新疆典型荒漠草地的高光譜特征提取和分析研究

錢育蓉，于炯，賈振紅，楊峰，帕力旦·吐爾遜

（1.新疆大學軟件學院，新疆 烏魯木齊830008；2.南京大學生命科學學院，江蘇 南京210093；3.新疆大學信息科學與工程學院，新疆 烏魯木齊830046；4.四川農業大學農學院，四川 成都611130）

高光譜遙感的發展是20世紀末的最后20年中人類在對地觀測方面所取得的重大技術突破之一，與傳統的常規遙感相比，高光譜儀可以把光譜分離成幾十甚至數百個很窄的波段來接收信息，光譜范圍從可見光到熱紅外的電磁輻射波譜，所有波段排列在一起能形成一條連續的、完整的光譜曲線［1］。由于其高分辨率等特性在對植被特征參數進行計算方面大大優于常規多光譜遙感，甚至能完成運用常規遙感方法所不能完成的某些植被特征的計算，如紅邊特征、綠峰特征和導數光譜等［2］，因此利用高光譜技術對地表植被無損傷探測的理論與技術得到了長足的發展，例如：提高遙感信息的信噪比（SNR）、改進遙感數據的分析方法、植被生物量的估測等，但目前目標植被多集中于玉米（Zeamays）、水稻（Oryzasativa）、茶葉等經濟作物［3］，針對荒漠植被生化參數的遙感估測研究還不多見。

草地作為主要陸地生態系統之一，曾幾度遭受農墾過牧和不良管理地摧殘，在整個生物圈中處于壓力的最底層。任繼周［4］利用綜合順序分類法分析了1950－2000年和2001－2050年間的草原類型演替及碳匯動態后，指出我國潛在草地面積最大的是凍原和高山草地，主要分布在西藏、青海、新疆和四川，其次是冷荒漠草地類型，主要分布在新疆、內蒙古和甘肅，而且熱荒漠草地大類幾乎全部分布在新疆。由此可見，新疆草地具有面積廣闊、類型豐富等特點，其荒漠草地類型極具典型性。另一方面，草地資源是重要的國土資源，也是有生命的可更新自然資源，具有極其重要的生態、經濟和社會價值［5］。然而，由于自然社會等因素的長期作用，新疆草地生態嚴重失衡，干旱、風沙、鹽堿等環境問題日趨嚴峻，環境質量逐漸惡化，草地生產力持續下降，畜牧業的可持續發展受到嚴重影響［6］。

新疆地處我國西北干旱半干旱區域，荒漠植被覆蓋度較低，大面積土壤裸露，植被下墊面對野外植被的光譜特征均有不同程度的影響，消除大氣、土壤背景、凋落物等低頻光譜成分對植被光譜的影響，可以突出目標植被的光譜特征，有利于揭示荒漠植被的組織、結構，葉面積指數、蛋白質含量等［7］。本研究以新疆阜康地區的典型荒漠植被為對象，依據不同海拔劃分了3個樣區、23個樣帶，利用野外高光譜儀采集的典型荒漠植被野外高光譜數據，對荒漠植被的高光譜數據進行了特征參量法和植被指數法的分析，提取出典型植被的光譜內在特征，為基于高光譜的植被分類提供了理論依據，也為荒漠草地的監測及“三化”防治奠定了科學根據。

1 材料與方法

1.1 研究區概況

阜康市位于新疆維吾爾自治區中北部，天山東段北麓，準噶爾盆地南緣，地理坐標為北緯43°45′～45°30′、東經87°46′～88°44′。阜康東界吉木薩爾縣，西與米泉市接壤，南至博格達峰與烏魯木齊市相連，北部伸入準噶爾盆地與富蘊縣毗鄰，市域東西相距76 km，南北綿長198km，行政區總面積8 844.85km2，總人口16.94萬人，是漢、回、維、哈等20多個民族的聚居地（圖1）。

圖1 研究區及采樣樣區示意圖Fig.1 The overview of sampling zone within study area

研究區地勢自東南向西北緩緩傾斜，海拔高程自5 445m至450m，地勢起伏大，其地貌南部為天山支脈博格達山、中部為山前沖積平原、北部大部分為古爾班通古特沙漠，從山區過渡為平原再至沙漠（圖1），構成典型的干旱半干旱的自然景觀。冬季寒冷漫長，夏季炎熱，春秋季節不明顯，且春秋季氣溫變化劇烈，降水量分布不均，山區多，平原次之，沙漠最少。春夏多風，光照充足，熱量豐富。年均氣溫在平原區為6.7℃，在山區為2.54℃。年均降水量205mm，南部山區年平均降水量530mm，中部平原區年平均降水量187.5 mm，北部沙漠邊緣年平均降水量132mm，降水的年季變化和季節變化大，年均無霜期174d。

1.2 高光譜數據

本研究使用由美國分析光譜儀器公司（ASD）生產的便攜式FieldSpec RFR野外光譜輻射儀采集野外植被高光譜數據，其光譜范圍覆蓋384.7～1 075.5nm，共512個波段，分辨率為1.3～1.5nm。野外光譜測量的時間分別為2010年5月和10月，光譜采集盡量在晴朗、干燥、微風、無云的天氣下進行，同時為了減少不同太陽高度角對反射率影響，測定時間為北京時間12：00～13：00（太陽高度角為50°～55°）。光譜儀視場角（FOV）15°，測量中始終保持探頭鉛垂向下，距冠層頂垂直高度約1m，地面視場范圍直徑約為0.5m，測量條件：溫度10～24℃（5月份）和3～13℃（10月份）。每個觀測點記錄27個采樣光譜，即在某類植被的1個位置正上方測3次，旋轉探頭約120°后測3次，然后再旋轉探頭約120°測3次，取平均值作為1個重復的光譜反射率值，最后以3個重復的光譜反射率的平均值作為處理的光譜反射率值。在室外太陽光下測量植被光譜反射率時，反射率大小與太陽高度角有關，并且由于植被冠層不是絕對的漫反射體，而校正白板是標準漫反射體，測量時需要及時進行標準白板校正，即每測完1個處理，用標準白板校正1次（標準白板反射率為1，因此所得目標物光譜為無量綱的相對反射率）。

荒漠植被的研究主要集中于7種當地典型植被：生長在沙漠邊緣和農牧交錯帶的琵琶柴（Reaumuriasoongorica）、檉柳（Tamarixchinensis）、矮梭梭（Haloxylonammodendron）、水柏枝（Myricariabracteata）和木地膚（Kochiaprostrata）（圖2），以及生長在低山帶和泉水溢出帶上的芨芨草（Achnatherumsplendens）和錦雞兒（Caraganabogdashanica）（圖3）。研究僅測高度一般在0.2～1.4m的禾草和灌木層，并在生物量較大的月份（5－6月）測量了不同空間分布的典型荒漠植被的光譜值。2010年5月底獲得研究區內不同空間分布下7種荒漠植被的高光譜有效數據216條，2010年10月獲得其中荒漠植被的高光譜有效數據66條。

圖2 5種荒漠植被的高光譜譜線Fig.2 The hyperspectral curve of five desert vegetation

2 基于高光譜的植被特征提取

2.1 獲取光譜反射率

高光譜原始數據的校正由ASD光譜儀自帶軟件包自動完成，主要包括：原始數據輻射強度中暗電流去除，各光譜數據通道的增益校準，波長訂正等。獲取光譜反射率的基本原理是認為在極短的時間內測定的植被和校正白板的輻射強度之比即為兩者的反射率之比，則植被的反射率為：

式中，n為通道數或波段數，此處為512，j為波段號，Rj為植被在j波段的反射率，是校正白板在j波段的反射率，不考慮二向反射時應是校正白板的半球反射率，Ij和則分別是植被和校正白板在j波段響應的輻射強度。

2.2 一階導數光譜

導數光譜也被稱為光譜的微分技術，它可以迅速地確定光譜彎曲點及最大最小反射率的波長位置，能部分消除背景、光照等因素的影響，這對于植被稀疏、混合光譜成分多的干旱半干旱地區來說，無疑是一種消除背景噪聲、提取光譜特征的好方法［8］。相對于植被的光譜曲線，土壤的光譜曲線是接近線性的，其導數曲線值整體上很小，而植被由于光合色素產生的效應，其導數值在700～750nm附近為一尖峰，這一位置導數值較大，同時土壤光譜在這個范圍內的一階導數值接近于0。利用這一特點就可用來對混合光譜中的土壤信號進行壓縮，因此從理論上講，導數可以非常好地消除土壤背景信號。

另外，采用導數光譜技術可以消除光譜數據之間的系統誤差、減弱大氣輻射、散射和吸收對目標光譜的影響，以便提取可識別地物的光譜吸收峰參數（波長位置、深度、寬度和吸收光譜指數等）；光譜的一階導數定義和計算可以參照錢育蓉等［9］歸納的高光譜特征變量的定義及描述，圖4是對圖2中梭梭和琵琶柴在不同蓋度和土壤背景下所采集的土壤光譜一階導數的平滑光譜。

結果（圖4）表明，1）光譜曲線兩端的噪聲比較大，有效光譜波段大致范圍為500～900nm；2）植被蓋度間差異在紅邊幅值上有較明顯顯示，在琵琶柴和梭梭的紅邊位置（710～720nm）上，低蓋度植被紅邊幅值較低，高蓋度植被紅邊幅值較高。

圖3 2種低山荒漠植被的高光譜譜線Fig.3 The hyperspectral curve of two low mountain desert vegetations

2.3 光譜平滑處理

實測的光譜數據包含3種誤差：1）由于光譜儀是由3個不同波段范圍的探頭組成，它們之間會出現臺階；2）隨機誤差，導致反射率光譜曲線出現一些小抖動的現象；3）水氣吸收帶的雜亂跳動。這些誤差不僅影響曲線的美觀，更主要的是影響即將要提取的光譜特征值。因此，必須減少和限制這種隨機噪聲水平，對反射率曲線進行光滑處理消除光譜曲線的抖動、雜亂的水氣吸收帶以及“臺階”跳躍現象，使光譜曲線變得光滑、連續［10］。圖5a為7種典型荒漠植被在10月份的地面實測光譜的一階導數，可以看出一階導數對噪聲較敏感，紅邊幅值處出現的抖動造成了部分導數光譜呈現紅邊“雙峰”的現象（如芨芨草）。鑒于光譜導數技術對光譜信噪比非常敏感，本研究采用基于光譜導數數據常用的Savitzky－Golay平滑處理方法，處理結果如圖5b、5c和5d。

Savitzky－Golay平滑濾波因為可保留光譜的一些細微特征（如光譜吸收峰），因此在光譜學中應用非常廣泛，它是對數據窗口（包含奇數個點，2m＋1）中的數據點進行n次多形式的擬合，應用最小二乘法法則，解方程組求得數據點的擬合方程，把經過擬合處理之后的窗口中間點的擬合值代替原始數據，窗口每次向前移動一個點直至信號點結束，從而實現平滑處理。本研究采用Matlab工具包進行了Savitzky－Golay平滑濾波處理，圖5b、5c、5d是對實驗信號圖5a進行窗口參數分別為“5”、“7”、“9”的Savitzky－Golay平滑以后的結果。對比處理結果可以看出，該方法能有效的去除光譜中存在的噪聲，并能保留光譜原有光譜特征，是地物實測光譜和高光譜圖像預處理的一種有效手段。

圖4 琵琶柴和梭梭的高光譜一階導數平滑譜線Fig.4 The smoothed first derivative spectra of Reaumuriaand Haloxylon

圖5 典型荒漠植被高光譜譜線經Savitzky－Golay光滑處理后的曲線Fig.5 The Savitzky－Golay smoothed hyperspectral curve of typical desert vegetation

3 典型荒漠植被光譜特征分析

3.1 光譜吸收特征提取

植被蓋度、組成和形態等因素影響了植物的光譜特征，因此每種草地植被在綠光反射帶、紅光吸收帶和“紅邊”高差等方面均存在差異。根據高光譜特征變量對各吸收峰及吸收谷的定義及描述［9］，編寫程序求得荒漠草地7種典型植被在5月和10月的高光譜吸收特征：紅邊幅值、紅邊位置、紅谷反射率、紅谷位置、綠峰反射率和綠峰位置，結果如圖6所示，圖中7種典型植被類型1、2、3、4、5、6、7依次為木地膚、琵琶柴、檉柳、矮梭梭、水柏枝、芨芨草和錦雞兒。

圖6 7種典型荒漠植被不同季相下的高光譜特征變量Fig.6 The hyperspectral characteristics of seven typical desert vegetation under different seasons

由于低山草甸草地（錦雞兒和芨芨草）和荒漠草地類型植被（木地膚、琵琶柴、檉柳、梭梭、水柏枝）在5月和10月份具有明顯的季相差異，導致其不同季相的紅邊、紅谷、綠峰參數差異較大（圖6）。1）不同植被類型的光譜特征參數差異很大，但是在紅邊位置上都出現了10月份較5月份呈現出“紅移”的規律（圖6b），主要原因是：10月份已經進入植被的凋落枯萎時期，而5月份正是植被的返青生長期；2）在10月份，除琵琶柴和檉柳還可以找出綠峰位置，其余5種植被均無明顯綠鋒（圖2、圖3和圖6f）。結合實地調查現場照片，10月份眾多荒漠植被均為過冬準備，芨芨草呈現枯黃狀態，錦雞兒、木地膚和水柏枝等荒漠植被的地上部分或者凋落或者枯黃，綠色葉片大量減少，因此無明顯綠峰；其對應綠峰反射率偏高，是由于植被稀疏、土壤裸露，植被光譜反射率受到下墊面反射光譜影響所致，因此該部分數值不具有可參考性；3）10月份的綠峰反射率和紅谷反射率均高于5月份的，其原因主要是由于10月份的植被蓋度較5月份低，而鹽生木質灌木植被下墊面的光譜反射率較高（圖2），使得植被蓋度較低的野外植被光譜數據混合了土壤的光譜，導致光譜反射率數值偏高；4）以琵琶柴為例，雖然它的高光譜形態特征在5月和10月比較接近（圖2），從特征參數上看，反射率特征也沒有較大季相差異，但是不同季相的紅邊、綠峰和紅谷特征具有顯著差異（圖6a、圖6c、圖6e），位置特征上的差異也較明顯（圖6b、圖6d、圖6f），因此利用荒漠植被的光譜特征參數可以對連續的高光譜譜線降維，并數量化其吸收峰、反射峰，使得利用高光譜數據進行草地資源的分類研究成為可能［2］；5）野外水柏枝的外觀在不同的生長生活條件下呈現出不同顏色，使得光譜的藍綠光譜段和紅光譜段的光譜反射受到影響，致使其紅谷位置和綠峰位置的參數誤差較大，這將會導致其吸收特征參數的不穩定，也會增加基于高光譜的植被分類的難度。

總之，荒漠植被不同于普通的綠色植被，具有許多荒漠植被所特有的屬性，如植被多枝少葉、葉片多呈針狀或刺狀、植被覆蓋度低等的特點，不同的植被類型高光譜特征復雜，就是同一種植被類型在不同的季節也呈現出迥異的光譜特征。因此，利用7種植被的高光譜數據提取的個別特征參數誤差較大，例如水柏枝的紅邊幅值和紅谷位置誤差較大，芨芨草的紅谷反射率和綠峰反射率誤差也較大。

3.2 光譜指數特征提取

在草地遙感領域，植被指數（vegetation index）作為一種遙感手段已廣泛應用于植被覆蓋度評價、產量估測以及自然災害預測預報等方面。李建龍等［11］、黃敬峰等［12］于1992－1994年在新疆烏魯木齊、阜康和阿勒泰試驗區，利用試驗區牧草產量資料和NOAA/AVHRR的光譜資料，進行了天然草地牧草產量與草地類型的光譜監測研究，結果顯示天然草地牧草產量與光譜植被指數、遙感植被指數關系密切，可用光譜植被指數和遙感植被指數對天然草地牧草產量進行監測。同時還指出處于干旱區的新疆，由于降水量少植被蓋度和牧草產量都低，用NDVI（the normalized difference vegetation index，歸一化植被指數）和 RVI（ratio vegetation index，比值植被指數）建立的監測模型沒有顯著差異，一般情況下線性模型足以反映牧草產量的動態變化，自變量選用NDVI和RVI均可［11－14］。

植被的光譜指數是根據植被反射波段的特性計算出來的，對地表植被生長、覆蓋狀況、地表生物參數具有一定指示意義的各種數值，廣泛應用于植被的時空動態監測以及一些生物參數的估算，容易獲取且計算方便。可見光波段與近紅外波段數值的不同形式組合，是植被指數的核心。遙感估算植被覆蓋研究中最常用的植被指數為NDVI和RVI，它們對綠色植被變化靈敏，對土壤或者枯草不靈敏，能夠較好地反映出草地的覆蓋度、生物量和葉面積指數變化，與地上現存凈初級生物量有較好的相關性。

NDVI被定義為近紅外波段（NIR）與可見光紅波段（R）數值之差和這2個波段數值之和的比值，即NDVI＝（TM4－TM3）/（TM4＋TM3），它是目前表征植被覆蓋特征應用最廣泛的指標，同時也被廣泛地應用到初級生產力（NPP）、植被覆蓋、生物量以及物候等研究領域；RVI被定義為近紅外波段（NIR）與可見光紅波段（R）數值的比值，即RVI＝NIR/R，它是綠色植物的靈敏指示參數，與葉面積指數、葉干生物量、葉綠素含量相關性高，可用于檢測和估算植物生物量。其中NIR為760～900nm近紅外波段的反射，相當于TM/ETM＋遙感影像的第4通道接受的地物光譜輻射能量，是植被高反射率波段，便于進行植被種類的識別；R為630～690nm紅光波段的反射率，相當于TM/ETM＋遙感影像的第3通道接受的地物光譜輻射能量，該波段對植物覆蓋度、植物生長狀況敏感。

圖7 7種典型荒漠植被不同季相下的植被指數Fig.7 The vegetation index of seven typical desert vegetations under different seasons

對比分析7種典型荒漠植被（木地膚、琵琶柴、檉柳、矮梭梭、水柏枝、芨芨草和錦雞兒）在5月和10月份的植被指數，結果（圖7）表明，1）不同月份下的植被指數數值不同。除了琵琶柴的植被指數季相間差異不明顯，其余6種典型荒漠植被5月份的NDVI數值和RVI數值普遍高于10月份的。這種季相間的植被指數差異主要是由于5月份雪山融水和雨水充沛，是荒漠植被的生長季，而10月份氣候干旱、雨量減少，大部分荒漠植被的地上部分枯黃凋落；2）不同草地類型上的NDVI和RVI數值規律變異較大。以5月份為例，NDVI指數呈現出檉柳＞錦雞兒＞芨芨草＞水柏枝＞琵琶柴＞木地膚＞梭梭的規律，但是個別類型差異不顯著，如水柏枝和芨芨草、木地膚和琵琶柴。草原化荒漠植被由于植被蓋度低，土壤背景對植被的光譜反射影響較大，造成植被覆蓋度相近的草地類型呈現出植被指數相似的現象；3）對比圖7中NDVI和RVI可以發現：2組數據的規律非常相似，生物量大、覆蓋度高的植被NDVI和RVI均較高，反之則較低，且5月份NDVI和RVI數值的相關系數高達0.925 3（n＝72），10月份的相關系數更高（R＝0.972 0，n＝22）。

4 結論與討論

1）新疆典型荒漠植被的高光譜線經微分和平滑處理后，具有紅邊和綠峰等光譜吸收特征，但受下墊面土壤光譜噪聲影響，秋季中個別植被不具有明顯綠峰，紅邊特征也隨著覆蓋度的降低而減弱，其中10月份典型荒漠植被的紅邊位置較5月份呈現出“紅移”的規律，NDVI和RVI指數也呈現出10月份低于5月份的現象。還有學者利用高光譜譜線中水分子特征吸收波段進行草地可燃物含水率的估算，并以此快速、便捷、動態的預測草原火險發生率［15］，這些研究都充分利用了高光譜譜線中特征波段上所包含的豐富的吸收特征。

2）7種典型荒漠植被在10月份已經進入凋落枯萎時期，地上部分大多凋落或枯黃，綠色葉片大量減少，反射率受到土壤光譜干擾而呈現數值偏高的現象，大多無明顯綠峰；同時，雖然各種荒漠植被的高光譜譜線在不同季相中顯示出相同的曲線形態特征，但是其紅邊、綠峰和紅谷特征具有顯著差異（圖6）。因此利用荒漠植被的光譜特征參數可以對連續的高光譜譜線降維，并數量化其吸收峰、反射峰，使得利用高光譜數據進行草地資源的分類研究成為可能［2］，還可以識別植被混合群落中的草地退化指示植被［16］，為基于高光譜的天然草地退化遙感監測研究提供了科學依據。

3）雖然不同草地類型上的植被指數數值變異較大，但是NDVI和RVI具有較高的數據相關性。7種典型荒漠植被在不同季相的植被指數數值差異較大：NDVI為0.21～0.77，RVI為1.8～7.9（圖7），但是荒漠植被由于具有植被蓋度低，土壤背景對植被的光譜反射影響較大等共性，使得它們均呈現出植被指數相關的現象：春秋兩季荒漠植被NDVI和RVI數值的相關系數分別為0.925 3（n＝72）和0.972 0（n＝22）。考慮到基于影像提取的諸多光譜指數均與草地生物量有較好的定量關系［17］，那么對荒漠草地的高光譜遙感圖像進行特征提取不但可以及時、準確的掌握草地資源的變化狀況，指導人們正確開發利用草地資源、保護草地生態環境，還可以成為定性、定量探測草地資源和發展精細草業的重要保證。

草地高光譜研究以其快速、便捷、準確等優勢受到世界各國學者的普遍關注，在區域和全球尺度上已經廣泛應用于草地植被生化參數的無損傷估算、牧草品質測定、含水率估測、退化草地指示草種識別等領域［1－3，15］。目前，在我國天然草地植被監管中，高光譜遙感技術的應用還不甚廣泛。隨著高光譜遙感技術的不斷發展和成熟，各種高光譜遙感衛星影像［18，19］（例如：Hyperion、CHRIS/PROBA和 MODIS）和滿足不同需要的應用軟件的出現，高光譜遙感技術會更多地應用于草地植被測定和生態環境監測中［20］。

伴隨著荒漠植被高光譜遙感應用的逐步深化，高光譜數據信息挖掘技術的逐步提高，高光譜遙感可以由實驗研究階段逐步轉向實際應用階段，并在防治草地退化、加快草地植被恢復與重建、監測草地演替動態、合理保護和利用草地資源中提供寶貴的信息，進一步實現對干旱半干旱地區植被的類別劃分、大面積實時監測，并對荒漠草地的退化進行及時預警，也必將推動草地管理進入一個全新的階段。

［1］ 楊可明，郭達志.植被高光譜特征分析及其病害信息提取研究［J］.地理與地理信息科學，2006，22（4）：31－34.

［2］ 錢育蓉，賈振紅，于炯，等.BP－ANN在荒漠草地高光譜分類研究中的應用［J］.計算機工程與應用，2011，47（12）：225－228.

［3］ 趙杰文，王開亮，歐陽琴，等.高光譜技術分析茶樹葉片中葉綠素含量及分布［J］.光譜學與光譜分析，2011，31（2）：512－515.

［4］ 任繼周，梁天剛，林慧龍，等.草地對全球氣候變化的響應及其碳匯潛勢研究［J］.草業學報，2011，20（2）：1－22.

［5］ 劉興元，龍瑞軍，尚占環.草地生態系統服務功能及其價值評估方法研究［J］.草業學報，2011，20（1）：167－174.

［6］ 楊峰，錢育蓉，李建龍，等.天山北坡典型荒漠草地退化特征及其成因［J］.自然資源學報，2011，26（8）：1306－1314.

［7］ 范燕敏，武紅旗，靳瑰麗.新疆草地類型高光譜特征分析［J］.草業科學，2006，23（6）：15－18.

［8］ 丁建麗，張飛，塔西甫拉提·特依拜.塔里木盆地南緣典型植被光譜特征分析［J］.干旱區資源與環境，2008，22（11）：160－166.

［9］ 錢育蓉，楊峰，李建龍，等.利用高光譜數據快速估算高羊茅牧草光合色素的研究［J］.草業學報，2009，18（4）：94－102.

［10］ 陳文霞，陳安升，蔡之華.基于高光譜吸收特征參數的分類研究［J］.計算機工程與應用，2008，44（28）：230－232.

［11］ 李建龍，黃敬峰，王秀珍.草地遙感［M］.北京：氣象出版社，1997：146－151.

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

［13］ 黃敬峰，桑長青，金杰.天山北坡天然草場光譜植被指數的基本特征［J］.遙感技術與應用，1994，9（1）：29－33.

［14］ 李建龍，蔣平.遙感技術在大面積天然草地估產和預報中的應用探討［J］.武漢測繪科技大學學報，1998，23（2）：153－157.

［15］ 包玉龍，張繼權，趙云升，等.基于高光譜的草地可燃物含水率估測方法［J］.紅外，2011，32（7）：38－42.

［16］ 王煥炯，范聞捷，崔要奎，等.草地退化的高光譜遙感監測方法［J］.光譜學與光譜分析，2010，30（10）：2734－2738.

［17］ 陳鵬飛，王卷樂，廖秀英，等.基于環境減災衛星遙感數據的呼倫貝爾草地地上生物量反演研究［J］.自然資源學報，2010，25（7）：1122－1131.

［18］ 李新輝，宋小寧，冷佩.利用CHRIS/PROBA數據定量反演草地LAI方法研究［J］.國土資源遙感，2011，3：61－66.

［19］ 陳健飛，林征，陳穎彪.基于高光譜線形混合光譜分解識別人工地物［J］.應用基礎與工程科學學報，2009，17（2）：206－218.

［20］ 許冬梅，王堃.近紅外光譜技術在天然草地植被管理中的應用［J］.光譜學與光譜分析，2007，27（10）：2013－2016.