基于GF—1數(shù)據(jù)的冬小麥不同生育期葉面積指數(shù)反演

侯學(xué)會(huì)　王猛　梁守真　隋學(xué)艷

摘要：葉面積指數(shù)（LAI）是作物長(zhǎng)勢(shì)監(jiān)測(cè)的主要指標(biāo)之一。為分析國(guó)產(chǎn)GF-1衛(wèi)星數(shù)據(jù)在不同生育期作物長(zhǎng)勢(shì)監(jiān)測(cè)中的應(yīng)用價(jià)值，本文基于GF-1衛(wèi)星數(shù)據(jù)構(gòu)建5種常用的植被指數(shù)，并地面實(shí)測(cè)冬小麥LAI，開展不同生育期的LAI反演研究。研究發(fā)現(xiàn)，基于GF-1數(shù)據(jù)構(gòu)建的植被指數(shù)能很好地反演冬小麥不同生育期LAI，但精度最優(yōu)的指數(shù)在不同生育期存在差異。EVI構(gòu)建的冪函數(shù)模型在反演全生育期LAI時(shí)表現(xiàn)最好，相關(guān)系數(shù)達(dá)到0.9082；冬小麥生長(zhǎng)前期，修正土壤信息的OSAVI指數(shù)反演精度優(yōu)于NDVI、EVI、EVI2和RVI，相關(guān)系數(shù)為0.9110；生長(zhǎng)中期，各指數(shù)反演LAI的效果較差，僅NDVI、EVI2和OSAVI構(gòu)建的線性和對(duì)數(shù)模型的相關(guān)系數(shù)達(dá)到0.05顯著水平，以EVI2構(gòu)建的對(duì)數(shù)模型相關(guān)系數(shù)最高，為0.4827；生長(zhǎng)后期，RVI反演LAI效果最好，其指數(shù)形式模型的r=0.8143，反演精度較高。本研究結(jié)果說明GF-1數(shù)據(jù)在作物長(zhǎng)勢(shì)遙感研究中有很大的應(yīng)用前景，能有效改善中國(guó)農(nóng)業(yè)遙感監(jiān)測(cè)長(zhǎng)期依賴國(guó)外數(shù)據(jù)的局面，但其LAI反演效果在區(qū)域研究中如何，反演結(jié)果與Landsat 系列、SPOT 系列、HJ系列等數(shù)據(jù)相比存在多大差異，還需要進(jìn)一步的研究與探討。

關(guān)鍵詞：葉面積指數(shù)；不同生育期；冬小麥；GF-1衛(wèi)星；反演

中圖分類號(hào)：S512.1+1 文獻(xiàn)標(biāo)識(shí)號(hào)：A 文章編號(hào)：1001-4942（2018）11-0148-06

Abstract Leaf area index （LAI） is one of the most important parameters of crop growth condition. In order to analyze the application value of GF-1 data in crop growth monitoring during different growth stages， the LAI inversion research was carried out based on truth LAI data and five vegetation indices including NDVI，EVI，EVI2，RVI and OSAVI constructed from GF-1 data. It was found that the accuracy of LAI inversion during different growth stages of winter wheat based on GF-1 data were high. However， optimal indexes were different at different growth stages. The power function model constructed by EVI had a great correlation coefficient （r=0.9082） in the LAI inversion of the whole growth period. During earlier growth period of winter wheat， the inversion accuracy of OSAVI index with corrected soil information was better than that of NDVI， EVI， EVI2 and RVI， and the correlation coefficient was 0.9110. The correlation coefficients of linear and logarithmic models constructed by NDVI， EVI2 and OSAVI reached 0.05 significant level. The correlation coefficient of logarithmic model constructed by EVI2 was the highest， which was 0.4827. The RVI index was suitable to inversion LAI during later growth stage. The correlation coefficients of the exponential form model constructed by RVI was the highest （r=0.8143）. The results of this research showed that GF-1 data had great application potential in remote sensing research of crop growth condition， which could effectively change the situation of depending on foreign remote sensing data in the Chinas agricultural monitoring in a long time. But the application effect of the LAI inversion results in regional studies based on GF-1 data and its differences with Landsat、SPOT and HJ data need further study and discussion.

Keywords Leaf area index； Multi-growth stages； Winter wheat； GF-1 satellite

葉面積指數(shù)（leaf area index，LAI）是反映作物長(zhǎng)勢(shì)個(gè)體特征和群體特征的關(guān)鍵指標(biāo)，成為作物長(zhǎng)勢(shì)監(jiān)測(cè)中的主要關(guān)注指標(biāo)之一[1]。遙感技術(shù)以其及時(shí)有效、無損等優(yōu)勢(shì)成為作物L(fēng)AI監(jiān)測(cè)的主要手段[2，3]。2013年我國(guó)成功發(fā)射的GF-1衛(wèi)星兼顧高時(shí)間、高空間分辨率，原則上可以打破對(duì)Landsat等國(guó)外衛(wèi)星的嚴(yán)重依賴。GF-1衛(wèi)星在農(nóng)業(yè)遙感中已發(fā)揮了重要作用，如在作物種植面積調(diào)查方面，劉國(guó)棟等[4]根據(jù)作物物候歷，建立了基于GF-1數(shù)據(jù)的農(nóng)作物種植面積遙感抽樣調(diào)查方法，表明GF-1數(shù)據(jù)完全可以應(yīng)用于縣級(jí)農(nóng)作物種植面積提取；林子晶等[5]則發(fā)現(xiàn)，對(duì)HJ星和GF-1數(shù)據(jù)進(jìn)行融合，更有利于縣級(jí)作物種植面積的準(zhǔn)確提?。粭铋Z君[6]、王利民[7]等則利用GF-1的高時(shí)間分辨率特征，構(gòu)建不同地物的NDVI序列，有助于作物信息提取和早期識(shí)別；近幾年國(guó)家統(tǒng)計(jì)局也多是基于GF-1數(shù)據(jù)開展農(nóng)作物種植面積遙感調(diào)查業(yè)務(wù)[8]。GF-1衛(wèi)星在作物長(zhǎng)勢(shì)監(jiān)測(cè)中的研究也已有不少，賈玉秋等[9]利用GF-1數(shù)據(jù)和Landsat 8數(shù)據(jù)分別進(jìn)行玉米LAI反演，并對(duì)結(jié)果進(jìn)行比較，得出GF-1 衛(wèi)星的高時(shí)間分辨率以及高空間分辨率特征能夠代替?zhèn)鹘y(tǒng)中分辨率數(shù)據(jù)成為農(nóng)業(yè)遙感長(zhǎng)勢(shì)監(jiān)測(cè)中的重要數(shù)據(jù)源；李粉玲等[10，11]基于GF-1開展區(qū)域上的冬小麥葉片氮含量和SPAD值的遙感估算，結(jié)果也較為理想。

在冬小麥的不同生長(zhǎng)時(shí)期，觀測(cè)視場(chǎng)內(nèi)植被和土壤背景信息不斷變化，使得小麥光譜反射率不斷變化，使用單一遙感參數(shù)并不能很好地反演整個(gè)生育期的作物長(zhǎng)勢(shì)信息[12，13]。但目前基于GF-1數(shù)據(jù)監(jiān)測(cè)作物長(zhǎng)勢(shì)中，鮮有考慮作物不同生育期的研究。本研究在前人研究的基礎(chǔ)上，以冬小麥為對(duì)象，分析不同遙感參數(shù)在冬小麥整個(gè)生育期和不同生育期對(duì)LAI反演的精度和結(jié)果差異，以提高GF-1數(shù)據(jù)對(duì)冬小麥的LAI反演精度和長(zhǎng)勢(shì)監(jiān)測(cè)能力，為利用GF-1衛(wèi)星監(jiān)測(cè)作物長(zhǎng)勢(shì)研究提供參考。

1 材料與方法

1.1 研究區(qū)概況

田間試驗(yàn)在中國(guó)科學(xué)院禹城綜合試驗(yàn)站進(jìn)行。該站位于山東省德州市禹城市東南（116.57°E，36.83°N），平均海拔約20 m，土壤屬潮土，成土母質(zhì)為黃河沖積物，質(zhì)地以粉砂和輕壤為主，pH值約為8.5，土壤有機(jī)質(zhì)含量為0.6%～1.0%，土壤肥力中等，以地下水為主要灌溉水源。試驗(yàn)區(qū)冬小麥播種時(shí)間為2015年10月中旬，大田種植，正常水肥管理。

1.2 地面數(shù)據(jù)獲取

從冬小麥返青期開始，即2016年3月21日—2016年5月16日期間，在冬小麥的每個(gè)關(guān)鍵生育期（返青期、拔節(jié)期、抽穗期、開花期和灌漿期），進(jìn)行至少一次地面數(shù)據(jù)采集，每次選擇小麥長(zhǎng)勢(shì)均一且面積不小于60 m×60 m的10～17個(gè)試驗(yàn)小區(qū)，記錄試驗(yàn)小區(qū)四個(gè)角點(diǎn)及中心處的GPS信息，并在每個(gè)試驗(yàn)小區(qū)內(nèi)隨機(jī)選兩個(gè)30 cm×30 cm的樣方，利用比重法獲取每個(gè)樣方的LAI，以兩個(gè)樣方LAI均值作為該試驗(yàn)小區(qū)的LAI參數(shù)值。

1.3 遙感數(shù)據(jù)獲取與預(yù)處理

GF-1衛(wèi)星于2013年4月26日發(fā)射，搭載了4臺(tái)WFV多光譜相機(jī)，重訪周期為4 d。自2016年3月18日開始查詢，將GF-1數(shù)據(jù)獲取時(shí)間與地面數(shù)據(jù)采集時(shí)間間隔控制在3 d之內(nèi)，且確保選取影像云量最小，在試驗(yàn)段內(nèi)共獲取GF-1數(shù)據(jù)6景，見表1。

由于獲取的GF-1 WFV數(shù)據(jù)為1級(jí)的相對(duì)輻射校正產(chǎn)品，進(jìn)行冬小麥LAI反演前需要對(duì)不同傳感器獲取的數(shù)據(jù)進(jìn)行輻射校正、大氣校正和幾何校正等預(yù)處理，以獲得真實(shí)的地物光譜信息。本研究在ENVI5.1下對(duì)GF-1數(shù)據(jù)進(jìn)行預(yù)處理，主要步驟如下：①借助影像自帶的RPC（rational polynomial coefficient）文件對(duì)每幅原始影像進(jìn)行幾何粗校正；②利用中國(guó)資源衛(wèi)星中心發(fā)布的2016年GF-1 WFV定標(biāo)文件對(duì)所有幾何粗校正后的影像進(jìn)行輻射定標(biāo)，將原始DN（digital number）值轉(zhuǎn)換為輻亮度；③利用FLAASH模型對(duì)輻亮度進(jìn)行大氣校正，得到地表反射率數(shù)據(jù)；④利用一景經(jīng)過精校正的Landsat 7（122035）影像，對(duì)6景GF-1數(shù)據(jù)進(jìn)行幾何精校正，將誤差控制在0.5個(gè)像元內(nèi)。

1.4 植被指數(shù)構(gòu)建

植被LAI的遙感反演，一般是根據(jù)地面測(cè)得的光譜數(shù)據(jù)或獲得的衛(wèi)星數(shù)據(jù)與實(shí)測(cè)值進(jìn)行相關(guān)分析，以建立遙感指標(biāo)與地面實(shí)測(cè)LAI間的關(guān)系。

從圖1可以看出，冬小麥的LAI從返青期開始不斷增加，在抽穗期達(dá)到峰值，此后又逐漸降低。根據(jù)研究目的和冬小麥整個(gè)生育期LAI的變化規(guī)律，本研究將冬小麥整個(gè)生育期劃分為3個(gè)階段：返青期和拔節(jié)期為冬小麥生長(zhǎng)前期，抽穗期為冬小麥生長(zhǎng)中期，開花期和灌漿期為冬小麥生長(zhǎng)后期。

本研究基于預(yù)處理后的GF-1數(shù)據(jù)選擇物理意義比較明確的5個(gè)植被指數(shù)（表2），將地面觀測(cè)數(shù)據(jù)隨機(jī)分成兩組，一組用來建立不同生育期的冬小麥LAI與植被指數(shù)的相關(guān)模型，一組進(jìn)行模型精度驗(yàn)證。為簡(jiǎn)化回歸模型形式，我們只分析LAI與各植被指數(shù)間的一元線性、指數(shù)、對(duì)數(shù)和冪函數(shù)形式的相關(guān)關(guān)系。

2 結(jié)果與分析

2.1 冬小麥全生育期不同植被指數(shù)的LAI反演結(jié)果比較

在整個(gè)生育期，基于GF-1數(shù)據(jù)構(gòu)建的5種植被指數(shù)與LAI的線性、指數(shù)、對(duì)數(shù)和冪函數(shù)關(guān)系都在P<0.001水平呈極顯著相關(guān)關(guān)系，且以EVI構(gòu)建的冪函數(shù)模型相關(guān)系數(shù)最高，達(dá)到0.9082，而RVI與LAI的指數(shù)關(guān)系模型的相關(guān)系數(shù)最低，為0.7012（表3）。基于EVI的冬小麥全生育期LAI回歸模型見圖2a，利用地面實(shí)測(cè)數(shù)據(jù)對(duì)該反演模型進(jìn)行驗(yàn)證，模型反演得到的LAI與實(shí)測(cè)LAI之間的相關(guān)系數(shù)r=0.8393，RMSE=2.4054（圖2b）。

2.2 冬小麥生長(zhǎng)前期不同植被指數(shù)的LAI反演結(jié)果比較

與全生育期相關(guān)分析結(jié)果類似，冬小麥生長(zhǎng)前期5種植被指數(shù)與LAI的線性、指數(shù)、對(duì)數(shù)和冪函數(shù)關(guān)系也都在P<0.001水平下極顯著相關(guān)（表4）。但冬小麥生長(zhǎng)前期，尤其是返青期，觀測(cè)視場(chǎng)內(nèi)土壤所占比重達(dá)到40%左右，隨著冬小麥不斷生長(zhǎng)，土壤所占比重逐漸下降，到拔節(jié)期時(shí)，雖然土壤所占比重明顯降低，但因冬小麥并不能完全覆蓋地面，遙感信號(hào)仍摻雜一部分土壤背景信息。因此，在冬小麥生長(zhǎng)前期，以修正了土壤背景信息的OSAVI指數(shù)與LAI的相關(guān)性優(yōu)于其它4種植被指數(shù)，且以冪函數(shù)形式的相關(guān)關(guān)系最為顯著（r=0.9110）（表4）?；贠SAVI的冬小麥生育前期LAI回歸模型見圖3a，將利用該模型反演得到的LAI值與地面實(shí)測(cè)值進(jìn)行比較，相關(guān)系數(shù)r為0.9284，RMSE=0.2706，達(dá)到0.001顯著水平（圖3b）。

2.3 冬小麥生長(zhǎng)中期不同植被指數(shù)的LAI反演結(jié)果比較

根據(jù)回歸分析，構(gòu)建的5種植被指數(shù)與冬小麥生長(zhǎng)中期LAI的相關(guān)關(guān)系較差，只有NDVI、EVI2和OSAVI的線性和對(duì)數(shù)模型的回歸系數(shù)達(dá)到0.05顯著水平，EVI和RVI與LAI的相關(guān)關(guān)系都沒有通過0.05的顯著性檢驗(yàn)，其反演LAI指數(shù)的相關(guān)系數(shù)為0.4827，高于其它指數(shù)構(gòu)建的反演模型（表5）。在冬小麥生長(zhǎng)中期，LAI達(dá)到最大值，觀測(cè)視場(chǎng)內(nèi)以小麥信息為主，土壤背景對(duì)小麥冠層反射率基本沒有影響，且各器官生物量迅速增加，因此，EVI2對(duì)作物群體生物量較為敏感[19]，該階段基于EVI2監(jiān)測(cè)LAI的效果較好（表5）。基于EVI2指數(shù)構(gòu)建的對(duì)數(shù)模型見圖4a，用地面實(shí)測(cè)LAI數(shù)據(jù)驗(yàn)證EVI2構(gòu)建的冬小麥生長(zhǎng)中期LAI反演模型，反演值與真實(shí)值之間的相關(guān)系數(shù)r=0.7490，RMSE=0.9152，反演結(jié)果較好（圖4b）。

2.4 冬小麥生長(zhǎng)后期不同植被指數(shù)的LAI反演結(jié)果比較

冬小麥生長(zhǎng)后期，營(yíng)養(yǎng)生長(zhǎng)逐漸停止，開始以生殖生長(zhǎng)為主，LAI逐漸減小，麥穗信息在冠層光譜信息中所占的比重增大，使得近紅外波段反射率較生長(zhǎng)前期高[12，20]，而RVI通過校正紅邊參數(shù)，對(duì)作物觀測(cè)光譜反射率進(jìn)行有效校正，能更好地監(jiān)測(cè)該階段LAI（表6）?；赗VI建立的指數(shù)形式的LAI反演模型精度最高，其r=0.8143，且與地面實(shí)測(cè)LAI數(shù)據(jù)的相關(guān)系數(shù)達(dá)到0.8088，相對(duì)誤差RMSE為0.8226，反演結(jié)果較好，通過0.001的顯著性檢驗(yàn)（圖5）。

3 討論與結(jié)論

本研究基于國(guó)產(chǎn)GF-1衛(wèi)星數(shù)據(jù)構(gòu)建了5種具有明確物理意義的植被指數(shù)，并對(duì)冬小麥不同生長(zhǎng)階段的LAI進(jìn)行反演，主要結(jié)果如下：

（1）構(gòu)建的5種植被指數(shù)在冬小麥全生育期與LAI不同形式模型的極顯著相關(guān)系數(shù)都在0.70以上，均可進(jìn)行LAI遙感反演研究，但以EVI構(gòu)建的冪函數(shù)模型相關(guān)系數(shù)最高，達(dá)到0.9082。

（2）冬小麥生長(zhǎng)前期，5種植被指數(shù)與LAI的相關(guān)關(guān)系均優(yōu)于全生育期，極顯著相關(guān)系數(shù)達(dá)到0.71以上。由于冬小麥生長(zhǎng)前期視場(chǎng)內(nèi)冠層覆蓋特點(diǎn)，以修正土壤背景信息的OSAVI與LAI的冪函數(shù)形式的相關(guān)關(guān)系最為顯著，r=0.9110，且模擬LAI與實(shí)測(cè)LAI的RMSE較小，為0.2706，模擬精度較高。

（3）5種植被指數(shù)反演冬小麥生長(zhǎng)中期LAI效果較差，僅NDVI、EVI2和OSAVI構(gòu)建的線性和對(duì)數(shù)模型的回歸系數(shù)達(dá)到0.05顯著水平，以EVI2構(gòu)建的對(duì)數(shù)模型相關(guān)系數(shù)最高，為0.4827。

（4）在冬小麥生長(zhǎng)后期，受麥穗對(duì)冠層反射率的影響，RVI與LAI的相關(guān)關(guān)系優(yōu)于其他4種植被指數(shù)，其指數(shù)形式模型的r=0.8143，反演精度最高。

GF-1 WFV衛(wèi)星以4 d的覆蓋周期提供了16 m 空間分辨率的衛(wèi)星數(shù)據(jù)，與目前常用的Landsat、SPOT、HJ-CCD等系列相比有很大的優(yōu)勢(shì)。本研究利用GF-1衛(wèi)星數(shù)據(jù)構(gòu)建的5種常用的植被指數(shù)與冬小麥不同生育期的LAI都具有較好的相關(guān)關(guān)系，說明GF-1數(shù)據(jù)在分生育期的作物長(zhǎng)勢(shì)遙感研究中也有很大的應(yīng)用前景，可以改善中國(guó)農(nóng)業(yè)遙感監(jiān)測(cè)業(yè)務(wù)長(zhǎng)期依賴國(guó)外數(shù)據(jù)源的局面，且本研究在冬小麥不同生育期采用不同的最佳植被指數(shù)進(jìn)行LAI反演，相比在整個(gè)生育期使用單一的植被指數(shù)模擬LAI，RMSE明顯降低。

但本研究?jī)H僅是基于GF-1數(shù)據(jù)在LAI地面點(diǎn)尺度進(jìn)行的，在區(qū)域LAI研究中精度如何，及與Landsat、SPOT、HJ-CCD等系列數(shù)據(jù)相比存在多大差異，還需要進(jìn)一步的研究與探討。

參 考 文 獻(xiàn)：

[1] 王東偉，王錦地，梁順林. 作物生長(zhǎng)模型同化MODIS反射率方法提取作物葉面積指數(shù)[J]. 中國(guó)科學(xué)：地球科學(xué)，2010，40（1）：73-83.

[2] Hasegawa K，Matsuyama H，Tsuzuki H，et al. Improving the estimation of leaf area index by using remotely sensed NDVI with BRDF signatures[J]. Remote Sensing of Environment，2010，114（3）：514.

[3] Liu J，Pattey E，Jego G. Assessment of vegetation indices for regional crop green LAI estimation from Landsat images over multiple growing seasons [J]. Remote Sensing of Environment，2012，123：347.

[4] 劉國(guó)棟，鄔明權(quán)，牛錚，等. 基于GF-1號(hào)衛(wèi)星數(shù)據(jù)的農(nóng)作物種植面積遙感抽樣調(diào)查方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（5）：160-166.

[5] 林子晶，李衛(wèi)國(guó)，申雙和，等. HJ 星和GF1 號(hào)數(shù)據(jù)在水稻種植面積提取中的應(yīng)用[J]. 江蘇農(nóng)業(yè)學(xué)報(bào)，2016，32（1）：111-117.

[6] 楊閆君，占玉林，田慶久，等. 基于GF-1/WFV NDVI 時(shí)間序列數(shù)據(jù)的作物分類[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（24）：155-161.

[7] 王利民，劉佳，楊福剛，等. 基于GF-1衛(wèi)星遙感的冬小麥面積早期識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（11）：194-201.

[8] 國(guó)家國(guó)防科技工業(yè)局. 高分一號(hào)在農(nóng)業(yè)領(lǐng)域應(yīng)用典型案例[EB/OL]. http：//www.gissky.net/Article/3227.htm.2014-08-24.

[9] 賈玉秋，李冰，程永政，等. 基于GF-1與Landsat-8多光譜遙感影像的玉米LAI反演比較[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（9）：173-179.

[10]李粉玲，常慶瑞，申健，等. 基于GF-1衛(wèi)星數(shù)據(jù)的冬小麥葉片氮含量遙感估算[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2016，32（9）：157-164.

[11]李粉玲，王力，申健，等. 基于高分一號(hào)衛(wèi)星數(shù)據(jù)的冬小麥葉片SPAD值遙感估算[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46（9）：273-281.

[12]趙娟，黃文江，張耀鴻，等. 冬小麥不同生育時(shí)期葉面積指數(shù)反演方法[J]. 光譜學(xué)與光譜分析，2013，33（9）：2546-2552.

[13]趙虎，裴志遠(yuǎn)，馬尚杰，等. 利用HJ-1-A/B CCD2 數(shù)據(jù)反演冬小麥葉面積指數(shù)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（10）：172-176.

[14]Zheng G，Moskal L. Retrieving leaf area index （LAI） using remote sensing： theories， methods and sensors[J]. Sensors，2009，9（4）： 2719-2745.

[15]Huete A，Liu H Q，Batchily K，et al. A comparison of vegetation indices over a global set of TM images for EOS-MODIS [J]. Remote Sensing of Environment，1997，59（3）： 440-451.

[16]Jiang Z，Huete A，Didan K，et al. Development of a two-band enhanced vegetation index without a blue band[J]. Remote Sensing of Environment，2008，112（10）： 3833-3845.

[17]Baret F，Guyot G. Potentials and limits of vegetation indices for LAI and APAR assessment[J]. Remote Sensing of Environment，1991，35（2/3）： 161-173.

[18]Geneviève R，Steven M D，Baret F. Optimization of soil-adjusted vegetation indices[J]. Remote Sensing of Environment，1996，55（2）：95-107.

[19]Jiang Z，Huete A R，Didan K，et al. Development of a two band enhanced vegetation index without a blue band[J]. Remote Sensing of Environment，2008，112（10）：3833-3845.

[20]劉良云，王紀(jì)華，宋曉宇，等. 小麥倒伏的光譜特征及遙感監(jiān)測(cè)[J]. 遙感學(xué)報(bào)，2005，9（3）：323-327.