第一作者简介:冯秀绒(1975- ),女,陕西大荔人,讲师,博士研究生,主要从事物理和环境生物学研究工作。E-mail: xiurongfeng@163.com
*通信作者简介:卜崇峰(1977- ),男,陕西榆林人,博士,硕士生导师,主要从事生物土壤结皮与水土保持工程研究工作。E-mail: buchongfeng@163.com
利用典型地物高光谱数据和TM遥感影像,对毛乌素沙地处于旺盛生长期(7—9月)的由苔藓结皮主导的生物结皮进行了提取研究。结果表明:① 苔藓结皮在生长期具有与绿色植物相似的光谱曲线变化趋势;红边参数显示,二者除红边位置非常接近外,红边振幅、红边宽度和红边面积差异均较大;在近红外区域,苔藓结皮比绿色植物的反射率低很多;苔藓结皮无明显的553 nm反射峰;低盖度苔藓结皮(33%)、藻类结皮和植被枯落物在整个波段光谱曲线比较接近,与裸沙相比,三者反射率均较低。② 基于TM影像,用生物结皮指数(BSCI)、归一化植被指数(NDVI)、监督分类和坡度分级相结合的方法提取生物结皮,发现苔藓结皮的像元面积为0.72×104 km2,占研究区总面积的6.43%。
Using the hyperspectral reflectance data of typical objects and TM remote sensing images, the paper extracts the moss-dominated biological soil crusts at vigorous growth stage (from July to August) in Mu Us Desert. We collected the reflectance spectra of six typical ground features including bare sand, algae crust, dry vegetation, green vegetation, the moss crusts of 33% coverage and 100% coverage. Remote sensing data include twelve Landsat TM images acquired from July to August in 2010 and 2011. The results are as follows: 1) Moss crust in vigorous growth stage has similar spectral reflectance curves with green plants. There are obvious reflection peak and “red edge” phenomenon in visible light band. However, in the red band (680-760 nm) , they have differences in all “red edge” parameters including red edge amplitude, red edge width and red edge area, except red edge position. In the near-infrared shortwave bands(760-900 nm), the reflectance of moss crust is much lower than that of green plants. Their average reflectance is 0.198 and 0.424 respectively. Moss crust has no reflection peak at the wavelength of 550 nm, but at the wavelength of 625 nm. The moss crust of 33% coverage, algae crust and dry vegetation have similar spectral curves between the wavelength of 400 nm and 900 nm. Their spectral reflectance is lower than that of bare sand which is 48%. 2) Based on the Landsat TM images, the method extracts biological crust by combing biological soil crust index ( BSCI), normalized difference vegetation index ( NDVI), supervised classification and slope classification. 3) The pixel area of moss crusts is 7200 km2, which takes 6.43% of the total study area.
生物结皮是由细菌、真菌、土壤藻类、地衣和苔藓等孢子植物类群与土壤形成的有机复合体, 根据生物结皮中优势生物组分及其形态、功能、土壤基质和演替阶段等, 可将生物结皮分为藻结皮、地衣结皮和苔藓结皮[1]。生物结皮遍布于沙漠或荒漠地区, 形成生物结皮的土壤具有较强的抗风蚀能力和重要的生态及环境效益, 是干旱荒漠地区植被演替的重要基础[2]。随着沙漠化威胁的日益加重, 生物结皮在沙漠生态系统中的重要作用愈发突出, 已成为自然地理学科领域的研究热点之一[3]。
利用遥感信息和地面调查相结合的方法, 可以得到生物结皮的空间分布特征。在这方面, 国内外学者已经做了一些探索性的工作。Karnieli提出了一个基于遥感参数提取藻结皮的生物结皮空间分布指数[4]; 张元明等构建了地衣植物为主的生物结皮指数, 并利用遥感制图, 给出了古尔班通古特沙漠生物结皮的分布特征[5]; 杨伟等利用遥感影像, 通过生物结皮指数提取了古尔班通古特沙漠20世纪末的生物结皮空间分布, 分析了研究区1970— 2000年近30 a生物结皮空间分布的变化特征[6]。但这些工作均未涉及生物结皮在毛乌素沙地的空间分布特征。
有关苔藓结皮光谱特性和空间分布的研究在我国才刚刚起步。房世波等分析了苔藓结皮在不同干湿状态下的光谱变异性[7, 8], 陈晋等比较了生物结皮与裸沙和干枯植被的光谱特征, 提出估算生物结皮覆盖度的方法[9]。Karnieli[4]和张元明等[5]提出的生物结皮指数是否适用于以苔藓结皮为主的生物结皮还尚待验证。调查研究发现, 地处我国半干旱地区的毛乌素沙地的生物结皮由苔藓结皮主导。
为了达到有效保护生物结皮资源并发挥其重要作用的目的, 揭示生物结皮空间分布特征已成为当前需要解决的首要问题。本文从生物结皮的光谱特征出发, 构建提取毛乌素沙地生物结皮的方法, 首次绘制出毛乌素沙地生物结皮分布图, 旨在为该地区生物结皮资源的保护和管理提供依据。
毛乌素沙地地处内蒙古、陕西、宁夏的交界地带, 位于我国农牧交错带的西部, 是我国四大沙地之一。纬度37° 30′ ~39° 20′ N、经度107° 20′ ~111° 30′ E, 沙地面积约4× 104 km2。在行政区划上包括内蒙古自治区鄂尔多斯南部、陕西省榆林地区北部, 以及宁夏回族自治区盐池县的东北部等13个县(市、旗)。其中, 内蒙古境内面积约占80%, 陕西约占15%, 宁夏约占5%, 行政区域总面积约为11.2× 104 km2。研究区地理范围见图1。
毛乌素沙地处于荒漠草原-草原-森林草原的过渡地带, 大部分地区属温带, 年平均温度6.10~8.15 ℃, 多年平均降水量在沙区东南部为400~440 mm, 向西逐渐递减, 降水量最小时仍达200 mm以上, 7— 9月集中全年降水量的60%~70%。研究区内主要植被有沙米(Agriophyllum squarrosum Moq)、油蒿(Artemisia desterorum Spreng)、北沙柳(Salix psammophila)、蓬草(Conyza canadensis)、花棒(Hedysarum scoparium)、紫穗槐(Amorpha fruticosa)等[10]。除此以外, 还有发育良好的以苔藓为主导的生物结皮, 根据季节不同、水分差异和发育阶段而呈现出绿色、黄绿色、黑色和黑褐色等。
前期调察发现, 毛乌素沙地的生物结皮常年存在, 且以苔藓结皮为主要类型。因此, 本文中所提生物结皮皆指苔藓结皮。本研究中, 野外调查、采样及地物光谱测定的时间分别选择在2010年7— 8月、2011年7— 8月进行, 此时沙漠中生物结皮正处于旺盛生长期, 有利于观测与采样。用于遥感分析的覆盖研究区的12景TM影像的轨道号和获取时间分别为:126/32(2010年8月5日)、126/33(2010年7月12日)、126/34(2010年8月5日)、127/32(2011年9月24日)、127/33(2011年8月7日)、127/34(2010年8月28日)、128/32(2010年8月27日)、128/33(2010年9月12日)、128/34(2010年9月12日)、129/32(2011年6月18日)、129/33(2011年6月18日)、129/34(2010年7月17日)。
2.1.1 测试方法
使用美国ASD(analytical spectral device)公司生产的Field Spec Hand Held型光谱仪, 其波长范围为325~1 075 nm, 光谱采样间隔约1.5 nm, 光谱分辨率3.5 nm。光谱测试的环境条件为:晴朗无云或少云、光照稳定、风力小于3级。光谱测试时间为每天的11:00~13:00。测试时, 采用视场角为7.5° 的探头。为保证探头视角范围内测试目标的覆盖率为100%, 探头向下垂直照射, 与测试目标的垂直距离控制在40 cm左右。探头定位时为避免阴影和光污染, 测量者面向阳光, 不能穿戴浅色、特色衣帽。每次采集光谱数据前都要用标准白板进行校正(标准白板的反射率为1, 所测目标物光谱是无量纲的相对反射率)。对每个样本均重复测量10次, 然后取平均值作为各样本的反射率。
2.1.2 数据处理
在剔除异样光谱曲线的基础上, 对其他光谱曲线进行了平均、平滑处理。考虑到系统误差会导致光谱曲线首尾两端噪音较大, 因此截取了400~900 nm用于随后的处理分析[11]。实验利用数学方法求解光谱的一阶微分[12]:
式中:波长间隔取
本实验用于光谱分析的红光是指680~760 nm的波段, 所用该波段内的红边参数包括:① 红边位置REP, 指一阶导数光谱最大值所对应的波长; ② 红谷位置Lo, 指一阶导数光谱最小值所对应的波长; ③ 红边振幅Dλ red, 指一阶导数光谱的最大值; ④ 红边面积Sred, 指一阶导数光谱包围的面积; ⑤ 红边宽度Lwidth, 指红边位置和红谷位置对应的波长差。
生物结皮样本的覆盖度通过数码相机拍摄获得。为保证生物结皮样本覆盖度的准确性, 同时保证光谱测量范围与样本相对应, 在拍摄前放置一铝圈于样本周围, 铝圈大小尽量和光谱仪的视场角范围一致; 拍摄时相机垂直向下, 保证整个铝圈在拍摄范围内[13]。本研究用ENVI 4.8软件统计结皮像元数占总像元数的比例, 并求算生物结皮的覆盖度。
对样本的光谱测量和经纬度测定同步进行, 定位仪器为Trimble Juno SB型手持GPS坐标定位仪。采集样本包括:不同盖度的苔藓结皮、藻类结皮、绿色植被、裸沙、植被枯落物和不同地物的经纬度坐标。
2.3.1 遥感影像处理
影像处理是在ENVI和ArcGIS软件的支持下完成的。处理的影像在工作站已经做过几何和辐射粗校正。第一步, 边界数据确定, 根据毛乌素沙地地理范围图, 用ArcGIS确定出研究区的边界数据; 第二步, 图像镶嵌与裁剪, 用ENVI 4.8将12景TM影像进行拼接, 根据研究区的边界数据对拼接好的影像进行裁剪; 第三步, 对裁剪好的影像进行几何校正和辐射校正, 将DN值转换为反射率影像; 第四步, 图像波段合成, 结合不同地物室外光谱反射率数据, 分析TM遥感影像的7个波段, 本实验主要选取5、4、3波段组合的影像, 采取对地物进行直接判读[14]、指数提取、监督分类[15]和坡度分级相结合的方法。
2.3.2 生物结皮提取
由于Landsat TM传感器可探测的生物结皮最低覆盖度为33%[16], 所以本试验只讨论33%~100%覆盖度的生物结皮。根据本研究测量的高光谱数据, 发现低盖度苔藓结皮和张元明等测量的地衣结皮有非常相似的光谱特性, 因此试验选用的生物结皮指数公式为[5]:
式中:
考虑到苔藓结皮在生长期具有与高等植物相似的特性, 仅根据BSCI的阈值范围提取生物结皮会将一部分绿色植被错划进来。调查研究发现, 苔藓结皮的叶面积指数明显比绿色植被的叶面积指数小。相关研究表明, 归一化植被指数NDVI与叶面积指数相关性较高[17], 可以用NDVI对叶面积指数进行估算[18]。通过反复试验, 本研究确定出生物结皮的NDVI的阈值范围。试验所用归一化植被指数公式为[19]:
式中:
由于生物结皮的发育程度与枯落物覆盖、植被盖度、土地利用方式和地形地貌等关系密切[2, 20, 21], 导致用指数提取方法在不同类型地物和地形地貌上的提取准确率出现差异。所以, 本研究分别用监督分类法和DEM提取坡度法做出研究区的土地利用图和坡度分级图, 对指数提取结果依次进行掩膜校正。最终, 本研究采用结皮指数、归一化植被指数、监督分类、坡度分级相结合的方法提取研究区的生物结皮。
图2为研究区6种地物的反射光谱曲线, 其中两种盖度苔藓结皮的光谱均为结皮潮湿状态下所测。由图2可见, 在整个波段, 6种地物的反射波谱形态相互间存在较大差异。在400~500 nm波段, 6种地物的反射率以大小不同的变化率呈上升趋势, 其中以裸沙的反射率最大。
在500~665 nm波段, 绿色植被反射率先快速增大, 在553 nm附近达到一明显的反射峰(ρ =0.107), 随后降低, 吸收谷出现在665 nm附近(ρ =0.038)。在该波段, 100%盖度苔藓结皮和绿色植被具有相似的光谱变化规律, 但反射峰值右移至625 nm附近(
在680~760 nm波段, 100%盖度苔藓结皮再一次表现出和绿色植被类似的光谱特性:反射率急剧上升, 产生一个陡峭的“ 红边” 。红边曲线见图3, 红边参数见表1。二者的红边参数除红边位置非常接近外(
![]() | 表1 研究区典型地物的红边参数 Table 1 The red edge parameters of typical objects in Mu Us Desert |
在近红外短波波段(760~900 nm), 6种地物反射率均高于可见光区域的反射率。除绿色植被和裸沙外, 其余4种地物反射率均非常接近。不同地物平均反射率从高到低依次为:绿色植被(0.424)> 裸沙(0.304)> 100%盖度苔藓结皮(0.213)> 藻类结皮(0.210)> 植被枯落物(0.203)> 33%苔藓结皮(0.198)。在该波段, 100%盖度苔藓结皮比绿色植被的平均反射率低49.8%。
33%低盖度苔藓结皮、藻类结皮和植被枯落物在整个波段(400~900 nm)反射率缓慢增长, 且曲线非常接近, 反射率之和分别为46.0%、43.5%和41.3%。与裸沙相比, 苔藓结皮、藻类结皮和植被枯落物由于表面呈黑色、灰色或黑褐色, 具有较低的反射率(反射率之和均低于48%)。
苔藓结皮在生长期具有与绿色植被相似的光谱曲线, 是因为苔藓在遇水恢复新陈代谢活动时具有光合作用特性[22]。绿色植被枝叶繁茂, 太阳辐射经过上下多层的叶面反射, 在550 nm附近叶绿素的绿色强反射区和665 nm附近的叶绿素吸收区光谱特性表现得尤为突出; 而苔藓结皮叶面积指数低, 相当比重的太阳辐射穿过结皮直接透射到地面, 因此反射率总体降低。另外, 苔藓结皮在土壤水分不足时表面糙度和颜色与湿润状态时有较大差异, 颜色变深, 使得反射峰值对应波长右移。由于叶绿素的缺失, 植被枯落物在可见光范围内并未出现绿色强反射特征。
“ 红边” 与植被的各种理化参数密切相关, 它是描述植被色素状态和健康状况的重要指示波段。植被覆盖度、叶绿素含量、叶面积指数和生物量越大, 则红边振幅、红边宽度和红边面积越大, 且红边位置会有“ 红移” 现象[23, 24, 25], 反之, 相关红边参数越小, 而红边位置则会相应“ 蓝移” 。6种典型地物中仅100%盖度苔藓结皮和绿色植被存在明显“ 红边” 。和绿色植被相比, 苔藓结皮的红边位置有轻微“ 蓝移” 现象, 红边宽度、红边振幅和红边面积均明显低于绿色植被。这与苔藓结皮的相关植被参数均低于绿色植被有关。
植物对近红外波段有高反射率、高透射率和极低的吸收率, 这种现象可看成是植物预防过度增热的一种适应。同时, 近红外光对植被差异及长势非常敏感, 表现为在该波段绿色植被反射率明显高于其他地物。
根据野外测量的33%和100%盖度生物结皮的高光谱数据, 分别求出绿光(520~600 nm)和红光(630~690 nm)波段反射率的平均值, 以及绿光、红光和近红外短波波段(760~900 nm)反射率的平均值, 计算出BSCI的上、下限阈值分别为9.59和6.53。下限阈值的设定可以用于提取最低盖度(33%)的生物结皮, 而上限阈值则对应于生物结皮盖度达到100%时的BSCI数值。
以研究区TM影像为底图, 通过多次试验和野外调查求证, 本研究确定生物结皮的NDVI阈值范围为0.1~0.25。影像上同时满足6.53≤ BSCI≤ 9.59和0.1≤ NDVI≤ 0.25的像元为结皮像元, 占研究区总面积的14.6%, 共1.64× 104 km2, 见图6(a)。
根据研究区特点, 将土地利用方式分为城镇、水域、沙地、耕地、灌木和结皮六大类。在土地利用图中, 结皮像元占研究区总面积的16.73%, 共1.87× 104 km2, 见图4。用2010和2011年野外考查数据对土地利用图进行精度评价, 见表2。从评价结果看, 总体精度为80.87%, Kappa系数达到0.767 5, 说明研究区的土地利用图可以用于对生物结皮的指数提取结果进行掩膜校正。校正后的生物结皮占研究区总面积的9.30%, 共1.04× 104 km2, 见图6(b)。
![]() | 表2 分类精度评价 Table 2 Accuracy assessment on classification in Mu Us Desert |
由于苔藓植物喜欢阴暗潮湿的环境, 而垄间低地在融雪和降水后会出现临时性积水, 为苔藓植物的有性繁殖与营养生长创造良好的环境条件[1], 所以苔藓结皮多数分布在地形低洼区。受水分条件和沙面基质的影响, 沿坡下缘向上至垄顶很难有苔藓植物的分布[5]。调查研究发现, 毛乌素优势盖度最大植物是油蒿, 苔藓结皮常与之相伴存在, 且多数在油蒿垂直阴影处生长。由于苔藓结皮的分布与地形地貌密切相关, 而图6(b)显示右上角和左边右上部分布有大面积苔藓结皮, 所以可以推断, 在上述两处结皮提取误差较大。本研究用数字高程模型(Digital Elevation Model, DEM)做出研究区坡度分级图(图5), 掩膜除去坡度大于5° 的结皮分布区域, 对图6(b)结果进行修正, 修正后的结皮像元占研究区总面积的6.43%, 共0.72× 104 km2[图6(c)]。
图6(c)显示, 生物结皮的分布具有以下特征:① 毛乌素沙地的生物结皮分布比较分散, 其中以中部偏北地区发育最为充分, 其次为中部和南部地区。西北部结皮发育非常微弱, 地表基本为沙地和裸地。中部向东因植被盖度较高和人类活动频繁而干扰了生物结皮的发育, 所以生物结皮呈破碎性分布。② 在整个研究区域, 连续分布的生物结皮比较少见, 整体呈现间断性分布。通过野外调查发现, 尽管研究区实施和推进了退耕还林(草)工程, 人为干扰(特别是放牧和陡坡耕种)不断减弱, 但公路修建、资源开采等活动依然频繁, 对生物结皮的发育影响明显。
毛乌素沙地广泛分布着以苔藓结皮为主导的生物结皮。本研究采集了研究区6种典型地物的高光谱数据, 分析比较了处于旺盛生长期的生物结皮与其他地物的光谱特征。同时以研究区的TM影像为底图, 结合生物结皮的光谱特征, 提出用生物结皮指数、归一化植被指数、监督分类、坡度分级校正相结合的方法提取生物结皮。结论如下:
1)苔藓结皮在生长期具有与绿色植被相似的光谱曲线变化趋势, 但红边参数差异较大, 同时在近红外短波区域, 苔藓结皮反射率明显低于绿色植被的反射率。“ 红边” 现象明显程度依次为:绿色植被> 100%苔藓结皮> 藻类结皮> 33%苔藓结皮, 裸沙和植被枯落物无“ 红边” 现象。
2)在整个波段, 33%低盖度苔藓结皮、藻类结皮和植被枯落物反射率缓慢增长, 光谱曲线比较接近, 且远低于裸沙的反射率。
3)用指数提取和监督分类相结合的方法得到的结皮像元面积为1.04× 104 km2, 占研究区总面积的9.30%。用研究区坡度分级图对该结果进行修正后的最终结皮像元占研究区总面积的6.43%, 共0.72× 104 km2。
需要指出的是, 本研究主要从原始光谱和由一阶导数光谱计算的红边参数两个角度, 对研究区6种典型地物进行光谱特征分析。除红边参数外, 从一阶导数光谱中还可以提取蓝边面积、绿边面积等[26], 也可以考虑通过对高光谱数据进行多阶导数运算, 来增强高光谱数据对不同地物类型的响应特征。进一步在光谱分析的指导下, 探寻在遥感影像上提取生物结皮的更为实用有效的途径。
因为本研究所用遥感影像和采集的高光谱数据均来源于苔藓结皮的旺盛生长期(7— 9月), 所以本文提出的生物结皮的提取方法仅是建立在对湿苔藓结皮进行光谱分析的基础上。而苔藓结皮的光谱特征会因土壤湿度而发生变异[7], 若要进一步提高生物结皮的提取精度, 尚需探寻新的途径, 用于在遥感影像上专门区分干、湿苔藓结皮。这也是本研究下一步工作方向之一。
在遥感影像上对绿色植被和苔藓结皮的区分是难点所在, 这是因为不同地物的交界处往往存在大量混合像元, 而且“ 异物同谱” 现象普遍存在[27]。调查研究发现, 苔藓结皮常存在于盖度较低的植被之间和植被下, 加之毛乌素沙地由于有相对较高的降水量[28], 植被下层苔藓结皮的发育要高于其他地区[29]。如何正确表征高等植被冠层下的苔藓结皮盖度, 是研究区生物结皮遥感调查亟需解决的实质性问题。
由于各景影像获取时间存在差异, 而影像镶嵌时进行色彩平衡会导致明显边界的存在, 所以将相同方法应用于不同景数据上的解译结果会出现较大差异。尽管本研究在提取方法中用土地利用分类和坡度分级方法对生物结皮的指数提取结果进行了修正, 一定程度上减小了分类误差, 但是由影像获取时间和分辨率的限制导致的提取误差并未完全消除, 使得最终结皮提取结果出现不太可靠的结论。另外, 本研究由于提取对象仅包含覆盖度超过33%的苔藓结皮[16], 所以统计结果有可能低估了生物结皮在研究区的总分布面积。
The authors have declared that no competing interests exist.
[1] |
|
[2] |
|
[3] |
|
[4] |
|
[5] |
|
[6] |
|
[7] |
|
[8] |
|
[9] |
|
[10] |
|
[11] |
|
[12] |
|
[13] |
|
[14] |
|
[15] |
|
[16] |
|
[17] |
|
[18] |
|
[19] |
|
[20] |
|
[21] |
|
[22] |
|
[23] |
|
[24] |
|
[25] |
|
[26] |
|
[27] |
|
[28] |
|
[29] |
|