劉佳麗，范建容，張茜彧，楊超，徐富寶，張曉雪，梁博

（1.中國(guó)科學(xué)院水利部成都山地災(zāi)害與環(huán)境研究所，四川 成都610041；2.中國(guó)科學(xué)院大學(xué)，北京100049；3.西藏自治區(qū)水土保持局，西藏 拉薩850000）

草地生態(tài)系統(tǒng)作為陸地生態(tài)系統(tǒng)的重要組成部分，是人類生存重要的自然資源和環(huán)境基礎(chǔ)要素。青藏高原高寒草地是中國(guó)乃至亞洲的重要牧區(qū)之一，占青藏高原總面積的59.28%，其生態(tài)系統(tǒng)的變化對(duì)我國(guó)生態(tài)安全屏障功能具有重要意義［1］。植被蓋度（fractional vegetation cover，F(xiàn)VC）指觀測(cè)區(qū)域內(nèi)植被投影面積占地表的百分比，是定量描述植被生長(zhǎng)狀況的重要參數(shù)［2］。高寒草地植被蓋度變化在截流降雨、防沙治沙、保水固土、調(diào)節(jié)氣候等生態(tài)應(yīng)用方面起著重要作用。因此，高寒草地植被蓋度研究對(duì)評(píng)價(jià)區(qū)域生態(tài)環(huán)境具有重要意義。

根據(jù)植被的功能屬性可以將其分為光合植被（photosynthetic vegetation，PV）和非光合植被（nonphotosynthetic vegetation，NPV）［3］。近年來，開展了大量估算植被蓋度的研究［4］，但這些研究多關(guān)注的是生長(zhǎng)季綠色植被蓋度，對(duì)非生長(zhǎng)季植被蓋度的研究很少。進(jìn)行光合作用的綠色植被無疑是植被重要的組成部分，但并非唯一要素。草地的非生長(zhǎng)季通常占全年3/4以上，枯草、枯葉、枯枝、枯干和凋落物等在草地生態(tài)系統(tǒng)中發(fā)揮著重要作用［5］。NPV作為冬春季牧場(chǎng)主要的牧場(chǎng)飼料，對(duì)畜牧業(yè)的發(fā)展具有重要意義［6］。除此之外，NPV不僅影響著植被生態(tài)系統(tǒng)的CO2交換量和碳存儲(chǔ)，還能夠通過影響土壤（bare soil，BS）與大氣間的水熱傳輸條件，進(jìn)而影響凈初級(jí)生產(chǎn)力［7］。加之，單一的綠色植被蓋度指標(biāo)無法反映真實(shí)的群落結(jié)構(gòu)對(duì)植被防蝕功效的內(nèi)在影響，考慮NPV的影響對(duì)減緩徑流、減少土壤侵蝕都具有積極的作用［8］。因此，精確估算生長(zhǎng)季/非生長(zhǎng)季草地植被蓋度具有重要意義。

利用像元二分模型提取高寒草原植被蓋度具有可行性［9］。大量研究表明，歸一化植被指數(shù)（normalized difference vegetation index，NDVI）作為像元二分模型的輸入變量時(shí)，能反映植被的生長(zhǎng)分布特征及變化情況，與光合植被蓋度有顯著的相關(guān)性［10－11］。但NDVI難以反映非生長(zhǎng)季枯黃植被的蓋度信息［12］。在植被光譜響應(yīng)中，與PV明顯的紅邊位置相比，NPV、BS在可見光－近紅外波段（400～1100 nm）區(qū)間內(nèi)具有相似的反射率曲線，因此，無法利用可見光－近紅外波段對(duì)PV和NPV兩者進(jìn)行區(qū)分［13］。但在短波紅外（2100 nm）附近波段，NPV具有明顯的吸收特征，而BS和PV的光譜曲線中則沒有這種吸收特征［14］，這為草地非生長(zhǎng)季植被蓋度遙感估算提供理論基礎(chǔ)?；诟吖庾V數(shù)據(jù)的纖維素吸收指數(shù)（cellulose absorption index，CAI）是估算NPV的有效指標(biāo)［15］，但是高光譜圖像難以獲取，不能滿足大面積內(nèi)估算蓋度的需求。相比之下，整個(gè)地球表面長(zhǎng)期以來已收集了豐富的多光譜數(shù)據(jù)，如何利用這些數(shù)據(jù)的時(shí)間和空間優(yōu)勢(shì)來估算大范圍內(nèi)的PV和NPV變得尤為重要。一些基于多光譜的植被指數(shù)被用來估算NPV，例如基于Landsat TM的歸一化差異耕作指數(shù)（normalized difference tillage index，NDTI）［16］，改進(jìn)土壤調(diào)節(jié)作物殘茬指數(shù)（modified soil-adjusted corn residue index，MSACRI）［17］，基于先進(jìn)星載熱發(fā)射和反射輻射計(jì)（advanced spaceborne thermal emission and reflection radiometer，ASTER）的短波紅外歸一化差異殘?jiān)笖?shù)（the shortwave infrared normalized difference residue index，SINDRI）［18］和基于MODIS的干枯燃料指數(shù)（dead fuel index，DFI）［19］。盡管在不同環(huán)境中使用這些植被指數(shù)估算NPV具有一定可行性，但是這種方法是針對(duì)特定區(qū)域的，在其他環(huán)境中并未得到很好的驗(yàn)證。光譜混合分析（spectral mixture analysis，SMA）提供了另一種有效方法來估算PV、NPV［20］，但該方法的準(zhǔn)確性在很大程度上取決于端元成員的選擇。Daughtry等［21］研究PV、NPV和BS的NDVI和CAI時(shí)發(fā)現(xiàn)，NDVI－CAI特征空間近似三角形，在端元已知的情況下可以通過線性模型來分解混合像元，Guerschman等［3］據(jù)此首次提出運(yùn)用NDVI－CAI像元三分模型估算植被蓋度的新方法。事實(shí)上，像元三分模型中的NDVI和CAI指數(shù)可被其他植被指數(shù)替代。

目前大多數(shù)的植被蓋度研究中，相對(duì)于光合植被參數(shù)的定量反演研究，針對(duì)非光合植被參數(shù)的定量反演研究較少，僅使用單一的植被蓋度和植被指數(shù)關(guān)系進(jìn)行估算，這給植被蓋度的季節(jié)估算帶來了嚴(yán)重的不確定性。加之，用于植被蓋度季節(jié)建模的植被指數(shù)種類繁多，不同植被指數(shù)對(duì)植被蓋度的表征能力及敏感性存在一定的差異。面對(duì)如此多的植被指數(shù)，如何篩選出最優(yōu)的植被指數(shù)，進(jìn)一步提高植被蓋度季節(jié)動(dòng)態(tài)監(jiān)測(cè)的精度仍是一項(xiàng)重要研究?jī)?nèi)容。因此，本研究以西藏當(dāng)雄縣為例，將Landsat-8OLI數(shù)據(jù)作為遙感信息源，篩選適用于估算高寒草地植被蓋度的最優(yōu)植被指數(shù)，并開展了高寒草地生長(zhǎng)季/非生長(zhǎng)季植被蓋度反演研究。

1 材料與方法

1.1 研究區(qū)概況

當(dāng)雄縣位于西藏自治區(qū)中部，藏南與藏北的交界地帶。地理范圍為90°45′－91°31′E，29°31′－31°04′N（圖1），境內(nèi)平均海拔4300 m，總地勢(shì)由西北向東南傾斜，念青唐古拉山脈沿縣西北貫穿全境，東北部為高平原，北部高平原分布著納木錯(cuò)湖，西北和東南皆為山地，中部間夾寬谷盆地。當(dāng)雄縣屬高原亞寒帶半干旱季風(fēng)氣候，年均溫為1.3℃，年均降水量為456.8 mm，降水主要集中在6－8月，年均蒸發(fā)量為1725.7 mm。當(dāng)雄縣是寒冷半濕潤(rùn)高寒草甸與寒冷半干旱高寒草原類型之間的過渡地帶。植被類型以高寒草甸為主，較高海拔（4700～5200 m）是以高山嵩草（Kobresia pygmaea）和墊狀點(diǎn)地梅（Androsace tapete）為優(yōu)勢(shì)種的高寒草甸。較低海拔（4300～4650 m）是以絲穎針茅（Stipa capillacea）和矮生嵩草（Kobresia humilis）為優(yōu)勢(shì)種的草原化草甸，在海拔4300 m以下地帶主要是由河流與低洼地形成的沼澤濕地［22］。草場(chǎng)占當(dāng)雄縣土地總面積的68.86%，全縣牧草生長(zhǎng)期90～120 d，生長(zhǎng)季為5－9月，其余時(shí)期為非生長(zhǎng)期。當(dāng)雄縣的土壤類型主要為黑褐色酸性至中性的高山草甸土，分布于較高海拔，且含水量較高。而在較低海拔地區(qū)，土壤類型則為中性到微堿性的草原化草甸土，礫石含量較高［23］。

圖1 當(dāng)雄縣樣地分布Fig.1 Distribution of sample plots in Dangxiong County

1.2 數(shù)據(jù)獲取

1.2.1 地面實(shí)測(cè)數(shù)據(jù)獲取 地面實(shí)測(cè)數(shù)據(jù)采集時(shí)間為2019年4月16－19日（非生長(zhǎng)季）以及2019年8月21－27日（生長(zhǎng)季）。選擇地勢(shì)平坦、生長(zhǎng)狀況均一、可達(dá)性高的典型草地植物群落布設(shè)樣地，樣地大小為90 m×90 m。4月共布設(shè)108個(gè)樣地，8月共布設(shè)109個(gè)樣地（圖1）。采用網(wǎng)格法測(cè)定植被蓋度，在樣地內(nèi)布設(shè)3～5個(gè)樣方，大小為1 m×1 m，將同一樣地內(nèi)所有樣方植被蓋度的平均值作為該樣地的植被蓋度。同時(shí)記錄樣方名稱、經(jīng)緯度、高程、草高、礫石蓋度、植被種類、照片編號(hào)等信息。為更好地計(jì)算植被指數(shù)，本研究使用SVCHR-1024地物光譜儀測(cè)定土壤高光譜數(shù)據(jù)。測(cè)量時(shí)間選擇晴朗無云無風(fēng)、太陽光強(qiáng)度穩(wěn)定的時(shí)段（10：00－14：00）。測(cè)量前，先對(duì)照白板進(jìn)行定標(biāo)，再選擇31個(gè)地面不同蓋度的樣方，將25°視場(chǎng)角的傳感器探頭垂直置于樣點(diǎn)上方1.35 m處，探頭接收垂直中心點(diǎn)直徑0.6 m圓形范圍內(nèi)的光譜。每個(gè)樣點(diǎn)重復(fù)測(cè)量5次，后期對(duì)光譜曲線進(jìn)行去重疊和平滑處理，將5次測(cè)量的光譜反射率的平均值作為每個(gè)樣點(diǎn)的反射光譜數(shù)據(jù)。

1.2.2 遙感數(shù)據(jù)獲取 以30 m空間分辨率的Landsat-8OLI地表反射率產(chǎn)品為數(shù)據(jù)源，影像時(shí)間范圍 選 取 為2019年4月1－30日以 及2019年8月1－31日。對(duì)Landsat-8OLI地表反射率產(chǎn)品進(jìn)行質(zhì)量篩選、輻射校正、大氣校正、幾何校正、去除云污染、影像拼接等預(yù)處理，獲得當(dāng)雄縣2019年4、8月影像。中國(guó)省級(jí)行政區(qū)劃矢量數(shù)據(jù)來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心（http：//www.resdc.cn）。

1.3 研究方法

1.3.1 植被指數(shù)計(jì)算 結(jié)合前人的研究結(jié)果及本研究實(shí)際情況，共選取NDVI［24］、比值植被指數(shù)（ratio vegetation index，RVI）［25］、土 壤 調(diào) 整 植 被 指 數(shù)（soiladjusted vegetation index，SAVI）［26］、轉(zhuǎn)換型土壤調(diào)整植被指數(shù)（transformed soil-adjusted vegetation index，TSAVI）［27］、修改型土壤調(diào)整植被指數(shù)（modified soiladjusted vegetation index，MSAVI）［28］、NDTI［16］、MSACRI［17］、土壤調(diào)整型歸一化差異耕作指數(shù)（soiladjusted normalized difference tillage index，S-NDTI）［29］、DFI［19］和土壤耕作指數(shù)（soil tillage index，STI）［16］共10種植被指數(shù)（表1），以比較各種不同植被指數(shù)對(duì)研究區(qū)植被蓋度的估測(cè)能力。為避免云和水體的影響造成的異常值，對(duì)植被指數(shù)均做掩膜處理。其中，TSAVI、MSACRI的計(jì)算需要土壤線（土壤線是可見光紅、近紅外波段發(fā)射率或高度值之間的線性關(guān)系，是對(duì)土壤反射特征的綜合描述。）斜率、截距因子，利用野外實(shí)測(cè)的31組土壤光譜曲線建立土壤線方程獲得圖2。

圖2 土壤線Fig.2 Soil line

表1 用于植被蓋度估算的幾種主要植被指數(shù)Table 1 Several main vegetation indices for grassland coverage estimation

1.3.2 相關(guān)性分析 相關(guān)性分析可以研究現(xiàn)象之間是否存在某種依存關(guān)系。采用Pearson相關(guān)系數(shù)計(jì)算10種植被指數(shù)與生長(zhǎng)季/非生長(zhǎng)季植被蓋度的相關(guān)性，公式如下：

式中：rxy為相關(guān)系數(shù)；n表示樣本數(shù)；xi表示樣本中第i個(gè)因素的值；xˉ表示樣本中某個(gè)因素的平均值；yi表示樣本中第i個(gè)樣本植被蓋度的值；yˉ表示樣本植被蓋度的平均值。相關(guān)系數(shù)介于－1～1，絕對(duì)值越接近于1，則相關(guān)性越強(qiáng)，反之，相關(guān)性越弱。

1.3.3 植被蓋度遙感反演模型 像元二分模型是被廣泛使用的植被蓋度遙感反演模型之一，該模型要求所選植被指數(shù)與植被蓋度呈線性相關(guān)，因此需要篩選出適宜表達(dá)生長(zhǎng)季/非生長(zhǎng)季光譜信息的植被指數(shù)構(gòu)建光譜特征空間。而端元值的選擇直接影響著模型的精度。僅利用植被指數(shù)構(gòu)建的一維特征空間難以確定端元位置，加之影像噪聲對(duì)端元值的選取有一定影響，使得像元二分模型的應(yīng)用有著一定局限性。因此，本研究引入像元三分法提取端元特征值［3］，基于像元二分模型反演研究區(qū)生長(zhǎng)季/非生長(zhǎng)季植被蓋度。

像元二分模型的原理是假設(shè)遙感數(shù)據(jù)中單個(gè)像元由土壤和植被兩部分組成。生長(zhǎng)季時(shí)，地表混合像元僅由光合作用植被和裸土組成；而非生長(zhǎng)季，地表混合像元?jiǎng)t由非光合作用植被和裸土組成。像元二分模型可如下式表達(dá)：

式中：S、SPV、SNPV和SBS分別代表混合像元、光合植被端元、非光合植被端元和裸土端元的遙感信息，fNPV為非光合植被蓋度，fPV為光合植被蓋度。

像元三分模型將混合像元進(jìn)一步細(xì)分為PV、NPV和BS的線性組合，通過選擇NDVI表征fPV、DFI表征fNPV來構(gòu)建NDVI－DFI像元三分模型（圖3）［30］。在理想情況下，NDVI－DFI二維特征空間表現(xiàn)為三角形。PV端元的NDVI值高、DFI值較低，位于三角形的右側(cè)中部；NPV端元的NDVI值較低、DFI值最高，位于三角形的左上角；而BS端元的NDVI值和DFI值都很低，位于三角形的左下角；三角形的內(nèi)部則是混合像元。在實(shí)際應(yīng)用中，對(duì)于生長(zhǎng)季而言，右側(cè)中部頂點(diǎn)附近NDVI值高，DFI值較低；三角形左下頂點(diǎn)的DFI、NDVI值都較小，二者分別符合光合植被和裸土在特征空間的分布，因此，選擇這兩個(gè)頂點(diǎn)周圍一定區(qū)域內(nèi)的散點(diǎn)，取其平均值分別作為光合植被和裸土的端元值。對(duì)于非生長(zhǎng)季而言，上部頂點(diǎn)附近DFI值高，NDVI值較低；三角形左下頂點(diǎn)的DFI、NDVI值都較小，兩者分別符合非光合植被和裸土在特征空間的分布，因此，選擇這兩個(gè)頂點(diǎn)周圍一定區(qū)域內(nèi)的散點(diǎn)，取其平均值分別作為非光合植被和裸土的端元值。

圖3 NDVI-DFI像元三分模型Fig.3 Tri-endmember linear mixture model with the NDVI and DFI

1.3.4 精度評(píng)價(jià) 為了綜合衡量不同植被指數(shù)基于像元二分法反演生長(zhǎng)季/非生長(zhǎng)季草地植被蓋度的效果，本研究利用非生長(zhǎng)季108個(gè)樣點(diǎn)和生長(zhǎng)季113個(gè)樣點(diǎn)的實(shí)測(cè)蓋度作為驗(yàn)證數(shù)據(jù)，將均方根誤差（root mean square error，RMSE）、相對(duì)誤差δ、決定系數(shù)（coefficient of determination，R2）作為精度評(píng)價(jià)指標(biāo)。其中，相對(duì)誤差能體現(xiàn)植被蓋度反演值與實(shí)測(cè)值的偏離度，其值越大，模型精度越低。RMSE能夠反映整個(gè)樣本的總體精度，其值越小，估算精度越高。R2越大，表示擬合優(yōu)度越大，即自變量對(duì)因變量的解釋程度越高。公式如下：

2 結(jié)果與分析

2.1 不同植被指數(shù)與草地植被蓋度相關(guān)性分析

為選出適宜生長(zhǎng)季/非生長(zhǎng)季植被蓋度反演的植被指數(shù)，統(tǒng)計(jì)10個(gè)植被指數(shù)與生長(zhǎng)季/非生長(zhǎng)季草地植被蓋度之間的相關(guān)系數(shù)（correlation coefficient，r）（表2）?？梢姡琋DTI、MSACRI、S-NDTI、DFI和STI這5種植被指數(shù)與非生長(zhǎng)季植被蓋度的相關(guān)系數(shù)顯著高于其他指數(shù)，適用于非生長(zhǎng)季植被蓋度的反演。NDVI、TSAVI、SAVI、RVI和MSAVI這5種植 被 指數(shù)與生長(zhǎng)季植被蓋度之間的相關(guān)系數(shù)高于其他指數(shù)，適用于生長(zhǎng)季植被蓋度的反演。適用于非生長(zhǎng)季的指數(shù)中，NDTI、MSACRI、S-NDTI和STI的相關(guān)系數(shù)均為0.92（P＜0.01），DFI的相關(guān)系數(shù)與最大值相差較 小。適 用 于 生 長(zhǎng) 季 的 指 數(shù) 中，NDVI、SAVI、MSAVI和TSAVI最大，均達(dá)到0.88（P＜0.01），RVI的相關(guān)系數(shù)接近于最大值。因此，僅靠相關(guān)系數(shù)無法篩選出適用于生長(zhǎng)季/非生長(zhǎng)季的最優(yōu)植被指數(shù)，需要進(jìn)一步比較。

表2 植被蓋度與植被指數(shù)的相關(guān)性Table 2 Correlation between grassland coverage and vegetation index

2.2 植被蓋度像元二分模型及精度評(píng)價(jià)

本節(jié)分別選取適用于生長(zhǎng)季/非生長(zhǎng)季的5種植被指數(shù)，引入像元三分法提取端元值，基于不同植被指數(shù)像元二分模型構(gòu)建植被蓋度反演模型，并根據(jù)精度評(píng)價(jià)結(jié)果，選出最優(yōu)生長(zhǎng)季/非生長(zhǎng)季植被指數(shù)。從10種植被指數(shù)反演的高寒植被蓋度結(jié)果（圖4）來看，研究區(qū)植被蓋度整體偏低，生長(zhǎng)季植被蓋度高的地方對(duì)應(yīng)非生長(zhǎng)季植被蓋度也高，生長(zhǎng)季植被蓋度低的地方對(duì)應(yīng)非生長(zhǎng)季植被蓋度也低。由像元二分模型植被蓋度精度評(píng)價(jià)（表3）可知，10種植被指數(shù)的相對(duì)誤差均小于45%，生長(zhǎng)季最小相對(duì)誤差可達(dá)9.23%，非生長(zhǎng)季最小相對(duì)誤差為10.13%，說明像元二分模型在高寒草地具有較好的適用性。以相對(duì)誤差較小，RMSE較小，R2較大為優(yōu)的原則選擇最優(yōu)反演模型。MSACRI的相對(duì)誤差（10.18%）雖大于S-NDTI（10.13%），但其R2和RMSE均優(yōu)于S-NDTI，具有最小的RMSE（7.78），其R2為0.81。因此，MSACRI最適用于反演非生長(zhǎng)季高寒草地植被蓋度，其余優(yōu)劣順序依次為S-NDTI、NDTI、STI、DFI。生長(zhǎng)季時(shí)，NDVI具有最小的相對(duì)誤差（9.23%）、最小的RMSE（8.43），其R2為0.77。因此，NDVI最適用于生長(zhǎng)季高寒草地植被蓋度反演建模，其余優(yōu)劣順序依次為TSAVI、MSAVI、SAVI、RVI。

表3 像元二分模型植被蓋度精度評(píng)價(jià)Table 3 The accuracy evaluation of grassland coverage based on dimidiate pixel model

圖4 當(dāng)雄縣生長(zhǎng)季/非生長(zhǎng)季高寒草地植被蓋度分布Fig.4 Distribution of alpine grassland coverage in growing season/non-growing season in Dangxiong County

2.3 當(dāng)雄縣草地覆蓋現(xiàn)狀

基于以上結(jié)果，該部分使用MSACRI和NDVI指數(shù)反演的蓋度數(shù)據(jù)分析研究區(qū)生長(zhǎng)季/非生長(zhǎng)季植被蓋度的時(shí)空變化特征（圖5～圖6）。當(dāng)雄縣草地總面積為693172.10 hm2，主要分布于海拔4300～5100 m，生長(zhǎng)季面積占比為72.45%。生長(zhǎng)季平均植被蓋度為50.54%，高寒特征明顯，植被分布相對(duì)稀疏。低蓋度（＜20%）草地主要分布于高海拔區(qū)域（＞5300 m），其面積占比為5.92%。中低蓋度（20%～40%）草地一部分位于海拔4700～5100 m的念青唐古拉山北坡、納木錯(cuò)湖周邊，面積占比為11.15%；一部分位于海拔4300～4700 m的當(dāng)雄縣的西南部及縣城周邊，面積占比為6.72%。當(dāng)植被蓋度為40%～80%時(shí)，多分布于海拔4700～5100 m處，面積占比為27.66%。高蓋度（＞80%）草地多分布于低海拔區(qū)域（＜4500 m），主要是河流與洼地形成的沼澤草甸。此外，隨著海拔的增加，低蓋度（＜20%）的草地逐步增加，植被蓋度為20%～80%的草地于海拔4700～4900 m附近達(dá)到峰值，高蓋度草地（＞80%）的比例逐漸減少。與生長(zhǎng)季相比，非生長(zhǎng)季草地蓋度減小，其平均蓋度為31.67%。約70.83%的草地蓋度小于40%，草地仍集中分布于海拔4300～5100 m處，面積占比為82.17%。低海拔區(qū)域（＜4500 m）的沼澤草地在非生長(zhǎng)季時(shí)蓋度略微下降，蓋度可達(dá)60%以上。

圖5 不同海拔生長(zhǎng)季植被蓋度面積統(tǒng)計(jì)Fig.5 Statistics of vegetation coverage area in different altitude growing seasons

圖6 不同海拔非生長(zhǎng)季植被蓋度面積統(tǒng)計(jì)Fig.6 Statistics of vegetation coverage area in different altitude non-growing seasons

3 討論

3.1 不同植被指數(shù)與植被蓋度間相關(guān)性差異

枯黃干草與綠色鮮草的光譜響應(yīng)存在顯著的差異，因此植被指數(shù)的擬合效果在生長(zhǎng)季和非生長(zhǎng)季也存在明顯差異。草地在4月仍處于枯黃期，葉片水分和葉綠素下降，而纖維素和木質(zhì)素增多。多光譜空間中，NPV與土壤可分性最高的是OLI6和OLI7波段，這兩個(gè)波段位于吸水區(qū)附近，當(dāng)植被變黃時(shí)，光譜響應(yīng)隨水分流失而增強(qiáng)［31］，因此由這兩個(gè)波段構(gòu)建的DFI、STI、S-NDTI、MSACRI和NDTI這5種植被指數(shù)與非生長(zhǎng)季植被蓋度相關(guān)性高。而NDVI、RVI、SAVI、MSAVI和TSAVI這5種植被指數(shù)由可見光－近紅外波段構(gòu)建，因此難以用于反演枯黃的蓋度信息，這與Dai等［32］證明NDVI、SAVI無法區(qū)分NPV和土壤，NDTI可以區(qū)分NPV和土壤的結(jié)論一致。8月草地正處于生長(zhǎng)最旺盛的狀態(tài)，生物量、蓋度等指標(biāo)均達(dá)到較高水平，綠色植被在近紅外波段具有獨(dú)特的強(qiáng)反射的特性，且其反射率明顯大于干枯植被［33］，因此NDVI、RVI、SAVI、MSAVI和TSAVI這5種植被指數(shù)與生長(zhǎng)季植被蓋度的相關(guān)系數(shù)遠(yuǎn)遠(yuǎn)高于其他指數(shù)。

3.2 生長(zhǎng)季/非生長(zhǎng)季像元二分模型構(gòu)建

非生長(zhǎng)季時(shí)，地表混合像元分解為NPV和BS。而DFI常用于區(qū)分NPV、PV和BS這3種組分共存的情況［30］，因此其相對(duì)誤差最大，為44.02%。NDTI在STI的基礎(chǔ)上進(jìn)一步減弱大氣噪聲影響［34］，這與本研究中NDTI相對(duì)誤差（20.09%）低于STI（29.96%）的結(jié)論一致。S-NDTI適用于無法估算土壤線的情況，其相對(duì)誤差（10.13%）小于NDTI（20.09%），可見S-NDTI估算NPV的能力優(yōu)于NDTI［29］。MSACRI中引入土壤線參數(shù)，能有效弱化土壤背景對(duì)草地光譜的影響，抗土壤噪聲能力優(yōu)于NDTI，適合于低蓋度草地的監(jiān)測(cè)［35］。MSACRI具有最小的RMSE（7.78），其R2高達(dá)0.81。因此，基于MSACRI的像元二分模型是反演非生長(zhǎng)季植被蓋度的最優(yōu)模型。

研究區(qū)位于半干旱區(qū)，受高寒氣候、土壤和水熱條件的制約，生長(zhǎng)季草地還是相對(duì)稀疏。土壤對(duì)植被指數(shù)的影響較為顯著，而RVI對(duì)高植被覆蓋區(qū)域較為敏感［36］，因此RVI并不適用于該地區(qū)。SAVI在削弱土壤對(duì)植被信息影響的同時(shí)也降低了與植被蓋度的相關(guān)性［37］，其反演精度最低（77.36%）。盡管MSAVI適用于低植被蓋度的反演，但野外采集的高光譜曲線構(gòu)建的TSAVI考慮了土壤斜率和截距［38］，因此其相對(duì)誤差（11.20%）略小于MSAVI（13.70%）。研究區(qū)為典型的高寒草甸與寒冷半干旱高寒草原類型之間的過渡地，生長(zhǎng)季植被蓋度集中于20%～80%，NDVI對(duì)植被蓋度的檢測(cè)幅度較寬，這可能也是TSAVI反演植被蓋度的能力不如NDVI的原因。因此基于NDVI的像元二分模型是反演生長(zhǎng)季植被蓋度的最優(yōu)模型。

3.3 當(dāng)雄縣植被覆蓋現(xiàn)狀分析

當(dāng)雄草地多位于海拔4300～5100 m，高寒特征明顯，海拔對(duì)植被蓋度具有決定性的影響。隨海拔的增加，氣溫顯著降低，而降水則呈先增加后降低的趨勢(shì)，蓋度呈現(xiàn)先增加后減少的單峰變化格局［39］。西南部低海拔地區(qū)（4300～4700 m）植被受到干旱脅迫，形成以針茅屬（Stipa）物種為主的草原化草甸，土壤水分條件較差，沙化嚴(yán)重，因此植被蓋度普遍偏低，生長(zhǎng)季約占20%～40%；當(dāng)雄縣城附近，受到頻繁的人類活動(dòng)及過度放牧的影響，植被蓋度相對(duì)較低；而該海拔梯度高蓋度（＞80%）的區(qū)域多位于河流與洼地形成的以藏北蒿草（Kobresia littledalei）、矮生嵩草為主的沼澤草甸，土壤水分充足，因此植被長(zhǎng)勢(shì)較好。高海拔區(qū)域（4500～5100 m）降水充足，形成以高山嵩草為主的高寒草甸，植被長(zhǎng)勢(shì)較好，蓋度多為60%～80%，面積占比為35.33%。隨著海拔的進(jìn)一步增加，當(dāng)海拔超過5300 m時(shí)，氣溫的下降限制了植被對(duì)水分的吸收，高覆蓋植被（＞80%）幾乎消失。

8月伴隨著雨季開始，氣溫升高，草地達(dá)到生長(zhǎng)高峰期。4月為冬春交接的時(shí)間段，溫度低，降水少，非生長(zhǎng)季葉片枯萎蜷縮導(dǎo)致蓋度減小，各海拔區(qū)間非生長(zhǎng)季植被蓋度相較于生長(zhǎng)季植被蓋度均有所下降，非生長(zhǎng)季平均植被蓋度較生長(zhǎng)季下降18.87%。對(duì)于蓋度較高的沼澤草甸而言，其蓋度隨季節(jié)的變化小，非生長(zhǎng)季植被蓋度相較于生長(zhǎng)季而言，蓋度減少幅度不大。

此外，本研究只考慮了非生長(zhǎng)季NPV、BS和生長(zhǎng)季PV、BS僅有兩種組分存在的情況，缺少對(duì)NPV、PV和BS這3種組分共同存在情況的考慮。植被生態(tài)系統(tǒng)自身的復(fù)雜性會(huì)影響植被蓋度估算的精度，因此后續(xù)將進(jìn)一步考慮混合時(shí)期的植被蓋度情況。另外，由于研究區(qū)位于高海拔地區(qū)，容易受到大氣、云和雪的影響，實(shí)測(cè)數(shù)據(jù)與遙感數(shù)據(jù)在時(shí)空上常不能完全吻合。且需要考慮不同草地類型、含水量、分解程度及土壤類型、土壤濕度對(duì)擬合效果的影響。

4 結(jié)論

1）NDTI、MSACRI、S-NDTI、DFI、STI這5種 植 被 指 數(shù) 適 用 于 非 生 長(zhǎng) 季 植 被 蓋 度 反 演，而NDVI、RVI、SAVI、MSAVI、TSAVI這5種植被指數(shù)適用于生長(zhǎng)季植被蓋度反演。

2）引入像元三分法確定端元值，采用像元二分模型反演高寒草地生長(zhǎng)季/非生長(zhǎng)季植被蓋度的方法具有可行性。其中，基于MSACRI指數(shù)的像元二分模型法適用于非生長(zhǎng)季植被蓋度的反演?；贜DVI的像元二分模型法最適用于生長(zhǎng)季植被蓋度的反演。

3）研究區(qū)草地植被蓋度隨著海拔增加，呈現(xiàn)先增加后減少的單峰變化格局。生長(zhǎng)季絕大部分草地的植被蓋度集中于20%～80%，非生長(zhǎng)季草地約70.83%的植被蓋度小于40%。