就典型草原遙感估產而言，Ⅰ類的大部分指數效果要高于其他幾類，NDVI的效果最好。

空間異質性由斑塊和梯度復合而成，可導致生態模型隨不同空間尺度、等級尺度變異［35－37］，大部分草地估產模型都是針對某一草地類型建立的，由于區域、植被類型的不同造成植被指數－生物量的模型結果差異很大［68］。本研究統計了近年已發表的有關鮮重的估產模型，發現隨著生物量的增大，模型逐漸由一元線性趨近于指數，當生物量足夠大時，建立的估產模型是趨于指數的，當生物量范圍較小時，就只能表現整個趨勢上的一部分，其他模型對這部分生物量范圍的擬合效果可能會高于指數模型。在本研究中，生物量是517.12g／m2，處于中等生物量范圍，指數模型效果好。

［1］申廣榮，王人潮.植被光譜遙感數據的研究現狀及其展望［J］.浙江大學學報（農業與生命科學版），2001，27（6）：682－690.

［2］樊錦召，呂玉華.應用氣象衛星資料估算草場產草量方法的研究［J］.干旱區資源與環境，1990，（3）：23－28.

［3］王鶯，夏文韜，梁天剛，等.基于MODIS植被指數的甘南草地凈初級生產力時空變化研究［J］.草業學報，2010，19（1）：201－210.

［4］張宏斌，楊桂霞，黃青，等.呼倫貝爾草甸草原景觀格局時空演變分析——以海拉爾及周邊地區為例［J］.草業學報，2009，18（1）：134－143.

［5］Rao K S，Pant R.Land use dynamics and landscape change pattern in a typical micro watershed in the mid elevation zone central Himalaya，India［J］.Agriculture Ecosystems ＆ Environment，2001，86（2）：113－123.

［6］Shen R P，Kheoruenromne I.Monitoring land use dynamics in Chanthaburi Province of Thailand using digital remotely sensed images［J］.Pedosphere，2003，13（2）：157－164.

［7］周勇，范業寬，王慶云，等.湖泊水環境質量評價的研究進展［J］.環境科學進展，1998，6（2）：50－55.

［8］Carpenter D J，Carpenter S M.Modeling inland water quality using landsat data［J］.Remote Sensing of Enviormnent，1983，13：345－352.

［9］Koponen S，Ullininen J.Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data［J］.Remote Sensing of Environment，2002，79：51－59.

［10］于惠，馮琦勝，張學通，等.基于AMSR－E信息的北疆牧區雪深遙感監測模型方法初探［J］.草業學報，2009，18（4）：210－216.

［11］何建邦，田國良.中國重大自然災害監測與評估信息系統的建設與應用［J］.自然災害學報，1996，5（3）：1－7.

［12］閆峰，李茂松，王艷姣，等.遙感技術在農業災害監測中的應用［J］.自然災害學報，2006，15（6）：132－136.

［13］陶偉國，徐斌，楊秀春.草原產草量遙感估算方法發展趨勢及影響因素［J］.草業學報，2007，16（2）：1－8.

［14］牛志春，倪紹祥.青海湖地區草地植被生物量遙感監測模型［J］.地理學報，2003，58（5）：695－702.

［15］李建龍，黃敬峰，蔣平.不同類型草地監測與估產遙感指標和光學模型建立的研究［J］.新疆環境保護，1996，18（2）：34－39.

［16］黃敬峰，王秀珍，胡新博.新疆北部不同類型天然草地產草量遙感監測模型［J］.中國草地，1999，（1）：7－11.

［17］李建龍，戴若蘭，任繼周.遙感技術在新疆阜康縣草地估產中的應用研究［J］.中國草地，1998，（1）：11－14.

［18］黃敬峰，王人潮，胡新博.新疆北部天然草地產草量遙感監測預測模型研究［J］.浙江農業大學學報，1999，25（2）：125－129.

［19］徐希孺，金麗芳，賃常恭，等.利用NOAA－CCT估算內蒙古草場產草量的原理和方法［J］.地理學報，1985，40（4）：333－346.

［20］史培軍，李博，李忠厚，等.大面積草地遙感估產技術研究——以內蒙古錫林郭勒草原估產為例［J］.草地學報，1994，12（1）：9－13.

［21］裴浩，敖艷紅.利用極軌氣象衛星遙感監測草地生產力的研究─以內蒙古烏拉蓋地區為例［J］.干旱區資源與環境，1999，13（4）：56－64.

［22］趙冰茹，劉闖，劉愛軍，等.利用MODIS－NDVI進行草地估產研究——以內蒙古錫林郭勒草地為例［J］.草業科學，2004，21（8）：12－15.

［23］彭曉鵑，鄧孺孺，劉小平.遙感尺度轉換研究進展［J］.地理與地理信息科學，2004，20（5）：6－14.

［24］Baret F，Guyot G，Major D J.TSAVI：A vegetation index which minimizes soil brightness effects on LAI and APAR estimation［A］.Proceeings of the 12th Canadian Symposium on Remote Sensing［C］.Canada：Vancouver，1989：1355－1358.

［25］樸世龍，方精云，賀金生，等.中國草地植被生物量及其空間分布格局［J］.植物生態學報，2004，28（4）：491－498.

［26］Tucker C J.Red and photographic infrared linear combinations for monitoring vegetation［J］.Remote Sensing of Environment，1979，8：127－150.

［27］王宏，李曉兵，余弘青.基于NOAA／AVHRR NDVI監測中國北方典型草原生長季及變化［J］.植物生態學報，2006，30（3）：365－474.

［28］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.

［29］Myneni R B，Hall F B，Sellers P J，etal.The interpretation of spectral vegetation indices［J］.IEEE Transactions on Geoscience and Remote Sensing，1995，33：481－486.

［30］李京，陳晉，袁清.應用NOAA／AVHRR遙感資料對大面積草場進行產草量定量估算的方法研究［J］.自然資源學報，1994，9（4）：365－374.

［31］Roy P S，Jonna S，Pant D N.Evaluation of grasslands and spectral reflectance relationship to its biomass in Kanha National Park（M.P.）［J］.Indial Geocarto International，1991，6：439－451.

［32］Purevdorj T，Tateishi R，Ishiyama T，etal.Relationship between percent vegetation cover and vegetation indices［J］.International Journal of Remote Sensing，1998，19：3519－3535.

［33］呂新龍.呼倫貝爾地區草甸草原初級生產力動態研究［J］.中國草地，1994，（4）：9－11.

［34］Gao J.Quantification of grassland properties：how it can benefit from geoinformatic technologies［J］.International Journal of Remote Sensing，2006，27（7）：1351－1365.

［35］Levin S A.The problem of pattern and scale in ecology［J］.Ecology，1992，73：1943－1967.

［36］Wu J G，Levin S A.A spatial patch dynamic modeling approach to pattern and process in an annual grassland［J］.Ecological Monographs，1994，64：447－464.

［37］Wu J G，Loucks O L.From balance－of－nature to hierarchical patch dynamics：aparadigm shift in ecology［J］.Quarterly Review of Biology，1995，70：439－466.

［38］Kaufman Y J，Tanre D.Atmospherically resistant Vegetation index（ARVI）for EOS－MODIS［J］.IEEE Trans Geosci Remote Sensing，1992，30：261－270.

［39］Richardson A J，Wiegand C L.Distinguishing vegetation from soil background information［J］.Photogrammetric Engineering and Remote Sensing，1977，43（12）：1541－1552.

［40］Huete A K，Didan T，Miura E P，etal.Overview of the radiometric and biophysical performance of the MODIS vegetation indices［J］.Remote Sense，2002，83：195－213.

［41］Gitelson A A，Kaufman Y J，Merzlyak M N.Use of a green channel in remote sensing of global vegetation from EOS－MODIS［J］.Remote Sensing of Environment，1996，58（3）：289－298.

［42］Crippen R E.Calculating the vegetation index faster［J］.Remote Sensing of Environment，1990，34（1）：71－73.

［43］Qi J，Chehbouni A，Huete A R，etal.A modified soil adjusted vegetation index［J］.Remote Sensing of Environment，1994，48（2）：119－126.

［44］Deering D W，Rouse J W，Haas R H，etal.Measuring forage production of grazing units from Landsat MSS data［J］.Proceedings of the 10th International Symposium on remote sensing of environment，1975：1169－1178.

［45］Rondeaux G，Steven M，Baret F.Optimization of soil－adjusted vegetation indices［J］.Remote Sensing of Environment，1996，55（2）：95－107.

［46］Wiegand C L，Richardson A J，Escobar D E，etal.Vegetation indices in crop assessments［J］.Remote Sensing of Environment，1991，35（2－3）：105－119.

［47］Roujean J L，Breon F M.Estimating PAR absorbed by vegetation from bidirectional reflectance measurements［J］.Remote Sensing of Environment，1995，51：375－384.

［48］Birth G S，McVey G.Measuring the color of growing turf with a reflectance spectroradiometer［J］.Agronomy Journal，1968，60：640－643.

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

［50］Rouse J W，Haas R H，Schell J A，etal.Monitoring the vernal advancement of retrogradation of natural vegetation［M］.USA：National Aeronautics and Space Administration，Goddard Space Flight Center（NASA／GSFC），1974.

［51］Musick H B，Pelletier R E.Response to soil moisture of spectral indexes derived from bidirectional reflectance in thematic mapper wavebands［J］.Remote Sensing of Environment，1988，25（2）：167－184.

［52］王新欣.天山北坡中段典型草原區地上生物量遙感監測模型的建立［D］.新疆：新疆農業大學，2008.

［53］楊英蓮，邱新法，殷青軍.基于MODIS增強型植被指數的青海省牧草產量估產研究［J］.氣象，2007，33（6）：102－106.

［54］馮秀，仝川，張魯，等.內蒙古白音錫勒牧場區域尺度草地退化現狀評價［J］.自然資源學報，2006，21（4）：575－583.

［55］王新欣，朱進忠，范燕敏，等.基于 MODIS－NDVI的天山北坡中段草地動態估產模型研究［J］.草業科學，2009，26（7）：24－27.

［56］武鵬飛.EOS／MODIS植被指數在草地生物量遙感估測中的應用［D］.烏魯木齊：新疆農業大學，2003.

［57］張魯.內蒙古白音錫勒牧場土地覆蓋變化的景觀格局分析及草地估產［D］.呼和浩特：內蒙古大學，2005.

［58］何濤.應用MODIS數據對荒漠草原生物量監測的研究［D］.北京：中國農業科學院，2006.

［59］王新欣，朱進忠，范燕敏，等.利用EOS／MODIS植被指數建立草地估產模型的研究［J］.新疆農業科學，2008，45（5）：843－846.

［60］干友民，成平，周純兵，等.若爾蓋亞高山草甸地上生物量與植被指數關系研究［J］.自然資源學報，2009，24（11）：1964－1972.

［61］何濤.荒漠草原生物量監測研究中植被指數選擇的初步探討［J］.內蒙古草業，2006，18（1）：35－37.

［62］Gamon J A.A narrow－waveband spectral index that tracks diurnal changes in photosynthetic efficiency［J］.Remote Sensing of Environment，1992，41：35－44.

［63］Kauth R J，Thomas G S.The tasseled cap－agraphic description of the spectral－temporal development of agriculture crops as seen by Landsat［A］.Symposium on Machine Processing of Remotely Sensed Data［C］.Indiana：Purdure University，West Lafayette，1976：41－51.

［64］王正興，劉闖，Huete A R.植被指數研究進展：從 AVHRR－NDVI到 MODIS－EVI［J］.生態學報，2003，（5）：979－987.

［65］Escadafal R.Remote sensing of arid soil surface color with Landsat Thematic Mapper［J］.Advances in Space Research，1989，9（1）：1159－1163.

［66］Liu H Q，Huete A R.A feedback based modification of the NDVI to minimize canopy background and atmospheric noise［J］.IEEE Transactions Geoscience and Remote Sensing，1995，33：457－465.

［67］田永慶，閔祥軍.植被指數研究進展［J］.地球科學進展，1998，13（4）：327－333.

［68］李素英，李曉兵，鶯歌，等.基于植被指數的典型草原區生物量模型——以內蒙古錫林浩特市為例［J］.植物生態學報，2007，31（1）：23－31.