鹿琳琳，李慶亭，張熙，2，劉玲玲，隋悅

（1.中國科學(xué)院遙感與數(shù)字地球研究所數(shù)字地球重點實驗室，北京100094；2.山東科技大學(xué)測繪科學(xué)與工程學(xué)院，山東青島266590）

錫林格勒典型植被類型光譜特征

鹿琳琳1，李慶亭1，張熙1，2，劉玲玲1，隋悅1

（1.中國科學(xué)院遙感與數(shù)字地球研究所數(shù)字地球重點實驗室，北京100094；2.山東科技大學(xué)測繪科學(xué)與工程學(xué)院，山東青島266590）

內(nèi)蒙古草原是全球變化研究的熱點區(qū)域。遙感是進行大尺度草地動態(tài)監(jiān)測最為有效的工具。為基于遙感數(shù)據(jù)的草地分類識別和動態(tài)變化監(jiān)測提供依據(jù)，該文以錫林格勒盟的典型植被類型為研究對象，采集冠層反射率光譜數(shù)據(jù)，分析其波形和植被指數(shù)光譜特征。研究結(jié)果表明：紅邊面積、紅邊斜率以及680nm附近的葉綠素吸收谷特征參量，能夠有效區(qū)分不同密度的草地和農(nóng)業(yè)植被。歸一化植被指數(shù)NDVI、綠度歸一化植被指數(shù)GNDVI和優(yōu)化調(diào)節(jié)植被指數(shù)OSAVI的變化趨勢一致，能夠反映植被綠度信息，適宜于監(jiān)測植被長勢。

遙感；光譜特征；植被指數(shù)；紅邊；草地

0 引 言

草地是全球陸地生態(tài)系統(tǒng)的主要類型之一，它與森林和海洋并列為地球的三大碳庫，在全球變化研究中占有重要地位。內(nèi)蒙古草原地處歐亞大陸腹地，地域遼闊，占全國草原總面積的22%，是溫帶草原的代表性類型。該區(qū)域氣候干旱、生態(tài)系統(tǒng)脆弱，對氣候變化響應(yīng)十分敏感，作為全球變化陸地樣帶所在地，內(nèi)蒙古草原一直以來都是全球變化研究的熱點區(qū)域［1］。上個世紀以來，人口的持續(xù)增長為草地生態(tài)系統(tǒng)帶來沉重壓力。草地過度開墾，亂砍濫挖、超載放牧等破壞草地的生態(tài)平衡，內(nèi)蒙古草原出現(xiàn)嚴重的沙化退化現(xiàn)象［2－3］。

遙感數(shù)據(jù)具有視野宏觀、動態(tài)的特點，是進行大尺度草地動態(tài)監(jiān)測最為有效的工具之一。高光譜遙感數(shù)據(jù)能夠?qū)崿F(xiàn)草地類型的精細劃分，進而監(jiān)測草場退化狀況。地面光譜的測量和光譜特征分析能夠為基于高光譜數(shù)據(jù)的植被的精細分類和動態(tài)監(jiān)測提供輔助信息，是植被遙感的基礎(chǔ)［4－5］。娜日蘇等［6］測定錫林郭勒盟西烏珠穆沁旗低山丘陵草甸草原植物群落，分析發(fā)現(xiàn)群落光譜反射率隨退化程度的加深而增強。Yamano等［7］測量內(nèi)蒙古錫林格勒地區(qū)的大針茅、羊草、芨芨草和小葉錦雞兒的地面光譜，分析光譜特征，發(fā)現(xiàn)基于能夠區(qū)分4種草類的反射峰區(qū)，提出利用該特征監(jiān)測草地退化。王煥炯等［8］測量葉片、冠層和群落尺度的光譜，通過參量化光譜特征差異，準確區(qū)分了的內(nèi)蒙古呼倫貝爾溫性草原幾種退化指示草本植物。植被指數(shù)（Vegetation Index，VI）是利用多光譜數(shù)據(jù)，經(jīng)線性或非線性組合構(gòu)成的能反映植被生長狀況和分布的各種指數(shù)的總稱。長時間序列的植被指數(shù)變化能夠反映草場變化，實現(xiàn)草場的動態(tài)監(jiān)測［9－10］。植被指數(shù)類型多樣，均存在一定的局限性和適用性。如基于紅和近紅外波段比值的歸一化植被指數(shù)（Normalized Difference Vegetation Index，NDVI），當草地的生物量或葉面積指 數(shù) 較 大 時，就 達 到 一 個 飽 和 水 平［11－12］。Mutanga等［13］利用改進歸一化植被指數(shù)（Modified Normalized Difference Vegetation Index，MNDVI），比值植被指數(shù)（Simple Ratio，SR）和調(diào)整植被指數(shù)（Transformed Vegetation Index，TVI）估算野水牛草（Cenchrus ciliaris）的生物量，發(fā)現(xiàn)SR與生物量相關(guān)性最大。Li等［14］比較了北美落葉闊葉林區(qū)MODIS的NDVI、EVI、LAI植被指數(shù)，指出由NDVI確定的植被返青期更優(yōu)。但結(jié)合地面光譜測量，評價各種植被指數(shù)在監(jiān)測草原長勢動態(tài)中的適用性的研究較少。

考慮到草地類型的多樣性和代表性，本研究選取錫林格勒盟為研究區(qū)域。通過該區(qū)域典型植被類型冠層的野外光譜測量和光譜特征分析，為基于遙感數(shù)據(jù)的草地分類識別和動態(tài)變化監(jiān)測提供基礎(chǔ)，為內(nèi)蒙草原的科學(xué)管理、開發(fā)和可持續(xù)利用提供依據(jù)。

1 研究區(qū)域與數(shù)據(jù)采集

1.1 研究區(qū)域

錫林郭勒盟位于內(nèi)蒙古自治區(qū)中部偏東，是一個以高平原為主體、兼有多種地貌單元的草地區(qū)，地勢南北高、中間低。中溫帶半干旱大陸性氣候類型，冬季寒冷，夏季炎熱，降水不均，雨熱同期。土壤類型多樣，草地資源類型廣泛，覆蓋典型草原、草甸草原、荒漠草原的各個亞類。本研究采集光譜數(shù)據(jù)的地區(qū)位于錫林浩特市南部和正藍旗的北部，以溫帶典型草原和荒漠草原為主，優(yōu)勢植物有羊草（Leymus chinensis）、大針茅（Stipagrandis）、克式針茅（Stipa krylovii）、腳苔草（Carex pediformis）、星毛委陵菜（Potentilla acaulis）、冷蒿（Artemisia frigid）等。農(nóng)業(yè)以旱作為主，主要種植的農(nóng)作物有小麥、莜麥、馬鈴薯、玉米及胡麻等。根據(jù)研究樣區(qū)的植被覆蓋狀況，選擇圍封區(qū)，放牧區(qū)，過度放牧區(qū)，農(nóng)業(yè)區(qū)4種代表性樣區(qū)中的7種主要植被類型，稀疏草地，中等密度草地，高密度草地，小麥田，莜麥田，玉米田，馬鈴薯田，于2010年7月底8月初對植被進行冠層光譜測量和采樣。在這個時間范圍，研究區(qū)域植被除小麥田以外，多處于旺盛生長的時期。光譜采集樣區(qū)典型植被類型的物候期見表1。為避免其他植被的干擾，草地均選取了羊草為建群種的區(qū)域進行光譜采集。

表1 典型植被類型物候期

1.2 數(shù)據(jù)采集

本次測量采用美國ASD公司生產(chǎn)的FieldSpec Pro型便攜式光譜儀，所使用的波段范圍為400nm～2500nm。光譜儀采樣間隔在350nm～1000nm范圍內(nèi)為1.4nm，在1000nm～2500nm范圍內(nèi)為2nm，數(shù)據(jù)輸出時均重采樣為1nm間隔。野外地物光譜測量選擇在晴朗天氣進行，風(fēng)力約1～2級，觀測時間為10∶00～15∶00（北京時間）之間。每個樣區(qū)隨機選擇10～20個不同的、均勻的、有代表性的面積為0.5m×0.5m樣點進行光譜測量。測量規(guī)范遵守探頭垂直向下觀測，距離觀測植被冠層頂部約1m，對同一種地物10次測量后對光譜曲線進行平均。光譜采集之后，記錄樣點地理坐標，利用皮尺測量冠層高度，相機垂直向下采集實地照片，用于計算植被覆蓋度。對于能夠進行生物量采樣的自然植被，收割樣點內(nèi)所有的地上生物量，利用電子天平對鮮生物量進行稱量。地上鮮生物量被定義為單位面積內(nèi)所有植株的濕基質(zhì)量，單位為g／m2。測量樣點的基本情況及測量結(jié)果如表2和3所示，實地照片如圖1所示。

表2 典型自然植被類型采樣站點

表3 典型農(nóng)業(yè)植被類型采樣站點

圖1 采樣站點實地照片

2 光譜特征分析

2.1 不同植被類型的反射光譜特征比較

根據(jù)光譜測量結(jié)果，典型植被類型反射光譜曲線均保有綠色植物主要的反射光譜響應(yīng)特征，選取400nm～900nm波長范圍進行分析，如圖2所示。主要表現(xiàn)為，葉綠素強烈吸收藍光和紅光，在480nm可見光波段和680nm左右的藍光和紅光區(qū)形成吸收谷，分別稱為“藍谷”和“紅谷”，反射率一般在0.05～0.10和0.10～0.15之間；對綠光吸收較弱，在藍谷和紅谷之間（520nm～600nm）出現(xiàn)反射峰（綠峰），峰頂位于550nm附近，反射率一般在0.10～0.20之間；在近紅外波段呈現(xiàn)強烈的反射，從700nm到760nm光譜反射值隨波長的增加而急劇升高，反射曲線具有陡而接近于直線的形態(tài)，在680nm～750nm光譜區(qū)間急劇上升，形成一個反射陡坡，稱為“紅邊”［15］；從760nm開始光譜反射值緩慢增加。其中，680nm附近的紅谷波段，馬鈴薯田反射率最低，其次是玉米田，稀疏草地反射率最高。在光譜采集的7月底8月初，馬鈴薯處于開花期，這時塊莖快速增長，光合作用需求旺盛，相應(yīng)的葉面積也達到高峰值，樣地內(nèi)植株也非常稠密。玉米植株處于拔節(jié)－大喇叭口期，莖葉生長旺盛。而小麥處于成熟收獲期，部分莖干葉已經(jīng)枯黃，莜麥處于抽穗灌漿期。4種農(nóng)業(yè)植被類型相比，玉米和馬鈴薯田在680nm和800nm～900nm波段表現(xiàn)出較為明顯的綠色植物反射光譜特征。800nm～900nm波段，玉米反射率最高，其次是馬鈴薯田；濃密草地、中等密度草地和稀疏草地相比較，濃密草地反射率最高，稀疏草地反射率最低。此時羊草處于開花期和成熟期之間，高度和蓋度都有逐漸增加的趨勢，并將于8月中下旬達到峰值。根據(jù)地面光譜測量結(jié)果，隨密度的增加，草地的反射光譜特征也更加明顯。

圖2 典型植被類型的反射光譜

2.2 波形特征及識別參數(shù)設(shè)計

波形特征是指植物葉冠的波譜形態(tài)特征，一般是指波譜反射峰、吸收峰和波形的變化，即波形陡坡斜率變化以及波譜反射峰、吸收峰特別是葉綠素吸收谷和水吸收谷的吸收深度等特征。本研究主要分析了紅邊效應(yīng)特征和葉綠素吸收而產(chǎn)生的波形特征。

紅邊定義為680nm～750nm波長范圍內(nèi)反射率光譜一階微分最大值所對應(yīng)的波長，又稱紅邊位置。其他衍生出來的紅邊特征參量還有紅邊斜率、紅邊面積等。其中，紅邊斜率是紅邊位置對應(yīng)的一階微分值；紅邊面積是680nm～750nm波長范圍內(nèi)的反射率光譜對波長的積分值。紅邊位置通常由一階導(dǎo)數(shù)最大值的光譜位置來確定，但是直接求導(dǎo)往往會放大噪聲。根據(jù)植被在680nm～800nm波長范圍非常近似于倒高斯函數(shù)［16］，通常采用倒高斯模型定量分析植被紅邊特性，模擬植被地物在680nm～780nm的反射率光譜，從而提取出“紅邊”的波長位置。具體處理為，首先利用最小二乘法進行倒高斯函數(shù)擬合，然后求導(dǎo)等方法確定紅邊特征參量。選擇680nm～780nm光譜范圍的反射率紅邊進行倒高斯模型模擬，計算得到不同植被類型的紅邊特征參量如表4所示。典型植被類型紅邊面積和紅邊斜率差別較大。其中玉米田的紅邊斜率最高達0.0078，玉米田的紅邊面積也最大。莜麥田紅邊斜率最低，只有0.0013。中密度草地和稀疏草地的紅邊斜率近似，草地隨著密度的增加，紅邊斜率和紅邊面積均逐漸增大葉綠素吸收特征主要用葉綠素最大吸收的深度來表示，是反映植物生長狀況的光譜指數(shù)。光譜吸收特征的量化往往建立在包絡(luò)線去除和歸一化的光譜曲線上。用于描述地物光譜吸收特征的常用指標包括：吸收位置（absorption position），在光譜吸收谷中，反射率最低處的波長；吸收深度（absorption depth），反射率最低點到歸一化包絡(luò)線的距離；吸收寬度（absorption width），最大吸收深度一半處的光譜帶寬；對稱性（absorption asymmetry），以過吸收位置的垂線為界線，右邊區(qū)域面積與左邊區(qū)域面積比值的以10為底的對數(shù)。本研究主要分析了680nm附近的葉綠素吸收谷。對7種植被類型的光譜曲線去除包絡(luò)線之后，計算吸收特征，結(jié)果如表5所示。吸收深度由植被葉片中的葉綠素含量和植被相對于土壤背景的覆蓋度共同決定。根據(jù)吸收特征分析結(jié)果，小麥田吸收谷深度最大，吸收谷寬度最大，具有最強烈的吸收特征，而莜麥田具有最弱的吸收特征，吸收谷寬度最小。處于成熟期的小麥已經(jīng)大部分枯黃，葉綠素含量較低，葉綠素吸收谷已經(jīng)不能正確的反映其冠層的葉綠素含量。3種不同密度的草地類型中，中等密度的草地具有最強的吸收特征，而高密度草地吸收特征最弱。與實地照片比對，可以看出不同樣地的羊草處于不同的生長階段。濃密草地接近成熟期，部分已經(jīng)枯黃，而中等密度草地生長旺盛，雖然蓋度小于濃密草地，但表現(xiàn)出顯著的葉綠素吸收特征。7種植被的對稱性均為負值，也就是吸收位置右邊面積均小于左邊面積。小麥田對稱性最強，莜麥田不對稱性最強。由此可見，除反映植被冠層的葉綠素含量之外，680nm處的葉綠素吸收谷特征綜合了成熟期植被的復(fù)雜影響。

表4 典型植被類型的紅邊效應(yīng)特征指標

表5 典型植被類型的吸收特征

根據(jù)植被的紅邊特征，可以構(gòu)建識別這幾種植被類型的參數(shù)歸一化植被指數(shù)

式中，R750為750nm處的光譜反射率，代表了紅邊右肩的反射特征，R670為670nm處的光譜反射率，代表了紅邊左端的反射特征。

基于地面測量光譜的吸收谷特征分析，對于處于生長期的幾種植被類型，可以根據(jù)光譜特征差異，如基于遙感影像提取680nm附近的吸收谷寬度和深度，實現(xiàn)有效區(qū)分。而植被進入成熟期或枯黃期之后，就難以利用葉綠素吸收特征進行分類識別。

2.3 植被指數(shù)特征分析

植被指數(shù)特征既是葉冠波譜特征的定量化表示，又能將冠層的波譜特征放大。本研究選擇了4種常用的植被指數(shù)，分析植被波譜特征。4種類型的植被指數(shù)分別為模擬MODIS數(shù)據(jù)的寬波段歸一化植被指數(shù) NDVI，綠度歸一化植被指數(shù)（Greenness Normalized Difference Vegetation Index，GNDVI），光化學(xué)反射指數(shù)（Photochemical Reflection Index，PRI）和優(yōu)化土壤調(diào)節(jié)植被指數(shù)（Optimization of Soil－Adjusted Vegetation Index，OSAVI）。計算公式如下：

式中，R550，R570，R531，R800分別為550nm，570nm，531nm和800nm處的光譜反射率。NDVI依據(jù)MODIS搭載傳感器的波段設(shè)置，Rnir為841nm～876nm波段的反射率積分，Rred為620nm～ 670nm波段的反射率積分。它基于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，可用于估算植被覆蓋度、葉綠素含量、生物量等參數(shù)。其優(yōu)勢在于可以部分消除太陽高度角、傳感器觀測角和大氣等的影響［17］，但對土壤背景較為敏感。對NDVI修正后，Gitelson等提出了不易飽和而且對葉綠素濃度變化更加敏感的GNDVI，由750nm和550nm處的反射率計算得到［18］。PRI能夠探測植物葉片的葉黃素循環(huán)，并和其光能利用率密切相關(guān)［19］。OSAVI通過引入經(jīng)驗的土壤調(diào)節(jié)參數(shù)，盡量消除土壤背景變化對植被指數(shù)的影響［20］。

計算7種植被類型的植被指數(shù)，結(jié)果如表6所示。NDVI、GNDVI、OSAVI均能表現(xiàn)出不同密度的草地類型隨著覆蓋度的增加，而植被指數(shù)逐漸增大的趨勢，是進行草地覆蓋及退化監(jiān)測較優(yōu)的指標。NDVI和GNDVI的變化趨勢對于各種植被類型均一致，小麥田、莜麥田、玉米田、馬鈴薯田植被指數(shù)值依次增加。在植被指數(shù)值最高的馬鈴薯田，NDVI也未出現(xiàn)飽和的現(xiàn)象。經(jīng)過土壤背景調(diào)節(jié)后，玉米田OSAVI值大于馬鈴薯田。小麥田PRI最高，而玉米田最低。

表6 典型植被類型的指數(shù)特征

3 結(jié)束語

選取錫林郭勒盟典型植被類型作為研究對象，進行實地光譜測量和光譜特征分析，得到以下結(jié)論。

處于生長季的典型植被類型反射光譜曲線保有綠色植物的反射光譜響應(yīng)特征。其中，680nm左右的紅谷，馬鈴薯田反射率最低，稀疏草地反射率最高。800nm～900nm波段，玉米反射率最高，稀疏草地反射率最低；濃密草地、中等密度草地和稀疏草地相比較，濃密草地反射率最高。

典型植被類型紅邊面積和紅邊斜率差異較大。其中玉米田的紅邊斜率最大，而小麥田紅邊斜率最小。草地隨著密度的增加，紅邊面積逐漸增大。680nm左右的葉綠素吸收谷，3種不同密度的草地類型中，中等密度的草地具有最強的吸收特征，而部分已枯黃的高密度草地吸收特征最弱。小麥田吸收谷深度最大，而莜麥田具有最弱的吸收特征?；诩t邊特征構(gòu)建參數(shù)，可用于植被類型區(qū)分。

除PRI外，NDVI、GNDVI、OSAVI均能表現(xiàn)出不同草地類型隨著覆蓋度的增加，而植被指數(shù)逐漸增大的趨勢。隨植被類型變化，NDVI和GNDVI變化趨勢完全一致。經(jīng)土壤背景調(diào)節(jié)后，玉米田OSAVI值大于馬鈴薯田。小麥田PRI最高，而玉米田最低。

本研究基于地面光譜測量和分析，為基于高光譜遙感數(shù)據(jù)的草地分類及動態(tài)監(jiān)測提供了參考依據(jù)。但內(nèi)蒙古草原面積廣闊，群落類型和結(jié)構(gòu)多樣，研究分析的植被類型較為單一。另一方面，野外測量的冠層波譜與高光譜影像的像元尺度的植被波譜存在差距。因此，更為豐富的地面光譜數(shù)據(jù)的采集，以及結(jié)合遙感圖像的深入分析，對于遙感影像應(yīng)用于草地監(jiān)測具有重要意義。

參考文獻：

［1］ 周廣勝，王玉輝.全球生態(tài)學(xué)［M］.北京：氣象出版社，2003.

［2］ TONG C，WU J，YONG S，et al.A landscape－scale assessment of steppe degradation in the Xilin River Basin，Inner Mongolia，China［J］.Journal of Arid Environments，2004，59（1）：133－149.

［3］ JIANG G，HAN X，WU J.Restoration and management of the Inner Mongolia Grassland requires a sustainable strategy［J］.Ambio，2006，35（5）：269－270.

［4］ MUTANGA O，SKIDMORE A K，PRINS H H T.Predicting in situ pasture quality in the Kruger National Park，South Africa using continuum removed absorption features［J］.Remote Sensing of Environment，2004，89（3）：393－408.

［5］ 王錦地，李小文，張立新，等.我國典型地物標準波譜數(shù)據(jù)庫建設(shè)［J］.遙感學(xué)報，2003，7（z）：13－16.

［6］ 娜日蘇，蘇和，格根圖，等.內(nèi)蒙古退化草甸草原近地面光譜特征的研究［J］.中國草地學(xué)報，2010，32（2）：66－70.

［7］ YAMANO H，CHEN J，TAMURA M.Hyperspectral identification of grassland vegetation in Xilinhot，Inner Mongolia，China［J］.International Journal of Remote Sensing，2003，24（15）：3171－3178.

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

［9］ TUCKER C J，DREGNE H E，NEWCOMB W W.Expansion and contraction of the Sahara desert from 1980to 1990［J］.Science，1991，253：299－301.

［10］ HUANG S，SIEGERT F.Land cover classification optimized to detect areas at risk of desertification in North China based on SPOT VEGETATION imagery［J］.Journal of Arid Environments，2006，67（2）：308－327.

［11］ TUCKER C J.Asymptotic nature of grass canopy spectral reflectance［J］.Applied Optics，1977，16（5）：1151－1156.

［12］ SELLERS P J.Canopy reflectance，photosynthesis and transpiration［J］.International Journal of Remote Sensing，1985，6（8）：1335－1372.

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

［14］ LI M，QU J J，HAO X.Investigating phenological changes using MODIS vegetation indices in deciduous broadleaf forest over continental U.S.during 2000－2008［J］.Ecological Informatics，2010，5（5）：410－417.

［15］ 童慶禧，張兵，鄭蘭芬.高光譜遙感－原理、技術(shù)與應(yīng)用［M］.北京：高等教育出版社，2006.

［16］ MILLER J R，HARE E，WU J.Quantitative characterization of the vegetation red edge reflectance 1.An invertedgaussian reflectance model［J］.International Journal of Remote Sensing，1990，11（10）：1755－1773.

［17］ HUETE A，DIDAN K，MIURA T，et al.Overview of the radiometric and biophysical performance of the MODIS vegetation indices［J］.Remote Sensing of Environment，2002，83（1／2）：195－213.

［18］ GITELSON A，MERZLYAK M N.Spectral reflectance changes associate with autumn senescence of aesculus hippocastanum L.and acer platanoides L.leaves.Spectral features and relation to chlorophyll estimation［J］.Journal of Plant Physiology，1994，143（3）：286－292.

［19］ PENUELAS J，F(xiàn)ILELLA I，GAMON J A.Assessment of photosynthetic radiation－use efficiency with spectral reflectance［J］.New Phytologist，1995，131（3）：291－296.

［20］ RONDEAUX G，STEVEN M，BARET F.Optimization of soil－adjusted vegetation indices［J］.Remote Sensing of Environment，1996，55（2）：95－107.

Spectral Feature of Representative Vegetations in Xilingol

LU Lin－lin1，LI Qing－ting1，ZHANG Xi1，2，LIU Ling－ling1，SUI Yue1
（1.Key Laboratory of Digital Earth Science，Institute of Remote Sensing and Digital Earth，Chinese Academy of Sciences，Beijing100094；2.College of Geomatics，Shandong University of Science and Technology，Qingdao 266590）

Inner Mongolia grassland is an important region for global change study.Remote sensing is an effective tool for large－scale grassland monitoring.To assist the classification and dynamic monitoring of grassland，reflectance spectra were measured and the spectral features were analyzed for representative vegetations in Xilingol.The results showed that red edge slopes，red edge areas and the absorption features of chlorophyll near 680nm differ a lot and can be used for classification of vegetation types.NDVI，GNDVI and OSAVI show the same changing trend for different vegetation types，which reflect the greenness of different vegetations and are appropriate for monitoring the growth condition.

remote sensing；spectral feature；vegetation index；red edge；grassland

10.3969／j.issn.1000－3177.2015.04.010

TP751

A

1000－3177（2015）140－0055－06

2013―01―11

2014―11―14

國家自然科學(xué)基金資助項目（41471369）。

鹿琳琳（1984—），女，副研究員，主要從事生態(tài)遙感與環(huán)境變化研究。

E－mail：lull＠radi.ac.cn