呼倫貝爾草原植被覆蓋度估算的光譜模型

陳艷梅,高吉喜,刁兆巖,呂世海,常學(xué)禮,馮朝陽(1.中國科學(xué)院成都山地災(zāi)害與環(huán)境研究所,四川 成都 1001；2.中國科學(xué)院研究生院,北京 10009；3.河北師范大學(xué)資源與環(huán)境科學(xué)學(xué)院,河北 石家莊0001；.中國環(huán)境科學(xué)研究院生態(tài)所,北京 100012；.濟南大學(xué)資源與環(huán)境學(xué)院,山東 濟南 20002；.魯東大學(xué)地理與規(guī)劃學(xué)院,山東 煙臺 202)

呼倫貝爾草原植被覆蓋度估算的光譜模型

陳艷梅1,2,3,高吉喜4*,刁兆巖5,呂世海4,常學(xué)禮6,馮朝陽4(1.中國科學(xué)院成都山地災(zāi)害與環(huán)境研究所,四川 成都 610041；2.中國科學(xué)院研究生院,北京 100049；3.河北師范大學(xué)資源與環(huán)境科學(xué)學(xué)院,河北 石家莊050016；4.中國環(huán)境科學(xué)研究院生態(tài)所,北京 100012；5.濟南大學(xué)資源與環(huán)境學(xué)院,山東 濟南 250002；6.魯東大學(xué)地理與規(guī)劃學(xué)院,山東 煙臺 264025)

采用美國ASD公司Fieldspec3光譜儀和日本富士數(shù)碼相機,于2009年7～8月在內(nèi)蒙古呼倫貝爾草原區(qū)進行了植物高光譜和植被覆蓋度測定,并運用回歸分析方法,建立實測歸一化植被指數(shù)(ASD NDVI)和植被覆蓋度之間的地面光譜模型,分析MODIS/TERRA衛(wèi)星的NDVI(MODIS NDVI)與ASD NDVI的關(guān)系,建立預(yù)測植被覆蓋度的MODIS光譜模型,并對模型進行精度檢驗.結(jié)果表明所建的MODIS光譜模型是線性函數(shù),該模型預(yù)測精度高于亞像元分解模型,標(biāo)準誤差為11.58%,平均預(yù)測精度達到88.75%.

呼倫貝爾草原；歸一化植被指數(shù)(NDVI)；植被覆蓋度；光譜模型

Abstract：During July and August 2009, an ASD Fieldspec3 spectroradiometer and a Japanese Fuji digital camera were used to measure hyperspectral data and vegetation coverage on the Hulunbeier Grassland, Inner Mongolia, China. Regression analysis methods were used to establish a ground spectral relationship between the local measured vegetation coverage and normalized difference vegetation (ASD NDVI). Then, the relationship between NDVI got from MODIS/TERRA (MODIS NDVI) and ASD NDVI was analyzed to establish a MODIS Spectral Model to estimate vegetation coverage with MODIS NDVI. Finally, the accuracy of MODIS spectral model was validated. The MODIS Spectral Model was just a linear equation but had higher prediction accuracy than sub-pixel models with 11.58% standard error and 88.75% average prediction accuracy.

Key words：Hulunbeier Grassland；normalized difference vegetation index (NDVI)；vegetation coverage；spectral models

植被覆蓋度(觀測區(qū)域內(nèi)植被垂直投影面積占地表面積的百分比)是一個重要的生態(tài)參數(shù),廣泛應(yīng)用于研究地表蒸散發(fā)、土壤水分、水土流失、光合作用的過程以及全球變化等領(lǐng)域[1-4].

利用遙感手段來估算植被覆蓋度是測量植被覆蓋度的主要手段之一,可以歸納為經(jīng)驗?zāi)Ｐ头ā⒅脖恢笖?shù)法和亞像元分解模型法[5-6],亞像元分解模型法可看作是在植被指數(shù)法基礎(chǔ)上所做的改進.目前,遙感與實測結(jié)合建立估算模型的方法逐漸取得新的進展[7-9].然而,現(xiàn)在還沒有一種標(biāo)準的方法用來監(jiān)測植被覆蓋度.

歸一化植被指數(shù)(NDVI)是遙感估算植被覆蓋度研究中最常用的植被指數(shù),許多學(xué)者在研究中都使用NDVI估算植被覆蓋度,并證實NDVI與植被覆蓋度有良好的相關(guān)性[10-14].源于MODIS/ TERRA衛(wèi)星傳感器的NDVI數(shù)據(jù)與NOAA/ AVHRR比較,具有空間分辨率更高、地理參考更準確、波段較窄、受水汽影響較小等優(yōu)點,在許多領(lǐng)域得以應(yīng)用[15].本研究在前人研究基礎(chǔ)上,利用MODIS紅光波段(0.620～0.670μm)和近紅外波段(0.841～0.876μm)提取并計算實測地面光譜數(shù)據(jù)的歸一化植被指數(shù)(ASD NDVI),結(jié)合實測草地植被覆蓋度,初步建立研究區(qū)估算植被覆蓋度的地面光譜模型,并利用實測ASD NDVI與MODIS NDVI的關(guān)系建立MODIS光譜模型,以期為呼倫貝爾草原估算植被覆蓋度提供新方法.

1 研究區(qū)概況和研究方法

1.1研究區(qū)概況

研究區(qū)位于歐亞草原東部內(nèi)蒙古呼倫貝爾草原區(qū),是中國北方草原的主體部分,也是目前草地生態(tài)系統(tǒng)類型最為齊全,保存最完整的區(qū)域[16].研究區(qū)地形坦蕩遼闊,海拔高度500～900m,屬于中溫帶大陸性季風(fēng)氣候,年均溫-3～0℃,年降水量240～380mm.地帶性土壤為黑鈣土和栗鈣土,隱域性土壤有草甸沼澤土、鹽化草甸土、風(fēng)沙土等.研究區(qū)東部的地帶性植被為溫性草甸草原,以貝加爾針茅(Stipa baicalensis)、羊草(leymus chinensis)、線葉菊(Filifolium Sibiricum)、糙隱子草(Cleistogenes squarrosa)、雜類草草型等為主體;研究區(qū)西部是典型草原地帶,植被以大面積的根莖禾草和叢生禾草為主,尤其以羊草、大針茅(Stipa grandis)和克氏針茅(Stipa crylovii)為建群種或優(yōu)勢種;另外,研究區(qū)內(nèi)有3條沙帶和零星沙丘堆積,發(fā)育有沙地植被;研究區(qū)的河流湖泡周圍發(fā)育有沼澤草甸、低地雜草草甸等濕地植被.

1.2試驗概況

野外試驗工作分別在2009年7月22～28日,8月5～8日,8月28～31日進行,此時是植被生長最旺盛的時期,采樣路線盡量覆蓋呼倫貝爾草原不同植物群落的不同生產(chǎn)力梯度(圖1).

圖1 研究區(qū)地理位置及樣地分布Fig.1 Location of study area and sampling position

樣地和小樣方具體設(shè)置方法為:首先在分析TM遙感影像、土地利用現(xiàn)狀圖和植被類型圖的基礎(chǔ)上,選擇大致250m×250m植物生長均勻的49個樣地,要求其植被斑塊面積較大且在植被組成上具有代表性,以滿足地面光譜數(shù)據(jù)與MODIS數(shù)據(jù)的像元匹配要求.試驗過程中選擇樣地中10個最具有典型和代表性的典型樣地(典型草原3個,草甸草原4個,沙地植被1個和濕地植被2個),每個典型樣地做30個1m×1m的樣方;另外的39個樣地中每個做5個1m×1m的樣方;樣方總數(shù)10×30+39×5=495個.

1.3研究方法

1.3.1植被光譜和草原植被覆蓋度的測定 使用美國ASD公司的Fieldspec 3光譜輻射儀進行草地植被光譜測定,視場角25°,光譜范圍350～2500nm,數(shù)據(jù)間隔1nm,觀測時傳感器垂直向下,距離冠層0.5m,每隔10～15min用白板進行校正.選擇天氣狀況良好、晴朗無云、風(fēng)力較小、太陽光強度充足并穩(wěn)定的時段(10:00～15:00).

每個1m×1m樣方測量光譜數(shù)據(jù)5次,用數(shù)據(jù)線連接光譜儀和GPS,每組數(shù)據(jù)中帶有地理坐標(biāo)和海拔高度.每個小樣方測完光譜后,用數(shù)碼相機垂直于地面,距離冠層0.5m拍照,記錄每個樣方對應(yīng)的光譜數(shù)據(jù)編號和照片編號以及樣方植被特征等.

1.3.2草原植被蓋度提取方法 在計算機測算相片植被覆蓋度前,先切除相片的邊緣部分,左右兩邊分別平行截除1/5、上下兩邊分別截除1/8,去掉四周變形較大部分.相片剩余部分用于進行植被覆蓋度的計算機測量.用ERDAS(9.1)軟件處理照片,首先是將照片轉(zhuǎn)變?yōu)榛叶戎?然后與原照片比較,找出植物與非植物部分臨界點,將照片轉(zhuǎn)化為(0,1)的黑白圖,統(tǒng)計分析植物部分占整個分析區(qū)域的比例,得到植被覆蓋度.

1.3.3從高光譜數(shù)據(jù)提取NDVI方法 在ViewSpec pro軟件(version 5.6)中求取實測光譜曲線的近紅外波段和紅光波段的光譜反射率平均值.然后計算NDVI值,計算公式為:

式中: ρNIR和ρRED分別是對應(yīng)MODIS近紅外波段、紅光波段的光譜反射率均值.

同時根據(jù)試驗記錄,計算每個1m×1m樣方對應(yīng)的5個光譜數(shù)據(jù)的NDVI均值.每張照片對應(yīng)1個植被覆蓋度和1個NDVI均值,一共獲得495組對應(yīng)的植被覆蓋度和實測NDVI均值.為了使地面試驗結(jié)果應(yīng)用于高空遙感影像,按地理坐標(biāo)將每個樣地的NDVI和植被覆蓋度求均值,得到49組對應(yīng)的植被覆蓋度和實測NDVI均值.1.3.4MODIS/TERRA影像的下載與處理 本研究使用的是NASA提供的MODIS/TERRA衛(wèi)星16d合成的NDVI,圖像空間分辨率為250m,格式為HDF.數(shù)據(jù)合成、投影轉(zhuǎn)換、研究區(qū)提取等均在ENVI軟件中完成.按照樣地的經(jīng)緯度坐標(biāo)信息,在Arcmap中提取相應(yīng)試驗樣地的遙感影像中的NDVI.為克服像元影像坐標(biāo)偏移及邊緣畸變的影響,若地面樣地中5個樣方的經(jīng)緯度點落到2個以上像元或位于像元邊緣則取相鄰像元值的平均值作為樣地的NDVI值(典型樣地中也隨機選5個分布均勻樣方),以減少“點對點”資料帶來的偏差.

預(yù)測植被覆蓋度在Arcmap中的柵格計算模塊中完成,提取柵格數(shù)據(jù)中的植被覆蓋度預(yù)測值與提取NDVI值方法相同.

1.3.5模型的檢驗方法 為了檢驗利用MODIS數(shù)據(jù)預(yù)測植被覆蓋度與實測植被覆蓋度之間關(guān)系的密切程度,選用標(biāo)準誤差(SE)[17]和平均誤差系數(shù)(MEC)[18]對預(yù)測值進行檢驗.計算公式為:

式中: y是實測植被覆蓋度,%;y'是預(yù)測植被覆蓋度,%;n是樣本數(shù).

1.3.6亞像元分解模型計算蓋度的方法 目前應(yīng)用較多的估算植被覆蓋度的亞像元分解模型計算公式[6]:

式中: NDVIsoil為裸土或無植被覆蓋區(qū)域的NDVI值,即無植被像元的NDVI值;而NDVIveg則代表完全被植被所覆蓋的像元的NDVI值,即純植被像元的NDVI值.

2 結(jié)果與分析

2.1基于光譜測定估算植被覆蓋度的地面光譜模型

圖2 ASD NDVI與植被覆蓋度線性回歸方程(n=49)Fig.2 Linear regression equation between ASD NDVI and vegetation coverage(n=49)

通過分析研究區(qū)內(nèi)ASD NDVI和植被覆蓋度散點關(guān)系,選用線性方程進行回歸分析.結(jié)果表明:ASD NDVI與植被覆蓋度之間存在較強的線性相關(guān)關(guān)系, R2達到0.9138(圖2).NDVI與植被覆蓋度之間的線性方程能通過極顯著性水平(0.01)的F檢驗(F=498.05,P＜0.001).植被覆蓋度(fc)與ASD NDVI之間地面光譜模型的表達式為:

2.2基于ASD NDVI和MODIS NDVI線性關(guān)系建立MODIS光譜模型

為了探求地面所測的植被光譜數(shù)據(jù)和高空遙感所得的植被光譜數(shù)據(jù)內(nèi)在的關(guān)系,分析49個樣地的ASD NDVI和MODIS NDVI之間對應(yīng)的關(guān)系,結(jié)果顯示:兩組數(shù)據(jù)之間存在線性關(guān)系R2=0.7939 (圖3),能通過極顯著性水平(0.01)的F檢驗(F=181.10,P＜0.001).

圖3 ASD NDVI和MODIS NDVI線性回歸方程(n=49)Fig.3 Linear regression equations between ASD NDVI and MODIS NDVI (n=49)

由圖3可知MODIS NDVI與ASD NDVI之間的表達式為:

將式(6)代入式(5)得到估算植被覆蓋度的MODIS光譜模型,表達式為:MODIS光譜模型的應(yīng)用與檢驗

將式(7)應(yīng)用到與試驗同期的三期MODIS影像上(2009年7月12～27日,7月28～8月12日,8月13～28日),在Arcmap中進行柵格計算,得到上述3個時段呼倫貝爾草原植被覆蓋度空間格局圖,再通過試驗樣地的地理坐標(biāo)以及試驗記錄的采樣時間分別從3幅柵格圖中提取與野外試驗點所對應(yīng)的預(yù)測植被覆蓋度,將預(yù)測植被覆蓋度與實測植被覆蓋度進行對比分析,見圖4,其相關(guān)性較好,相關(guān)系數(shù)達到0.878.

圖4 基于MODIS數(shù)據(jù)預(yù)測的植被覆蓋度與實測的植被覆蓋度之間的相關(guān)關(guān)系(n=49,SE為標(biāo)準誤差,MEC為平均誤差系數(shù))Fig.4 Correlation between vegetation coverage obtained in the field and predicted by MODIS (n=49, SE= standard error of predicting coverage, MEC= coefficient of mean error)

表1 MODIS光譜模型和亞像元分解模型預(yù)測結(jié)果的誤差分析Table 1 Analysis on the Errors of regression equations and sub-pixel models

為了進一步驗證預(yù)測精度,根據(jù)式(2)和式(3)計算其標(biāo)準誤差(SE)和平均誤差系數(shù)(MEC),并與亞像元分解模型計算的植被覆蓋度進行了比較,見表1.

由表1可見,所建的估測植被覆蓋度的MODIS光譜模型SE和MEC均較小,其平均預(yù)測精度可以達到88.75%,優(yōu)于亞像元分解模型的預(yù)測精度,可以應(yīng)用該模型和MODIS數(shù)據(jù)估算呼倫貝爾草原大面積和長時段的植被覆蓋度.

3 討論

3.1MODIS NDVI數(shù)據(jù)誤差是MODIS光譜模型預(yù)測產(chǎn)生誤差的主要因子

由于MODIS傳感器橫向掃描角度的變化范圍達到±55°,再加上其探測器對地觀測的視場幾何特征、地球表面曲率、地形起伏和運動中自身抖動等因素的共同影響,導(dǎo)致MODISL1B數(shù)據(jù)存在幾何畸變,俗稱“Bowtie效應(yīng)”[21].MODIS數(shù)據(jù)在掃描角達到15°后就會產(chǎn)生Bowtie效應(yīng),而且隨著掃描角度的增大, Bowtie效應(yīng)越明顯,這部分數(shù)據(jù)占據(jù)了相當(dāng)大的一部分.對此,國內(nèi)外很多學(xué)者在去除MODIS數(shù)據(jù)的Bowtie 效應(yīng)方面做了不少研究[21-23]. NASA提供的MODIS NDVI數(shù)據(jù)已經(jīng)進行消除Bowtie效應(yīng)處理,并在計算植被指數(shù)前經(jīng)過嚴格的大氣校正、幾何校正和輻射校正[21].野外試驗垂直測量的光譜數(shù)據(jù),相當(dāng)于MODIS數(shù)據(jù)對應(yīng)0度掃描角度,誤差最小.研究發(fā)現(xiàn),經(jīng)過NASA處理后的MODIS NDVI與實測的ASD NDVI之間仍然存在一些偏差,導(dǎo)致預(yù)測值被覆蓋度的Modis光譜模型的預(yù)測結(jié)果會有一些誤差.但通過地面實測ASD NDVI數(shù)據(jù)的修正后也可以獲得較理想的結(jié)果.

3.2地面光譜模型與亞像元分解模型關(guān)系密切

對于亞像元分解模型,當(dāng)NDVIsoil和NDVIveg確定后,其實質(zhì)也是線性方程.若NDVIsoil和NDVIveg取值準確時,亞像元分解模型和基于試驗的光譜模型表達式應(yīng)該相同或相近.如:依據(jù)所建地面光譜模型確定NDVIsoil和NDVIveg分別為0.175和0.8998,將其代入式(4)中發(fā)現(xiàn)亞像元分解模型表達式與地面光譜模型相同;若根據(jù)MODIS光譜模型所確定的NDVI的兩個極值代入式(4)沒有出現(xiàn)亞像元分解模型表達式與MODIS光譜模型相同結(jié)果,主要因為MODIS NDVI有誤差存在.

在草原區(qū)缺乏試驗數(shù)據(jù)時,可以選擇亞像元分解模型測定植被覆蓋度.在亞像元分解模型中NDVIsoil應(yīng)該是不隨時間改變的,對于大多數(shù)類型的裸地表面,理論上應(yīng)該接近零[6,10].然而由于大氣影響地表濕度條件的改變,以及地表濕度、土壤類型等條件的不同,NDVIsoil會隨著時間和空間而變化,變化范圍在-0.1～0.2之間[10]. NDVIveg代表著全植被覆蓋像元的最大值,也會隨著時間和空間而改變.NDVIsoil和NDVIveg的確定是決定亞像元分解模型預(yù)測精度的最關(guān)鍵的因素[6,10].多數(shù)研究人員是根據(jù)遙感圖像中全部裸地或全部為植被覆蓋對應(yīng)的NDVI值來確定這兩個值.然而,對于低分辨率的圖像,或者干旱地區(qū),可能根本不存在全植被覆蓋的像元或完全裸地的像元,那么圖像中的NDVI最大值和最小值的取值問題就成為一個難題.目前有研究人員根據(jù)研究植被類型所有像元的NDVI的概率分布的95%或98%上側(cè)分位數(shù)所對應(yīng)的NDVI值確定NDVIveg,以5%或2%下側(cè)分位數(shù)則代表NDVIsoil[19-20].本研究證明按照此方法確定的NDVI極值的方法在草原區(qū)可行,其預(yù)測植被覆蓋度的精度也可以達到80%以上,當(dāng)?shù)孛嬖囼灁?shù)據(jù)缺乏時,這也是一種獲得植被覆蓋度的較省時省力的方法.

本研究試驗樣地在呼倫貝爾草原區(qū)分布較均勻,涵蓋了地帶性植被草甸草原、典型草原以及非地帶性沙地植被和沼澤草甸、低地雜草草甸等濕地植被;樣本數(shù)量較多,密度大,草地類型較全,能夠代表呼倫貝爾草原區(qū)植被覆蓋度與光譜反射率之間關(guān)系;同時選用較成熟的植被指數(shù)計算方法,波段選取與MODIS遙感數(shù)據(jù)的紅光波段和近紅外波段完全一致,建立了地面光譜模型和MODIS光譜模型,主要目的是利用MODIS/ TERRA或MODIS/AQUA遙感影像在呼倫貝爾草原區(qū)進行大面積長時段草原植被覆蓋度估測,研究方法易行,目標(biāo)明確,研究結(jié)果可以直接服務(wù)于研究區(qū)生產(chǎn)實踐.然而,試驗不足之處在于僅僅有2009年植物生長最旺盛的試驗數(shù)據(jù),在將來我們應(yīng)該進行連續(xù)幾年的同類試驗,同時研究整個生長季節(jié)植物光譜與植被覆蓋度之間的關(guān)系,進一步證明本研究的應(yīng)用價值.

4 結(jié)論

4.1基于實測ASD NDVI估測植被覆蓋度的地面光譜模型是簡單的線性函數(shù),該模型R2達到0.9138;MODIS NDVI和實測ASD NDVI之間也為線性關(guān)系,R2為0.7939;基于上述兩個線性方程得到估算植被覆蓋度的MODIS光譜模型.

4.2MODIS光譜模型標(biāo)準誤差為11.58%,平均預(yù)測精度達到88.75%,亞像元分解模型標(biāo)準誤差介于14.37%～14.58%之間,平均預(yù)測精度達到83.50%～86.14%之間.MODIS光譜模型可用于估算呼倫貝爾草原植被覆蓋度.

[1] 陳云浩,李曉兵,史培軍,等.北京海淀區(qū)植被覆蓋的遙感動態(tài)研究 [J]. 植物生態(tài)學(xué)報, 2001,25(5):588-593.

[2] 張高生,王仁卿.現(xiàn)代黃河三角洲生態(tài)環(huán)境的動態(tài)監(jiān)測 [J]. 中國環(huán)境科學(xué), 2008,28(4):380-384.

[3] 孟 巖,趙庚星.基于衛(wèi)星遙感數(shù)據(jù)的河口區(qū)生態(tài)環(huán)境狀況評價—以黃河三角洲墾利縣為例 [J]. 中國環(huán)境科學(xué), 2009,29(2): 163-167.

[4] 馬榮華,孔維娟,段洪濤,等.基于MODIS影像估測太湖藍藻暴發(fā)期藻藍素含量 [J]. 中國環(huán)境科學(xué), 2009,29(3):254-260.

[5] 張云霞,李曉兵,陳云浩.草地植被蓋度的多尺度遙感與實地測量方法綜述 [J]. 地球科學(xué)進展, 2003,18(1):85-93.

[6] 李苗苗.植被覆蓋度的遙感估算方法研究 [D]. 北京:中國科學(xué)院遙感應(yīng)用研究所, 2003.

[7] Carlson, T N, Ripley D A. On the relation between NDVI, fractional vegetation cover, and leaf area index [J]. Remote Sensing of Environment, 1997,62(3),241-252.

[8] Kenneth M,Timothy M,Lynn F.Hyperspectral mixture modeling for quantifying sparse vegetation cover in arid environment [J]. Remote Sensing of Environment, 2000,72(3):360-374.

[9] Kallel A, Hégarat-Mascle S L, Ottlé C, et al. Determination of vegetation cover fraction by inversion of a four-parameter model based on isoline parametrization [J]. Remote Sensing of Environment, 2007,111(4):553-566.

[10] Bradley C, Rundquist. The influence of canopy green vegetation fraction on spectral measurements over native tall grass prairie [J]. Remote Sensing of Environment, 2002,81(1):129-135.

[11] Jiang Z Y, Huete A R, Chen J,,et al. Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction [J]. Remote Sensing of Environment, 2006,101(3):366-378.

[12] Montandon L M , Small E E . The impact of soil reflectance on the quantification of the green vegetation fraction from NDVI [J]. Remote Sensing of Environment, 2008,112(4):1835-1845.

[13] Weng Q H, Lu D S. A sub-pixel analysis of urbanization effect on land surface temperature and its interplay with impervious surface and vegetation coverage in Indianapolis, United States [J]. International Journal of Applied Earth Observation and Geoinformation, 2008, 10(1):68-83.

[14] Zhang J X, Liu Z J, Sun X X. Changing landscape in the Three Gorges Reservoir Area of Yangtze River from 1977 to 2005: Land use/land cover, vegetation cover changes estimated using multi-source satellite data [J]. International Journal of Applied Earth Observation and Geoinformation,2009, 11(6) : 403-412.

[15] Van leeuwen W J D, Orr B J, Marsh S E, et al. Multi-sensor NDVI data continuity: Uncertainties and implications for vegetation monitoring applications [J]. Remote Sensing of Environment, 2006,100(1):67-81.

[16] 中國呼倫貝爾草地編委會.中國呼倫貝爾草地 [M]. 長春:吉林科學(xué)技術(shù)出版社, 1992:10-95.

[17] Moses A C, Andrew S , Fabio C ,et al. Estimating forage quantity and quality using aerial hyperspectral imagery for northern mixed-grass prairie [J]. International Journal of Applied Earth Observation and Geoinformation, 2007,9:414-424.

[18] 杜自強,王 建,沈宇丹.山丹縣草地地上生物量遙感估算模型[J]. 遙感技術(shù)與應(yīng)用, 2006,21(4):338-343.

[19] 朱文泉.中國陸地生態(tài)系統(tǒng)植被凈初級生產(chǎn)力遙感估算及其與氣候變化關(guān)系的研究 [D]. 北京:北京師范大學(xué), 2005.

[20] 馬 龍.東北三江平原濕地植被NPP的遙感方法研究 [D]. 北京:中國科學(xué)院地理科學(xué)與資源研究所, 2005.

[21] 劉良明,文雄飛,余 凡,等.MODIS數(shù)據(jù)Bowtie效應(yīng)快速消除算法研究[J].國土資源遙感, 2007,(2):10-15.

[22] 郭廣猛.非星歷表法去除MODIS圖像邊緣重疊影響的研究 [J].遙感技術(shù)與應(yīng)用, 2003,18(3):172-175.

[23] 李登科.消除MODIS圖像重疊現(xiàn)象的方法研究 [J]. 陜西氣象, 2005,(3):1-4.

致謝：參與本研究野外試驗的還有呼倫貝爾學(xué)院劉及東教授、張曉明講師,中國環(huán)境科學(xué)研究院葉生星助理研究員和張晨助理研究員,河北師范大學(xué)的胡引翠副教授,山東師范大學(xué)張寶雷副教授,以及河北師范大學(xué)劉長虹、郭亞倫、杜紅同學(xué)以及魯東大學(xué)張寧和孫小艷同學(xué),在此表示感謝.

Spectral models for estimating grassland vegetation coverage on Hulunbeier Grassland, Inner Mongolia, China.

CHEN Yan-mei1,2,3, GAO Ji-xi4*, DIAO Zhao-yan5, Lü Shi-hai4, CHANG Xue-li6, FENG Zhao-yang4(1.Institute of Mountain Hazards and Environment, Chinese Academy of Sciences, Chengdu 610041, China；2.Graduate University of Chinese Academy Sciences, Beijing 100049, China；3.College of Resource and Environment Sciences, Hebei Normal University, Shijazhuang 050016, China；4.Institute of Ecology, Chinese Research Academy of Environmental Sciences, Beijing 100012, China；5.College of Resource and Environment Sciences, Jinan University, Jinan 250002, China；6.College of Geography and Planning, Ludong University, Yantai 264025, China). China Environmental Science, 2010,30(9)：1287～1292

X87

A

1000-6923(2010)09-1287-06

陳艷梅(1970-),女,河北邢臺人,副教授,中國科學(xué)院成都山地災(zāi)害與環(huán)境研究所博士研究生,主要從事自然生態(tài)系統(tǒng)保護與管理研究.發(fā)表論文10篇.

2009-12-20

環(huán)境保護公益性行業(yè)科研專項(200809125,200909021);中國環(huán)境科學(xué)研究院中央級公益性科研院所基本科研業(yè)務(wù)專項(2009KYYW07)

* 責(zé)任作者, 研究員, gaojx@ craes.org.cn