杜玉娥，刘宝康，郭正刚

(兰州大学草地农业科技学院 农业部草地农业生态系统学重点开放实验室，甘肃 兰州 730020)

青藏高原三江源地区的高寒草地不仅是当地藏族牧民从事藏系家畜生产的物质基础，更是生态系统发挥涵养水源、保持水土、孕育生物多样性等的基石。然而在全球变暖和人为不当利用的作用下，高寒草地普遍退化，产量降低，涵养水源和保持水土能力下降。因此快速监测高寒草地产量的变化，有利于为当地政府恢复退化草地提供科学依据。

3S技术是目前快速监测草地产量的主要技术手段之一，且随着遥感资料的变化而不断更新。美国1992年12月发射的对地观测系统(EOS)卫星Terra和Aqua 均带有中分辨率成像光谱仪(MODIS)，其产品光谱范围包括0.415～14.235 μm的36个波段，地面分辩率为250、500和1 000 m，能够反映陆地、云特征、生物地理、地表温度等特征信息[1-2]，因此EOS/MODIS资料已广泛应用于植物长势、土地覆盖、自然灾害等方面的监测和研究[3-6]。已有研究表明[7-9]，MODIS植被指数能够更好地反映植被的时空变化特征。左丽君等[10]比较了植被指数(NDVI)和增强型植被指数(EVI)提取耕地信息的精度。王文种和张友静[11]构建了基于MODIS资料的温度植被干旱指数(TVDI)。 闫峰等[12]采用EVI时间序列图像分析了河北省冬小麦(Triticumaestivum)在返青期、抽穗期和成熟期的时空分布特征。除多等[13]利用EOS/MODIS卫星遥感数据分析了西藏藏北高原草地植被地上生物量时空分布特征及其与气候因子的关系。李红军等[14]的研究表明，NDVI在植被生长旺盛期容易达到饱和，而EVI则能克服植被生长旺盛期易饱和的现象，比较真实地反映植被的生长变化过程。杨英莲等[15]利用青海省22个气象站在2003和2004年牧草生长季内的牧草鲜草产量，构建了基于EVI指数的草地类型的牧草鲜草产量模型。综合上述研究，国内外研究均表明采用MODIS植被指数能够监测作物和草地产量，但不同地区因采用指数不同而存在差异，因此研究不同类型的植被指数在构建草地生物量预测模型中的分异性具有重要的现实意义。本研究通过分析MODIS-NDVI和MODIS-EVI指数与青藏高原三江源地区高寒草甸和高寒草原间的相关性，构建高寒草原和高寒草甸产量预测模型，并采用此模型分析草地生物量的动态特征，以期为三江源地区退化草地恢复和草畜平衡提供依据。

1 研究地区和方法

1.1研究地区概况 三江源地区位于青海省南部，西南部与西藏自治区接壤，东部与四川省毗邻，北部与青海省格尔木市、都兰县相接，系长江、黄河和澜沧江的源头(图1)。地理位置为31°39′～36°12′ N，89°45′～102°23′ E，海拔为3 335～6 564 m，总面积为30.25万km2，约占青海省总面积的43%。高寒草地主要以高寒草甸和高寒草原为主，高寒草甸以蒿草属、羊茅属、早熟禾属、剪股颖属、风毛菊属为优势种。高寒草原优势种主要有紫花针茅(Stipapurpurea)、克氏羊茅(Festucakryloviana)、假羊茅(F.pseudovina)、座花针茅(S.subsessiliflora)、羽柱针茅(S.subsessiliflora)以及小半灌木藏籽蒿(Artemisiasalsoloides)等。伴生种主要有固沙草(Orinusthoroldii)、矮二裂委陵菜(Potentillabifurca)等。夏季短暂，牧草生长期短，植物长势低矮，冷季长达7～8个月，产草量低。气候为典型的高原大陆性气候，西部年均温-6～-2 ℃，东南部年均温-4～-2 ℃，全年无绝对无霜期，西部年降水量260～390 mm，东南部为390～760 mm。

图1 三江源气象台站分布

1.2研究方法

1.2.1数据来源 地面实测数据来自研究区17个气象台站周边2002-2009年实测地上部分的鲜草生物量，剔除异常值后，共计有效样本数326个，其中高寒草甸类草地样本数为178个，高寒草原类草地样本数为148个。草地类型数据来自20世纪90年代全国草地资源调查获得的青海省1∶100万草地类型图。样方大小为1 m×1 m，且各样方之间的距离均大于250 m。 MODIS数据来自NASA MODIS陆地产品组按照统一算法开发的MODIS植被指数产品。本研究使用的MODIS/NDVI和MODIS/EVI产品采用月最大值合成方法MMVC(monthly maximum value composite)生成，空间分辨率为250 m的MOD13A1产品，空间位置在全球正弦曲线投影SIN(sinusoidal projection)系统中的编号为h25v05和h26v05两景图像，数据质量等级为5级，数据格式为EOS-HDF，时间序列为2002-2009年生长季6-9月，共计64景图像。

1.2.2数据处理方法 首先利用MRT(MODIS reprojection tools)软件将下载的MOD13A1产品数据进行格式和地图投影转换，把HDF格式转化为Tiff格式；然后进行投影转换，把SIN投影系统转为ALBERS投影系统，同时完成图像的空间镶嵌；分别把遥感影像资料和17个气象台站周边的样点文件进行叠加，在ENVI软件下提取每个样点对应的NDVI和EVI值，采用2002-2008年数据构建草地地上生物量遥感模型流程(图2)，2009年数据检验反演模型精度，最后根据该模型计算草地地上生物量的年际和月际动态。

图2 草地地上生物量遥感模型构建

2 结果与分析

2.1草地生物量遥感模型 根据EOS/MODIS卫星遥感监测资料NDVI和EVI最大值合成、高寒草甸和高寒草原的鲜草生物量及其对应的MODIS-NDVI和MODIS-EVI值，分别建立了高寒草甸和高寒草原的不同生物量回归模型。以草地实测地上生物量为因变量，相应的2种植被指数NDVI和EVI为自变量，获取线性、指数、乘幂和二次多项式4种回归模型。4种模型和2个植被指数的相关性系数表明，高寒草甸无论采用MODIS-NDVI还是MODIS-EVI，均表现为二次多项式回归模型最好(图3、4)，其中采用NDVI指数和二次多项式时相关系数最高，其地上生物量反演模型为，y=6.202 5x2-574.89x+14 586，其中x为NDVI值，且在0.05水平上通过F检验。但对高寒草原而言，乘幂模型的相关系数显著大于线性、指数和二次多项式模型(图5、6)，且基于MODIS-EVI的乘幂模型相关性优于MODIS-NDVI模型，因此高寒草原地上生物量反演模型为，y=0.165 5x1.773 2，其中x为MODIS-EVI值，且在0.05水平上通过F检验。

2.2草地生物量年际动态 采用地上生物量估测模型，反演了研究地区2002-2009年高寒草甸和高寒草原生长季(6-9月)的地上生物量，结果表明，三江源地区高寒草甸草地上生物量在2002-2009年期间呈波动趋势(图7)，其中2002-2003年下降，2003-2005年上升，2005-2008年又下降，2009年又大幅上升，整体表现为2008年地上生物量最小，2009年最大。高寒草原地上生物量在2002-2009年期间呈波动变化趋势(图7)，2002-2003年下降，2003-2004上升，2004-2007年波动幅度较小，2007-2009年，表现先大幅度下降后大幅度上升。对比高寒草甸和高寒草原地上生物量波动幅度发现，高寒草甸地上生物量的波动幅度要大于高寒草原地上生物量的波动幅度，说明高寒草原地上生物量对环境变化相对不敏感，而高寒草甸地上生物量对环境变化相对敏感。

2.3草地生物量月际动态 利用地上生物量反演模型估算了高寒草甸和高寒草原2002-2009年在6-9月内每月的生物量。结果表明，高寒草甸地上生物量在生长季的6-8月内持续上升，8月份达到峰值，9月开始逐渐下降，但仍高于6月地上生物量(图8)。6月份高寒草甸生物量在2002年最大，2003年最小，2004-2006年缓慢上升，2007年和2008年基本持平。高寒草原地上6-9月生物量的变化趋势类同于高寒草甸，2002-2009年期间，6月地上生物量波动幅度不大(图8)；7月波动幅度较大，2004年和2009年有明显的上升，2003年和2008年下降比较明显；8月草地地上生物量在2002-2007年期间波动不明显，2008年月生物量达最低值，2009年达最高值；9月生物量在2002年最低，其余年份无明显波动。对比高寒草甸和高寒草原生物量的月际变化发现，7月高寒草原生物量波动大于高寒草甸，8月高寒草原生物量波动小于高寒草甸，6月和9月两种草地类型生物量波动不明显。

2.4草地生物量精度分析 将MODIS卫星遥感资料计算高寒草甸和高寒草原的地上生物量与地面实测数据准确匹配，提取与地面监测的326个样地对应的遥感反演草地产量，进行分级分析的结果表明，遥感反演的地上生物量与地面调查鲜草生物量在同一等级的占74.1%，比地面调查生物量高一个等级的占22.1%，比地面调查生物量低一个等级的占3.2%，低二个等级的占0.6%。其中，遥感反演的草地生物量在1 500～3 000、3 000～4 500 kg/hm2两个等级的准确率达到82.6%；当草地产量超过4 500 kg/hm2时反演偏低，其主要原因可能是监测样方相对较少，而草地产量在750～1 500 kg/hm2时反演偏高，其主要原因可能是构建遥感监测模型中没有考虑地形等方面的因素，投影面积与斜坡面积的植被盖度和植被指数也会产生一定的误差，从而影响草地生物量的估算，因此准确估算草地生物量不仅需要足够量的地面样方数据，至少应该大于本研究采用的326个，同时需要考虑地形因素对草地生产的影响，应该在模型中考虑引入反映地形特征的参数。

图3 高寒草甸地上生物量NDVI 4种反演模型

图4 高寒草甸地上生物量EVI 4种反演模型

图5 高寒草原地上生物量NDVI 4种反演模型

图6 高寒草原地上生物量EVI 4种反演模型

图7 高寒草甸和高寒草原地上生物量年际变化

图8 高寒草甸和高寒草原地上生物量月际变化

3 结论

不同MODIS植被指数对不同草地类型生物量的响应结果不同，高寒草甸对NDVI和EVI响应一致，而高寒草原对EVI的响应明显优越于NDVI，这说明采用MODIS植被指数构建生物量预测模型时应注意草地类型的差异。目前认为NDVI在植被生长旺盛期容易达到饱和[13]，但三江源地区高寒草甸比较低矮，郁闭度不高，因此NDVI值不致饱和，而对高寒草原而言，草层高度相对较好，NDVI值可能易饱和，因此用EVI较好。草地类型不同，适合预测地上生物量的模型也存在差异，三江源地区基于MODIS-NDVI的二次多项式模型能更好的反演高寒草甸地上生物量，其生物量模型为，y=6.202x2-574.89+14 586；基于MODIS-EVI的乘幂模型能更好反演高寒草原生物量，其生物量模型为，y=0.165 5x1.773 2。这说明同一地区不同草地类型，反演地上生物量的模型中不但适宜植被指数有差异，而且模型也存在差异。

无论是高寒草甸还是高寒草原，地上生物量均具有年际波动特征，但在青藏高原三江源地区表现为高寒草甸比高寒草原波动幅度大，说明高寒草原地上生物量对环境变化较高寒草甸不敏感。高寒草甸和高寒草原生长季内呈现为先增加后降低的变化趋势，8月份草地生物量达到最大，但月际变化特征表现为7月高寒草原生物量波动大于高寒草甸，8月高寒草原生物量波动小于高寒草甸，6月和9月两种草地类型生物量波动不明显，说明高寒草甸和高寒草原生物量对外界环境变化的响应主要在7月和8月，即牧草生长最为旺盛时期。

本研究采用地面气象台站设置的样方资料，由于地面气象台站一般位于城区附近比较平坦区域，布点不是很均匀，因此应通过增加台站以外样方监测点数据和引入反映地形因素的参数，以期提高模型精度。

[1]王正兴，刘闯，Huete A.植被指数研究进展:从AVHRR-NDVI到MODIS-EVI[J].生态学报，2003，23(5):979-986.

[2]赵冰茹，刘闯，王晶杰，等.锡林郭勒草地MODIS植被指数时空变化研究[J].中国草地，2004，26(1):1-8.

[3]韩爱惠.用MODIS植被指数的时间序列分析提取荒漠化敏感区域的方法[J].林业资源管理,2004(1):111-114.

[4]张新跃，周俗，唐川江，等.四川省莎草、杂类草草地生产力遥感监测[J].草业科学，2009，26(6)：57-61.

[5]徐斌，杨秀春.东北草原区产草量和载畜平衡的遥感估算[J].地理研究，2009，28(2)：402-408.

[6]郭铌.植被指数及其研究进展[J].干旱气象，2003，21(4):71-75.

[7]Wolf R E，Roy D P，Vermote E.MODIS land data storage，gridding，and compositing methodology:Level 2 Grid[J].IEEE Transactions on Geosciences and Remote Sensing，1998，36(4):1324-1338.

[8]俞联平，李发弟，李新媛，等.基于3S技术的甘肃省甘州区荒漠草地生产力评价[J].草原和草坪，2008(5)：36-39.

[9]秦元伟，赵庚星，姜曙千，等.基于中高分辨率卫星遥感数据的县域冬小麦估产[J].农业工程学报，2009，25(7)：118-123.

[10]左丽君，张增祥，董婷婷，等.MODIS/NDVI和MODIS/EVI在耕地信息提取中的应用及对比分析[J].农业工程学报，2008，24(3)：167-172.

[11]王文种，张友静.半干旱区旱情监测指数应用分析[J].地球信息科学，2008，10(2)：273-278.

[12]闫峰，史培军，武建军，等.基于MODIS-EVI数据的河北省冬小麦生育期特征[J].生态学报，2008，28(9)：4381-4387.

[13]除多，德吉央宗，普次.利用EOS/MODIS数据估算西藏藏北高原地表草地生物量[J].气象学报，2007，65(4):81-87.

[14]李红军，郑力，雷玉平，等.基于EOS/MODIS数据的NDVI与EVI比较研究[J].地理科学进展，2007，26(1)：26-32.

[15]杨英莲，邱新法，殷青军.基于MODIS增强型植被指数的青海省牧草产量估产研究[J].气象，2007，33(6):102-106.

[16]覃先林，易浩若.基于MODIS数据的森林可燃物分类方法——以黑龙江省为实验区[J].遥感技术与应用，2004，19(4):236-239.

[17]于嵘，蔡博峰，温庆可，等.基于MODIS植被指数的西北农业灌溉区生物量估算[J].农业工程学报，2008，24(10)：141-144.