不同密度短星翅蝗危害后羊草的高光譜變化及對產(chǎn)草量的影響

趙鳳杰，王正浩，王慧萍，吳惠惠，劉航瑋，王廣君＊，張澤華

（1.中國農(nóng)業(yè)科學(xué)院植物保護(hù)研究所植物病蟲害國家重點實驗室，北京100193；2.農(nóng)業(yè)部錫林郭勒草原有害生物科學(xué)觀測實驗站，內(nèi)蒙古 錫林浩特026000；3.甘肅農(nóng)業(yè)大學(xué)草業(yè)學(xué)院，昆蟲生態(tài)實驗室，甘肅 蘭州730070；4.內(nèi)蒙古太仆寺旗草原工作站，內(nèi)蒙古 太仆寺旗027000）

本研究通過短期內(nèi)草地高光譜遙感數(shù)據(jù)的變化，建立草地高光譜與短星翅蝗密度之間的關(guān)系模型，推測蝗災(zāi)的發(fā)生程度和短星翅蝗（Calliptamusabbreviatus）危害造成的羊草（Leymuschinensis）產(chǎn)量損失。研究結(jié)果為深入開展草原蝗蟲的遙感監(jiān)測奠定了基礎(chǔ)，對于提升蝗災(zāi)的監(jiān)測預(yù)警技術(shù)水平具有重要意義。使用遙感數(shù)據(jù)監(jiān)測昆蟲對植物的危害在國內(nèi)已經(jīng)有廣泛的研究，盡管時空范圍上植被信息的有限使得識別環(huán)境變化對動物數(shù)量的直接和間接影響變得十分困難，但是歸一化植被指數(shù)（NDVI，Normalized Difference Vegetation Index）在生態(tài)領(lǐng)域的大量迅速的應(yīng)用改變了這一情況［1］。Qiao等［2］使用地物波譜儀監(jiān)測了煙蚜對植物的危害，結(jié)果發(fā)現(xiàn)，煙蚜的危害使煙（Nicotianatabacum）的光譜降低，尤其是近紅外部分會降低。吳彤等［3］及Ni和 Wu［4］使用高光譜數(shù)據(jù)建立了東亞飛蝗危害的蟲害光譜指數(shù)（DSI），通過DSI反映蘆葦（Phragmitescommunis）受蝗蟲危害的程度，并使用DSI對研究區(qū)域內(nèi)蝗蟲的危害程度劃分為未危害、輕度危害和重度危害三級。盧輝等［5］在內(nèi)蒙古錫林郭勒盟對亞洲小車蝗進(jìn)行了高光譜遙感監(jiān)測，也建立了蟲害光譜指數(shù)（DI），對危害程度劃分為輕度發(fā)生和嚴(yán)重發(fā)生2級。Ji等［6］對蝗蟲暴發(fā)前后的 MODIS（Moderate－resolution Imaging Spectroradiometer）數(shù)據(jù)進(jìn)行了分析，研究發(fā)現(xiàn)NDVI減少的區(qū)域可以成功的制圖并且劃分成輕、中、重三級危害級別，鑒定暴發(fā)前后的精度可以達(dá)到88.8%，其他人也證明NDVI和蝗蟲的數(shù)量有良好的負(fù)相關(guān)性［7］。在羊草草地尚未有人研究光譜變化與蝗蟲密度之間的關(guān)系，本研究使用高光譜數(shù)據(jù)按短星翅蝗的危害時長監(jiān)測了不同蝗蟲密度對羊草草地的危害程度，并建立了定量關(guān)系模型。使用高光譜遙感實現(xiàn)對蝗蟲危害程度的監(jiān)測和產(chǎn)量損失分析。

1 材料與方法

1.1 研究區(qū)域概況

研究區(qū)域位于農(nóng)業(yè)部錫林郭勒草原有害生物科學(xué)觀測站附近，該區(qū)域位于內(nèi)蒙古高原中部的典型草原栗鈣土亞區(qū)，其地理位置：N 43°14′－44°49′，E 115°28′－116°30′，海拔800～1400m。屬于溫帶半干旱氣候，冬季受蒙古高壓氣流控制，寒冷干燥；夏季受季風(fēng)影響，較為溫暖濕潤。年均氣溫0.5～1.0℃，無霜期約為100d，年均降水350mm，降水集中在6－9月，地帶性植被為大針茅（Stipagrandis）－羊草草原。

1.2 試驗儀器

地物波譜儀，AvaSpec－2048×14－2，Avantes公司。技術(shù)參數(shù)為，探測器：薄型背照式CCD探測器，2048×14像素陣列；波長范圍：200～1160nm；積分時間：2.24ms～10min；采樣速度：2.24ms／每次采樣；波長精度：±0.1 nm；光譜采樣間隔：0.5nm；光譜分辨率：2.4nm；外形尺寸及重量：175mm×110mm×44mm，720g；工作溫度：0～55℃。

1.3 不同危害密度和危害時長短星翅蝗對羊草草地NDVI的影響

選擇生長狀況良好且一致的禁牧區(qū)羊草草地200m2，拔除雜草，將蓋度處理到50%左右，羊草平均高度為40cm，在上面建規(guī)格是1m×1m×1m的籠罩30個，籠罩共3排，每排10個，籠罩的間距為1m左右?；\罩共分為6組，即1個對照組和5個處理組，5個處理分別放入5，10，20，40和60頭／m2密度的短星翅蝗，對照組不放入蝗蟲，每個對照和處理都有5個重復(fù)。每天檢查籠罩的完整度和籠罩內(nèi)短星翅蝗數(shù)量，及時補(bǔ)充死亡和缺失蝗蟲，使其保持在設(shè)定的密度。在放入蝗蟲后的當(dāng)天中午以及第5，10，15和20天的中午依次采集30個籠罩內(nèi)羊草和蝗蟲的混合光譜。

1.4 未危害情況下不同密度短星翅蝗對羊草草地NDVI的影響

在籠罩中的短星翅蝗危害實驗結(jié)束后，使用對照組籠罩，在晴朗的中午采集籠罩內(nèi)羊草的反射光譜，然后依次放入20，40，60，80和100頭短星翅蝗，在每次放入短星翅蝗后立即采集草地的光譜，得到不同密度短星翅蝗與健康羊草的混合光譜，實驗結(jié)束后迅速將蝗蟲取出。

1.5 不同密度短星翅蝗危害對羊草產(chǎn)量的影響

依據(jù)禁牧區(qū)羊草＋雜類草型草地的生物量與高光譜NDVI的一次項線性相關(guān)模型y＝614.15x－119.28（R＝0.9992，P＜0.0001）［8］，得到NDVI變化量／校正變化量所對應(yīng)的生物量，獲得不同危害密度和危害時長短星翅蝗危害造成的羊草產(chǎn)量損失。

1.6 數(shù)據(jù)來源與分析

光譜采集時間安排在2013年7－8月的10：30－14：30進(jìn)行，傳感器采用25°視場角探頭，置于冠層上方1.53 m處，與冠層面保持垂直；每一樣本重復(fù)測量10次，且每隔0.5h用參考板對儀器進(jìn)行一次校正［9］。每隔5d采集一次籠罩試驗的高光譜數(shù)據(jù)，使用光譜儀自帶數(shù)據(jù)處理軟件Viewer中的數(shù)據(jù)分析模塊（NDVI.mod），對反射光譜進(jìn)行分析。

歸一化差異植被指數(shù)NDVI，是植被光譜所特有的紅光吸收谷和近紅外反射峰肩部特征經(jīng)比值歸一化得到［10］。其計算公式如下［11］：其中，NDVI為歸一化植被指數(shù)；ρRED為紅光波段的反射率；ρNIR為近紅外波段的反射率。

NDVI增量（ΔNDVI），即第5，10，15，20天時的實測值NDVI與最初未放入短星翅蝗（第1天）時測量的NDVI的差值。即：

其中，NDVI（nd）表示第n天時的實測NDVI值。

NDVI校正值（NDVIs），即處理組NDVI增量與對照組NDVI增量的差值。公式如下：

其中，NDVI處理初／終表示處理組最初／最終的 NDVI值，NDVI對照初／終表示對照組初／終的NDVI值。

未危害時蝗蟲密度對高光譜植被指數(shù)的影響試驗采用多重比較方法分析，不同危害時長、不同齡期蝗蟲密度和植被指數(shù)的關(guān)系試驗采用簡單相關(guān)方法分析。

本文數(shù)據(jù)皆使用Origin 9.0和SAS 8.0軟件統(tǒng)計分析。

2 結(jié)果與分析

2.1 羊草草地不同密度短星翅蝗對NDVI的影響

研究結(jié)果表明，在羊草植被上（植被平均高度40 cm、平均目測蓋度40%）短星翅蝗密度低于60頭／m2時，植被指數(shù)NDVI與對照組的沒有顯著性差異變化，但當(dāng)短星翅蝗密度達(dá)到80和100頭／m2時，NDVI之間有顯著性差異，與空白對照差異顯著（P＜0.05）。在使用高光譜遙感時可以對短星翅蝗的數(shù)量進(jìn)行粗略的評估，即不大于60，80和100頭／m2三類，NDVI值越小，短星翅蝗的密度越大（表1）。

表1 未危害時不同密度短星翅蝗在羊草上的植被指數(shù)NDVI方差分析Table 1 The ANOVA analysis of vegetation indices NDVI of different density C.abbreviates on healthy plants

2.2 不同密度短星翅蝗對羊草危害后的光譜變化

無論是在短星翅蝗危害后的第5，10，15或20天采集數(shù)據(jù)，NDVI值在蝗蟲密度為10頭／m2時都有一個輕微的上升然后迅速降低，可能是超補(bǔ)償作用所致。在蝗蟲密度為60頭／m2時NDVI最低，最低可達(dá)到原來的2／3（圖1）。低密度蝗蟲（10，20頭／m2）危害對植被指數(shù)的影響效果不顯著，當(dāng)蝗蟲密度達(dá)到40頭／m2或危害時長不小于15d時，NDVI值發(fā)生明顯下降。但出現(xiàn)明顯下降后的NDVI數(shù)值間差異不顯著。

圖1 危害不同時長后植被指數(shù)NDVI和短星翅蝗危害密度的關(guān)系Fig.1 The relationship between NDVI and C.abbreviatus density under different damage period

表2 危害不同時長后植被指數(shù)NDVI和短星翅蝗危害密度的擬合方程Table 2 The simulating equation of NDVI and C.abbreviatus density under different damage period

對NDVI與蝗蟲密度之間的關(guān)系進(jìn)行擬合，結(jié)果見表2，其中y為NDVI，x是蝗蟲危害密度。結(jié)果表明，植被指數(shù)NDVI與蝗蟲密度呈現(xiàn)出二次相關(guān)的關(guān)系，尤其在危害5，10d時曲線的彎曲程度更加明顯，5 d時的擬合方程也是最理想的（R＞0.99，P＜0.01）。

研究 NDVI校正值（NDVIs，the standard Normalized Difference Vegetation Index）和蝗蟲密度的關(guān)系圖2，發(fā)現(xiàn)除第10天測量的5頭／m2蝗蟲危害后NDVI校正值大于0，其他的均小于0，說明隨蝗蟲密度增加，對羊草的取食量增大，羊草損失增加，NDVI值迅速降低，NDVI值的變化量減少。在第10天時5頭／m2蝗蟲的危害造成NDVI值升高，可能是由于低密度短星翅蝗危害，羊草草地產(chǎn)生了的超補(bǔ)償作用，使植被增長量大于對照組植被增長量，所以NDVI校正值為正。在蝗蟲密度達(dá)到40頭／m2時，不同危害時長的NDVI之間表現(xiàn)出較大的差異性，蝗蟲危害密度為40頭／m2時的NDVI最大值與低于此密度時的NDVI最大值差異不大，但蝗蟲危害密度為60頭／m2的NDVI最大值遠(yuǎn)小于低于此密度時的NDVI，因此根據(jù)草地的NDVI可以將蝗蟲的危害程度分為三級：連續(xù)采集的光譜NDVI值之間的差異性不顯著的表明蝗蟲危害密度小于40頭／m2，這是第一類，記為輕度發(fā)生；NDVI值差異性顯著而且NDVI最大值遠(yuǎn)遠(yuǎn)小于第一類，表明蝗蟲密度大于40頭／m2，是第三類，記為重度發(fā)生；連續(xù)采集的光譜NDVI值之間有顯著性差異，但是最小的NDVI與第一類中最大的沒有差異，是第二類，蝗蟲密度大約為40頭／m2，記為中度發(fā)生（圖3）。

使用統(tǒng)計軟件對NDVI校正值和蝗蟲的密度進(jìn)行方程擬合（表3）。結(jié)果表明，在蝗蟲危害第20天時，方程模擬效果最好。在一定的危害時長范圍內(nèi)，蝗蟲對草地的危害造成羊草的損失量大于自身的生長量，所以蝗蟲的危害時間越長，損失量越大，不同蝗蟲密度的羊草植被指數(shù)NDVI之間差異越明顯。

圖2 危害不同時長后NDVIs校正值和短星翅蝗危害密度的關(guān)系Fig.2 The relationship between NDVIs（the standard Normalized Difference Vegetation Index）and C.abbreviatus density under different damage period

圖3 依據(jù)NDVI對蝗蟲危害程度的劃分流程Fig.3 The divided flowchart of locusts damage situation based on NDVI

表3 危害不同時長后NDVI校正值和短星翅蝗密度的反演方程結(jié)果Table 3 The simulating and analysis result of corrected NDVI and C.abbreviates density

2.3 草地被蝗蟲危害不同時長后的光譜變化趨勢的研究

通過分析蝗蟲密度恒定情況下，植被光譜隨蝗蟲危害時間的變化規(guī)律發(fā)現(xiàn)，草地在沒有受到蝗蟲危害時從7月26日到7月31日，NDVI有較大的增長，從8月初到8月中旬草地的NDVI保持穩(wěn)定的增長，但變化不大。在蝗蟲危害密度為5，10，15頭／m2時，不同的時期NDVI值呈現(xiàn)波動的趨勢，但基本保持在平均位置左右，當(dāng)蝗蟲的密度為40，60頭／m2時，NDVI隨著危害的時長呈現(xiàn)明顯的下降趨勢，在達(dá)到一定的最低值后，保持平緩的變化（圖4）。

2.4 蝗蟲對草地產(chǎn)生損失量的研究

依據(jù)禁牧區(qū)羊草＋雜類草型草地的生物量與高光譜NDVI的一次項線性相關(guān)模型y＝614.15x－119.28（R＝0.9992，P＜0.0001）［8］，得到 NDVI校正變化量所對應(yīng)的生物量（表4），計算之間的相關(guān)性及模擬變化趨勢（圖5）。

結(jié)合圖表的結(jié)果可以看出，由于NDVI與草地生物量是線性相關(guān)的關(guān)系，因此生物量與蝗蟲密度關(guān)系的變化趨勢和NDVI與蝗蟲密度的關(guān)系變化趨勢一致。生物量在蝗蟲密度為10頭／m2時都有一個輕微的上升然后迅速降低，可能是超補(bǔ)償作用所致。在蝗蟲密度為60頭／m2并于第15天后測量的草地NDVI最低。低密度蝗蟲（10，20頭／m2）危害對草地生物量的影響效果不顯著，當(dāng)蝗蟲密度達(dá)到40頭／m2且危害時長不小于10d時，NDVI值發(fā)生明顯下降。但出現(xiàn)明顯下降后的生物量間差異不顯著。

蝗蟲危害第10，15和20天時，低密度蝗蟲（10和20頭／m2）危害后的生物量下降比較平緩，蝗蟲密度達(dá)到40和60頭／m2時草地的生物量迅速下降。蝗蟲危害密度為40和60頭／m2時，第5天測量的生物量與之后的生物量值之間差異性顯著。因此可以推斷，草地的生物量變化和蝗蟲的危害總量（危害時長×危害密度）正相關(guān)?；认x的密度越大，危害時長越長，生物量減少得越多。

圖4 草地被蝗蟲危害不同時長后的光譜變化趨勢Fig.4 The spectra trend of grass after been damaged by C.abbreviates of different period

圖5 蝗蟲危害后草地生物量與蝗蟲密度的關(guān)系趨勢Fig.5 The trend of relationship between grassland biomass and locust density

表4 根據(jù)NDVI值計算出的生物量理論值Table 4 The theory value of biomass calculated by NDVI g／m2

3 討論

隨著遙感傳感器技術(shù)的日益精確和光譜識別技術(shù)的逐漸發(fā)展，高光譜遙感對蝗蟲危害的監(jiān)測從最初的在光譜曲線上尋找特征區(qū)域和特征值來判別研究區(qū)是否發(fā)生蝗蟲危害［12］，到構(gòu)建蝗蟲危害指數(shù)對蝗蟲的暴發(fā)進(jìn)行半定量的危害，已經(jīng)逐漸進(jìn)入到定量監(jiān)測的階段。國外使用遙感在農(nóng)業(yè)上的應(yīng)用研究主要集中在對樹種的鑒別［13－15］，植被的定植［16－17］，植被生產(chǎn)力的監(jiān)測［18－22］以及干旱監(jiān)測［23－28］等研究區(qū)域，國內(nèi)遙感在草地上也被廣泛用來監(jiān)測草地的生產(chǎn)力、蓋度［29］、草地類型的高光譜特征研究［30－31］等。本研究建立了蝗蟲密度和NDVI的反演模型，結(jié)合了半定量與定量遙感的探索，不同于只是對危害程度進(jìn)行級別分類的研究。

在進(jìn)行蝗蟲監(jiān)測研究時，大都是直接監(jiān)測蝗蟲生境［32－37］，而不考慮蝗蟲本身光譜，一是蝗蟲自身反射光譜不影響試驗結(jié)果的精度，據(jù)本試驗研究所得，在蝗蟲密度不大于60頭／m2時，它自身的光譜不會影響植被指數(shù)NDVI；二是即使是高光譜遙感衛(wèi)星數(shù)據(jù)，它的分辨率也無法直接識別蝗蟲的光譜特征。本試驗的結(jié)果也證明了當(dāng)蝗蟲的密度在一般發(fā)生范圍內(nèi)（蝗蟲密度≤60頭／m2）時，使用本試驗的地物波譜儀從1.50m的高度進(jìn)行光譜采集，蝗蟲本身的光譜對羊草的植被指數(shù)NDVI沒有顯著性影響。本研究中后兩個研究內(nèi)容的蝗蟲密度都不大于60頭／m2，因此試驗得到的植被指數(shù)和相關(guān)模型的精度受蝗蟲自身光譜的影響可以忽略。

植被的反射光譜和植物的葉綠素A、B含量有關(guān)，在紅光波段葉綠素和反射光譜之間負(fù)相關(guān)，而在近紅外波段是正相關(guān)，而且比值植被指數(shù)（RVI）和葉綠素A是正相關(guān)的關(guān)系［38］，因此根據(jù)NDVI的算法可以推測出NDVI和葉綠素的含量也是呈正相關(guān)的關(guān)系。并且還有大量的研究結(jié)果表明NDVI和生物量是正相關(guān)的關(guān)系［39－41］，本研究也發(fā)現(xiàn)，不論危害時長的長短，蝗蟲的密度和NDVI都是線性負(fù)相關(guān)的關(guān)系，因為蝗蟲密度越大，對羊草造成的破壞也就越嚴(yán)重，因此生物量和葉綠素的含量都會降低，這種結(jié)果和前人所做的研究結(jié)果是一致的［41］。

本研究僅探究了蝗蟲取食危害后與植被生物量有關(guān)的植被指數(shù)NDVI的變化情況，尚未對蝗蟲取食后對植被的生化參數(shù)進(jìn)行研究，因此，有必要對植物的生化參數(shù)也進(jìn)行相應(yīng)的試驗探索。

4 結(jié)論

短星翅蝗的密度在0～60頭／m2時，蝗蟲自身的反射光譜不會影響植被指數(shù)NDVI。在蝗蟲危害草地第5，10，15，20天時，蝗蟲密度和植被指數(shù)NDVI之間表現(xiàn)為拋物線的關(guān)系，隨蝗蟲密度的增大，NDVI值先升高后降低，而且相關(guān)性和顯著性也都比較理想，適合在實際大面積的草地監(jiān)測中應(yīng)用。當(dāng)對蝗蟲的危害進(jìn)行快速粗略的估算時也可以根據(jù)蝗蟲危害后的NDVI值判斷蝗蟲的發(fā)生程度屬于輕度發(fā)生、中度發(fā)生或重度發(fā)生。通過NDVI和生物量的關(guān)系進(jìn)一步推出的蝗蟲危害密度與草地生物量之間也是拋物線的關(guān)系，因此在進(jìn)行蝗蟲監(jiān)測時，可以根據(jù)草地的NDVI值和蝗蟲的危害時長，估算出蝗蟲的危害情況，及時進(jìn)行防治，這對草地蝗蟲監(jiān)測有非常實用的意義。

Reference：

［1］Pettorelli N，Vik J O，Mysterud A，etal.Using the satellite－derived NDVI to assess ecological responses to environmental change.Trends in Ecology ＆Evolution，2005，20（9）：503－510.

［2］Qiao H B，Jiang J W，Cheng D F，etal.Comparison of hyperspectral characteristics in tobacco aphid damage.Chinese Bulletin of Entomology，2007，1：015.

［3］Wu T，Ni S X，Li Y M，etal.Monitoring of the damage intensity extent by oriental migration locust using of hyper－spectra data measured at ground surface.Journal of Remote Sensing，2007，11（1）：103－108.

［4］Ni S，Wu T.Monitoring the intensity of locust damage to vegetation using hyper－spectra data obtained at ground surface［C］.Optical Engineering Applications.International Society for Optics and Photonics，2007：66790B－66790B－9.

［5］Lu H，Han J G，Zhang L D.Study on hyper－spectral remote sensing models for monitoring damage ofOedaleusasiaticus（Orthoptera：Acrididae）.Spectroscope and Spectral Analysis，2009，29（3）：745－748.

［6］Ji R，Xie B Y，Li D M，etal.Use of MODIS data to monitor the oriental migratory locust plague.Agriculture，Ecosystems ＆ Environment，2004，104（3）：615－620.

［7］Yang H S，Wang C B，Yu F，etal.Vegetation dynamics in locust occurrence area of Jeminay based on MODIS—NDVI.Jiangsu Agricultural Sciences，2013，41（5）：354－356.

［8］Zhao F J，Wu H H，Liu Z Y，etal.Application of hyperspectral remote sensing in the biomass monitor of two grassland types in Xilinhot.Acta Agrestia Sinica，2013，21（6）：1059－1064.

［9］Liang L，Zhang L P，Lin H，etal.Estimating canopy leaf water content in wheat based on derivative spectra.Scientia Agricultura Sinica，2013，46（1）：18－29.

［10］Huang C Y，Wang D W，Huang D C，etal.Monitoring growing status of processing tomato based on hyperspectral vegetative index.Remote Sensing Information，2012，27（5）：26－30.

［11］Rouse J W.Monitoring vegetation systems in the Great Plains with ERTS［C］.NASA.Goddard Space Flight Center 3dERTS－1Symp，1974，309－317.

［12］Ma J，Han X，Hasibagan，etal.Monitoring East Asian migratory locust plagues using remote sensing data and field investigations.International Journal of Remote Sensing，2005，26（3）：629－634.

［13］Sugumaran R，Voss M.Object－oriented classification of LIDAR－fused hyperspectral imagery for tree species identification in an urban environment［C］.Urban Remote Sensing Joint Event，IEEE，2007：1－6.

［14］Boschetti M，Boschetti L，Oliveri S，etal.Tree species mapping with Airborne hyper－spectral MIVIS data：the Ticino Park study case.International Journal of Remote Sensing，2007，28（6）：1251－1261.

［15］Vaiphasa C，Ongsomwang S，Vaiphasa T，etal.Tropical mangrove species discrimination using hyperspectral data：a laboratory study.Estuarine，Coastal and Shelf Science，2005，65（1）：371－379.

［16］He K S，Rocchini D，Neteler M，etal.Benefits of hyperspectral remote sensing for tracking plant invasions.Diversity and Distributions，2011，17（3）：381－392.

［17］Sheeren D，F(xiàn)auvel M，Ladet S，etal.Mapping ash tree colonization in an agricultural mountain landscape：Investigating the potential of hyperspectral imagery［C］.Geoscience and Remote Sensing Symposium（IGARSS），2011IEEE International，2011：3672－3675.

［18］Salazar L，Kogan F，Roytman L.Use of remote sensing data for estimation of winter wheat yield in the United States.International Journal of Remote Sensing，2007，28（17）：3795－3811.

［19］Becker－Reshef I，Vermote E，Lindeman M，etal.A generalized regression－based model for forecasting winter wheat yields in Kansas and U－kraine using MODIS data.Remote Sensing of Environment，2010，114（6）：1312－1323.

［20］Santin－Janin H，Garel M，Chapuis J L，etal.Assessing the performance of NDVI as a proxy for plant biomass using non－linear models：a case study on the Kerguelen archipelago.Polar Biology，2009，32（6）：861－871.

［21］Verbesselt J，Somers B，van Aardt J A N，etal.Monitoring herbaceous biomass and water content with SPOT VEGETATION time－series to improve fire risk assessment in savanna ecosystems.Remote Sensing of Environment，2006，101（3）：399－414.

［22］Sims D A，Rahman A F，Cordova V D，etal.On the use of MODIS EVI to assess gross primary productivity of North American ecosystems.Journal of Geophysical Research：Biogeosciences（2005－2012），2006，111（G4）.DOI：10.1029／2006JG000162.

［23］Rhee J，Im J，Carbone G J.Monitoring agricultural drought for arid and humid regions using multi－sensor remote sensing data.Remote Sensing of Environment，2010，114（12）：2875－2887.

［24］Caccamo G，Chisholm L A，Bradstock R A，etal.Assessing the sensitivity of MODIS to monitor drought in high biomass ecosystems.Remote Sensing of Environment，2011，115（10）：2626－2639.

［25］Rojas O，Vrieling A，Rembold F.Assessing drought probability for agricultural areas in Africa with coarse resolution remote sensing imagery.Remote Sensing of Environment，2011，115（2）：343－352.

［26］Huete A，Didan K.MODIS seasonal and inter－annual responses of semiarid ecosystems to drought in the Southwest USA［C］.Geoscience and Remote Sensing Symposium，2004.IGARSS’04.Proceedings.2004IEEE International.IEEE，2004：1538－1541.

［27］Deshayes M，Guyon D，Jeanjean H，etal.The contribution of remote sensing to the assessment of drought effects in forest ecosystems.Annals of Forest Science，2006，63（6）：579－595.

［28］Carrāo H，Sepulcre G，Horion S，etal.A multitemporal and non－parametric approach for assessing the impacts of drought on vegetation greenness：A case study for Latin America.EARSeL eProceedings，2013，12（1）：8.

［29］Zhang C B，Li J L，Zhang Y，etal.A quantitative analysis method for measuring grassland coverage based on the RGB model.Acta Prataculturae Sinica，2013，22（4）：220－226.

［30］Yang H F，Li J L，Mu S J，etal.Analysis of hyperspectral reflectance characteristics of three main grassland types in Xinjiang.Acta Prataculturae Sinica，2012，21（6）：258－266.

［31］Qian Y R，Yu J，Jia Z H，etal.Extraction and analysis of hyper－spectral data from typical desert grassland in Xinjiang.Acta Prataculturae Sinica，2013，22（1）：157－166.

［32］McCulloch L，Hunter D M.Identification and monitoring of Australian plague locust habitats from Landsat.Remote Sensing of Environment，1983，13（2）：95－102.

［33］Sivanpillai R，Latchininsky A V.Can late summer Landsat data be used for locating Asian migratory locust，Locusta migratoria migratoria，oviposition sites in the Amudarya River delta，Uzbekistan.Entomologia Experimentalis et Applicata，2008，128（2）：346－353.

［34］Tratalos J A，Cheke R A.Can NDVI GAC imagery be used to monitor desert locust breeding areas.Journal of Arid Environments，2006，64（2）：342－356.

［35］Latchininsky A V，Sivanpillai R.Locust Habitat Monitoring and Risk Assessment Using Remote Sensing and GIS Technologies［M］.Integrated Management of Arthropod Pests and Insect Borne Diseases.Netherlands：Springer，2010：163－188.

［36］Despland E，Rosenberg J，Simpson S J.Landscape structure and locust swarming：a satellite’s eye view.Ecography，2004，27（3）：381－391.

［37］Sivanpillai R，Latchininsky A V，Driese K L，etal.Mapping locust habitats in River Ili Delta，Kazakhstan，using LANDSAT imagery.Agriculture，Ecosystems ＆Environment，2006，117（2）：128－134.

［38］Song K S，Zhang B，Wang Z M，etal.Inverse model for estimating soybean chlorophyII concentration using in－situ collected canopy hyperspectral data.Transactions of the CSAE，2006，22（8）：16－21.

［39］Cho M A，Skidmore A，Corsi F，etal.Estimation of green grass／herb biomass from airborne hyperspectral imagery using spectral indices and partial least squares regression.International Journal of Applied Earth Observation and Geoinformation，2007，9（4）：414－424.

［40］Mutanga O，Skidmore A K.Narrow band vegetation indices overcome the saturation problem in biomass estimation.International Journal of Remote Sensing，2004，25（19）：3999－4014.

［41］Chen M D，Huang X D，Hou X M，etal.Dynamic monitoring of biomass and vegetation coverage in rodent damaged grassland regions of Qinghai province，China.Acta Prataculturae Sinica，2013，22（4）：247－256.

［3］吳彤，倪紹祥，李云梅，等.基于地面高光譜數(shù)據(jù)的東亞飛蝗危害程度監(jiān)測.遙感學(xué)報，2007，11（1）：103－108.

［5］盧輝，韓建國，張錄達(dá).高光譜遙感模型對亞洲小車蝗危害程度研究.光譜學(xué)與光譜分析，2009，29（3）：745－748.

［7］楊洪升，王長寶，于非，等.基于 MODIS－NDVI的吉木乃蝗區(qū)植被動態(tài).江蘇農(nóng)業(yè)科學(xué)，2013，41（5）：354－356.

［8］趙鳳杰，吳惠惠，劉朝陽，等.高光譜遙感在錫林浩特2種草地類型生產(chǎn)力監(jiān)測中的應(yīng)用.草地學(xué)報，2013，21（6）：1059－1064.

［9］梁亮，張連蓬，林卉，等.基于導(dǎo)數(shù)光譜的小麥冠層葉片含水量反演.中國農(nóng)業(yè)科學(xué)，2013，46（1）：18－29.

［10］黃春燕，王登偉，黃鼎程，等.基于高光譜植被指數(shù)的加工番茄生長狀況監(jiān)測研究.遙感信息，2012，27（5）：26－30.

［29］章超斌，李建龍，張穎，等.基于RGB模式的一種草地蓋度定量快速測定方法研究.草業(yè)學(xué)報，2013，22（4）：220－226.

［30］楊紅飛，李建龍，穆少杰，等.新疆三種主要草地植被類型的高光譜反射特征研究.草業(yè)學(xué)報，2012，21（6）：258－266.

［31］錢育蓉，于炯，賈振紅，等.新疆典型荒漠草地的高光譜特征提取和分析研究.草業(yè)學(xué)報，2013，22（1）：157－166.

［38］宋開山，張柏，王宗明，等.大豆葉綠素含量高光譜反演模型研究.農(nóng)業(yè)工程學(xué)報，2006，22（8）：16－21.

［41］陳夢蝶，黃曉東，侯秀敏，等.青海省草原鼠害區(qū)域草地生物量及蓋度動態(tài)監(jiān)測研究.草業(yè)學(xué)報，2013，22（4）：247－256.