引言

植被是陸地生物圈的主體，是全球物質(zhì)和能量循環(huán)的基礎(chǔ)，地表植被覆蓋與環(huán)境演變的關(guān)系是全球變化中最復(fù)雜、最具活力的研究內(nèi)容。植被凈初級生產(chǎn)力（NPP）作為全球生態(tài)系統(tǒng)碳循環(huán)和碳收支平衡的重要組成部分，不僅可以判定生態(tài)系統(tǒng)碳循環(huán)的主控因素，而且對于研究陸地生態(tài)系統(tǒng)變化對全球氣候變化的響應(yīng)具有重要的作用。因此，陸地NPP的研究一直以來都是國際生物學(xué)計劃（IBP）、人與生物圈計劃（MAB）和國際地圈-生物圈計劃（IGBP）的研究熱點。

欽州灣島群紅樹林生態(tài)系統(tǒng)屬于廣西第二大紅樹林自然保護區(qū)（僅次于北侖河口紅樹林自然保護區(qū)），近年來，欽州港區(qū)海島紅樹林生態(tài)系統(tǒng)受到人類活動的干擾程度越來越嚴重。而NPP作為島群紅樹林生態(tài)系統(tǒng)的重要生態(tài)學(xué)指標，實現(xiàn)其快速和定量化評估對于了解島群紅樹林生態(tài)系統(tǒng)生態(tài)環(huán)境變化具有重要作用。而欽州灣的島群紅樹林生態(tài)系統(tǒng)由于面積狹小，MODIS衛(wèi)星遙感數(shù)據(jù)、TM遙感數(shù)據(jù)以及高分辨率衛(wèi)星數(shù)據(jù)都很難實現(xiàn)對NPP的精確估算。為此，本研究擬基于無人機航拍數(shù)據(jù)，采用ENVI中的分類與回歸樹方法CART對島群紅樹林生態(tài)系統(tǒng)的景觀格局進行解譯，在Python語言的支持下將CASA模型引入到島群紅樹林生態(tài)系統(tǒng)研究中，探討不同海島和紅樹林生態(tài)系統(tǒng)NPP的空間分布特征。以期為廣西北部灣地區(qū)島群紅樹林生態(tài)系統(tǒng)NPP的精細化研究及其快速估算提供方法學(xué)上的借鑒。

圖1廣西北部灣島群紅樹林生態(tài)系統(tǒng)的地理位置

數(shù)據(jù)來源與研究方法

2.1 研究區(qū)概況

本文的島群紅樹林（圖1）地處廣西壯族自治區(qū)南部沿海城市一州市欽州港區(qū)的七十二涇，由1座主島（龜仙島）、1個小島（背風(fēng)墩）和紅樹林群落（桐花樹、白骨壤和秋茄）組成，其余為海域。該區(qū)域的紅樹林群落是欽州市紅樹林生長最為密集的地區(qū)之一，已列入中國濕地名錄，是廣西壯族自治區(qū)級第二大自然保護區(qū)。該區(qū)域的紅樹林被譽為“海底活化石”，與恐龍生活在同一時期，是中國保護最好和最大的連片紅樹林之一。氣候類型屬于南亞熱帶季風(fēng)氣候，處在著名的亞洲東南部季風(fēng)區(qū)內(nèi)，太陽輻射強，季風(fēng)環(huán)流明顯。年均溫為21.7T，年均降水量為1658mm，年總?cè)照諘r數(shù)為1400-1950h，平均1673h。

2.2 數(shù)據(jù)來源

主要包括氣象、植被指數(shù)和景觀格局等方面的數(shù)據(jù)（表1）。其中，氣象數(shù)據(jù)包括日值的降水、氣溫以及太陽輻射，由于本文所定義的島群紅樹林生態(tài)系統(tǒng)區(qū)域較小，因此對于模型中的月值氣象數(shù)據(jù)處理時采用臨近縣區(qū)的氣象站數(shù)據(jù)進行插值，時間為2018年，來源于中國氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)。植被指數(shù)采用無人機數(shù)據(jù)。

表1研究區(qū)中所使用的數(shù)據(jù)集

航拍之后拼接獲得（圖2），基于分類與回歸樹CART方法對海島的景觀進行解譯，將其劃分為桐花樹、白骨壤、秋茄、灘涂、水體、建設(shè)用地、道路、草地、灌木和林地共10類。為了解典型海島景觀及其生境狀況，先后對研究區(qū)的植被類型及外部環(huán)境進行野外實地勘察，通過手持GPS記錄典型樣本及相應(yīng)經(jīng)緯度的景觀類型，并對典型海島及紅樹林景觀進行拍照，以便后期對無人機數(shù)據(jù)進行判讀和驗證。所有數(shù)據(jù)通過柵格數(shù)據(jù)重采樣，空間分辨率為0.1m，獲取數(shù)據(jù)之后利用ArcGIS10.2以及ENVI5.1軟件對無人機數(shù)據(jù)進行投影變換、幾何校正和裁剪等一系列操作，所有空間數(shù)據(jù)統(tǒng)一投影為Albers Equal Area Conic投影坐標系統(tǒng)。

2.3 無人機數(shù)據(jù)處理

使用萊森光學(xué)無人機機載高光譜成像系統(tǒng)，于2018年的3、6、9和12月對位于欽州灣東南部的島群紅樹林試驗區(qū)進行低空控制飛行試驗與數(shù)據(jù)采集。由于紅樹林在不同季節(jié)受到潮水淹沒的程度不一樣，為了實現(xiàn)紅樹林的年內(nèi)動態(tài)監(jiān)測，飛行過程需要保證日低潮時間，拍攝的高度約70-100m，垂直拍攝，選擇天氣晴朗、地面無持續(xù)風(fēng)向且風(fēng)力＜2級的時段，確保所獲得的影像不受大氣因素的影響。另外，需要在2個海島周邊布置像控點和高精度GPS定位測量，用于無人機影像的幾何校正。拼接影像保留地物紅、綠和藍3種色彩的灰度信息，具體技術(shù)流程見圖3。

圖3 無人機數(shù)據(jù)處理技術(shù)流程

對于紅樹林景觀格局的精細化解譯預(yù)處理，前期采用面向?qū)ο蠓诸惙椒▽D像處理時發(fā)現(xiàn)：通過該方法所得的分割圖斑與實際紅樹林圖斑難以吻合，因此本研究基于分類與回歸樹CART方法對航拍影像的海島紅樹林生態(tài)系統(tǒng)進行解譯，通過將無人機航拍影像的非監(jiān)督分類ISOdata結(jié)果、VDVI指數(shù)、紅樹林數(shù)據(jù)的紋理特征以及原始航拍影像進行Layerstacking組合，基于組合的數(shù)據(jù)實現(xiàn)航空影像的圖像分類，分類精度為81.26%，可用于研究區(qū)NPP的估算。研究區(qū)的景觀格局空間分布狀況見圖4。

圖4 無人機航拍圖肯景觀格局

2.4 CASA模型參數(shù)在確定

2.4.1 最大光能利用率在獲取

最大光能利用率的取值直接影響NPP的估算精度，其值因植被類型的不同而存在著顯著的差異，受不同地區(qū)植被類型、氣候因子、經(jīng)緯度、土壤的肥力和植被長勢所影響。a研究基于生態(tài)生理模型模擬了全球10種植被類型的最大光能利用率，但在中國的植被類型應(yīng)用中其值偏高。而b研究所確定的光能利用率是基于誤差最小化方法，將NPP的實測值與中國各種植被的最大光能利用率進行模擬，分辨率為8000m，在小尺度上應(yīng)用存在一定的局限性。本研究的島群紅樹林生態(tài)系統(tǒng)屬于典型的空間小尺度，因此綜合兩項研究，得到了各種植被類型的最大光能利用率（表2）。

表2 紅樹林島群生態(tài)系統(tǒng)最大光能利用率

2.4.2 植被指數(shù)信息的提取

植被指數(shù)是CASA模型的重要參數(shù)，目前常見的有歸一化植被指數(shù)NDVI，但該指數(shù)是基于可見光和近紅外波段。而本研究是為了探索無人機可見光數(shù)據(jù)在海島和紅樹林生態(tài)系統(tǒng)中的應(yīng)用，且可見光數(shù)據(jù)產(chǎn)品中只有紅、綠和藍3個波譜信息，沒有近紅外波譜信息，因此不能借助于NDVI指數(shù)估算NPP。目前基于可見光波段的植被指數(shù)較少，主要有過綠植被指數(shù)EXG、歸一化綠紅差異指數(shù)NGRDI、歸一化綠藍差異指數(shù)NGBDI以及紅綠比值指數(shù)RGRI，其計算公式為：

仿照歸一化植被指數(shù)的構(gòu)造原理和形式，以綠光波段代替NDVI中的近紅外波段。基于此，構(gòu)建基于可見光3個波段的VDVI，即可見光波段差異性植被指數(shù)：

式中：ρred、ρgreen和ρgreen分別表示紅、綠和藍3個譜段3的像素值；VDVI啲取值范圍與NDVI的取值范圍相同。

結(jié)果與分析

3.1 植被指數(shù)計算與分析

從圖5可知，VDVI與EXG植被指數(shù)的空間分布中植被與非植被的色彩差異比較明顯，植被區(qū)域呈現(xiàn)出亮綠色，非植被區(qū)域呈現(xiàn)出黃色與橙色。而NGRDI和NGBDI植被指數(shù)的空間分布中海島植被區(qū)域與紅樹林生態(tài)系統(tǒng)植被的灰度值相似，且道路、建設(shè)用地和灘涂的灰度值也存在一定程度的交叉與重疊，容易混淆。另外，NGRDI和NGBDI植被指數(shù)的空間分布中的紅樹林植被與島群生態(tài)系統(tǒng)中的灌木和林地存在重疊和相似之處，且紅樹林植被與灘涂的交錯地帶細節(jié)不夠清晰，在采用CART方法對航拍圖像分類時可能會產(chǎn)生較大的誤差。

圖5 島群紅樹林生態(tài)系統(tǒng)不同植被指數(shù)空間分布

為了更進一步了解各種植被指數(shù)的差異性特征，采用區(qū)域統(tǒng)計功能統(tǒng)計每種景觀類型的植被指數(shù)（表3）。

由表3可知，NGRDI植被指數(shù)中的重疊地類主要分為兩類，第一類是桐花樹、草地和灌木，這3個地類存在著較大的重疊，植被指數(shù)值都接近于0.14；第二類為林地和白骨壤，植被指數(shù)在0.10左右，該植被指數(shù)在進行影像分類時精度會受到影響，所以不適宜本實驗中作為NPP估算的基礎(chǔ)數(shù)據(jù)。NGBDI被指數(shù)中桐花樹、秋茄和灌木存在著較大范圍的重疊，其值都在0.14左右震蕩，而白骨壤和林地的植被指數(shù)重疊區(qū)域則集中在0.12左右，因此NGBDI也不適用于估算島群紅樹林生態(tài)系統(tǒng)NPP。EXG與VDVI這2個植被指數(shù)的植被與非植被地物的值均不相同，且沒出現(xiàn)交叉重疊區(qū)域，說明EXG與VDVI都適合于本研究NPP的估算。

其中，VDVI指數(shù)中植被與非植被的值相差較大，其分割的閾值在0附近，＞0為植被區(qū)域，0左右為灘涂、水體、建設(shè)用地和道路等非植被地類，且不同地類的植被指數(shù)值的方差較小，在CART方法中采用該指數(shù)更容易得到景觀格局空間分布。而EXG植被指數(shù)中植被區(qū)的數(shù)值都＞50，而非植被區(qū)的數(shù)值都＜35，但水體和道路2個地類存在交叉和重疊，在后續(xù)分類時，容易造成誤分。綜上，采用VDVI植被指數(shù)估算島群紅樹林生態(tài)系統(tǒng)的NPP。

3.2 NPP估算結(jié)果

3.2.1 全年NPP

研究區(qū)凈初級生產(chǎn)力的總量為127.09t?C/a，NPP的年碳密度值介于0~1437.12g?C/m2，其年平均碳密度為399.85g?C/m2（圖6）。從空間分布來看，全年NPP的空間分異規(guī)律比較明顯，整體而言，以南部的龜仙島和北部的紅樹林生態(tài)系統(tǒng)為分界線，以北區(qū)域的紅樹林和背風(fēng)墩島生態(tài)系統(tǒng)的年NPP值較高，大部分地區(qū)高于600g?C/m2，局部地區(qū)的年NPP值高達1000g?C/m2，但在紅樹林生態(tài)系統(tǒng)的中部和東北部地區(qū)出現(xiàn)了2個低值區(qū)域，究其原因主要是由于這部分區(qū)域?qū)儆跒┩浚涔饽芾寐瘦^低。分界線以南的龜仙島生態(tài)系統(tǒng)年NPP值較低，其值大部分＜600g?C/m2，部分景觀類型如林地和灌木的年NPP值較高，其值多在650-700g?C/m2之間。

圖6 島群紅樹林生態(tài)系統(tǒng)凈初級生產(chǎn)力空間分布

歡迎關(guān)注公眾號：萊森光學(xué)，了解更多光譜知識。

萊森光學(xué)（深圳）有限公司是一家提供光機電一體化集成解決方案的高科技公司，我們專注于光譜傳感和光電應(yīng)用系統(tǒng)的研發(fā)、生產(chǎn)和銷售。

審核編輯黃宇