黃河源區(qū)遙感數(shù)據(jù)的大氣校正及其效果分析

趙 凱，趙之重，徐劍波，宋立生，崔江鋒

（1.華南農(nóng)業(yè)大學(xué)信息學(xué)院，廣東廣州510642；2.青海大學(xué)農(nóng)牧學(xué)院，青海西寧430072）

黃河源區(qū)遙感數(shù)據(jù)的大氣校正及其效果分析

趙 凱1，趙之重2＊，徐劍波1，宋立生1，崔江鋒2

（1.華南農(nóng)業(yè)大學(xué)信息學(xué)院，廣東廣州510642；2.青海大學(xué)農(nóng)牧學(xué)院，青海西寧430072）

利用6S模型結(jié)合暗目標(biāo)法確定TM過境時的最優(yōu)氣象能見度，分別使用MODIS氣溶膠產(chǎn)品（MOD04）、最優(yōu)氣象能見度作為TM的氣溶膠光學(xué)厚度，對黃河源區(qū)的Landsat TM數(shù)據(jù)進(jìn)行大氣校正。以同步野外實(shí)測地面數(shù)據(jù)為標(biāo)準(zhǔn)，比較了兩種氣溶膠參數(shù)輸入方法的校正結(jié)果，并從光譜曲線、植被指數(shù)、草地生物量的估算三方面探討了大氣校正的效果，兩種氣溶膠參數(shù)輸入方法均可以對遙感圖像進(jìn)行有效的大氣校正，消除因散射增加的輻射能量，同時補(bǔ)償因吸收而損失的輻射能量。經(jīng)過大氣校正后的TM光譜更接近真實(shí)地表光譜，更有助于地物真實(shí)光譜信息的提取，同時對與該地區(qū)相似氣候條件下影像的大氣校正有借鑒意義。

大氣校正；Landsat TM；6S模型；植被指數(shù)；生物量

0 引言

遙感影像的大氣校正方法大致可以歸納為基于圖像特征的相對校正法、基于地面線性回歸模型法、基于大氣輻射傳輸模型法和復(fù)合模型法［1］，其中基于輻射傳輸模型的校正方法建立在電磁波在大氣中輻射傳輸?shù)脑碇希Ｐ臀锢硪饬x明顯，校正精度高，普適性好，在近年得到了廣泛應(yīng)用［2－4］。6S模型基于輻射傳輸理論，考慮了地形、氣象、光譜等多種參數(shù)的共同作用，適用于波長范圍為0.25～4.0μm的多光譜遙感數(shù)據(jù)大氣校正；在該模型中氣溶膠光學(xué)厚度參數(shù)對大氣校正結(jié)果的精度影響最大，而大氣校正最重要、最難的部分就是氣溶膠散射的校正［5］。獲取氣溶膠光學(xué)厚度最好的方法是利用太陽分光光度計實(shí)測獲得，但受區(qū)域范圍、地表復(fù)雜程度、測量樣點(diǎn)數(shù)以及歷史影像數(shù)據(jù)氣溶膠厚度不易獲取等因素的影響，限制了這種方法的廣泛應(yīng)用［5］。楊貴軍等［6，7］嘗試將MODIS氣溶膠產(chǎn)品應(yīng)用于大氣校正，楊靜學(xué)等［5，8］通過6S模型和地面暗目標(biāo)建立查找表，估算出當(dāng)天的MODIS氣溶膠光學(xué)厚度代替TM的氣溶膠光學(xué)厚度進(jìn)行大氣校正。然而部分陸地區(qū)域由于太陽天頂角大于72°，NASA不提供這些區(qū)域的氣溶膠產(chǎn)品；同時MODIS與TM衛(wèi)星過境時間也有差異，使用成像時間相差較大的MODIS氣溶膠光學(xué)厚度代替TM的氣溶膠光學(xué)厚度，必然會對校正結(jié)果有一定的影響。此外，6S模型也提供了通過氣象能見度計算氣溶膠光學(xué)厚度的方法，阿布都瓦斯提等［9，10］根據(jù)同步氣象資料輸入氣象能見度，確定大氣中氣溶膠的含量。但在無法獲得同步氣象資料時，通常只能根據(jù)天氣條件估算氣象能見度，這種方法產(chǎn)生的人為誤差較大，特別是對于歷史影像數(shù)據(jù)更是增加了估算難度。

黃河源區(qū)作為三江源自然保護(hù)區(qū)的典型代表，具有特殊的生境，由于該地區(qū)海拔較高，下墊面和大氣狀況相比低海拔地區(qū)有所差異，現(xiàn)有大氣校正模型是否適用于黃河源區(qū)的遙感數(shù)據(jù)大氣校正，目前鮮有文獻(xiàn)報道。本研究基于6S模型，利用地面暗目標(biāo)確定TM過境時的最優(yōu)氣象能見度；分別使用MODIS氣溶膠產(chǎn)品、最優(yōu)氣象能見度作為TM的氣溶膠光學(xué)厚度對黃河源區(qū)的Landsat TM數(shù)據(jù)進(jìn)行大氣校正。以同步野外實(shí)測地面數(shù)據(jù)作為標(biāo)準(zhǔn)，比較兩種氣溶膠參數(shù)輸入方法的校正結(jié)果，評價最優(yōu)氣象能見度氣溶膠參數(shù)輸入方法的可行性。此外，從光譜曲線、植被指數(shù)、草地生物量的估算三方面分析大氣校正的效果，從而確定適合研究區(qū)遙感數(shù)據(jù)大氣校正的方法，以保證地表反射率衍生信息的精度、質(zhì)量與可用性。

1 數(shù)據(jù)與模型

研究區(qū)瑪多縣位于青海省南部（33°50′～35°40′N，96°55′～99°20′E），是三江源自然保護(hù)區(qū)的典型區(qū)域，在西部大開發(fā)生態(tài)環(huán)境的治理保護(hù)中具有重要作用。全縣總面積25 253 km2，為高原草原地帶，屬高原大陸性半濕潤氣候，年均溫－2.1～5.3℃，年降水量247.8～484.8 mm。本研究使用的遙感數(shù)據(jù)為2011年8月8日Landsat TM影像，衛(wèi)星過境時間11∶52，軌道號為134／36，對其進(jìn)行了輻射校正、幾何糾正、輻射定標(biāo)等預(yù)處理；選用MODIS氣溶膠產(chǎn)品（MOD04），衛(wèi)星過境時間11∶30；在瑪多縣布設(shè)了2個樣地進(jìn)行同步野外觀測，樣地1觀測時間11∶20－11∶50，樣地2觀測時間12∶40—13∶10。采用美國ASD公司的Field Spec Handheld便攜式野外地物光譜儀和標(biāo)準(zhǔn)漫反射板得到地物光譜曲線，然后利用ENVI軟件進(jìn)行波譜重采樣，將其匹配到衛(wèi)星傳感器相應(yīng)的波段上。

6S模型建立在輻射傳輸理論基礎(chǔ)之上，描述了不同的遙感器、不同的地面狀況下太陽光在太陽—地面目標(biāo)—遙感器整個傳輸路徑中所受大氣的影響［9］；該模型兼顧大氣分子散射與氣溶膠散射及其相互作用，采用連續(xù)散射方法求解輻射傳輸方程，假定下墊面是反射率為ρt的均勻朗伯面，根據(jù)遙感方程遙感器接收的表觀反射率ρ＊可表示為［11］：

表1 6S模型輸入?yún)?shù)Table 1 Input parameters of 6S model

2 氣溶膠光學(xué)厚度計算

6S模型使用氣溶膠的濃度表示大氣中氣溶膠的含量，用戶可以直接給定550 nm處的氣溶膠光學(xué)厚度值，也可以根據(jù)輸入的氣象能見度值（km）計算出氣溶膠在550 nm處的光學(xué)厚度。

2.1 MODIS氣溶膠光學(xué)厚度

MODIS標(biāo)準(zhǔn)數(shù)據(jù)產(chǎn)品中的氣溶膠產(chǎn)品（MOD04）主要是利用空間分辨率為250 m的1波段（620～670 nm）以及500 m的3波段（459～479 nm）、7波段（2 105～2 135 nm）3個波段的反射率，然后利用陸地上空AOD的暗目標(biāo)算法作為MODIS反演氣溶膠的業(yè)務(wù)算法，為使用者提供了空間分辨率為10 km的AOD產(chǎn)品［12］。衛(wèi)星過境時間相近時，MODIS氣溶膠光學(xué)厚度可代替TM過境時的氣溶膠光學(xué)厚度。根據(jù)MODIS氣溶膠產(chǎn)品得到地面同步觀測的2塊樣地在550 nm處的氣溶膠光學(xué)厚度值均為0.16。

2.2 最優(yōu)氣象能見度計算

Kaufman等［13］從大量飛機(jī)試驗(yàn)數(shù)據(jù)中發(fā)現(xiàn)濃密植被在2.1μm通道附近的表觀反射率與可見光波段的反射率有良好的比例關(guān)系，而陸地上有濃密植被覆蓋的地區(qū)在2.1μm衛(wèi)星通道表觀反射率幾乎不受氣溶膠影響。因此，可以用2.1μm通道表觀反射率代替2.1μm通道地表反射率，確定可見光紅通道和藍(lán)通道地表反射率，公式如下：

本研究嘗試在6S模型中利用地面暗目標(biāo)確定TM過境時的最優(yōu)氣象能見度。先提取濃密植被像元，從中隨機(jī)選取20個作為地面暗目標(biāo)，根據(jù)式（2）用TM第7波段的表觀反射率計算出地面暗目標(biāo)在第1、3波段的反射率ρ0.47、ρ0.66。分別假設(shè)氣象能見度為10 km、15 km、20 km、25 km、30 km、35 km、40 km，利用6S模型計算出地面暗目標(biāo)對應(yīng)不同氣象能見度時第1、3波段的地表反射率，并與ρ0.47、ρ0.66比較，平均絕對誤差最小的一組地表反射率對應(yīng)的氣象能見度為最優(yōu)氣象能見度。

3 結(jié)果分析

3.1 大氣校正對地物光譜特征的影響

在缺少地面實(shí)測數(shù)據(jù)時，通常從校正前后影像的對比度、直方圖的范圍來評價校正效果。本研究采用同步野外實(shí)測地表反射率定量評價校正結(jié)果的精度，因光譜儀波譜范圍為325～1 075 nm，只能對TM前4個波段進(jìn)行大氣校正的精度評價。如圖1所示，未經(jīng)大氣校正的原始圖像的表觀反射率與實(shí)際地面測量值存在較大差異。經(jīng)過大氣校正后，TM可見光波段（第1～3波段）的反射率有所降低，其中藍(lán)光波段（Band1）最為明顯，綠光波段（Band2）次之；而近紅外波段（Band4）的反射率有所升高。經(jīng)過大氣校正后的反射率數(shù)據(jù)與地面實(shí)測數(shù)據(jù)更加接近，更能反映真實(shí)的地表狀況。

圖1 大氣校正前后地物光譜曲線變化Fig.1 The object spectral response curves before and after atmospheric correction

可見光波段在大氣窗口內(nèi)的輻射失真現(xiàn)象主要由瑞利散射和氣溶膠的散射引起，隨著波長的增大逐漸減弱。其中對藍(lán)光波段的瑞利散射最強(qiáng)，散射常使可見光波段的亮度值增加；在近紅外波段大氣散射作用較小，而水汽吸收率大，從而降低近紅外像元亮度值。因此，經(jīng)過大氣校正后，可見光波段反射輻射下降，并且藍(lán)光波段反射率減少最為明顯，而在近紅外波段反射率上升。說明本研究采用的方法可對大氣效應(yīng)引起的輻射失真進(jìn)行輻射校正，消除因散射增加的輻射能量，補(bǔ)償因吸收而損失的輻射能量。

大氣校正后反射率與同步野外實(shí)測地表反射率依然存在偏差，影響因素主要包括時間上非絕對同步、尺度效應(yīng)、輻射傳輸模型采用近似計算、假設(shè)地表為朗伯體等；另外，野外實(shí)地測量時會存在人為因素帶來的誤差，如參考板放置不水平、測量時抖動等，同時地理位置、天氣條件也造成實(shí)測數(shù)據(jù)難以精確。樣地1觀測時間相比樣地2更接近TM衛(wèi)星過境時間，因而在圖1中1—16號點(diǎn)的校正效果更好。

為比較兩種參數(shù)輸入方法的校正結(jié)果，采用平均絕對誤差（MAE）和均方根誤差（RMSE）進(jìn)行評價，公式如下：

表2 大氣校正結(jié)果比較Table 2 Comparison of atmosphere correction results

從表2可以看出兩種參數(shù)輸入方法的校正結(jié)果相差不大，由于本研究使用的MODIS氣溶膠產(chǎn)品與TM衛(wèi)星過境時間較為接近，因此，可以用MODIS氣溶膠光學(xué)厚度代替TM氣溶膠光學(xué)厚度。相比之下，使用最優(yōu)氣象能見度的氣溶膠參數(shù)輸入方法進(jìn)行大氣校正同樣能取得理想效果。因而，在沒有同步氣象資料且MODIS衛(wèi)星過境時間與TM又相差較大時，可采用上述方法確定TM過境時的最優(yōu)氣象能見度，對黃河源區(qū)遙感數(shù)據(jù)進(jìn)行大氣校正。

3.2 大氣校正對NDVI的影響

在植被遙感中，植被指數(shù)NDVI應(yīng)用最為廣泛，已有研究［9，15］表明，利用NDVI能檢測大氣校正的效果。NDVI的計算公式如下：

式中：DNNIR和DNR分別表示TM數(shù)據(jù)近紅外波段和紅波段的DN值和分別表示大氣校正前TM數(shù)據(jù)近紅外波段和紅波段的表觀反射率；ρNIR和ρR分別表示使用最優(yōu)氣象能見度的氣溶膠參數(shù)輸入方法進(jìn)行大氣校正后TM數(shù)據(jù)近紅外波段和紅波段的反射率。

從圖2可以看出，直接用DN值計算的NDVI值較小，減少了信息量，主要是大氣對紅與近紅外波段有不同的衰減系數(shù)，表現(xiàn)為大氣的吸收與散射使植被在紅波段增加了輻射，而在近紅外波段降低了輻射，從而使NDVI值減?。?6］。大氣校正后紅光波段反射率降低，而近紅外波段反射率增加，使用經(jīng)6S模型大氣校正后的反射率計算的NDVI值比表觀反射率計算的值大，與地表實(shí)測反射率計算的NDVI值更為接近。大氣效應(yīng)會使NDVI發(fā)生變化，大氣校正前后NDVI變化會達(dá)到18%，這種變化會限制對植被的準(zhǔn)確探測［17］；未經(jīng)大氣校正計算的NDVI只能用于快速監(jiān)測植被變化中［18］，因而，在NDVI的提取、應(yīng)用研究中，需要考慮大氣效應(yīng)的影響。

圖2 大氣校正對NDVI的影響Fig.2 Influence of atmospheric correction on NDVI

3.3 大氣校正對草地生物量估算的影響

毛留喜等［19－21］利用地面樣點(diǎn)實(shí)測的生物量結(jié)合相應(yīng)月份遙感數(shù)據(jù)，計算得到與樣點(diǎn)對應(yīng)的植被指數(shù)，建立生物量與植被指數(shù)之間的關(guān)系模型。大氣對植被指數(shù)有影響，大氣效應(yīng)會使植被覆蓋度的反演精度降低［22］。因此，利用大氣校正前后的影像反演草地生物量，也可以間接反映大氣校正的效果。本研究使用6S模型對2009年7月17日TM數(shù)據(jù)進(jìn)行了大氣校正，比較大氣校正前后的NDVI、EVI與地面樣點(diǎn)實(shí)測的生物量建立的模型的精度。生物量野外調(diào)查樣點(diǎn)布設(shè)在瑪多縣的11個三江源自然保護(hù)區(qū)生態(tài)監(jiān)測站，在每個生態(tài)監(jiān)測站樣區(qū)取6個大小1 m的樣方，調(diào)查時間為2009年7—8月。由表3可知，雖然大氣校正前后估算模型方程的變化不顯著，也可看出使用大氣校正后的植被指數(shù)建立的遙感估算模型精度更高一些，主要是因?yàn)榇髿庑?yīng)影響植被指數(shù)的計算結(jié)果，經(jīng)過大氣校正后的植被指數(shù)更能反映真實(shí)的植被信息。

表3 大氣校正前后草地生物量估算模型Table 3 The estimation model of the grassland biomass before and after atmospheric correction

4 結(jié)論

本研究假設(shè)地面像元為均一、朗伯地表，使用6S模型對黃河源區(qū)瑪多縣的Landsat TM數(shù)據(jù)進(jìn)行了大氣校正，結(jié)合同步野外實(shí)測地面光譜數(shù)據(jù)評價大氣校正的效果，可以得出以下結(jié)論：

大氣校正前后的衛(wèi)星光譜反射率與ASD Field－Spec Handheld同步野外實(shí)測地面光譜數(shù)據(jù)比較表明，在可見光波段，校正后的反射率相對于表觀反射率呈現(xiàn)下降趨勢，在藍(lán)色波段尤為明顯；隨著波長的增加這種趨勢逐漸減緩，到近紅外波段時，相對于原圖像的表觀反射率有所升高。經(jīng)6S模型大氣校正處理后的數(shù)據(jù)有效降低了大氣對電磁波傳輸過程中的影響和作用，可以更真實(shí)地反映地物反射特征，有助于地物真實(shí)光譜信息的提取及地物識別研究。在無法獲取到同步氣象資料且MODIS衛(wèi)星過境時間又與TM相差較大時，可利用地面暗目標(biāo)確定TM過境時的最優(yōu)氣象能見度，將最優(yōu)氣象能見度作為氣溶膠參數(shù)輸入6S模型以進(jìn)行大氣校正。大氣效應(yīng)對植被指數(shù)的計算結(jié)果有影響，在紅波段增加了輻射，而在近紅外波段降低了輻射，在植被指數(shù)的提取、應(yīng)用研究中，需要考慮大氣效應(yīng)對植被指數(shù)的影響，經(jīng)過大氣校正后的植被指數(shù)更能反映真實(shí)植被信息，使用大氣校正后的植被指數(shù)估算草地生物量的精度更高。

［1］ 亓雪勇，田慶久.光學(xué)遙感大氣校正研究進(jìn)展［J］.國土資源遙感，2005（4）：1－6.

［2］ 姚薇，李志軍，姚珙，等.Landsat衛(wèi)星遙感影像的大氣校正方法研究［J］.大氣科學(xué)學(xué)報，2011，34（2）：251－256.

［3］ 鄭盛，趙祥，張顥，等.HJ－1衛(wèi)星CCD數(shù)據(jù)的大氣校正及其效果分析［J］.遙感學(xué)報，2011，15（4）：709－721.

［4］ CALLIECO F，DELL′ACQUA F.A comparison between two radiative transfer models for atmospheric correction over a wide range of wavelengths［J］.International Journal of Remote Sensing，2011，32（5）：1357－1370.

［5］ 楊靜學(xué)，王云鵬，楊勇.基于高程或氣溶膠厚度與6S模型校正參數(shù)回歸方程的遙感圖像大氣校正模型［J］.遙感技術(shù)與應(yīng)用，2009，4（3）：331－340.

［6］ 楊貴軍，黃文江，劉三超，等.環(huán)境減災(zāi)衛(wèi)星高光譜數(shù)據(jù)大氣校正模型及驗(yàn)證［J］.北京大學(xué)學(xué)報（自然科學(xué)版），2010，46（5）：821－828.

［7］ TIAN L，LU J，CHEN X，et al.Atmospheric correction of HJ－1A／B CCD images over Chinese coastal waters using MODISTerra aerosol data［J］.Science China Technological Sciences，2010，53（S1）：191－195.

［8］ 唐洪釗，晏磊，李成才，等.基于MODIS高分辨率氣溶膠反演的ETM＋影像大氣校正［J］.地理與地理信息科學(xué)，2010，26（4）：12－15.

［9］ 阿布都瓦斯提·吾拉木，秦其明，朱黎江.基于6S模型的可見光、近紅外遙感數(shù)據(jù)的大氣校正［J］.北京大學(xué)學(xué)報（自然科學(xué)版），2004，40（4）：611－618.

［10］ 武永利，欒青，田國珍.基于6S模型的FY－3A／MERSI可見光到近紅外波段大氣校正［J］.應(yīng)用生態(tài)學(xué)報，2011，22（6）：1537－1542.

［11］ VERMOTE E F，TANRE D，DEUZ J L，et al.The Second Simulation of the Satellite Signal in the Solar Spectrum（6S）User′s Guide［Z］.1997.

［12］ 孫娟，束炯，魯小琴，等.上海地區(qū)氣溶膠特征及MODIS氣溶膠產(chǎn)品在能見度中的應(yīng)用［J］.環(huán)境污染與防治，2007，29（2）：127－131.

［13］ KAUFMAN Y J，WALD A E，REMER L A，et al.The MODIS 2.1μm channel－correlation with visible reflectance for use in remote sensing of aerosol［J］.IEEE Transactions on Geoscience and Remote Sensing，1997，35（5）：1286－1298.

［14］ 石鋒，沙晉明，張友水，等.基于高程分層方法的HJ－1B CCD2影像大氣校正［J］.遙感技術(shù)與應(yīng)用，2011，26（6）：775－781.

［15］ 徐春燕，馮學(xué)智.TM圖像大氣校正及其對地物光譜響應(yīng)特征的影響分析［J］.南京大學(xué)學(xué)報（自然科學(xué)版），2007，43（3）：309－317.

［16］ 趙英時.遙感應(yīng)用分析原理與方法［M］.北京：科學(xué)出版社，2003.372－386.

［17］ HADJIMITSIS D G，PAPADAVID G，AGAPIOU A，et al.Atmospheric correction for satellite remotely sensed data intended for agricultural applications：Impact on vegetation indices［J］.Natural Hazards and Earth System Sciences，2010（10）：89－95.

［18］ TACHIIRI K.Calculating NDVI for NOAA／AVHRR data after atmospheric correction for extensive images using 6S code：A case study in the Marsabit District，Kenya［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2005，59：103－114.

［19］ 毛留喜，侯英雨，錢拴，等.牧草產(chǎn)量的遙感估算與載畜能力研究［J］.農(nóng)業(yè)工程學(xué)報，2008，24（8）：147－151.

［20］ 崔霞，梁天剛，劉勇.基于MOD09GA產(chǎn)品的草地生物量遙感估算模型［J］.蘭州大學(xué)學(xué)報（自然科學(xué)版），2009，45（5）：79－87.

［21］ 方金，黃曉東，王瑋，等.青藏高原草地生物量遙感動態(tài)監(jiān)測［J］.草業(yè)科學(xué)，2011，28（7）：1345－1351.

［22］ GU Z，ZENG Z，SHI X，et al.Assessing factors influencing vegetation coverage calculation with remote sensing imagery［J］.International Journal of Remote Sensing，2009，30（10）：2479－2489.

Abstract：This paper deals with a suitable atmospheric correction method based on Landsat TM image in the source region of the Yellow River，a method based on 6S radiation transfer code and dark object was used to determine the optimal meteorological visibility on sensing time，and the MODIS aerosol product（MOD04）and the optimal meteorological visibility were used to extract Aerosol Optical Thickness（AOT）values at 550 nm respectively in the atmosphere correction.Validation analysis was conducted by comparing the reflectance data corrected and uncorrected atmospherically，significant differences occurred between them.The values of the corrected reflectance of TM visible bands decreased obviously，whereas those of TM near－infrared band increased.The retrieved surface reflectance and vegetation index after atmospheric correction were evaluated against the groundbased reflectance measured by ASD Field Spec Handheld during Landsat TM satellite overpass，and it is shown that the curves of the figures are similar.Furthermore，the vegetation index after atmospheric correction used for estimating grassland biomass can achieve better results.That is to say both methods used in this paper to extract AOT values could carry out the radiation correction to radiation－induced distortion caused by atmospheric effects，which can eliminate the radiative energy increased by scattering and simultaneously compensate the radiative energy lost by absorption，the atmospheric corrected TM spectrum is closer to measured objects spectrum，so it is more conducive to extracting ground object spectrum information，This method also can be applied in the regions with similar climate conditions for references.

Key words：atmospheric correction；Landsat TM；6S model；vegetation index；biomass

Atmospheric Correction of Remote Sensing Images in the Source Region of the Yellow River and Analysis of Its Effect

ZHAO Kai1，ZHAO Zhi－zhong2，XU Jian－bo1，SONG Li－sheng1，CUI Jiang－feng2
（1.College of Informatics，South China Agricultural University，Guangzhou 510642；2.Agriculture and Animal Husbandry College，Qinghai University，Xining 430072，China）

P407.8

A

1672－0504（2012）04－0046－05

2011－12－27；

2012－03－14

國家自然科學(xué)基金項(xiàng)目（41061024）；青海省科學(xué)技術(shù)廳資助項(xiàng)目（2009－J－805）

趙凱（1989－），男，碩士研究生，研究方向?yàn)檗r(nóng)業(yè)資源與環(huán)境信息系統(tǒng)。＊通訊作者E－mail：qd＿zzz＠163.com