王浩,李文龙*,杜国祯,朱晓丽
(1.兰州大学草地农业科技学院 草地农业生态系统国家重点实验室,甘肃 兰州730020;2.兰州大学干旱与草地生态教育部重点实验室,甘肃 兰州730000)
*植被是陆地生态系统的主要组分,是生态系统变化的指示器。在世界陆地面积中,林地约占30%,草地占25%,耕地占12%左右。这些绿色植物,对保护生态环境和生态的良性循环,发挥着巨大的作用。我国是世界上第二草地大国,草地面积占世界草地面积的12.4%,总面积为4亿hm2,其中北方3.13亿hm2。我国草地面积占国土面积的41%,为耕地面积的2倍,对我国边疆民族的繁荣昌盛、生态环境的保护和畜牧饲养业的发展,都发挥着重要的作用[1]。
植被覆盖度是反映植被基本情况的客观指标,在许多研究中常将其作为基本的参数或因子。植被覆盖度极其精确测算研究主要具有以下意义:1)作为科学研究必要的基础数据,为生态、水保、土壤、水利、植物等领域的定量研究提供基础数据,确保相关研究成果、模型理论更加科学可信;2)作为生态系统变化的重要标志,为区域或全球性地表覆盖变化、景观分析等前沿问题的研究提供指示作用,促进自然环境研究不断深入发展。
根据监测手段,测量植被覆盖度的方法可分为地面测量和遥感测量2种方法[2]。地面测量法又可分为目估法、采样法、仪器法和模型法;遥感测量又分为回归模型法、植被指数法和像元分解法[3]。其中遥感测量方法的出现,使得大面积,大区域植被指数提取及监测成为可能,因此正逐渐成为近来研究的热点,得到了广泛的应用[4-6]。
首先描述植被覆盖度地面测量方法的是Muller和Pleters[7]。Dymond等[8]使用栅格点采样法测量了草地的植被覆盖度;Elvidge和Chen[9]使用相片随机取点法测量了灌木与林木的植被覆盖度;Purevdor等[10]使用截点法测量植被覆盖度。仪器法中Zhou和Robson[11]利用数码相机获得植被覆盖的数码照片,并通过光谱纹理分类器自动监测草地植被覆盖度。Cosh和Brutsaert[12]使用农业数码相机对美国干旱生态系统植被覆盖度进行了长期监测,获得了准确有效的结果。遥感测量方面Graetz等[13]基于MSS5波段,用线性回归的方法估计了澳大利亚南部半干旱地区不同区域的植被覆盖度,简单线性回归方程的2个参数因区域的不同而有所不同;Shoshany和Lavee[14]在密西西比河与干旱生态系统之间的气候突变区域,运用TM遥感前4个波段的直接光谱信息,建立了估算植被覆盖度的多元线性模型,模型相关系数达到了0.88,并认为这种模型适合存在很大气候梯度的区域。Dymond等[15]在新西兰地区用SPOT影像建立了植被覆盖度与NDVI的非线性模型,并利用该模型估计了新西兰地区的植被覆盖度。
我国有关植被覆盖的研究也取得了长足的发展,估算法简单易行,我国过去许多历史资料中的植被覆盖度均是用该方法获得的。但目测估算法主观随意性大,精度与测量者的经验密切相关。章文波等[16]对目测估算的精度研究结果表明,个人目测估算植被覆盖度的最大绝对误差可达40%。随着遥感技术的发展,空间测量越来越多的应用于植被覆盖度的研究之中。我国的线形回归模型法估算植被覆盖度大都是基于植被指数进行的。池宏康[17]通过分析沙地反射机理,建立了鄂尔多斯高原地区沙地油蒿(Artemisiaordosica)群落盖度与修正后的土壤调节植被指数(MSAVI)之间的线性关系模型。查勇[18]在环青海湖地区研究时,首先以地面遥感的反演结果为基础,对TM 影像进行校准,即:IX=(MX-Mmin)(Imax-Imin)/(Mmax-Mmin)+Imin,式中,I为影像值;M为实测光谱值。然后建立了草地实测植被覆盖与校准的NDVI之间的相互关系,实现了从地面遥感到空中遥感的转变,取得了良好的效果。杨胜天等[19]则用SPOT5和QuickBird遥感图像对“北京一号”提取的植被覆盖度进行了修正,精度比只应用植被指数转换的模型提高了22.7%。陈晋等[20]则在Gutman和Ignatov[21]研究的基础上,基于土地覆盖分类选择合适的亚像元结构在北京市海淀区进行了植被覆盖度的估算,相对Gutman和Ignatov[21]单纯使用等密度亚像元模型,估算精度提高了5.8%。
研究区甘南藏族自治州是全国十个藏族自治州之一,地处青藏高原东北边缘,南与四川阿坝州相连,西南与青海黄南州、果洛州接壤,东面和北部与本省陇南、定西、临夏毗邻,地理坐标位于33°06′~36°10′N,100°46′~104°44′E。全州总面积4.5万km2,处于青藏高原和黄土高原过渡地带,地势西北部高,东南部低。境内海拔1 100~4 900m,大部分地区在3 000m以上。全州分3个自然类型区,南部为岷迭山区,群峦叠嶂,山大沟深,气候比较温和,是全省重要林区之一;东部为丘陵山地,高寒阴湿,农林牧兼营;西北部为广阔的草甸草原,是全省主要牧区。甘南州草地类型主要有暖性草丛、温性草甸草原、温性草原、高寒草甸、高寒灌丛草甸、低平地草甸类和沼泽。州府合作市海拔2 960m,平均气温1.7℃,没有绝对无霜期。自治州成立于1953年,辖夏河、玛曲、碌曲、卓尼、迭部、临潭、舟曲七县和合作市,99个乡(镇、街道办)。州内有藏、汉、回、土、蒙等24个民族,总人口68.01万,其中藏族36.7万,占总人口的54.0%;农牧业人口55.0万,占总人口的80.9%[22,23]。
遥感数据使用 NASA/MODIS(national aeronautics and space administration/moderate resolution imaging spectroradiometer,美国宇航局/中分辨率影像辐射度计)2002,2004,2006,2008年6月25日—8月28日的8d合成地表反射率数据产品(MOD09A1),分辨率为500m×500m,空间位置在全球正弦曲线投影SIN(sinusoidal projection)系统中的轨道编号为h26v05,该数据可以从NASA对地观测系统数据共享平台下载。另有甘南州行政边界图(图1),甘南州土地利用图和土壤类型图,土地利用图和土壤类型图由兰州大学草地农业科技学院草地遥感实验室提供。
由于下载的MODIS数据影像中存在云覆盖部分,会对估算结果产生影响,所以需要消除云区域对图像的影响。利用ArcGIS 9.2软件,在计算植被指数之前采用多景影像融合算法(最大像元法)将每月数据进行合成,以其他影像中的无云区域替代估算影像中的云及云影区域,以提高估算精度并且得到该月最大植被指数合成图像。最后将每月合成影像继续用最大像元法进行合成,得到每年最大NDVI指数图像进行盖度分析。
1.3.1 植被覆盖度遥感监测模型 植被指数的建立是基于植被在红光和近红外波段反差较大的光谱特征。植被在红光波段,随着植被的生长,其反射的红光能量降低。另一方面,植被对近红外波段的辐射吸收较少,反射的近红外波段的能量随着植被的生长而增加。由于经植被冠层反射到达卫星传感器的辐射量与太阳辐射、大气条件、植被冠层结构等因素有关,因此常采用2个或多个探测通道的卫星数据的组合来建立植被指数。在多种定义的植被指数中,归一化植被指数(NDVI)是应用最广泛的一种。它被定义为近红外波段与可见光红波段数值之差和这2个波段数值之和的比值。由MODIS的第1波段(红光波段)和第2波段(近红外波段)生成的NDVI的计算公式为:
式中,CH2为近红外波段的反射率,CH1为红光波段的反射率[24]。
比值形式的NDVI可以消除大部分与仪器定标、太阳角、地形、云阴影和大气条件有关的辐照度变化,增强了对植被的响应能力。因此,它是监测地区或全球植被和生态环境的有效指标,是植物生长状态以及植物生长空间分布密度的最佳指示因子,与植物分布密度呈线性相关[25]。
图1 甘南藏族自治州Fig.1 The location map of Gannan
1.3.2 估算植被覆盖度 利用像元二分模型估算植被覆盖度。像元二分模型对影像辐射订正的影响不敏感,且计算简便、结果可靠,因此得到了广泛应用。其基本原理是假定一个像元信息(S)只由植被和土壤两部分所贡献,分别记为SV和SS。NDVIsoil代表着纯土壤覆盖像元的最小值,它应该是不随时间改变的,对于大多数类型的裸地表面,理论上应该接近0。由于地表湿度、粗糙度、土壤类型、土壤颜色等条件的不同,NDVIsoil会随着时空而变化,为-0.1~0.2;NDVIveg代表着纯植被覆盖像元的最大值,理论上应该为1。由于植被类型的不同等因素,NDVIveg值也会随着时间和空间而改变。因此,在实际应用中,NDVIsoil和NDVIveg都是从MODIS影像计算得到的。设植被覆盖度为FC,纯植被覆盖信息为Sveg,纯土壤覆盖信息为Ssoil,则有SV=FC·Sveg和SS=(1-FC)·Ssoil,又因S=SV+SS,所以有:
把NDVI同像元二分模型相结合,得到基于NDVI的植被覆盖度像元二分模型:
式中,FC为所求的植被覆盖度,NDVI为像元的归一化植被指数。
1.3.3NDVIsoil与NDVIveg的取值 假设集合A中有2个像元a1与a2,它们的植被覆盖度已知分别为fc1与fc2,分别对这2个像元使用公式:
对此方程组中的NDVIsoil与NDVIveg求解得:
原则上像元a1和a2可以取集合中的任意像元,但从公式(7)可以看出,如果fc2-fc1的值越大,则计算所得的NDVIsoil与NDVIveg的误差越小。当fc1取0且fc2取1时,此时像元1为无植被像元,而像元2为完全植被覆盖像元,将fc1与fc2代入公式(7)与(8),得到NDVIsoil=NDVI1,NDVIveg=NDVI2,正好符合NDVIsoil与NDVIveg的定义。
由于对每个像元集合A而言都不可能找到无植被像元与完全植被覆盖的像元,因此在对集合A进行植被覆盖度的估算时,取NDVI1为集合中像元NDVI最小的值,NDVI2为集合中像元NDVI的最大值,由于NDVI与fc具有线性关系,此时它们所对应的fc1与fc2也应当是集合中像元植被覆盖度的最小值与最大值。用fcmin表示fc1,fcmax表示fc2。此时fcmin和fcmax也不一定分别为0和1。也就是说,取a1为集合A中具有NDVI最小值的像元,a2为集合A中具有NDVI最大值的像元。取NDVI1为NDVImin,NDVI2为NDVImax,fc1取fcmin,fc2取fcmax,代入公式(7)和(8),得到公式(9)和(10):
此时就需要确定fcmax、fcmin、NDVImax与NDVImin这4个参数,fcmax与fcmin即估计集合A中像元植被覆盖度可能的最大值与最小值。植被覆盖度的最大值和最小值与地区、时相、图像空间分辨率和植被类型等有关系。不同的地区,植被覆盖度的最大值会有所不同,而对于本研究而言,由于研究区为连片的草地,且时相均为夏季,因此该研究中的植被覆盖度最大值可以达到100%。研究区又存在水体和沙地,所以植被覆盖度的最小值可以近似取0。
当fcmax可以近似取得100%,且fcmin可以近似取得0时,将参数fcmax与fcmin代入公式(9)、(10)得:
此时,NDVIsoil就等于NDVImin,而NDVIveg就等于NDVImax。
由于遥感影像中存在噪声的影响,可以产生过高或过低的NDVI值,如果用这些值来计算植被覆盖度会得到错误的结果,为了避免发生这些错误,在对NDVImin与NDVImax取值时,并不直接取集合A中的NDVI最大值与最小值,而是取给定置信度的置信区间内的最大值与最小值。置信度的取值主要由图像大小,图像清晰度等情况来确定。置信度的选取要保证取到集合中NDVI的最大值和最小值,并且要保证集合中有足够的像元个数,以满足NDVI最大值的像元植被覆盖度可以达到100%,具有NDVI最小值的像元植被覆盖度可以达到0。因此对于那些像元个数不够多的集合,就需要将它们并入其他集合。
图2 植被覆盖度计算流程Fig.2 Flow chart of calculation of vegetation coverage
1.4.2 甘南植被覆盖度估算结果 通过利用二分像元模型法估算得到甘南州2002,2004,2006,2008年的植被覆盖度。根据甘南土地利用类型图及估算的植被覆盖度图,以及国家“土地利用现状调查技术规程”,全国“草场资源调查技术规程”,“全国沙漠类型划分原则”的条款为指导依据,并结合甘南植被特有的生态特征,将甘南植被覆盖度分级。
一级:植被覆盖度大于60%,高产草地,密灌木地,密林地,属于优等覆盖、高覆盖度植被。二级:植被覆盖度为30%~60%,为中高产草地,中高覆盖度。三级:植被覆盖度为15%~30%,中低产草地,沼泽类草地,中覆盖度。四级:5%~15%,相当于强度侵蚀区,轻度沙漠化土地、中产草地、低郁闭度林地,零星植被,差覆盖度。五级:植被覆盖度小于5%,相当强度、中度沙漠化土地、裸岩、居民地、水体、裸土,低产草地,属劣等覆盖。
由于甘南地区近年来一直在实行“退耕还林”政策,所以林地面积逐年增加,又因为本研究所取时间段为2002-2008年,所以2008年时,研究区域在研究时间段内林地面积已为最大值。因此,采用2008年土地利用类型图,将林地部分从统计结果中去除,以避免人为因素对植被覆盖度统计结果的影响。2008年土地利用类型图,由兰州大学草地农业科技学院草地遥感实验室依据2008年甘南TM遥感影像绘制而成。
甘南州2002,2004,2006,2008年以NDVI为依据的覆盖度分级图如图3所示。
在计算覆盖度之前,为保证计算结果的准确性,事先对甘南地区进行了监督分类,将甘南地区分为植被与非植被两部分。其中植被部分用来计算覆盖度,非植被部分则在计算完成后,按照分级标准一并归于覆盖度小于5%的第5等级之中。利用分类误差矩阵对监督分类的准确性进行了检验,分类误差矩阵可以说明选择区域中有多少个像元分别属于相应的类别。从分类误差总体的百分比来说,如果误差矩阵值小于85%,则分类模板的精度太低,需要重新建立。所以对甘南地区的监督分类,均是在保证其误差矩阵值大于85%的情况下进行的,因此分类结果较为准确。
为检验估算结果的精确性,利用2006和2008年实测数据与估算数据进行对比。实测数据采集于7月10日-7月25日,采集时利用1m×1m的样方,每个实测点采集重复3次。由于实测数据所选样方大小为1m×1 m,而MODIS影像数据像元大小为500m×500m,所以在选取实测数据样点时,利用甘南地区高程数据对样点所处位置进行筛选,当样点位于坡度小于10°地区时,可视为该地区地势较为平缓,与MODIS数据具有可比性,予以选用。实测数据由传统样方法获得,具有采样点的经纬度坐标,利用实测数据的经纬度坐标在ArcGIS软件下提取估算结果影像中的覆盖度信息并和实测数据进行比较,检验估算结果的精确性。精度检验结果见表1,2,其中样点编号为所选取样点在所有采样点中的顺序。
神话是文化的一部分,与文化生活的其余部分密切联系在一起;……在一个神话产生的当时,也许是根据一件历史事件、或凭空杜撰的事件,来说明当时的文化或代表当时的观念。文化社会改变以后,神话也跟着变;纵使事件的内容仍旧,其看法与事件之间的关系与叙述方式,则随时“跟着时代走”。[注]张光直:《中国创世神话的古史分析》,马昌仪编:《中国神话学文论选萃》下编,中国广播电视出版社,1994年,第44页。
图3 2002-2008年甘南植被覆盖度分级图(已去除林地)Fig.3 Vegetation coverage classification map of Gannan 2002-2008(Without forest)
2008年估算值平均为93%,实测值平均为90%,误差值平均为7%(表1),2006年估算值平均为94%,实测值平均为91%,误差值平均为9%(表2),说明利用遥感二分像元模型对甘南州植被覆盖度进行估算具有可行性。
通过估算甘南州2002,2004,2006和2008年的植被部分覆盖度并在ERDAS IMAGINE软件下对各植被部分覆盖度图进行属性统计,结果表明,2002年甘南州平均植被覆盖度为61.27%,2004年为63.32%,2006年为63.65%,2008年为62.25%。
通过统计并计算甘南2002,2004,2006和2008年的各级植被覆盖度并对2002与2008年,2006与2008年各级植被覆盖度面积和所占比例进行比较(表3)。
表1 2008年植被覆盖度估算值与实测值对照Table 1 The contrast between estimation value and ground truth value of vegetation cover in 2008
表2 2006年植被覆盖度估算值与实测值对照Table 2 The contrast between estimation value and ground truth value of vegetation cover in 2006
表3 2002,2004,2006,2008年各级植被覆盖度面积及变化Table 3 Area and vegetation changes of different levels in 2002-2008
研究结果显示,从长时间尺度上看,自2002-2008年,甘南面积变化最大的为五级植被,转出372 753.63 hm2,转入458 652.69hm2,面积增加85 899.06hm2。面积变化最小的为一级植被,转出626 071.59hm2,转入630 749.52hm2,面积增加4 677.93hm2。转化率最大的植被等级为五级,有15.02%的植被发生了改变。转化率最小的为一级植被,有0.38%的植被发生了改变。
从每2年为一周期的均匀时间尺度上看,2002-2004年,面积变化最大的为五级植被,增加了133 051.5 hm2;面积变化最小的为一级植被,增加了16 861.86hm2。转化率最大的为二级植被,达24.12%;转化率最小的为一级植被,转化了1.36%。2004-2006年,面积变化最大的为五级植被,减少了43 532.73hm2;面积变化最小的为三级植被,增加了10 102.41hm2。转化率最大的为四级植被,达11.57%;转化率最小的为一级植被,转化了1.71%。2006-2008年,面积变化最大的为四级植被,减少了40 850.55hm2;面积变化最小的为五级植被,减少了3 619.71hm2。转化率最大的为四级植被,达15.61%;转化率最小的为五级植被,转化了0.55%。
在ArcMap 9.2空间分析模块下对甘南2002,2004,2006,2008年植被覆盖度每2年为1期进行运算,得到2002-2008年各植被覆盖度等级面积的转移矩阵。转移矩阵可以定量地描述各覆盖度等级之间的相互演变情况。各年度各覆盖度等级间的转移矩阵见表4~7。
表4 2002-2008年各植被覆盖度等级转移矩阵Table 4 The vegetation coverage level transfer matrix,2002-2008
从2002-2008年,甘南一级植被转出面积为626 071.59hm2,其中189 259.74hm2由一级植被演变为二级植被,占总转出面积的30.23%,255 696.48hm2由一级植被演变为五级植被,占总转出面积的40.84%;一级植被转入面积为630 749.50hm2,一级植被总体转出面积略小于转入面积,但转出面积中向低等级覆盖演变比例较大;二级植被覆盖转出面积为420 860.88hm2,其中224 749.53hm2由二级植被演变为一级植被,占总转出面积的54.4%,转入面积348 439.8hm2,主要转入面积189 259.74hm2,占转入面积的54.32%,主要为一级植被转入。说明二级植被主要与一级植被发生转换,但转出大于转入;三级植被转出255 630.15hm2,其中主要转出面积113 286.42hm2,占转出面积的44.32%,主要转出为一级植被;三级植被转入面积216 017.28hm2,其中主要转入面积97 696.71hm2,占转入面积的45.23%,主要由一级植被转入。四级植被转出178 358.94hm2,主要转出79 162.02hm2,占转出面积的44.38%,主要由四级植被转为一级植被。转入面积为199 815.93hm2,其中主要转入83 418.66hm2,占转入面积的41.75%,主要由一级转入。五级植被转出372 753.63hm2,主要转出面积213 551.55hm2,占转出面积的57.29%,主要转出为一级植被,五级植被转入面积为458 652.69hm2,主要转入255 696.48hm2,占转入面积的55.75%,主要由一级植被转入。五级植被总体转入大于转出,以转入为主。
表5 2002—2004年各植被覆盖度等级转移矩阵Table 5 The vegetation coverage level transfer matrix,2002-2004
表6 2004—2006年各植被覆盖度等级转移矩阵Table 6 The vegetation coverage level transfer matrix,2004-2006
从2006-2008年,甘南一级植被转出面积为609 411.78hm2,其中225 339.03hm2由一级植被覆盖转为五级植被覆盖,占转出面积的36.98%。一级植被转入面积618 680.16hm2,其中236 301.30hm2由五级转入,占转入面积的38.19%。从2006-2008年,甘南一级植被覆盖转入略大于转出。二级植被覆盖转出面积337 795.29hm2,其中主要转出185 160.78hm2,占转出面积的54.81%,主要从二级植被覆盖转为一级植被覆盖;二级植被覆盖转入面积363 689.28hm2,其中有194 029.02hm2由一级转入,占转入面积的53.35%。三级植被覆盖转出面积212 705.37hm2,其中主要转出93 993.93hm2,主要从三级植被覆盖转为一级植被覆盖,占转出面积的44.19%;三级植被覆盖转入面积222 013.26hm2,其中101 591.55hm2由一级转入,占转入面积的45.76%。从2006-2008年甘南三级植被覆盖以转入为主。四级植被覆盖转出232 693.47hm2,其中60 887.52 hm2转出为五级植被覆盖,占转出面积的26.17%;四级植被转入面积191 842.92hm2,其中88 452.18hm2由一级转入,占转入面积的46.11%。四级植被覆盖以转出为主。五级植被覆盖面积转出409 253.04hm2,其中236 301.30hm2转为一级植被覆盖,占转出面积的57.74%;五级植被覆盖转入405 633.33hm2,其中225 339.03 hm2由一级转入,占转入面积的55.55%;五级植被覆盖面积转出略大于转入。
表7 2006—2008年各植被覆盖度等级转移矩阵Table 7 The vegetation coverage level transfer matrix,2006-2008
本研究利用NDVIsoil和NDVIveg改进指数,对甘南2002,2004,2006,2008年的植被覆盖度进行了分析计算并进行了精度分析,得到了甘南2002-2008年植被覆盖度变化的空间动态演变过程和趋势,结果证明以此种方法对大面积高寒草地覆盖度变化进行研究是可行且准确的。
用NDVIsoil和NDVIveg改进指数估算得到的植被覆盖度精确性较高,但是由于实测样方面积较小,所以不能更好地证明结果的准确性。但足以证明NDVIsoil和NDVIveg改进指数为基础的估算方法,很好的消除了土壤、地表噪音、仪器定标、太阳角、地形、云阴影和大气条件等对结果的影响,增强了对植被的响应能力。
由面积变化及转移矩阵看出,除2006年甘南五级植被覆盖度面积较2004年大幅减少外,其余各年份甘南五级植被覆盖面积均为增加趋势,且为所有覆盖度等级中增长最快的。一级和三级植被面积变化较小,且一级植被转化率水平一直很低,说明中覆盖度植被长势稳定,高覆盖度植被虽变化较为平缓,但从转移矩阵中可以看出,每年都有大量一级植被转入低覆盖度等级植被。转化率最大的植被等级多数时维持在二级、四级或五级植被,除说明五级植被在大幅增加外,同时表明中高及中低覆盖度等级植被变化剧烈,从转移矩阵可以看出每年都有大量中高及中低覆盖度等级植被分别转向高覆盖度等级植被和低覆盖度等级植被。综合考虑以上结果,高覆盖度等级植被虽有转入,但总体质量持续下降,而低覆盖度等级植被区域(或裸地)则在大量持续增长,说明甘南州植被整体呈退化趋势。
综上,以上研究基于多年的甘南植被覆盖度的计算及空间分析,在今后的研究中,可以考虑更高空间分辨率影像的合成数据应用,进一步提高植被盖度的提取精度,该研究结果可以为甘南当地牧业可持续发展,草地生态环境保护及生态恢复等研究和相关管理决策提供有效的参考。
[1]任继周,侯扶江.草业科学的多维结构[J].草业学报,2010,19(3):1-5.
[2]陈云浩,李晓兵,史培军.北京海淀区植被覆盖的遥感动态研究[J].植物生态学报,2001,25(5):588-593.
[3]温庆可,张增祥,刘斌,等.草地覆盖度测算方法研究进展[J].草业科学,2009,26(12):30-36.
[4]Li W,Xu J,Xu D D.Study on changes in alpine wetland landscape and biodiversity over the eastern Tibetan plateau based on remote sensing technology[J].Image and Signal Processing(CISP),2010,8:3963-3966.
[5]徐丹丹,李文龙,王迅,等.垂直植被指数的计算和精度分析[J].兰州大学学报(自然科学版),2010,46(5):102-106.
[6]李文龙,薛中正,郭述茂,等.基于3S技术的玛曲县草地植被覆盖度变化及其驱动力[J].兰州大学学报(自然科学版),2010,46(1):85-90.
[7]Muller J F,Pleters C M.Quantitative abundances estimates from bidirectional reflectance measurements[J].Joural of Geophysical Research,1987,92(4):617-626.
[8]Dymond J R,Shepherd J D,Qi J.A simple physical model of vegetation reflectance for standardizing optical satellite imagery[J].Remote Sensing of Environment,2001,77(2):230-239.
[9]Elvidge C D,Chen Z.Comparison of broad-band and narrow-band red and near-infrared vegetation indices[J].Remote Sensing of Environment,1995,54(1):38-48.
[10]Purevdor J T S,Tateishi R,Ishiyama T.Relationships between percent vegetation cover and vegetation indices[J].International Journal of Remote Sensing,2001,22(17):3457-3470.
[11]Zhou Q,Robson M.Automated rangeland vegetation cover and density estimation using ground digital images and a spectral—contextual classifier[J].Remote Sensing,2001,22(17):3457-3470.
[12]Cosh M H,Brutsaert W.Microscale structural aspects of vegetation density variability[J].Journal of Hydrology,2003,276:128-136.
[13]Graetz R D,Pech R R,Davis A W.The assessment and monitoring of sparsely vegetated rangelands using calibrated Landsat data[J].International Journal of Remote Sensing,1988,9(7):1201-1222.
[14]Shoshany M,Lavee K P.Monitoring temporal vegetation coyer changes in mediterranean and arid ecosystems using a remote sensing technique:case study of the Judean mountain and the Judean desert[J].Journal of Arid Environments,1996,33(1):9-21.
[15]Dymond J R,Stephens P R,Newseme P F,etal.Percentage vegetation cover of a degrading rangeland from SPOT[J].International Journal of Remote Sensing,1992,13(11):1999-2007.
[16]章文波,符素华,刘宝元.目估法测量植被覆盖度的精度分析[J].北京师范大学学报:自然科学版,2001,37(3):402-408.
[17]池宏康.沙地油蒿群落覆盖度的遥感定量化研究[J].植物生态学报,2000,24(4):494-497.
[18]查勇.草地植被变化遥感监测方法研究——以环青海湖地区为例[D].南京:南京师范大学,2003.
[19]杨胜天,李茜,刘昌明,等.应用“北京一号”遥感数据计算官厅水库库滨带植被覆盖度[J].地理研究,2006,25(4):570-578.
[20]陈晋,陈云浩,何春阳.基于土地覆盖分类的植被覆盖率估算亚像元模型与应用[J].遥感学报,2001,5(6):416-422.
[21]Gutman G,Ignatov A.The derivation of the green vegetation fraction from NOAA/AVHRR data for use in numerical weather prediction models[J].International Journal of Remote Sensing,1998,19(8):1533-1543.
[22]梁天刚,崔霞,冯琦胜,等.2001-2008年甘南牧区草地地上生物量与载畜量遥感动态监测[J].草业学报,2009,18(6):12-22.
[23]王莺,夏文涛,梁天刚,等.基于MODIS植被指数的甘南草地净初级生产力时空变化研究[J].草业学报,2009,19(1):201-210.
[24]黄靖,夏智宏.基于MODIS遥感数据的武汉市植被覆盖变化监测分析[J].气象与环境科学,2009,32(2):16-20.
[25]赵英时.遥感应用分析原理与方法[M].北京:科学出版社,2004:374-375.