孙敏轩，焦 心，冀正欣，史良树，战 鹰，李兰杰，韩文超，孙丹峰

（1.中国农业大学土地科学与技术学院，北京 100193；2.中国国土勘测规划院，北京 100035）

草地作为地球上最广泛的土地覆盖类型，是地球物质能量循环最为关键的场所之一，除了提供食物、纤维和燃料等生活服务外，还提供许多生态系统服务，包括生物多样性、碳固存和文化价值[1]。由于草地区域生态和社会经济资源的有限性和可变性，草地系统极易受到不可修复的破坏，在当前全球气候变化和经济社会飞速发展的大背景下，我国草地类型、状态、生产力等均面临难以预测的变化态势[2]。然而当前草地资源管理依然沿用20世纪80年代草原普查的相应成果，对草原的调查和认知体系也未有实质性改变[3]。在草地系统面临全国食物结构转型和草地退化的双重压力下，亟需建立对草地系统的规范认知和理解框架，同时针对规范知识建立高效、稳定、可移植的信息解译体系。

传统的草地资源调查工作和相关研究已经取得很好的成绩，但仍存在：（1）指标繁琐，难以规范和移植应用；（2）尺度混淆，难以应对不同等级管理需求等问题[2-4]；（3）遥感技术应用瓶颈，农业遥感飞速发展，但仍未克服光谱异质性和光谱融合应用等关键问题[5]。本文基于前人的草地基础理论研究，提出包括形态结构、能量平衡和行为（管理）信息三个方面的草地系统认知理论，试图规范不同草地资源研究场景（微观、宏观、生物量化、管理应用等）的知识网络。基于该理论提出草地资源端元空间和光谱融合量化策略，基于标准光谱端元空间针对草地系统不同尺度应用需求建立遥感“解译框架”，既能够实现不同尺度间的融合嵌套，还能够实现不同区域的移植。最后，本文基于该“解译框架”分别进行了全国草地潜在植被分区、内蒙古草原类型分类和科尔沁左翼后旗草地类—组—型精细分类3个尺度的应用示范，希冀为我国草地资源调查和管理的革新提供新思路。

1 草地系统认知理论框架

草地系统不同维度的研究均能够概括于草业科学的学科框架。任继周绘制了草业科学的框架结构，由3类因子群（生物因子群、非生物因子群和社会因子群），3个主要界面（草丛—地境界面、草地—家畜界面和草畜—社会界面）和4个生产层（前植物、植物、动物和外生物生产层）3个板块构成草业科学的整体[6]。这3个独立的科学板块由四维科学（类型维、化学维、系统维和信息维）连缀、规整为一个整体系统，四维科学强化系统内的规范知识，排除了非规范知识，规范了不同利益相关者对草地系统的认知[7]。基于四维科学理论，配合先进的时空遥感等数字表达技术可以构建草地系统规范、可移植的认知理论体系。草地系统认知理论的目的在于能够将草地系统不同学科的知识规范、有序地组织起来，形成一张草地系统认知网络，使得对草地系统微观、宏观、结构、机理等方面的认识都能产生联系，最终为不同区域、不同尺度的管理者提供规范的信息报告。这对全球草地系统共享知识平台的建立以及全球草地可持续利用都具备深远的意义[8]。

所有生物有机体都需要物质组成其结构，需要能量来维持其活动，还需要相互沟通来完成演化[9]。所以，草地系统的认知理论体系可从三个方面考虑：草地的形态结构、能量平衡和行为（管理）信息。第一，草地系统的演化表现在草地形态结构的变化，草地斑块及其生态地境的类型、数量、颜色、形状、面积、位置等是认识草地系统的第一步；第二，系统内部能量的累积、转化和耗散过程是驱动草地系统演化的内在机理，如草地系统的能量输送表现在植物的光合作用及其导致的热量和能值转化；第三，草地系统是一个人—草—畜共生系统，草地系统的行为（管理）信息可以反映于人类的管理、物种多样性和载畜状况。三者结合可构建草地系统认知框架（图1）。

图1 草地系统认知理论框架示意Fig.1 Schematic diagram of grassland system cognitive theory framework

（1）形态结构。草地形态结构是不同因素在时间和空间维度上经过漫长的耦合和积淀形成的，所以，应当从气候（水热条件）、地形、土壤等方面考虑其宏观特征，三者是草地地带性发育的主要监管者[10]。在这些宏观地理特征下，发育和演化各种不同草地植被群落。草地的群落结构包括物种类型、数量和组合，以及他们在水平与垂直空间排列的特征[11]。对于群落结构的特征可以借用地植物学分层的概念，每一个层片在群落中具有一定的小环境，相互作用的结果构成了群落环境，层片可以按它在群落中的作用和功能，划分为建群层片和从属层片等。

（2）能量平衡。生态学的主体是研究绿色植物如何获取无机资源，以及这些资源在消费者资源利用网络中每一个连续阶段的重组过程[9]。当辐射被植物截获时，它有可能被反射（波长不变）、传递（一些波段的光被过滤）或吸收。部分吸收的辐射能可提高植物的温度，并以更长的波长辐射出去。除太阳辐射之外，不同植物对二氧化碳、水和矿物质的转化也是草地系统能量平衡的重要环节。草地植株吸收能量并合成粗蛋白、粗脂肪、粗纤维以及矿物元素等营养物质，被牛羊啃食后部分转化为肉、蛋、奶供人类消耗，部分基于排泄物归还草地，重新被草地吸收，整个过程组成草地系统的能量网。可见草地系统中的能量转化状况是认识草地系统健康状态和演化阶段的重要环节，能量失衡是指示系统奔溃的关键因素。

（3）行为（管理）信息。人—草—畜在草地系统中依据物质和能量循环过程中发生的行为讯号进行的行为调整和预警，称之为行为信息，如草地生物量和物种多样性的时空异构状态、牛羊喜好丰美适口的牧草、人类围栏保护长势不良的草场，除此之外，物种入侵、火烧、施肥、草畜比重等都表征草地系统的行为信息。人—草—畜任何一方的行为偏好都影响草地系统的演化方向。草地系统的行为信息为草地系统演化提供了证据，组成复杂的系统知识脉络可供草地系统管理提供强有力的支撑[1]。

2 光谱端元空间和光谱融合量化策略

2.1 遥感技术发展现状

遥感数据是记录草地系统最经济、迅捷、广泛的应用手段，如何从遥感数据源的层面实现草地系统认知的规范是草地系统认知理论建立的根基[12-14]。中国早期的草地资源调查以野外实地勘探调绘再经过内业整理、核查补绘为主。20世纪80年代，贾慎修、牟新待等开始尝试引入遥感技术参与草地资源调查工作，发现遥感能够大大提高调查精度和效率[15-16]；后林培参与农业部与联合国粮农组织（FAO）的农业遥感技术合作，成立“北京农业大学农业遥感应用与培训中心”，出版了《农业遥感》[17]，掀起了农业遥感应用的高潮，但受遥感技术的限制，仍多以光学目视辅助为主，并未充分挖掘遥感技术的真正潜力。

时至今日，全谱段、多角度、高分辨率、高频次的空天地观测系统提供了多种多样的对地观测视角。除了数据源的发展，基于光谱的时空分析技术也日趋完善，表征草地生态地境要素的指数模型，如植被指数（NDVI）[18]、土壤调整植被指数（SAVI）[19]、归一化水体指数（NDWI）、结皮指数（CI）、覆被功能指数（LCI）[20]等；反映草地演化过程及物候条件的时序分析方法[21-22]；除此之外，还发展了大批包括深度学习、神经网络等高精度的遥感数据挖掘技术[23-26]。

尽管在过去的半个世纪里遥感技术迅速发展，但草地系统的生态和气候异构特征使其对系统内部结构、功能、生物物理和生物化学参数的监测产生了独特的挑战。这些挑战表现在中、粗分辨率的影像使得植物冠层少的灌草植物与其沙土背景混淆[5]；另外，生物认知与深度学习的黑化或灰化导致遥感解译框架和专业知识框架难以同化。因此，亟需在草地系统概念框架的基础上，建立现代观测和诊断技术下的标准比较空间来支撑遥感大数据在“概念逻辑”知识体系中的深入应用，最终推动草地系统的认知和科学管理决策。

2.2 地表标准光谱端元空间

草地系统遥感解译框架面临挑战最重要的症结在于受影像空间分辨率的限制，光谱空间始终在表达复杂的地表物质状态，从而导致光谱异质特征。所以，由地表混合光谱空间向地表端元（纯净地物）光谱空间转变是走出困境的第一步。将混合地物光谱解构为端元光谱，进而构建地表端元空间，使得光谱信息具备了直观的生境意义，也降低了光谱知识和专业概念的同化难度[27]。SMALL在分析全球地表覆被光谱空间时发现98%的覆被信息可以被三维光谱端元空间（SVD空间）表示，三个端元分别为基质（Substrate）、绿色植被（Vegetation）和暗色物质（Darksurface,光谱未能穿透或由背景地物散射形成的弱信号区域）[28]。这一结论意味着端元空间能够走向标准端元空间，这使得我们很可能突破由光谱异质性造成遥感技术在多尺度应用上的瓶颈。地表标准光谱端元空间在不同的系统领域已有广泛的应用，孙丹峰在旱地系统进行了大量的端元空间与专业概念的铆合研究，其认为沙、盐、植被和暗色物质能够表征旱地系统基础物质成分，通过四端元空间可以有效反演旱地系统生境互动模式，形成专业场景知识，最终通过决策树来绘制专业概念模型的脉络[29-30]；孙强强在此基础上进一步构建高密时序的端元空间，并对荒漠草地群落生境互动特征进行了细致解剖，最终得到了精细的荒漠生境知识结构图[31]。端元空间模式解构出地表要素，自然消除了灌草植被与背景地物混淆的问题，除此之外，它还具备时间、空间和光谱维度上的稳定性[32]，这为不同尺度草地系统认知信息的融合提供了契机。

2.3 草地认知系统光谱融合量化策略

基于标准端元空间理论和成熟的遥感应用技术，足以建立具有“概念逻辑”且可以移植的草地资源遥感解译框架。在多尺度分层嵌套的草地类型体系及草地系统认知理论的支撑下该解译框架能够实现草地资源的尺度转化，同时满足不同的应用需求（图2）。多级嵌套的分类逻辑满足草地发生学原理，那么第一步需实现草地的气候潜力区划，认识草地植被的潜在发生单元[33-35]（此时可用地表亮温产品MOD11、Landsat TIRS；植被指数MOD13；降水数据TRMM等遥感数字产品表征区域气候潜力）；在潜在植被发生单元的基础上，提取草地真实发生状态，实现草地类别信息提取，该阶段是框架可移植的关键，基于标准光谱端元空间取代传统的光谱空间或光谱指数空间可以使解译框架具备更好的稳定性和可塑性[36]；最后，为了保证尺度的传递性，还需实现标准端元空间的时间维、空间维甚至光谱维度上的融合，保证草地物种信息能够在更精细的端元子空间内被界定[37]。

在实现草地类型不同尺度的光谱学解译后，已经具备草地资源不同尺度的形态结构信息，基于草地系统认知理论，能够实现调查结果与不同尺度需求的真正转化（图2）。针对不同尺度的草地单元进行系统解构，可获取能量平衡和形为信息层面的光谱信号知识（如基于热红外数据推断不同草地单元的气孔导度和冠层蒸腾速率的变化[38-39]，通过荧光遥感分析其生长活力[40-41]；基于时间序列分析不同草地单元的畜牧模式[42]；基于高光谱、雷达等数据分析不同草地单元的健康状态[43]等），最终服务于草畜估产、健康评价、资产核算等一系列业务管理需求。通过对系统不同层次的形态结构、能量配比和信息交流的适时观测，可以充分掌握草地资源的分配方式以及草地系统的演化方向，最终实现可持续的草地资源管理。

图2 草地系统认知理论光谱融合量化策略Fig.2 Spectral fusion quantitative strategy of grassland system cognitive theory

3 草地类型多级嵌套遥感分类研究

3.1 研究概况

基于上述理论，本文构建了基于标准光谱端元空间的草地类型多级嵌套遥感分类框架，主要包括3个部分内容：首先，基于MODIS热红外和植被指数等产品、TRMM 3B43测雨雷达数据以及DEM等多源遥感数据进行全国草地潜在植被分区；然后，在草地植被分区的指导下构建MODIS多光谱数据的标准光谱端元空间进行内蒙古自治区草地类型分类；最后，利用资源1号02D卫星（ZY1-02D）高光谱数据进行特征优化并构建高维标准光谱端元空间，对科尔沁左翼后旗进行草地类、组、型精细识别，三个尺度的应用示范实现不同尺度间的融合嵌套，能够满足不同尺度的管理应用需求。具体技术路线如图3。

图3 技术流程图Fig.3 Technical route of study

采用了全国第一次草地调查分类系统，即将全国草地划分为18个类，包括：高寒草甸草地类、高寒荒漠类、高寒草原类、高寒草甸类、高寒荒漠草原类、温性草甸草原类、温性草原类、温性荒漠草原类、温性荒漠类、温性草原化荒漠类、温性山地草甸类、暖性草丛类、暖性灌草丛类、热性草丛类、热性灌草丛类、低地草甸类及沼泽类。

3.1.1 数据与处理

（1）草地潜在植被区划研究部分主要采用了1 km分辨率8天合成的MODIS LST和月度合成的NDVI产品，采用月度合成0.25°×0.25°分辨率的TRMM 3B43测雨雷达数据，以及STRM 90 m DEM数据进行潜在植被分区（其中MOD11A2 LST产品和MOD13A3 NDVI产品受传感器参数、大气、降雨等条件影响，往往存在不可预见的噪声和缺失值，本文在应用前均采用了Savitzky-Golay法进行了滤波处理；TRMM 3B43数据需要经过旋转、坐标校正及单位转换等处理步骤，除此之外，由于其空间分辨率与MODIS产品不一致，本文基于NDVI和LST参数构建多元回归模型对其进行降尺度处理。MODIS产品和TRMM降雨数据详细处理过程参考[44-47]）。（2）内蒙古草地类型分类研究主要运用了500 m分辨率的MODIS多光谱数据（MOD09A1），共7个波段。（3）科尔沁左翼后旗（部分区域）草地类—组—型精细识别研究主要采用ZY1-02D高光谱数据，该数据具有30 m空间分辨率，共166个光谱通道分布于0.4～2.5 um之间，该数据需要在ENVI中手动添加载荷参数后再进行辐射定标、大气校正等预处理。MOD09A1数据获取于https://ladsweb.modaps.eosdis.nasa.gov，ZY1-02D数据由中国国土勘测规划院提供。遥感数据源信息参考表1。

表1 数据源情况Tab.1 Date source

内蒙古草地类型分类主要基于2020年自然资源部草地类型专项调查样点数据，内蒙古自治区专项调查涵盖918个样地，每个样地布设3个样方，记录有草地类型、地形信息、植物类型、土壤状况及生物量等；科尔沁左翼后旗部分区域精细分类基于2020年自然资源部专项调查样点及2019年和2020年实地采集样点，研究区内共包含19个样地，每个样地3个样方，基于样点情况可将本文分为2个草地类、6个草地组和11个草地型，样点分布位置如图4。

图4 样点分布图Fig.4 Samples distribution

3.1.2 光谱混合分解技术

光谱混合分解模型能够从亚像元尺度将混合像元光谱曲线分解为地表纯净要素曲线，从而构建标准光谱端元空间，完成地表混合光谱空间向端元（纯净地物）空间的转变。光谱混合分解技术是构建地表标准光谱端元空间于光谱融合量化策略的关键技术，它假设混合像元光谱曲线由像元内纯净端元光谱曲线线性组成，目的在于寻求各端元组分占混合像元的面积百分比（丰度值）。

线性光谱混合分解过程主要包括：主成分分析、端元提取和光谱分解。其中，主成分分析的目的在于分析影像的光谱维度，同时消除原始影像中各波段存在的噪音以及共线性问题，从而增强光谱利用效率；端元提取是基于光谱混合分解模型构建标准光谱端元空间的关键，选取的端元数目标定端元空间的维度，端元类型标定端元空间的类型；线性光谱混合分解是求取端元组分占混合像元中比例的过程，见式（1），光谱混合分解的详细处理过程参考文献[29-30]。

式（1）中：Ri为波段i的反射率；i为影像波段；j为端元数量位置（1，2，3，…，m）；Ei,j为端元j在第i波段的反射率；Fj为端元j占像元的面积；εi为残差。

3.2 研究过程与结果

3.2.1 草地潜在植被分区

天然草地具有地带性和非地带性分布规律，草地潜在植被区划的目的在于充分了解、认识不同草地发育的气候和生态条件，以考虑地区特点和发展前景。进一步分析草地自然条件的特性、形成结构和发展规律，以探讨草地发生和演化机理。本文基于第一次全国草地资源调查指标体系方案运用多源遥感数据构建潜在草地类型区划方案。以热量、水分、地形因素作为各级区划单位参考的基础，具体如下：

（1）通过热量指标区分热性、暖性、温性、高寒4种热量级来限定草地类型命名，基于MOD11A2数据计算最暖月均温、最冷月均温、＞0℃积温来构建热量指标；（2）基于MOD11A2、MOD13A3和TRMM 3B43数据构建综合干旱指数[45]，反映区域覆被湿润状态，区分荒漠、草原化荒漠、荒漠草原、典型草原、草甸草原及草甸—草丛—灌草从6个不同水分梯度；（3）基于STRM 90 m DEM数据区分高原、山地、平原等地貌状态，结合地形状态和综合干旱指数，判别隐喻特征，区分地带性和隐喻性草地。结合三个要素，参考20世纪80年代草地调查方法同时基于专项调查样地进行阈值训练，利用草地发生知识树结构进行组织，最终生成中国草地潜在植被类型图（图5），支撑不同尺度草地类型分类。

图5 全国草地类型潜在植被分区及其量化参数Fig.5 Grassland potential vegetation zoning and quantitative parameters in China

3.2.2 内蒙古草地类型分类

草地潜在植被区划表征草地潜在发生的地理气候条件，约束草地发生类别，使得分类逻辑符合发生学原理。除此之外，基于潜在植被区划的约束下进行草地类型分类，可以有效降低光谱对覆被类别的无序配对，从而减少光谱的空间变异。本文以内蒙古自治区为试验区，基于草地类型潜在植被区划结果，基于光谱混合分解技术，以MOD09A1 5月、8月和11月三季相数据构建的标准光谱端元丰度图为特征参数，针对每个草地潜在区域构建随机森林分类模型，获取草地类型分布结果，最终整合出内蒙古自治区的草地类型分布图（图6）。

图6 内蒙古草地类型分布图Fig.6 Distribution of grassland types in Inner Mongolia

基于验证样本构建混淆矩阵（表2），得到内蒙古土地覆被分类总体精度为78.85%，Kappa系数为0.73。受到MODIS多光谱数据空间分辨率的限制，分类结果对地块破碎的草地漏分较大，如山地草甸、低地草甸以及草原—荒漠过度地带等（均不足70%）。所以，对于更小尺度的管理需求，还需要结合更高空间分辨率或者光谱分辨率的数据进一步嵌套分析。

表2 内蒙古草地类型分类精度Tab.2 Classification accuracy of grassland types in Inner Mongolia

3.2.3 科尔沁左翼后旗草地类型精细分类

对草地类型的精细识别是草地系统底层行为管理的基础。由于高空间或者高光谱分辨率数据源的限制，往往由地方部门在特定区域开展。本文通过构建ZY1-02D高光谱标准端元空间，开展科尔沁左翼后旗部分区域的草地类、组、型精细识别实验。

地物光谱识别是高光谱遥感地物属性识别分类的基础，高光谱数据具有波段数目多、光谱分辨率高等特点，为地物光谱分类识别研究提供了极大的便利，但同时也面临着数据量大、谱间相关性高及数据冗余严重等问题。所以，对高光谱数据进行降维处理和特征转换是高光谱数据应用尤为重要的步骤。根据专项调查样点及团队外业考察，将研究区草地分为2大类，6个组和11个型。本文通过对地面样点原始光谱曲线、一阶微分曲线、二阶微分曲线以及去包络线进行分析，最终在原始曲线上提取5个窗口，共27个波段，构成新的光谱特征空间，具体位于464～499 nm（5个波段）、636～662 nm（4个波段）、696～730 nm（5个波段）、1 576～1 672 nm（4个波段）、2 081～2 132 nm（4个波段）（图7）。

图7 高光谱特征转换Fig.7 Hyperspectral feature transformation

在优化后的光谱特征空间的基础上，运用光谱混合分解模型构建标准光谱端元空间，与多光谱数据相比，高光谱具备更深的端元维度，能够更细致地刻画地表组分。在多光谱端元空间的基础上能够实现，端元空间的内部嵌套，构建更高纬度的地表要素空间。本文在内蒙古MODIS四端元的基础上对土壤进一步刻画出沙土、壤土，对植被进一步区分绿色植被和非光合作用植被，最终构建沙土、壤土、绿色植被、非光合作用植被、水、盐6个端元。基于标准端元丰度参数和地面样地，利用随机森林模型最终获取研究区草地类、组、型分布图（图8）。根据混淆矩阵分析类—组—型嵌套模式下的草地类型多级分类精度，其中草地类的信息提取精度为79.68%，Kappa系数为0.76；草地组的分类精度为74.2%，Kappa系数为0.71，草地型的精度为74.06%，Kappa系数为0.71。

图8 科尔沁左翼后旗草地类、组、型分布图Fig.8 Distribution of grassland classes, groups and types in Horqin Left Back Banner

3.3 结果分析

传统的草地资源调查基于气象站点和实地调查样地，通过区域推演，由点到面绘制调查图。本文基于端元空间和光谱融合量化策略构建草地类型多级嵌套遥感分类框架，基于遥感光谱数据的草地资源调查方案，具备传统调查难以实现的优势。主要表现在：（1）遥感数据面向像素连续分析，还可实现由草地发生学概念控制，由上向下续分，同时由下向上聚合论证；（2）基于标准光谱端元空间的遥感解译框架，具备克服传统基于光谱或光谱指数遥感解译光谱时空异质、光谱通道参数不一导致调查标准难以统一的能力；（3）多级嵌套的分类结构，能够有效解决不同尺度的调查问题，从而支撑不同等级的管理需求。

对于不同尺度草地信息提取方案并不受单一数据源的限制，标准光谱端元空间赋予多级嵌套解译框架不仅能够发挥不同载荷的自身优势，还能真正实现多载荷、可替代的融合解译思路。如对于小尺度草地类型的精细分类除了基于高光谱数据的光谱信息优势来区分不同草地群落之间的光谱差异外，还可以考虑多时相多光谱数据基于草地生长物候信息提取方式，也可以通过高分辨率数据源来精细刻画草地纹理结构信息，甚至基于融合模型通过融合高分辨率—低分辨率、高光谱—多光谱等不同数据源的方式来克服单一数据源获取限制的问题。当然，这些也是今后本文框架需要完善的方向。

4 结论与讨论

本文基于任继周的草业学科四维科学理论和众多相关学者的研究成果，提出草地系统认知理论框架，它从草地资源的形态结构、能量平衡和行为（管理）信息3个角度来规范和组织对草地系统的认知，使得不同业务部门能够获取对草地系统规范的认知，来支撑管理决策。当然，本文仅是草地系统认知理论的初探，后续仍需要从每个角度基于不同的学科背景进行更深层次的理论探索，来丰富该理论。

理论框架离不开技术支撑，大数据和高性能云计算的变革增强了在多尺度和实时视角下进行全球观测的能力[48]。基于草地系统认知理论框架，本文针对当前遥感技术发展面临的困境提出了基于地表标准光谱端元的草地系统认知光谱融合量化策略，能够充分表达草地资源的形态结构、能量平衡和行为信息在不同尺度的状态。基于标准光谱端元空间的融合策略具备更加稳定的底层逻辑，能够支撑草地系统认知理论实现光谱数据的规范化。本文在认知理论和融合策略的指导下，提供了详细的案例解剖，从全国—内蒙古—科尔沁左翼后旗3个尺度构建草地类型多级嵌套遥感分类示范，论证了本文对于草地资源调查研究转型的潜力。但本文仅从MODIS多光谱数据和ZY1-02D高光谱数据进行草地类型的多级嵌套分类研究，事实上标准光谱端元空间具备更宏伟的数据源可塑性，针对不同时间—空间—光谱维度的载荷均可构建其标准的光谱端元空间，基于标准光谱端元空间将不同载荷原始光谱通道转换到标准物理空间中，再基于端元丰度融合模型实现端元空间的尺度传递[37]，最终真正实现草地资源的多源遥感数据协同观测。

本文的理论研究和技术探索的最终目的在于服务中国草地资源面临的全球气候变化、经济发展和粮食结构转型背景，希望为全国草地资源可持续管理提供新思路。