鄂尔多斯荒漠草原是内蒙古草原的重要组成部分。近年来,该地区由于受到自然和人为因素的影响,导致草地面积退化、生产能力下降等问题,严重影响了当地生态环境的可持续发展。采取有效的草地退化的实时监测,明确草地牧草产量,是实现畜草平衡、防止草地退化、保护草地资源的重要保障。利用高光谱遥感技术对草地生物物理参数进行估算,为实现鄂尔多斯荒漠草原遥感监测和草地的科学管理提供了科学依据。由于不同生态区域、不同退化梯度,草地植被冠层结构及光谱反射率存在一定差异,使高光谱遥感估算模型监测精度存在局限性。因此,本文以内蒙古鄂尔多斯市鄂托克旗荒漠草原为研究对象,利用高光谱遥感技术,于2014年至2016年每年7月、8月在鄂尔多斯荒漠草原开展观测试验,进行实地调查、生物物理参数测定以及地面高光谱测定,分析了对照(Control,CK)、轻度(Light Degraded,LD)、中度(Medium Degraded,MD)、重度(Heavy Degraded,HD)和全范围(All-areas,ALL)内草地冠层、典型植物群落(狭叶锦鸡儿群落、短花针茅群落、无芒隐子草群落和冷蒿群落)冠层及典型植物(狭叶锦鸡儿、短花针茅、无芒隐子草和冷蒿)植株冠层光谱特征,分析了荒漠草原高光谱特征与退化梯度响应规律,探讨了草地冠层、典型植物群落冠层及典型植物植株冠层的原始光谱、微分光谱、植被指数、高光谱特征参数和生物物理参数之间的相关性,提取敏感的特征波段、植被指数和高光谱特征参数,应用单变量线性与非线性、逐步回归和BP神经网络方法,建立荒漠草原生物物理参数高光谱估算模型,为鄂尔多斯荒漠草原生长状况及动态监测提供理论依据和技术支持。主要研究结果如下:(1)分析不同退化梯度下和相同退化梯度下鄂尔多斯荒漠草原草地冠层、典型植物群落冠层及典型植物植株冠层原始光谱、一阶微分及二阶微分光谱特征。(1)鄂尔多斯荒漠草原草地冠层、典型植物群落冠层及典型植物植株冠层原始光谱反射率在可见光波段380~700nm之间较低,不超过15%;在近红外波段780~1830nm之间较高,但不超过35%。(2)在可见光波段,四种退化类型荒漠草原原始光谱反射率大小关系为:HD>MD>LD>CK;在近红外波段,四者的大小关系变为:CK>LD>MD>HD。草地冠层一阶微分和二阶微分光谱在不同退化梯度下波形趋势一致,一阶微分最大值在红边位置719nm附近。(3)在不同退化梯度下,典型植物群落原始光谱、一阶微分和二阶微分光谱波形趋势一致。狭叶锦鸡儿群落冠层原始光谱反射率在可见光波段350~680nm随草地退化程度加剧而上升;短花针茅和冷蒿群落冠层原始光谱反射率在近红外波段780~1350nm随草地退化程度加剧而下降;无芒隐子草群落冠层原始光谱随草地退化程度加剧无明显规律性变化。各典型植物群落一阶微分光谱的最大值均在719nm,大小顺序依次为CK>LD>MD>HD;二阶微分光谱在719nm附近无明显规律性变化。(4)在不同退化梯度下,典型植物植株原始光谱、一阶微分和二阶微分光谱波形趋势一致。狭叶锦鸡儿和冷蒿植株冠层原始光谱反射率在可见光波段350~680nm随草地退化程度加剧而上升;狭叶锦鸡儿、无芒隐子草和冷蒿植株冠层原始光谱反射率在近红外波段780~1350nm随草地退化程度加剧而下降。各典型植物植株一阶微分光谱的最大值均在719nm附近。狭叶锦鸡儿、无芒隐子草和冷蒿植株光谱一阶微分反射率大小顺序依次为CK>LD>MD>HD。二阶微分光谱在719nm附近均无明显规律性变化。(5)相同退化梯度下,原始光谱在350~680nm,典型植物群落在CK和LD光谱反射率大小顺序依次为无芒隐子草群落>冷蒿群落>短花针茅群落>狭叶锦鸡儿群落。随草地退化程度加剧,无芒隐子草群落反射率始终最大;狭叶锦鸡儿群落、短花针茅群落、冷蒿群落均无明显规律性变化。原始光谱在780~1350nm,典型植物群落均无明显规律性变化。相同退化梯度下典型植物群落冠层一阶微分光谱和二阶微分光谱在719nm附近均出现较为明显的差异。(6)相同退化梯度下,原始光谱在350~680nm,典型植物植株在CK光谱反射率大小顺序依次为短花针茅>无芒隐子草>冷蒿>狭叶锦鸡儿,在LD、MD和HD光谱反射率大小顺序依次为无芒隐子草>短花针茅>冷蒿>狭叶锦鸡儿。原始光谱在780~1350nm,无明显规律性变化。相同退化梯度下典型植物植株冠层一阶微分光谱和二阶微分光谱在719nm附近均出现较为明显的差异。(2)分别由原始光谱、一阶微分光谱、二阶微分光谱在全波段范围内任意两两波段构建优化后的归一化植被指数(NDSI、FNDSI和SNDSI);比值植被指数(RSI、FRSI和SDSI)与差值植被指数(DSI、FDSI和SRSI),通过对优化后植被指数与荒漠草原生物物理参数进行相关分析,寻找敏感的植被指数,为生物物理参数最佳估算模型的建立奠定基础。(3)分析不同退化梯度下和全范围内草地冠层原始光谱、微分光谱、植被指数、高光谱特征参数与草地鲜草生物量相关性,确定敏感光谱变量,通过单变量线性与非线性、逐步回归和BP神经网络建立和比较不同退化梯度下和全范围内草地鲜草生物量估算模型,确定了最优估算模型。(1)在不同退化梯度下和全范围内草地冠层一阶微分光谱与草地鲜草生物量相关性最好,最佳波段分别为:559、712、710、703和710nm。(2)在不同退化梯度下和全范围内最优植被指数分别为:NDSI(706,707)和RSI(707,706)、NDSI(582,719)、NDSI(708,710)和RSI(710,708)、FRSI(499,703)、NDSI(705,710)和RSI(710,705)。(3)在不同退化梯度下和全范围内与草地鲜草生物量呈极显著相关通用性较好的高光谱特征参数为Dy、DR、Rg、Rr、SDy、SDR、Rg/Rr、(Rg-Rr)/(Rg+Rr)、SDR/SDb、(SDR-SDb)/(SDR+SDb)和(SDR-SDy)/(SDR+SDy)。(4)比较不同光谱变量、不同建模方法建立的不同退化梯度下和全范围内草地鲜草生物量估算模型可知,最优估算模型为基于植被指数建立的BP神经网络估算模型,建模R~2分别为0.736、0.785、0.808、0.691、0.773,验证R~2分别为0.815、0.828、0.866、0.613、0.787,验证RMSE分别为40.55、36.31、21.48、33.76、38.47g/m~2,验证RE分别为28.70、20.04、18.85、30.98、29.48%。通过分析可知,在不同退化梯度下采用对应的估算模型能够更精确的估算草地鲜草生物量。其中,MD估算精度最高,HD估算精度相对较低。(4)分析典型植物群落冠层原始光谱、微分光谱、植被指数、高光谱特征参数与群落鲜草生物量相关性,确定敏感光谱变量,采用单变量线性与非线性、逐步回归、BP神经网络建立和比较不同退化梯度下和全范围内典型植物群落鲜草生物量估算模型,确定了最优估算模型。(1)在不同退化梯度下和全范围内,与典型植物群落鲜草生物量相关性最佳特征波段主要位于红边位置,其次为黄边位置。(2)在不同退化梯度下和全范围内,与典型植物群落鲜草生物量相关性最佳植被指数波段组合主要位于原始光谱和微分光谱的可见光波段。(3)在不同退化梯度下和全范围内,与典型植物群落鲜草生物量呈极显著相关通用性较好的参数为Dy、Rg、Rr、SDy、SDR、Rg/Rr、(Rg-Rr)/(Rg+Rr)、SDR/SDb、(SDR-SDb)/(SDR+SDb)和(SDR-SDy)/(SDR+SDy)。(4)比较不同光谱变量、不同建模方法建立的不同退化梯度下和全范围内典型植物群落鲜草生物量估算模型可知,最优估算模型为基于植被指数建立的BP神经网络估算模型。狭叶锦鸡儿群落鲜草生物量建模R~2分别为0.856、0.863、0.936、0.844、0.793;验证R~2分别为0.896、0.921、0.968、0.822、0.833;验证RMSE分别为36.93、30.81、16.61、30.10、49.05g/m~2;验证RE分别为12.57、10.45、14.18、19.66、23.24%。短花针茅群落鲜草生物量建模R~2分别为0.818、0.854、0.937、0.925、0.675;验证R~2分别为0.847、0.883、0.830、0.828、0.732;验证RMSE分别为33.90、20.05、21.48、20.66、40.80g/m~2;验证RE分别为17.58、16.50、23.64、21.16、28.07%。无芒隐子草群落鲜草生物量建模R~2分别为0.821、0.964、0.949、0.801、0.818;验证R~2分别为0.913、0.989、0.948、0.812、0.841;验证RMSE分别为19.23、9.65、9.82、10.25、27.58g/m~2;验证RE分别为15.37、11.96、13.98、21.83、22.50%。冷蒿群落鲜草生物量建模R~2分别为0.963、0.972、0.943、0.824、0.810;验证R~2分别为0.980、0.974、0.974、0.885、0.822;验证RMSE分别为15.68、15.45、10.90、20.02、40.21g/m~2;验证RE分别为10.00、9.52、13.34、19.03、25.72%。通过分析可知,基于不同群落草地类型建立的典型植物群落鲜草生物量估算模型,能够提高鄂尔多斯荒漠草原估产精度;并且在不同退化梯度下建立的典型植物群落鲜草生物量估算模型,估算精度和验证效果优于全范围内估算模型。(5)在不同退化梯度下和全范围内,分析典型植物植株冠层高光谱数据与植株含水率相关性,确定敏感光谱变量,采用单变量线性与非线性、逐步回归、BP神经网络建立和比较不同退化梯度下和全范围内典型植物植株含水率估算模型,确定了最优估算模型。(1)典型植物植株冠层光谱与植株含水率相关性最佳特征波段主要位于黄边位置,其次为红边位置。(2)狭叶锦鸡儿植株冠层光谱与植株含水率相关性最佳植被指数波段组合主要位于原始光谱和微分光谱的近红外波段,短花针茅植株、无芒隐子草植株和冷蒿植株则位于可见光波段。(3)不同退化梯度下和全范围内典型植物植株冠层高光谱特征参数与植株含水率的相关性变化较大。狭叶锦鸡儿和无芒隐子草植株含水率不适宜采用高光谱特征参数建立估算模型。(4)比较不同光谱变量、不同建模方法建立的不同退化梯度下和全范围内典型植物植株含水率估算模型可知,最优估算模型为基于植被指数建立的BP神经网络估算模型。狭叶锦鸡儿植株含水率建模R~2分别为0.753、0.781、0.867、0.740、0.450;验证R~2分别为0.876、0.612、0.850、0.676、0.437;验证RMSE分别为4.57、4.36、3.01、4.51、7.61%;验证RE分别为10.46、6.68、4.38、8.93、29.36%。短花针茅植株含水率建模R~2分别为0.850、0.882、0.883、0.796、0.614;验证R~2分别为0.843、0.846、0.878、0.815、0.736;验证RMSE分别为3.09、2.77、2.51、2.80、4.04%;验证RE分别为6.90、5.82、6.50、6.36、9.95%。无芒隐子草植株含水率建模R~2分别为0.789、0.877、0.949、0.946、0.542;验证R~2分别为0.827、0.816、0.966、0.976、0.690;验证RMSE分别为3.59、3.68、2.84、1.37、6.00%;验证RE分别为4.32、5.41、3.39、2.06、8.54%。冷蒿植株含水率建模R~2分别为0.810、0.866、0.752、0.900、0.766;验证R~2分别为0.927、0.842、0.960、0.935、0.802;验证RMSE分别为2.78、3.48、2.03、3.60、5.05%;验证RE分别为3.97、4.49、2.93、8.80、8.76%。综上所述,应用高光谱技术对鄂尔多斯荒漠草原不同退化梯度下和全范围内草地鲜草生物量、典型群落鲜草生物量和典型植物含水率建立基于植被指数BP神经网络最佳估算模型有效提高估算精度,为荒漠草原动态监测和退化防治提供理论依据和技术支持。