青海省黄南地区灌木林遥感生物量模型研究

青海省黄南地区灌木林遥感生物量模型研究内容摘要：

２ ０ １ ５年 ６月 第 ３期 林业资源管理 ＦＯＲＥＳ ＴＲＥＳ ＯＵＲＣＥＳＭＡＮＡＧＥＭＥＮＴ Ｊ ｕ ｎ ｅ２ ０ １ ５ Ｎｏ  ３ 青海省黄南地区灌木林遥感生物量模型研究 赵串串，于　杰 （陕西科技大学 资源与环境学院，西安 ７ １ ０ ０ ２１） 摘要：基于青海省黄南地区 ＭＯＤＩ Ｓ遥感影像图，通过 Ａｒ ｃ ＧＩ Ｓ提取区域归一化植被指数 ＮＤＶＩ ，结合青海省林业资 源调查结果，分析区域 ＮＤＶＩ和黄南地区灌木林优势树种生物量之间的定量关系。结果表明，ＮＤＶＩ与灌木林生 物量显著性相关，拟合两者的回归模型，金露梅、沙棘、山生柳、杜鹃树种的最优模型分别为三次函数曲线， 幂函数曲线，复合函数曲线和三次函数曲线模型。 关键词：归一化植被指数；遥感；灌木林；生物量；青海省 中图分类号：Ｓ ７ １ ８  ５　文献标识码：Ａ　文章编号： １ ０ ０ ２－６ ６ ２ ２（２ ０ １ ５）０ ３－０ ０ ６ ５－０ ５ ＤＯＩ ： １ ０． １ ３ ４ ６ ６／ ｊ ．ｃ ｎ ｋ ｉ ．ｌ ｙ ｚ ｙ ｇ ｌ ． ２ ０ １ ５． ０ ３． ０ １ ４ Ｓｔ ｕｄｙｏ ｎｔ ｈｅＲｅ ｍｏ ｔ ｅＳｅ ｎｓ ｉ ｎｇＢｉ ｏ ｍａ ｓ ｓＭｏ ｄｅ ｌｏ ｆ Ｓｈｒ ｕｂｂｅ ｒ ｙｉ ｎＨｕａ ｎｇ ｎａ ｎＲｅ ｇ ｉ ｏ ｎｏ ｆＱｉ ｎｇ ｈａ ｉＰｒ ｏ ｖ ｉ ｎｃ ｅ ＺＨＡＯＣｈ ｕ ａ ｎｃ ｈｕ ａ ｎ，ＹＵＪ ｉ ｅ （Ｃｏ ｌ ｌ ｅ ｇｅｏ ｆＲｅ ｓ ｏ ｕｒ ｃ ｅ ｓａｎ ｄＥｎ ｖ ｉ ｒ ｏ ｎｍｅ ｎｔ ，Ｓｈ ａ ａ ｎｘ ｉＵｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙｏ ｆＳ ｃ ｉ ｅ ｎ ｃ ｅａ ｎｄＴｅ ｃ ｈｎ ｏ ｌ ｏ ｇ ｙ ，Ｘｉ ’ａｎ７１ ０ ０２ １，Ｃｈｉ ｎａ） Ａｂｓ ｔ ｒ ａ ｃ ｔ ：Ｂａ ｓ ｅ ｄｏ ｎｔ ｈ ｅａ ｒ ｅ ａｎｏ ｒ ｍａ ｌ ｉ ｚ ｅ ｄｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎｃ ｅｖ ｅ ｇ ｅ ｔ ａ ｔ ｉ ｏ ｎｉ ｎ ｄｅ ｘｆ ｒ ｏ ｍｔ ｈｅｒ ｅ ｍｏ ｔ ｅｓ ｅ ｎｓ ｉ ｎ ｇｉ ｍａ ｇ ｅａ ｎ ｄｔ ｈｅ ｉ ｎ ｖ ｅ ｓ ｔ ｉ ｇ ａ ｔ ｉ ｏ ｎｒ ｅ ｓ ｕｌ ｔ ｓｏ ｆｔ ｈ ｅｆ ｏ ｒ ｅ ｓ ｔｉ ｎｖ ｅ ｎｔ ｏ ｒ ｙｉ ｎＱｉ ｎｇ ｈａ ｉＰｒ ｏ ｖ ｉ ｎｃ ｅ ，Ａｒ ｃ ＧＩ Ｓａ ｎｄＳＰＳＳｓ ｏ ｆ ｔ ｗａ ｒ ｅａ ｒ ｅｕｓ ｅ ｄｆ ｏ ｒ ａ ｎａ ｌ ｙ ｚ ｉ ｎ ｇｔ ｈ ｅｑｕ ａ ｎｔ ｉ ｔ ａ ｔ ｉ ｖ ｅｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ ｓ ｈｉ ｐｂ ｅ ｔ ｗｅ ｅ ｎＮＤＶＩａ ｎｄｂｉ ｏ ｍａ ｓ ｓｏ ｆｓ ｕｐｅ ｒ ｉ ｏ ｒ ｉ ｔ ｙｓ ｐｅ ｃ ｉ ｅ ｓｏ ｆｓ ｈｒ ｕｂｂ ｅ ｒ ｙｉ ｎ Ｑｉ ｎ ｇ ｈａ ｉｐ ｒ ｏ ｖ ｉ ｎｃ ｅａ ｎｄｆ ｉ ｔ ｔ ｉ ｎｇｔ ｈ ｅｒ ｅ ｇ ｒ ｅ ｓ ｓ ｉ ｏ ｎｍｏ ｄｅ ｌｂｅ ｔ ｗｅ ｅ ｎｔ ｈｅ ｍＴｈｅｒ ｅ ｓ ｕｌ ｔ ｓｓ ｈｏ ｗｔ ｈａ ｔＮＤＶＩａ ｎｄｔ ｈｅｂｉ ｏ  ｍａ ｓ ｓｏ ｆｓ ｈ ｒ ｕ ｂｂｅ ｒ ｙｈａ ｖ ｅａｓ ｉ ｇ ｎｉ ｆ ｉ ｃ ａ ｎ ｔｃ ｏ ｒ ｒ ｅ ｌ ａ ｔ ｉ ｏ ｎ Ｔｈｅｏ ｐｔ ｉ ｍａ ｌｍｏ ｄｅ ｌ ｓｏ ｆｆ ｒ ｕｔ ｉ ｃ ｏ ｓ ａ ，ｓ ｅ ａ ｂｕｃ ｋｔ ｈｏ ｒ ｎ，ｓ ａ ｌ ｉ ｘｏ ｒ ｉ ｔ  ｒ ｅ ｐ ｈａａ ｎ ｄｒ ｈ ｏ ｄ ｏ ｄ ｅ ｎｄ ｒ ｏ ｎａ ｒ ｅｒ ｅ ｓ ｐｅ ｃ ｔ ｉ ｖ ｅ ｌ ｙｃ ｕｂｉ ｃｆ ｕｎｃ ｔ ｉ ｏ ｎｃ ｕｒ ｖ ｅ ，ｐ ｏ ｗｅ ｒｆ ｕｎｃ ｔ ｉ ｏ ｎｃ ｕｒ ｖ ｅ ，ｃ ｏ ｍｐｏ ｕｎｄｆ ｕ ｎｃ ｔ ｉ ｏ ｎ ｃ ｕｒ ｖ ｅａ ｎ ｄｃ ｕｂｉ ｃｆ ｕｎｃ ｔ ｉ ｏ ｎｃ ｕ ｒ ｖ ｅ  Ｋｅ ｙｗｏ ｒ ｄｓ ：ＮＤＶＩ ，ｒ ｅ ｍｏ ｔ ｅｓ ｅ ｎｓ ｉ ｎｇ ，ｓ ｈｒ ｕ ｂｂｅ ｒ ｙ ，ｂｉ ｏ ｍａ ｓ ｓ ，Ｑｉ ｎｇ ｈａ ｉ 　　生物量 是 生 态 系 统 生 产 力 的 重 要 体 现，它 直 此研究灌木林生物量是非常必要的。灌木林的生 接反映了生 态 系 统 生 产 者 的 物 质 生 产 量，因 而 引 态幅度较乔木林广 ［３］，分布范围也比乔木林大，但 起了众多 生 态 学 家 的 广 泛 重 视 ［１］。灌 木 是 干 旱、 是灌木林生 物 量 研 究，尤 其 是 灌 木 遥 感 生 物 量 的 半干旱地区 的 主 要 树 种，作 为 生 态 系 统 的 一 个 重 研究很少 ［４－８］。随着遥感技术的不断发展，遥感应 要组成部分，在 生 态 保 护 与 重 建 过 程 中 起 着 重 要 用也日趋广泛。遥感数据可以反应植被信息，而植 的作用，也在群落演替过程中扮演重要角色 ［２］ ，因 被指数是通过搭载在卫星上的传感器所探测到的 收稿日期： ２ ０ １ ５－０ ４－１ ４；修回日期： ２ ０ １ ５－０ ５－２ ２ 基金项目：青海公益林监测横向项目（ＱＬＺＸ－２ ０ １ ５ １ ７ ３） 作者简介：赵串串（１ ９ ７ ６－），女，陕西西安人，副教授，硕士，研究方向为流域水环境模拟与生态环境保护。 Ｅｍａ ｉ ｌ ：ｓ ｘ ｋ ｊ ｄ ｘ ｚ ｃ ｃ ＠１ ２ ６ ｃ ｏ ｍ 林业资源管理 ６６ 第 ３期　 不同波段的数据进行组合形成的，对植被长势和宏 ０ １０年 遥感数据来自美国 ＮＡＳＡ中心网站提供的 ２ 观尺度植被生物量有很重要的指示意义，很多学者 第 ２７３天晴天 ＭＯＤ１３Ｑ１数据集，该产品已经过几 对其作了大量的研究，认识已比较深刻 ［９］ 。研究表 何校正和大气校正。数据集共包含有 １１个图层，本 明，与生态学研究方法相比，遥感方法能够获取植 研究采用 ２５０ｍ空间分辨率 １６ｄ合成的 ＮＤＶＩ图层。 被的详细空间分布信息，克服空间异质性对生物量 ２ ３　遥感影像预处理 的影响，因而估算的精度较高 ［１ ０］ 。 在 Ａｒ ｃ ＧＩ Ｓ软件里完成遥感影像的拼接、裁剪以 本研究以青海黄南地区的优势灌木树种为研 及投影转换，可以得到 ＭＯＤ１３Ｑ１产品在 －３００ ０～ 究对象，结合研究区域的遥感卫星影像图，建立能 １ ００００之 间 的 ＤＮ 值，而 ＮＤＶＩ标 准 值 范 围 应 为 够满足一定精度要求、能与已建立的森林资源连续 －１～１，将 ＤＮ 值 转 换 为 ＮＤＶＩ值 需 要 进 行 重 计 清查体系相融合的生物量估算模型，以期为研究区 算 ［１３］，计算公式为： 域灌木林生物量提供新的思路和参考依据。 ＮＤＶＩ＝０００ ０１×ＤＮ （１） ２ ４　建模样本数据库构建 １　研究区概况 综合考虑各树种图斑数以及图斑面积确定研 研究区位 于 青 海 省 东 南 部 黄 南 地 区 同 仁 县， 究区灌木林优势树种为沙棘，山生柳，杜鹃和金露 北纬 ３５° ０１′～３７° ４７′ ，东经 １００° ２３′～１０１° ２０′ ，属 梅。采用覆盖度和坡向 ２个因子划分图斑类别，覆 于高原大陆性气候，日温差大而年温差小，太阳辐 盖度代码为 １～３：“１”代表密；“２”代表中；“３”代表 ４～ 射强、光照充足，平均气温低，年平均气温在 －２ 疏。坡向代码为 １～５：“１”代表阳坡；“２”代表半阳 １３℃之间，干 旱 少 雨，年 降 水 量 在 ４００ｍｍ 以 下， 坡；“３”代 表 阴 坡；“４”代 表 半 阴 坡；“５”代 表 无 主要集中于 ６—９月。土壤类型主要有灰钙土、栗 坡向。 钙土、黑 钙 土、灰 褐 土、山 地 草 甸 土、高 山 草 甸 土等。 ｃ ＧＩ Ｓ软件，结合前期现地调查数据和 运用 Ａｒ 森林资源调查数据 库 资 料，根 据 图 斑 类 别 可 以 确 ０年林业资源调查数据， 依据青海省林业厅 ２０１ ５４ ５０ ８ｈｍ２，灌木 青海省黄南地区总林地面积为 ４６ 定各树种图斑 类 别 平 均 生 物 量 参 数，结 果 如 表 １ 所示。 林面积为 １ ０１８ １ ９ ５ｈｍ２。 表 １　图斑类别生物量参数 Ｔａ ｂ １Ｂｉ ｏ ｍａｓ ｓｐａｒ ａ ｍｅ ｔ ｅ ｒ ｓｏ ｆｐａ ｔ ｃ ｈｃ ａｔ ｅ ｇ ｏ ｒ ｉ ｅ ｓ ｔ ／ ｈｍ２ ２　研究方法 ２ １　模型变量的确定 生物量参数 图斑 类别 沙棘 山生柳 金露梅 杜鹃 １ １ １ １ ８ １ ２ ９ ６ １ ７ ２５ ２  ６１ １ ５ ６８６４７ １ ２ １ １１ ３ ３７ ６ ０ ７ ２３ ６  ６ ８ ７７ ７ ９６３３ １ ３ １ ３ ０ ０３ ６ ９  ７ ３４ ２ ７ ９ ５３ ７ １０ ２２９ ３ 形、部分仪器定标的影响，是经过严密的数学逻辑 １４ １ ６ ３ １２ ８ ８  ５１ ６ ７ ７ ５ ４７ ７ １０ ７ ９１ ５ 模型模拟植被生长发展起来的，对植被感应强烈， １ ５ １ ０ ６ ８ ５ ６ ６  ２４ ２ ３ ６  １４ ５ ４ ７６ ８９ ２ ２ １ １ ０９ ４ ３４ ６ １ ７ ８７ ５  ４ ５ ６５ ７ ５２５１ ２ ２ １ １０ １ ９２ ６  ０ ２９ ２ ４  ７ ７ ６４ ７ ２７１９ ２３ １ ２ ６ ５４ ４ ７  ６１ ８ ５ ５ ４ ９８ ３ ８ ５８８９ ２ ４ １ ２ １ ９ ４ ８ ６  ９３ ６ ４ ５  ４７ ６ ９ ８２０１１ ２ ５ １ ００ ２ ３８ ５ １ ９ ５６ ４  ４ ３ ５２ ６ ５５０３ 多种卫星传感器获取 ［１２］。因此，本研究选取 ＮＤＶＩ ３ １ ８５ ４ ０２ ５  ０ ４８ ８ ２  ３ ８ ２６ ５ ３２３ ８ 作为模型变量。 ３２ ８ ３ ９６ ５ ４  ８５ ９ ９ ２ ５ １０ ７ ５ ２ ５３ ６ ２ ２　ＮＤＶＩ数据来源 ３ ３ ９ ８ ６ ３ ６ ６ ０ ６ ７ ６ ３  ３４ １ ２ ６４ ２２ ９ ３ ４ ９７ ２ ８７ ５ ２ ９ ３４ ２  ８ ５ ８７ ５ ９５７４ ３ ５