關(guān) 欣,安沙舟,荀其蕾,董乙強(qiáng),孔曉晶,楊 嬌

(新疆農(nóng)業(yè)大學(xué)草業(yè)與環(huán)境科學(xué)學(xué)院 新疆草地資源與生態(tài)重點(diǎn)實(shí)驗(yàn)室,新疆 烏魯木齊 830052)

草地資源對(duì)維持農(nóng)牧區(qū)生態(tài)環(huán)境、提高牧民生活水平以及發(fā)展民族特色文化具有重要意義[1]。巴音布魯克草原是中國(guó)第二大高山草原,同時(shí)是新疆最重要的畜牧業(yè)基地之一。在人類活動(dòng)和全球氣候變化的影響下,由于放牧超載嚴(yán)重,巴音布魯克草原退化面積達(dá)到30.48萬hm2,占草地總面積的19.61%,部分區(qū)域退化非常嚴(yán)重[2],導(dǎo)致草地生產(chǎn)力和總生物量的下降,制約了當(dāng)?shù)匦竽翗I(yè)的持續(xù)發(fā)展[3],草原的退化受到了人們廣泛的關(guān)注。植被覆蓋度(vegetation fractional cover,VFC)是直觀反映草地地上植被生長(zhǎng)狀況的重要指標(biāo),同時(shí)也是指示草地退化及環(huán)境變化的常用監(jiān)測(cè)評(píng)估指標(biāo)之一。植被覆蓋度數(shù)據(jù)獲取主要分為地面實(shí)測(cè)和遙感反演兩種方法。早期研究中通常使用傳統(tǒng)的目測(cè)法、儀器法和采樣法等地面實(shí)測(cè)方法獲得[4],但地面實(shí)測(cè)法具有主觀性較強(qiáng)、野外操作不規(guī)范以及無法大面積推廣等缺點(diǎn)。隨著遙感技術(shù)的不斷發(fā)展,植被覆蓋度可以利用遙感數(shù)據(jù)通過模型進(jìn)行估算得到,其中主要方法有像元二分法、經(jīng)驗(yàn)回歸模型法和混合像元分解法3種[5]。由于遙感反演成本低、效率高,可用于大尺度的監(jiān)測(cè)區(qū),能夠廣泛推廣等優(yōu)勢(shì),成為了獲取植被覆蓋度的主要手段。我國(guó)研究者基于遙感技術(shù)對(duì)植被覆蓋度估算，利用植被指數(shù)構(gòu)建反演模型進(jìn)行了研究,如凌成星等[6]通過Worldview-2衛(wèi)星的波段特征,選擇近紅外2波段與歸一化植被指數(shù)(NDVI)構(gòu)建植被覆蓋度估算模型,模型精度達(dá)到87.8%；游浩妍等[7]基于中分辨率成像光譜儀(MODIS)數(shù)據(jù)對(duì)研究區(qū)的植被覆蓋度利用像元二分模型估算,研究表明基于NDVI反演模型擬合效果最佳,估算精度達(dá)到87.13%；李藝夢(mèng)等[8]以基于Landsat 8波段計(jì)算得出的轉(zhuǎn)換型土壤調(diào)整指數(shù)(TSAVI)對(duì)額濟(jì)納荒漠綠洲植被覆蓋度進(jìn)行估算,結(jié)果表明基于TSAVI的像元二分模型法的監(jiān)測(cè)精度較高；宋清潔等[9]基于增強(qiáng)型植被指數(shù)(EVI)和NDVI對(duì)研究區(qū)建立了草地植被覆蓋度的反演模型,結(jié)果顯示EVI構(gòu)建的對(duì)數(shù)模型為最優(yōu)反演模型,模型精度達(dá)到88.00%；楊峰等[10]基于Landsat TM遙感數(shù)據(jù)與實(shí)測(cè)數(shù)據(jù),通過植被指數(shù)與植被覆蓋度的相關(guān)關(guān)系對(duì)天山北坡典型退化草地構(gòu)建監(jiān)測(cè)模型,研究結(jié)果表明MSAVI和GNDVI與植被覆蓋度的相關(guān)性較好,其模型精度超過90%；顧祝軍等[11]利用Landsat 7 ETM+影像,構(gòu)建植被覆蓋度與NDVI的多項(xiàng)式回歸模型,研究表明在1～4次多項(xiàng)式植被覆蓋度關(guān)系模型中,模型冪次越高,擬合程度越好。雖然目前利用遙感技術(shù)開展監(jiān)測(cè)、評(píng)估植被覆蓋度的研究越來越多,但針對(duì)高寒草原的草地類型植被覆蓋度反演研究較少,而不同草地類型適宜的植被指數(shù)又不盡相同。因此,本研究以巴音布魯克高寒草原為研究區(qū)，對(duì)其通過5種植被指數(shù)進(jìn)行草地植被覆蓋度的反演模型構(gòu)建,篩選最佳模型并檢驗(yàn)精度,為今后巴音布魯克高寒草原開展監(jiān)測(cè)工作和科學(xué)管理提供科學(xué)依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

1.2 數(shù)據(jù)獲取及預(yù)處理

野外研究區(qū)包括大尤爾都斯盆地和小尤爾都斯盆地,研究區(qū)實(shí)測(cè)數(shù)據(jù)的采取于2017年7下旬-8月初植被生長(zhǎng)的高峰期。結(jié)合遙感影像圖,選取35個(gè)樣地(圖1),每個(gè)樣地設(shè)置3個(gè)1 m×1 m的樣方,共設(shè)置105個(gè)樣方。用手持GPS記錄樣地經(jīng)緯度,用拍照與針刺法計(jì)算樣方的植被覆蓋度。其中隨機(jī)選取25個(gè)樣地的數(shù)據(jù)用于建立回歸模型,10個(gè)樣地的數(shù)據(jù)用于對(duì)建立的模型進(jìn)行精度驗(yàn)證。

實(shí)測(cè)植被覆蓋度根據(jù)對(duì)每個(gè)草地樣方進(jìn)行拍攝照片利用ENVI軟件提取其樣方的覆蓋度。由于拍攝角度會(huì)影響估算精度的誤差,所以拍攝時(shí)最大程度上將相機(jī)與地面處于平行的狀態(tài)在進(jìn)行拍攝。首先,利用ENVI中Ground Control Points Selection工具增加5個(gè)控制點(diǎn)對(duì)照片進(jìn)行幾何糾正。之后利用Basic Tools工具對(duì)已經(jīng)糾正照片的中心地帶進(jìn)行裁剪,去除邊緣存在變形可能的圖像,接著通過非監(jiān)督分類對(duì)植被和裸地進(jìn)行分類,最后通過Classification工具對(duì)樣方內(nèi)的植被和裸地覆蓋度進(jìn)行計(jì)算統(tǒng)計(jì)。

遙感數(shù)據(jù)選取美國(guó)國(guó)家航空航天局(National Aeronautics and Space Administration，NASA)的陸地衛(wèi)星Landsat 8 OLI傳感器2016年7月22日獲取的影像。利用ENVI 5.2對(duì)圖像進(jìn)行預(yù)處理,包括輻射定標(biāo)、大氣校正、幾何精校正以及圖像鑲嵌裁剪等。

圖1 研究區(qū)樣地空間分布圖Fig. 1 Spatial distribution of study area plots

1.3 研究方法

1.3.1經(jīng)驗(yàn)回歸模型法 植被指數(shù)的選擇:根據(jù)研究?jī)?nèi)容及研究區(qū)的特點(diǎn),本研究選擇5種植被指數(shù),依次為差值植被指數(shù)(difference vegetation index,DVI)、比值植被指數(shù)(ratio vegetation index,RVI)、歸一化植被指數(shù)(normalized difference vegetation index,NDVI)、土壤調(diào)整植被指數(shù)(soil adjusted vegetation index,SAVI)、修正土壤調(diào)整植被指數(shù)(modified soil adjusted vegetation index,MSAVI)。利用ENVI 5.2中的Band math工具根據(jù)計(jì)算公式對(duì)各個(gè)植被指數(shù)進(jìn)行波段組合計(jì)算,計(jì)算公式如表1所列。利用ArcGIS 10.2中Spatial Analyst工具提取樣地各植被指數(shù)值。

表1 植被指數(shù)計(jì)算公式Table 1 Vegetation index formulan

RNIR為近紅外波段；RRed為可見光紅光波段；L為土壤調(diào)節(jié)系數(shù),L=0.5。

RNIRis near infrared band; RRedis visible light red band; L is soil regulation coefficient, L=0.5.

相關(guān)分析及模型類型的選擇:將計(jì)算出的植被覆蓋度實(shí)測(cè)值與提取的各植被指數(shù)的計(jì)算值進(jìn)行相關(guān)性分析,通過相關(guān)性的差異顯著性選擇適宜植被指數(shù)構(gòu)建模型。本研究選擇線性模型、對(duì)數(shù)模型、二次多項(xiàng)式模型、指數(shù)模型以及冪函數(shù)模型5個(gè)具有代表性及常用的回歸模型,利用SPSS統(tǒng)計(jì)軟件對(duì)其進(jìn)行植被覆蓋度與各植被指數(shù)間的模型構(gòu)建,再根據(jù)結(jié)果分析篩選最佳模型。

1.3.2像元二分法 像元二分模型假設(shè)影像中的像元只由植被和非植被兩個(gè)部分組成。李苗苗等[17]、王奎陽(yáng)[18]通過分析建模指出像元二分模型以NDVI為參數(shù)估算植被覆蓋度的精度較高。因此,本研究選擇NDVI作為參數(shù),其計(jì)算公式為

式中：FVC為植被覆蓋度；NDVlsoil為裸地土壤或非植被區(qū)域的NDVI值；NDVlveg為有植被完全覆蓋區(qū)域的NDVI值。

由于研究區(qū)環(huán)境等因素的影響,對(duì)于裸地像元,理論上NDVI值應(yīng)當(dāng)近似為0,但實(shí)際情況中NDVlsoil一般為-0.1～0.2。并且影像中會(huì)存在一定的噪聲或離群值,提取的NDVI極值并不一定是NDVImax與NDIVmin,所以,NDVImax與NDVImin的值不能直接選擇影像中NDVI的最大和最小值。通常根據(jù)統(tǒng)計(jì)學(xué)原理選擇合適的置信區(qū)間,在置信區(qū)間內(nèi)NDVI最大值與最小值，分別為NDVlveg與NDVIsoil,這在一定程度上能夠減弱遙感影像產(chǎn)生的噪聲影響[19]。本研究對(duì)NDVI提取值進(jìn)行統(tǒng)計(jì),將統(tǒng)計(jì)結(jié)果與研究區(qū)實(shí)測(cè)植被覆蓋的情況相結(jié)合,最終分別選取累積概率為5%和90%時(shí),NDVIsoil和NDVIveg的取值分別為0.019 606和0.956 471。

2 結(jié)果與分析

2.1 各植被指數(shù)與植被覆蓋度間的相關(guān)分析

對(duì)選擇的5種植被指數(shù)RVI、DVI、NDVI、SAVI、MSAVI及樣地實(shí)測(cè)植被覆蓋度進(jìn)行相關(guān)分析,結(jié)果表明,經(jīng)驗(yàn)回歸模型中MSAVI與植被覆蓋度相關(guān)性為-1.8，無相關(guān)關(guān)系,其余4種植被指數(shù)與植被覆蓋度均呈現(xiàn)顯著正相關(guān)(P<0.01)。其中NDVI與植被覆蓋度的相關(guān)性最高,達(dá)到0.805；SAVI次之,相關(guān)系數(shù)均為0.804；隨之為DVI,相關(guān)系數(shù)為0.744；RVI與植被覆蓋度的相關(guān)性最低,相關(guān)系數(shù)僅為0.673。像元二分法中NDVI與覆蓋度相關(guān)性為0.807,略高于經(jīng)驗(yàn)回歸模型法,但相差并不明顯。

2.2 植被覆蓋度與各植被指數(shù)間反演模型構(gòu)建

對(duì)植被覆蓋度與RVI、DVI、NDVI、SAVI、MSAVI進(jìn)行模型的構(gòu)建(表2)。由于MSAVI與植被覆蓋無顯著相關(guān)關(guān)系,所以在構(gòu)建模型時(shí)去除。4種植被指數(shù)中,除DVI對(duì)數(shù)模型的擬合效果(R2=0.490)相比其他模型較好以外,RVI(R2=0.695)、NDVI(R2=0.723)、SAVI(R2=0.713)均為二次多項(xiàng)式模型表現(xiàn)出較好的擬合效果；其中,NDVI和SAVI的擬合效果最好。

通過植被覆蓋度與各植被指數(shù)間的相關(guān)系數(shù)及反演模型的擬合R2可以看出,其中NDVI、SAVI兩種植被指數(shù)與植被覆蓋度的擬合效果較好,而RVI和DVI擬合效果較不理想。根據(jù)數(shù)據(jù)比較,本研究選擇NDVI、SAVI兩種植被指數(shù)構(gòu)建巴音布魯克草原高寒草地植被覆蓋度反演模型。其中,在NDVI、SAVI的模型類型中對(duì)數(shù)模型、二次多項(xiàng)式模型、冪函數(shù)模型的擬合效果優(yōu)于線性模型和指數(shù)模型。

表2 植被覆蓋度與各植被指數(shù)間的反演模型Table 2 Inversion model of vegetation coverage and vegetation indices

表3 反演模型精度檢驗(yàn)Table 3 Inversion model accuracy test

通過精度驗(yàn)證,經(jīng)驗(yàn)回歸模型法NDVI二次多項(xiàng)式回歸模型為最佳模型,擬合精度達(dá)到0.836 6(表3),表明在綠色植被生長(zhǎng)旺盛期,基于NDVI構(gòu)建的植被覆蓋度反演模型擬合精度能夠達(dá)到較高的效果,能夠較真實(shí)地反映地面的情況,其方法也較為簡(jiǎn)單,應(yīng)用廣泛。

3 討論

3.1 不同植被指數(shù)與植被覆蓋度間相關(guān)性差異

植被指數(shù)是利用遙感不同波段間的組合,能將相關(guān)的光譜信號(hào)有效地綜合起來,能夠增強(qiáng)各種植被信息,減少非植被信息,具有顯著的地域性和時(shí)效性,常受到植被本身、環(huán)境、大氣等條件的影響,能夠反映綠色植被的相對(duì)豐度和活性的輻射量值,與植被覆蓋度、綠色植被的葉面積指數(shù)(LAI)和被吸收的光合有效輻射(APAR)等指標(biāo)具有較好的相關(guān)性[20]。

本研究中NDVI和SAVI與植被覆蓋度的相關(guān)性要高于DVI和RVI,這可能是由于巴音布魯克草原氣候寒冷而潮濕,日照強(qiáng)烈,紫外線作用強(qiáng),空氣稀薄,土壤溫度高于空氣溫度,晝夜溫差極大,植被生長(zhǎng)期較短等狀況[21],使得RVI對(duì)高覆蓋度和低覆蓋度植被有不同的敏感程度,覆蓋度較高時(shí)敏感較高,但當(dāng)植被覆蓋度<50%時(shí),這種敏感性顯著降低[22],同時(shí)大氣效應(yīng)也同樣影響其指數(shù)對(duì)植被的靈敏度[20],因此需要對(duì)遙感數(shù)據(jù)預(yù)處理時(shí)進(jìn)行大氣校正,但仍然可能存在部分誤差。DVI雖然能對(duì)植被覆蓋度的變化有較好的反映能力,但土壤背景的變化對(duì)該指數(shù)有較大的影響[23],當(dāng)植被處于低覆蓋度時(shí),DVI隨生物量呈現(xiàn)增加趨勢(shì),但當(dāng)植被覆蓋度大于80%時(shí),其敏感性有明顯下降趨勢(shì)。雖然MSAVI能夠消除或減弱土壤背景的影響[24],同時(shí)對(duì)覆蓋度范圍無明確要求,但由于遙感數(shù)據(jù)受天氣狀況(如云層及云影等)的影響,雖對(duì)這些影響進(jìn)行了校正等處理但可能仍存在誤差,因此影響研究結(jié)果。NDVI雖受土壤背景的影響較大,且較適用于植被生長(zhǎng)中期或中度植被覆蓋度的區(qū)域,但由于研究區(qū)植被生長(zhǎng)期較短的特征使得該植被指數(shù)適用于研究區(qū)。SAVI增加了土壤調(diào)節(jié)系數(shù),提高了植被覆蓋度反演的精確性。因此，根據(jù)植被指數(shù)的特性選擇其進(jìn)行植被覆蓋度反演模型的構(gòu)建。

3.2 植被覆蓋度反演模型的選擇

本研究通過經(jīng)驗(yàn)回歸模型法和像元二分法對(duì)巴音布魯克高寒草地構(gòu)建植被覆蓋度反演模型,其中利用經(jīng)驗(yàn)回歸模型法NDVI、SAVI兩種植被指數(shù)與植被覆蓋度的相關(guān)性較強(qiáng),NDVI二次多項(xiàng)式回歸模型精度驗(yàn)證擬合效果達(dá)到0.836 6,能夠較好地反映研究區(qū)的植被覆蓋度,這與基于Landsat 8 OLI的荒漠化地區(qū)植被覆蓋度反演模型研究結(jié)果有相似之處[25],但研究中結(jié)果仍存在差異,這可能由于多方面原因引起,實(shí)測(cè)數(shù)據(jù)與遙感數(shù)據(jù)的時(shí)間匹配、植被覆蓋度計(jì)算過程中的誤差、儀器的選擇、研究區(qū)不同的地形條件和氣候條件、遙感影像預(yù)處理誤差等都有可能影響研究結(jié)果。利用像元二分法對(duì)研究區(qū)進(jìn)行植被覆蓋度反演擬合效果略低于經(jīng)驗(yàn)回歸模型法,可能與NDVI植被指數(shù)在較高覆蓋區(qū)容易飽和從而產(chǎn)生一定的誤差有關(guān),這與基于Landsat 8荒漠綠洲植被覆蓋度估算方法對(duì)比研究部分結(jié)果有相似之處[8],但由于研究區(qū)覆蓋度不相同以及選擇的植被指數(shù)不同因此最終的結(jié)果也略有差異。

本研究通過對(duì)經(jīng)驗(yàn)回歸模型法和像元二分法以及植被覆蓋度與各植被指數(shù)之間的相關(guān)關(guān)系和反演模型進(jìn)行對(duì)比分析發(fā)現(xiàn),各植被指數(shù)的適用條件存在差異性且經(jīng)驗(yàn)回歸模型法更適用于研究區(qū)的植被覆蓋度反演。其中NDVI在植被覆蓋度為50%～70%范圍內(nèi)誤差較小,而本次選擇樣地內(nèi)植被覆蓋度大部分在此范圍內(nèi)。其中NDVI的反演公式較多利用于植被覆蓋度的估算,能夠在影像提取中減少相應(yīng)誤差。因此NDVI模型較適宜對(duì)研究區(qū)構(gòu)建反演模型。對(duì)于5種回歸模型類型,二次多項(xiàng)式模型的擬合效果最好。一些研究表明,對(duì)植被覆蓋度和植被指數(shù)構(gòu)建模型時(shí)線性模型和二次多項(xiàng)式模型效果較好[10],這與本研究有相似之處也有相同之處。由于本研究只使用一年的實(shí)測(cè)數(shù)據(jù)，且對(duì)于像元二分法植被指數(shù)的選擇單一,只能對(duì)本年份高寒草原進(jìn)行植被覆蓋度的反演,并且Landsat局部影像受積雪或云層等天氣影像,對(duì)部分區(qū)域的反演存在一定的誤差,其中經(jīng)驗(yàn)?zāi)Ｐ头▽?duì)實(shí)測(cè)數(shù)據(jù)的依賴性較高,對(duì)于較大研究區(qū)域有一定的局限性,因此在未來幾年中將對(duì)研究區(qū)持續(xù)進(jìn)行相同實(shí)驗(yàn)并根據(jù)研究區(qū)情況對(duì)植被指數(shù)進(jìn)行多元化的選擇,以提高此研究的科學(xué)性及完整性。

4 結(jié)論

通過經(jīng)驗(yàn)回歸模型法與像元二分法構(gòu)建反演模型驗(yàn)證精度分析,本研究最終選擇NDVI二次多項(xiàng)式回歸模型y=-0.894x2+1.467x+0.099(R2=0.723)構(gòu)建巴音布魯克草原高寒草地植被覆蓋度反演模型,其模型精確度較高可用于反演巴音布魯克高寒草原生長(zhǎng)旺期時(shí)的植被覆蓋度。

參考文獻(xiàn)References:

[1] 徐柱.面向21世紀(jì)的中國(guó)草地資源.中國(guó)草地,1998(5)：1-8.

Xu Z.Go forward the 21st century’ Chinese grassland resources.China Grassland,1998(5)：1-8.(in Chinese)

[2] 呂聰,潘學(xué)平,馮朝陽(yáng),錢金平.巴音布魯克草原植被覆蓋度估算的光譜模型及其應(yīng)用.水土保持通報(bào),2016,36(4)：62-67.

Lyu C,Pan X P,Feng C Y,Qian J P.Spectral model of vegetation coverage estimation in Bayinbuluk grassland and its application.Journal of Soil and Water Conservation,2016,36(4)：62-67.(in Chinese)

[3] 張愛寧,安沙舟,張蕊思,夏小偉,卡斯達(dá)爾·努爾旦別克,董磊.不同退化梯度下大尤爾都斯高寒草原植物種群生態(tài)位特征.草業(yè)科學(xué),2017,34(2)：302-309.

Zhang A N,An S Z,Zhang R S,Xia X W,Kasidaer·Nuerdanbieke,Dong L.Study on niche characteristics of the plant community in the alpine grassland of Big Youerdusi under a degeneration gradient.Pratacultural Science,2017,34(2)：302-309.(in Chinese)

[4] 顧祝軍,曾志遠(yuǎn).遙感植被蓋度研究.水土保持研究,2005,12(2)：18-21.

Gu Z J,Zeng Z Y.Overview of researches on vegetation coverage in remote sensing.Journal of Soil and Water Conservation,2005,12(2)：18-21.(in Chinese)

[5] 溫慶可,張?jiān)鱿?劉斌,喬竹萍.草地覆蓋度測(cè)算方法研究進(jìn)展.草業(yè)科學(xué),2009,26(12)：30-36.

Wen Q K,Zhang Z X,Liu B,Qiao Z P.Research progress in grassland fractional coverage estimation methods.Pratacultural Science,2009,26(12)：30-36.(in Chinese)

[6] 凌成星,張懷清,鞠洪波,孫華.基于Worldview-2數(shù)據(jù)的東洞庭湖濕地區(qū)域植被覆蓋度估算研究.科學(xué)技術(shù)與工程,2012,12(29)：7515-7520.

Ling C X,Zhang H Q,Ju H B,Sun H.Research on vegetation fractional coverage estimation of East Dongting Lake wetland area based on Worldview-2 satellite data.Science Technology and Engineering,2012,12(29)：7515-7520.(in Chinese)

[7] 游浩妍,駱成鳳,劉正軍,于秀娟.基于MODIS植被指數(shù)估算青海湖流域植被覆蓋度研究.遙感信息,2012,27(5)：55-60,66.

You H Y,Luo C F,Liu Z J,Yu X J.Estimation vegetation coverage based on vegetation index of MODIS data in Qinghai Lake watershed.Remote Sensing Information,2012,27(5)：55-60,66.(in Chinese)

[8] 李藝夢(mèng),祁元,馬明國(guó).基于Landsat 8影像的額濟(jì)納荒漠綠洲植被覆蓋度估算方法對(duì)比研究.遙感技術(shù)與應(yīng)用,2016,31(3)：590-598.

Li Y M,Qi Y,Ma M G.The contrast research of estimating vegetation fraction coverage in the Ejina oasis based on Landsat 8 images.Remote Sensing Technology and Application,2016,31(3)：590-598.(in Chinese)

[9] 宋清潔,崔霞,張瑤瑤,孟寶平,高金龍,向宇軒.基于小型無人機(jī)與MODIS數(shù)據(jù)的草地植被覆蓋度研究：以甘南州為例.草業(yè)科學(xué),2017,34(1)：40-50.

Song Q J,Cui X,Zhang Y Y,Meng B P,Gao J L,Xiang Y X.Grassland fractional vegetation cover analysis using small UVAs and MODIS：A case study in Gannan prefecture.Pratacultural Science,2017,34(1)：40-50.(in Chinese)

[10] 楊峰,李建龍,錢育蓉,楊齊,金國(guó)平.天山北坡典型退化草地植被覆蓋度監(jiān)測(cè)模型構(gòu)建與評(píng)價(jià).自然資源學(xué)報(bào),2012,27(8)：1340-1348.

Yang F,Li J L,Qian Y R,Yang Q,Jin G P.Estimating vegetation coverage of typical degraded grassland in the northern Tianshan Mountains.Journal of Natural Resources,2012,27(8)：1340-1348.(in Chinese)

[11] 顧祝軍,曾志遠(yuǎn),史學(xué)正,鄭偉,張振龍,胡子付.基于ETM+圖像的植被覆蓋度遙感估算模型.生態(tài)環(huán)境,2008,17(2)：771-776.

Gu Z J,Zeng Z Y,Shi X Z,Zheng W,Zhang Z L,Hu Z F.A model calculating vegetation fractional coverage from ETM+ imagery.Ecological Environment,2008,17(2)：771-776.(in Chinese)

[12] Richardson A J,Wiegand C L.Distinguishing vegetation from soil background information.Photogrammetric Engineering and Remote Sensing,1978,43(12)：1541-1552.

[13] Jordan C F.Derivation of leaf area index from quality of light on the forest floor.Ecology,1969,50(4)：663-666.

[14] Rouse J W,Haas R H,Deering D W.Monitoring the vernal advancement and retrogradation(green wave effect)of natural vegetation.Progress Report RSC 1973-1,Remote Sensing Center,Texas A & M University,1973:75-76.

[15] Huete A R.A soil-adjusted vegetation index(SAVI).Remote Sensing of Environment,1988,25(3)：295-309.

[16] Qi J,Chehbouni A,Huete A R.A modified soil adjusted vegetation index.Remote Sensing of Environment,1994,48(2)：119-126.

[17] 李苗苗,吳炳方,顏長(zhǎng)珍,周為峰.密云水庫(kù)上游植被覆蓋度的遙感估算.資源科學(xué),2004,26(4)：153-159.

Li M M,Wu B F,Yan C Z,Zhou W F.Estimation of vegetation fraction in the upper basin of Miyun reservoir by remote sensing.Resource Science,2004,26(4)：153-159.(in Chinese)

[18] 王奎陽(yáng).由SPOT5提取植被覆蓋度技術(shù)研究.杭州：浙江大學(xué)碩士學(xué)位論文,2007.

Wang K Y.The picking vegetation fraction by SPOT5 DATA.Master Thesis.Hangzhou：Zhejiang University,2007.(in Chinese)

[19] 李鈺溦,賈坤,魏香琴,姚云軍,孫俊,牟麗秋.中國(guó)北方地區(qū)植被覆蓋度遙感估算及其變化分析.國(guó)土資源遙感,2015,27(2)：112-117.

Li Y W,Jia K,Wei X Q,Yao Y J,Sun J,Mou L Q.Fractional vegetation cover estimation in northern China and its change analysis.Remote Sensing of Land and Resources,2015,27(2)：112-117.(in Chinese)

[20] 田慶久,閔祥軍.植被指數(shù)研究進(jìn)展.地球科學(xué)進(jìn)展,1998,13(4)：10-16.

Tian Q J,Min X J.Advances in study on vegetation indices.Advances in Earth Science,1998,13(4)：10-16.(in Chinese)

[21] Purevdor J T,Stateishi R,Ishiyama T.Relationships between percent vegetation cover and vegetation indices.International Journal of Remote Sensing,1998,19(18)：3519-3535.

[22] Liu Z Y,Huang J F,Wu X H,Dong Y P.Comparison of vegetation indices and red-edge parameters for estimating grassland cover from canopy reflectance data. Journal of Integrative Plant Biology,2007,49(3)：299-306.

[23] 蔡薇.基于NDVI時(shí)間序列的菏澤市東明縣植被動(dòng)態(tài)變化研究.經(jīng)濟(jì)研究導(dǎo)刊,2009(18)：136-137.

Cai W.Study on the dynamic change of vegetation in Dongming County of Heze City based on NDVI time series.Economic Research Guide,2009(18)：136-137.(in Chinese)

[24] Kaufman Y,Tanre D.Atmospherically resistant vegetation index(ARVI)for EOS-MODIS.IEEE Trans Geosci Remote Sensing,1992,30：261-270.

[25] 馬中剛,孫華,王廣興,林輝,佘宇晨,鄒琪.基于Landsat 8 OLI的荒漠化地區(qū)植被覆蓋度反演模型研究.中南林業(yè)科技大學(xué)學(xué)報(bào),2016,36(9)：12-18,141.

Ma Z G,Sun H,Wang G X,Lin H,She Y C,Zou Q.Modeling percentage vegetation cover of a desert area using Landsat 8-OLI image.Journal of Central South University of Forestry and Technology,2016,36(9)：12-18,141.(in Chinese)