植被指數(shù)在典型草原生物量遙感估測應(yīng)用中的問題探討

張艷楠，牛建明，2＊，張慶，楊艷，董建軍

（1.內(nèi)蒙古大學(xué)生命科學(xué)學(xué)院，內(nèi)蒙古 呼和浩特010021；2.中美生態(tài)、能源及可持續(xù)性科學(xué)研究中心，內(nèi)蒙古 呼和浩特010021）

遙感技術(shù)興起于20世紀(jì)60年代初，由于其具有宏觀、快速、準(zhǔn)確、動(dòng)態(tài)等優(yōu)點(diǎn)，因此被廣泛應(yīng)用于估產(chǎn)［1－3］、土地利用動(dòng)態(tài)監(jiān)測［4－6］、水質(zhì)評(píng)價(jià)［7－9］、災(zāi)害監(jiān)測［10－12］等方面。隨著遙感技術(shù)的發(fā)展，20世紀(jì)70年代后期遙感信息作為變量被引入到估產(chǎn)模型中［13］，研究者結(jié)合農(nóng)學(xué)知識(shí)和環(huán)境因素預(yù)測農(nóng)作物、草地產(chǎn)量等。我國草地衛(wèi)星遙感研究始于20世紀(jì)80年代初［14］，研究區(qū)多集中在我國新疆北部［15－18］和內(nèi)蒙古地區(qū)［19－22］，現(xiàn)已建立了大量的遙感估產(chǎn)模型，目前，遙感技術(shù)（RS）、地理信息系統(tǒng)技術(shù)（GIS）和全球定位技術(shù)（GPS）與地面測點(diǎn)的結(jié)合己成為大尺度草產(chǎn)量動(dòng)態(tài)監(jiān)測的主要手段。

遙感估產(chǎn)是以植被指數(shù)為主要輸入變量的基于像元的數(shù)理統(tǒng)計(jì)回歸分析方法，通過不同尺度數(shù)據(jù)之間建立函數(shù)關(guān)系來完成由點(diǎn)及面的轉(zhuǎn)換［23］。植被指數(shù)由衛(wèi)星不同波段數(shù)據(jù)組合而成，由于其包含90%以上的植被信息［24］，且與植物生物量等很多植被要素之間存在強(qiáng)相關(guān)性［25］，因此植被指數(shù)可以較好地反映植物的生長狀況及空間分布。Tucker［26］于1979年發(fā)現(xiàn)歸一化差異植被指數(shù)（normalized difference vegetation index，NDVI）對(duì)光合有效生物量的變化比較敏感，此后植被指數(shù)就被廣泛應(yīng)用于生物量的遙感估測，至今已發(fā)展了40余種植被指數(shù)［27］，其中應(yīng)用最為廣泛的是NDVI［28］。雖然大多數(shù)植被指數(shù)都可應(yīng)用于遙感估產(chǎn)，但不同環(huán)境下的效果存在爭論［29，30］，至今尚未明確各種植被指數(shù)間的相互關(guān)系及其適用范圍。

關(guān)于草地估產(chǎn)的研究很多，所建立的植被指數(shù)—生物量模型迥異，模型基本為線性模型和非線性模型［16，31－33］，主要包括一元線性模型、指數(shù)模型、對(duì)數(shù)模型、二次模型等。由于其生態(tài)學(xué)意義不明確及次數(shù)過高的多項(xiàng)式模型容易過度擬合［34］，因此二次及其以上多項(xiàng)式模型使用較少，一元線性模型和指數(shù)模型是較為成熟且應(yīng)用最廣泛的類型［22］。Wu和Levin［35－37］認(rèn)為尺度是導(dǎo)致生態(tài)模型差異的一個(gè)主要原因，那么隨著生物量范圍的變化，一元線性模型和指數(shù)模型是否會(huì)因此具有不同的適用范圍。

綜上所述，本研究選用了14種常用于草地估產(chǎn)的植被指數(shù)，對(duì)內(nèi)蒙古錫林浩特市白音錫勒典型草原進(jìn)行生物量遙感估測，擬解決如下3個(gè)問題：1）干重或鮮重均常用于草地生物量遙感估測，二者效果優(yōu)劣如何；2）14種植被指數(shù)之間關(guān)系如何，在草地生物量遙感估測中哪（幾）種植被指數(shù)效果最優(yōu)；3）隨著生物量范圍的逐漸增大，一元線性模型和指數(shù)模型之間是否存在某種趨勢。通過對(duì)以上3個(gè)問題的探討，一方面嘗試闡述估產(chǎn)模型差異的可能原因——生物量范圍差異；另一方面為以后草地生物量遙感估測提供技術(shù)上的理論依據(jù)及方法指導(dǎo)。

1 材料與方法

1.1 研究區(qū)概況

研究區(qū)位于東經(jīng)116.0304°～116.7901°、北緯43.6920°～44.2659°（圖1），地處內(nèi)蒙古高原中東部錫林郭勒盟的東南部，屬錫林郭勒高原東南部低山丘陵區(qū)的邊緣部分，海拔1 000～1 500m。該區(qū)屬于中溫帶大陸性氣候，冬季嚴(yán)寒漫長，夏季短暫涼爽，春秋季多大風(fēng)天氣。研究區(qū)植被類型以典型草原為主，其中以大針茅（Stipagrandis）、羊草（Leymuschinensis）草原占絕對(duì)優(yōu)勢。另外，在研究區(qū)的東部低山區(qū)分布著以線葉菊（Filifoliumsibiricum）、貝加爾針茅（Stipa baicalensis）和羊草建群的禾草雜類草草甸草原。此外，在河漫灘及低洼處，有以芨芨草（Achnatherum splendens）、寸草苔（Carexduriuscula）等為主的鹽生和濕生草甸。

圖1 研究區(qū)地理位置及樣點(diǎn)分布圖Fig.1 The location of study area and samples

1.2 數(shù)據(jù)獲取

2005年8月中旬，對(duì)研究區(qū)域進(jìn)行了植被調(diào)查，設(shè)置65個(gè)樣地，每個(gè)樣地采集3個(gè)1m×1m樣方，記錄樣方內(nèi)所有植物的指標(biāo)，如高度、密度等，并沿地面分類剪取樣方內(nèi)植物，帶回室內(nèi)稱取每種植物的鮮重，后經(jīng)烘干處理（65℃，24h）得到干重?cái)?shù)據(jù)。為了盡可能地避免非典型草原景觀的干擾，剔除了一些靠近農(nóng)田或者小葉錦雞兒（Caraganamicrophylia）斑塊的樣地。最后，參與建模的樣方共有60個(gè)。

在遙感數(shù)據(jù)方面，為了與地面調(diào)查數(shù)據(jù)在時(shí)間上匹配，購置了2005年8月15日的陸地衛(wèi)星（Landsat5，TM）數(shù)字圖像。利用PCI軟件對(duì)影像進(jìn)行大氣校正、幾何校正后，計(jì)算各植被指數(shù)的值，并利用各樣地記錄的GPS定位坐標(biāo)，提取對(duì)應(yīng)樣地的各類植被指數(shù)。

1.3 植被指數(shù)選取

總結(jié)前人工作，從文獻(xiàn)中選取常用于草地估產(chǎn)的14種植被指數(shù)。計(jì)算公式見表1。

1.4 數(shù)據(jù)分析

利用SPSS軟件，分別建立各種植被指數(shù)與鮮重、干重的回歸模型。在本研究中的回歸模型選用一元線性、指數(shù)函數(shù)、冪函數(shù)、對(duì)數(shù)函數(shù)4類。利用T檢驗(yàn)對(duì)鮮、干重的回歸模型進(jìn)行分析，檢驗(yàn)兩類回歸模型之間是否具有顯著性差異。

利用Canoco軟件中的DCA分析對(duì)所選用的14種植被指數(shù)進(jìn)行排序和分類比較。

收集了國內(nèi)公開發(fā)表利用15個(gè)以上樣本建立一元線性或指數(shù)模型的文獻(xiàn)，提取其生物量范圍及對(duì)應(yīng)的估產(chǎn)模型函數(shù)類型，進(jìn)行Logistic回歸分析。Logistic回歸分析是一種對(duì)二分類因變量（因變量Y取值有2種可能，0或1）進(jìn)行回歸分析，經(jīng)常采用非線性分類的統(tǒng)計(jì)方法。因?yàn)樵摲椒ň哂凶兞拷忉屝詮?qiáng)、簡單的特點(diǎn)，在本研究中借助該方法對(duì)生物量范圍及對(duì)應(yīng)的估產(chǎn)模型函數(shù)類型進(jìn)行回歸分析，以期發(fā)現(xiàn)隨草地生物量范圍的增大，估產(chǎn)模型可能出現(xiàn)的趨勢。由于國內(nèi)大部分工作都是針對(duì)鮮重的估測，且已發(fā)表的文獻(xiàn)很少會(huì)給出生物量值，故本研究只收集到21個(gè)鮮重模型［28，52－60］。

表1 植被指數(shù)計(jì)算公式Table 1 Vegetation index formula

2 結(jié)果與分析

2.1 估產(chǎn)模型的建立

估產(chǎn)模型是建立自變量與因變量之間簡單的回歸模型，在本研究中自變量x為各植被指數(shù)，因變量y為鮮重或干重。建立估產(chǎn)模型前，先要對(duì)植被指數(shù)及生物量進(jìn)行相關(guān)性分析，其目的是檢驗(yàn)兩者之間關(guān)系的密切程度，以及是否可根據(jù)所測樣本數(shù)據(jù)來推斷總體情況。本研究中的14種植被指數(shù)與鮮重、干重對(duì)應(yīng)的相關(guān)系數(shù)如表2?？梢姡鼸VI、PVI外，其余12種植被指數(shù)均與鮮重、干重顯著相關(guān)，故利用這12種植被指數(shù)來建立草地估產(chǎn)模型是可行的。

表2 植被指數(shù)與草地生物量間的相關(guān)系數(shù)Table 2 The correlation coefficient between vegetation index and grassland biomass

在相關(guān)性分析的基礎(chǔ)上，對(duì)12種植被指數(shù)和草地生物量進(jìn)行回歸分析，分別建立植被指數(shù)與干重、鮮重之間的回歸模型（表3）。通過對(duì)不同模型測算結(jié)果的比較與分析，可以看出，指數(shù)模型是4種回歸模型當(dāng)中擬合精度最好的，其次依次為冪函數(shù)模型、一元線性回歸模型，最差的是對(duì)數(shù)函數(shù)模型。

依據(jù)干重建立的回歸模型的R2均比鮮重的要高，而且對(duì)鮮、干重建立的模型效果進(jìn)行T檢驗(yàn)后，發(fā)現(xiàn)兩者差異顯著（P＜0.01）。

續(xù)表3 Continued

2.2 DCA分析

以14個(gè)植被指數(shù)在60個(gè)樣地中的值為數(shù)據(jù)源進(jìn)行DCA分析，取得了較好的效果，第1軸和第2軸的貢獻(xiàn)率分別為51.4%和0.9%，前2軸的累計(jì)貢獻(xiàn)率達(dá)52.3%。

DCA 排序可以將植被指數(shù)劃分為4類：Ⅰ：1，4，5，6，7，8，9，10，11，14；Ⅱ：2，12；Ⅲ：3；Ⅳ：13（圖2）。

2.3 模型趨勢

在廣泛查閱國內(nèi)近幾年以鮮重為因變量建立的草地估產(chǎn)模型研究的基礎(chǔ)上，利用Logistic回歸分析探討生物量范圍與模型類型之間的關(guān)系，結(jié)果（圖3）表明，當(dāng)生物量低于370g／m2時(shí)，建立的估產(chǎn)模型都是一元線性的；當(dāng)生物量在370～720g／m2時(shí)，一元線性模型和指數(shù)模型的模擬效果都很好；當(dāng)生物量高于720g／m2時(shí)，估產(chǎn)模型都是指數(shù)的，即生物量較低時(shí)，模型為一元線性；隨生物量的增加，估產(chǎn)模型由一元線性逐漸發(fā)展為線性和指數(shù)共存；當(dāng)生物量足夠大時(shí)，模型呈指數(shù)函數(shù)（圖3，P＜0.05）。

3 討論

植物的葉綠素可以吸收太陽輻射的藍(lán)光、紅光，而葉片結(jié)構(gòu)反射近紅外，故利用植被在紅光與近紅外波段的反射率對(duì)其生物量、LAI、覆蓋度等特征進(jìn)行度量。本研究中植被指數(shù)與鮮重、干重之間回歸效果均較好（表3），因此，分別以兩者為因變量建立的模型都是可行的。但是T檢驗(yàn)發(fā)現(xiàn)以鮮重、干重為因變量分別建立的估產(chǎn)模型效果差異顯著（P＜0.01），且干重的回歸效果要好于鮮重（R2干重＞R2鮮重），因此，以干重為因變量的估產(chǎn)模型的效果要比鮮重的好。究其原因，植物葉綠素含量是度量植物光合作用能力及干物質(zhì)積累的重要指標(biāo)，且植被遙感信息最能直接指示干物質(zhì)的積累［61］，使用干重進(jìn)行遙感估測排除了鮮重中水分的干擾，因此，生物量遙感估測中干重回歸效果優(yōu)于鮮重。但干重?cái)?shù)據(jù)來源于烘干條件下（65℃，24h），在實(shí)際應(yīng)用中，其應(yīng)用受到一定的條件限制，故此，在建立估產(chǎn)模型時(shí)，應(yīng)根據(jù)研究目的及實(shí)驗(yàn)條件對(duì)干重、鮮重做出合理的選擇。

圖2 14種植被指數(shù)DCA排序結(jié)果圖Fig.2 DCA ordination diagram of 14vegetation indices

圖3 生物量－估產(chǎn)模型Logistic分析趨勢圖Fig.3 The trends of Biomass－estimation model about Logistic analysis

影響植被指數(shù)的因子包括生物因子和物理因子兩大類［62］，如植物含水量、大氣、土壤、傳感器等。在本研究中，利用的是同一時(shí)期的地面資料和遙感資料，因此可以排除傳感器因素。沿第1軸對(duì)植被指數(shù)進(jìn)行分析發(fā)現(xiàn)：SAVI、MSAVI能夠消除或減弱土壤的噪聲［38］；RVI受土壤背景的影響，當(dāng)植被覆蓋不夠濃密時(shí)，它的分辨能力也很弱，只有在植被覆蓋濃密的情況下效果最好；相對(duì)于RVI，PVI消除土壤背景干擾的能力較好［63］。因此，第1軸反映了土壤對(duì)植被指數(shù)的影響，且離原點(diǎn)越遠(yuǎn)，受土壤的影響就越小。沿第2軸對(duì)植被指數(shù)分析發(fā)現(xiàn)：RVI對(duì)大氣影響敏感，EVI基于土壤和大氣的影響是相互作用的事實(shí)，引入一個(gè)反饋項(xiàng)來同時(shí)對(duì)二者進(jìn)行訂正［64］；ARVI在紅光波段完成大氣自我校正，其對(duì)大氣的敏感性比NDVI小4倍［62］；故第2軸反映了大氣對(duì)植被指數(shù)的影響，且離原點(diǎn)越遠(yuǎn)，受大氣的影響就越小。由于第1軸解釋了51.4%的變量，即土壤對(duì)植被指數(shù)有相當(dāng)大的影響，土壤亮度是影響植被指數(shù)的重要因素［65］，許多植被指數(shù)的發(fā)展就為了控制土壤的影響。

在選取植被指數(shù)時(shí)應(yīng)最大限度地排除各種干擾，但大氣和土壤的影響是相互的，消除其中的一個(gè)可能會(huì)增加另一個(gè)［66］，只有對(duì)二者同時(shí)進(jìn)行訂正才能得到比較準(zhǔn)確的估算結(jié)果。在DCA排序圖中，位于對(duì)角線上及其附近的植被指數(shù)是綜合排除了土壤、大氣的影響，并且距離原點(diǎn)越遠(yuǎn)，受土壤、大氣綜合影響越小，NDVI、OSAVI、SAVI、DVI等分布在對(duì)角線附近，受土壤、大氣的影響較小，有助于建立較為準(zhǔn)確、合理的估產(chǎn)模型。在實(shí)際應(yīng)用中，植被指數(shù)沒有一個(gè)統(tǒng)一的值，其研究結(jié)果經(jīng)常不一致［67］，因此對(duì)植被指數(shù)的取舍要相當(dāng)謹(jǐn)慎，盡量避免重復(fù)使用同一類的植被指數(shù)，要對(duì)比不同類型的植被指數(shù)，以便找到模型效果最好的植被指數(shù)。就典型草原遙感估產(chǎn)而言，Ⅰ類的大部分指數(shù)效果要高于其他幾類，NDVI的效果最好。

空間異質(zhì)性由斑塊和梯度復(fù)合而成，可導(dǎo)致生態(tài)模型隨不同空間尺度、等級(jí)尺度變異［35－37］，大部分草地估產(chǎn)模型都是針對(duì)某一草地類型建立的，由于區(qū)域、植被類型的不同造成植被指數(shù)－生物量的模型結(jié)果差異很大［68］。本研究統(tǒng)計(jì)了近年已發(fā)表的有關(guān)鮮重的估產(chǎn)模型，發(fā)現(xiàn)隨著生物量的增大，模型逐漸由一元線性趨近于指數(shù)，當(dāng)生物量足夠大時(shí)，建立的估產(chǎn)模型是趨于指數(shù)的，當(dāng)生物量范圍較小時(shí)，就只能表現(xiàn)整個(gè)趨勢上的一部分，其他模型對(duì)這部分生物量范圍的擬合效果可能會(huì)高于指數(shù)模型。在本研究中，生物量是517.12g／m2，處于中等生物量范圍，指數(shù)模型效果好。

［1］申廣榮，王人潮.植被光譜遙感數(shù)據(jù)的研究現(xiàn)狀及其展望［J］.浙江大學(xué)學(xué)報(bào)（農(nóng)業(yè)與生命科學(xué)版），2001，27（6）：682－690.

［2］樊錦召，呂玉華.應(yīng)用氣象衛(wèi)星資料估算草場產(chǎn)草量方法的研究［J］.干旱區(qū)資源與環(huán)境，1990，（3）：23－28.

［3］王鶯，夏文韜，梁天剛，等.基于MODIS植被指數(shù)的甘南草地凈初級(jí)生產(chǎn)力時(shí)空變化研究［J］.草業(yè)學(xué)報(bào)，2010，19（1）：201－210.

［4］張宏斌，楊桂霞，黃青，等.呼倫貝爾草甸草原景觀格局時(shí)空演變分析——以海拉爾及周邊地區(qū)為例［J］.草業(yè)學(xué)報(bào)，2009，18（1）：134－143.

［5］Rao K S，Pant R.Land use dynamics and landscape change pattern in a typical micro watershed in the mid elevation zone central Himalaya，India［J］.Agriculture Ecosystems ＆ Environment，2001，86（2）：113－123.

［6］Shen R P，Kheoruenromne I.Monitoring land use dynamics in Chanthaburi Province of Thailand using digital remotely sensed images［J］.Pedosphere，2003，13（2）：157－164.

［7］周勇，范業(yè)寬，王慶云，等.湖泊水環(huán)境質(zhì)量評(píng)價(jià)的研究進(jìn)展［J］.環(huán)境科學(xué)進(jìn)展，1998，6（2）：50－55.

［8］Carpenter D J，Carpenter S M.Modeling inland water quality using landsat data［J］.Remote Sensing of Enviormnent，1983，13：345－352.

［9］Koponen S，Ullininen J.Lake water quality classification with airborne hyperspectral spectrometer and simulated MERIS data［J］.Remote Sensing of Environment，2002，79：51－59.

［10］于惠，馮琦勝，張學(xué)通，等.基于AMSR－E信息的北疆牧區(qū)雪深遙感監(jiān)測模型方法初探［J］.草業(yè)學(xué)報(bào)，2009，18（4）：210－216.

［11］何建邦，田國良.中國重大自然災(zāi)害監(jiān)測與評(píng)估信息系統(tǒng)的建設(shè)與應(yīng)用［J］.自然災(zāi)害學(xué)報(bào)，1996，5（3）：1－7.

［12］閆峰，李茂松，王艷姣，等.遙感技術(shù)在農(nóng)業(yè)災(zāi)害監(jiān)測中的應(yīng)用［J］.自然災(zāi)害學(xué)報(bào)，2006，15（6）：132－136.

［13］陶偉國，徐斌，楊秀春.草原產(chǎn)草量遙感估算方法發(fā)展趨勢及影響因素［J］.草業(yè)學(xué)報(bào)，2007，16（2）：1－8.

［14］牛志春，倪紹祥.青海湖地區(qū)草地植被生物量遙感監(jiān)測模型［J］.地理學(xué)報(bào)，2003，58（5）：695－702.

［15］李建龍，黃敬峰，蔣平.不同類型草地監(jiān)測與估產(chǎn)遙感指標(biāo)和光學(xué)模型建立的研究［J］.新疆環(huán)境保護(hù)，1996，18（2）：34－39.

［16］黃敬峰，王秀珍，胡新博.新疆北部不同類型天然草地產(chǎn)草量遙感監(jiān)測模型［J］.中國草地，1999，（1）：7－11.

［17］李建龍，戴若蘭，任繼周.遙感技術(shù)在新疆阜康縣草地估產(chǎn)中的應(yīng)用研究［J］.中國草地，1998，（1）：11－14.

［18］黃敬峰，王人潮，胡新博.新疆北部天然草地產(chǎn)草量遙感監(jiān)測預(yù)測模型研究［J］.浙江農(nóng)業(yè)大學(xué)學(xué)報(bào)，1999，25（2）：125－129.

［19］徐希孺，金麗芳，賃常恭，等.利用NOAA－CCT估算內(nèi)蒙古草場產(chǎn)草量的原理和方法［J］.地理學(xué)報(bào)，1985，40（4）：333－346.

［20］史培軍，李博，李忠厚，等.大面積草地遙感估產(chǎn)技術(shù)研究——以內(nèi)蒙古錫林郭勒草原估產(chǎn)為例［J］.草地學(xué)報(bào)，1994，12（1）：9－13.

［21］裴浩，敖艷紅.利用極軌氣象衛(wèi)星遙感監(jiān)測草地生產(chǎn)力的研究─以內(nèi)蒙古烏拉蓋地區(qū)為例［J］.干旱區(qū)資源與環(huán)境，1999，13（4）：56－64.

［22］趙冰茹，劉闖，劉愛軍，等.利用MODIS－NDVI進(jìn)行草地估產(chǎn)研究——以內(nèi)蒙古錫林郭勒草地為例［J］.草業(yè)科學(xué)，2004，21（8）：12－15.

［23］彭曉鵑，鄧孺孺，劉小平.遙感尺度轉(zhuǎn)換研究進(jìn)展［J］.地理與地理信息科學(xué)，2004，20（5）：6－14.

［24］Baret F，Guyot G，Major D J.TSAVI：A vegetation index which minimizes soil brightness effects on LAI and APAR estimation［A］.Proceeings of the 12th Canadian Symposium on Remote Sensing［C］.Canada：Vancouver，1989：1355－1358.

［25］樸世龍，方精云，賀金生，等.中國草地植被生物量及其空間分布格局［J］.植物生態(tài)學(xué)報(bào)，2004，28（4）：491－498.

［26］Tucker C J.Red and photographic infrared linear combinations for monitoring vegetation［J］.Remote Sensing of Environment，1979，8：127－150.

［27］王宏，李曉兵，余弘青.基于NOAA／AVHRR NDVI監(jiān)測中國北方典型草原生長季及變化［J］.植物生態(tài)學(xué)報(bào)，2006，30（3）：365－474.

［28］陶偉國，徐斌，劉麗軍，等.不同利用狀況下草原遙感估產(chǎn)模型［J］.生態(tài)學(xué)雜志，2007，26（3）：332－337.

［29］Myneni R B，Hall F B，Sellers P J，etal.The interpretation of spectral vegetation indices［J］.IEEE Transactions on Geoscience and Remote Sensing，1995，33：481－486.

［30］李京，陳晉，袁清.應(yīng)用NOAA／AVHRR遙感資料對(duì)大面積草場進(jìn)行產(chǎn)草量定量估算的方法研究［J］.自然資源學(xué)報(bào)，1994，9（4）：365－374.

［31］Roy P S，Jonna S，Pant D N.Evaluation of grasslands and spectral reflectance relationship to its biomass in Kanha National Park（M.P.）［J］.Indial Geocarto International，1991，6：439－451.

［32］Purevdorj T，Tateishi R，Ishiyama T，etal.Relationship between percent vegetation cover and vegetation indices［J］.International Journal of Remote Sensing，1998，19：3519－3535.

［33］呂新龍.呼倫貝爾地區(qū)草甸草原初級(jí)生產(chǎn)力動(dòng)態(tài)研究［J］.中國草地，1994，（4）：9－11.

［34］Gao J.Quantification of grassland properties：how it can benefit from geoinformatic technologies［J］.International Journal of Remote Sensing，2006，27（7）：1351－1365.

［35］Levin S A.The problem of pattern and scale in ecology［J］.Ecology，1992，73：1943－1967.

［36］Wu J G，Levin S A.A spatial patch dynamic modeling approach to pattern and process in an annual grassland［J］.Ecological Monographs，1994，64：447－464.

［37］Wu J G，Loucks O L.From balance－of－nature to hierarchical patch dynamics：aparadigm shift in ecology［J］.Quarterly Review of Biology，1995，70：439－466.

［38］Kaufman Y J，Tanre D.Atmospherically resistant Vegetation index（ARVI）for EOS－MODIS［J］.IEEE Trans Geosci Remote Sensing，1992，30：261－270.

［39］Richardson A J，Wiegand C L.Distinguishing vegetation from soil background information［J］.Photogrammetric Engineering and Remote Sensing，1977，43（12）：1541－1552.

［40］Huete A K，Didan T，Miura E P，etal.Overview of the radiometric and biophysical performance of the MODIS vegetation indices［J］.Remote Sense，2002，83：195－213.

［41］Gitelson A A，Kaufman Y J，Merzlyak M N.Use of a green channel in remote sensing of global vegetation from EOS－MODIS［J］.Remote Sensing of Environment，1996，58（3）：289－298.

［42］Crippen R E.Calculating the vegetation index faster［J］.Remote Sensing of Environment，1990，34（1）：71－73.

［43］Qi J，Chehbouni A，Huete A R，etal.A modified soil adjusted vegetation index［J］.Remote Sensing of Environment，1994，48（2）：119－126.

［44］Deering D W，Rouse J W，Haas R H，etal.Measuring forage production of grazing units from Landsat MSS data［J］.Proceedings of the 10th International Symposium on remote sensing of environment，1975：1169－1178.

［45］Rondeaux G，Steven M，Baret F.Optimization of soil－adjusted vegetation indices［J］.Remote Sensing of Environment，1996，55（2）：95－107.

［46］Wiegand C L，Richardson A J，Escobar D E，etal.Vegetation indices in crop assessments［J］.Remote Sensing of Environment，1991，35（2－3）：105－119.

［47］Roujean J L，Breon F M.Estimating PAR absorbed by vegetation from bidirectional reflectance measurements［J］.Remote Sensing of Environment，1995，51：375－384.

［48］Birth G S，McVey G.Measuring the color of growing turf with a reflectance spectroradiometer［J］.Agronomy Journal，1968，60：640－643.

［49］Huete A R.A soil－adjusted vegetation index（SAVI）［J］.Remote Sensing of Environment，1988，25（3）：295－309.

［50］Rouse J W，Haas R H，Schell J A，etal.Monitoring the vernal advancement of retrogradation of natural vegetation［M］.USA：National Aeronautics and Space Administration，Goddard Space Flight Center（NASA／GSFC），1974.

［51］Musick H B，Pelletier R E.Response to soil moisture of spectral indexes derived from bidirectional reflectance in thematic mapper wavebands［J］.Remote Sensing of Environment，1988，25（2）：167－184.

［52］王新欣.天山北坡中段典型草原區(qū)地上生物量遙感監(jiān)測模型的建立［D］.新疆：新疆農(nóng)業(yè)大學(xué)，2008.

［53］楊英蓮，邱新法，殷青軍.基于MODIS增強(qiáng)型植被指數(shù)的青海省牧草產(chǎn)量估產(chǎn)研究［J］.氣象，2007，33（6）：102－106.

［54］馮秀，仝川，張魯，等.內(nèi)蒙古白音錫勒牧場區(qū)域尺度草地退化現(xiàn)狀評(píng)價(jià)［J］.自然資源學(xué)報(bào)，2006，21（4）：575－583.

［55］王新欣，朱進(jìn)忠，范燕敏，等.基于 MODIS－NDVI的天山北坡中段草地動(dòng)態(tài)估產(chǎn)模型研究［J］.草業(yè)科學(xué)，2009，26（7）：24－27.

［56］武鵬飛.EOS／MODIS植被指數(shù)在草地生物量遙感估測中的應(yīng)用［D］.烏魯木齊：新疆農(nóng)業(yè)大學(xué)，2003.

［57］張魯.內(nèi)蒙古白音錫勒牧場土地覆蓋變化的景觀格局分析及草地估產(chǎn)［D］.呼和浩特：內(nèi)蒙古大學(xué)，2005.

［58］何濤.應(yīng)用MODIS數(shù)據(jù)對(duì)荒漠草原生物量監(jiān)測的研究［D］.北京：中國農(nóng)業(yè)科學(xué)院，2006.

［59］王新欣，朱進(jìn)忠，范燕敏，等.利用EOS／MODIS植被指數(shù)建立草地估產(chǎn)模型的研究［J］.新疆農(nóng)業(yè)科學(xué)，2008，45（5）：843－846.

［60］干友民，成平，周純兵，等.若爾蓋亞高山草甸地上生物量與植被指數(shù)關(guān)系研究［J］.自然資源學(xué)報(bào)，2009，24（11）：1964－1972.

［61］何濤.荒漠草原生物量監(jiān)測研究中植被指數(shù)選擇的初步探討［J］.內(nèi)蒙古草業(yè)，2006，18（1）：35－37.

［62］Gamon J A.A narrow－waveband spectral index that tracks diurnal changes in photosynthetic efficiency［J］.Remote Sensing of Environment，1992，41：35－44.

［63］Kauth R J，Thomas G S.The tasseled cap－agraphic description of the spectral－temporal development of agriculture crops as seen by Landsat［A］.Symposium on Machine Processing of Remotely Sensed Data［C］.Indiana：Purdure University，West Lafayette，1976：41－51.

［64］王正興，劉闖，Huete A R.植被指數(shù)研究進(jìn)展：從 AVHRR－NDVI到 MODIS－EVI［J］.生態(tài)學(xué)報(bào)，2003，（5）：979－987.

［65］Escadafal R.Remote sensing of arid soil surface color with Landsat Thematic Mapper［J］.Advances in Space Research，1989，9（1）：1159－1163.

［66］Liu H Q，Huete A R.A feedback based modification of the NDVI to minimize canopy background and atmospheric noise［J］.IEEE Transactions Geoscience and Remote Sensing，1995，33：457－465.

［67］田永慶，閔祥軍.植被指數(shù)研究進(jìn)展［J］.地球科學(xué)進(jìn)展，1998，13（4）：327－333.

［68］李素英，李曉兵，鶯歌，等.基于植被指數(shù)的典型草原區(qū)生物量模型——以內(nèi)蒙古錫林浩特市為例［J］.植物生態(tài)學(xué)報(bào)，2007，31（1）：23－31.