新疆典型荒漠草地的高光谱特征提取和分析研究

钱育蓉，于炯，贾振红，杨峰，帕力旦·吐尔逊

（1.新疆大学软件学院，新疆 乌鲁木齐830008；2.南京大学生命科学学院，江苏 南京210093；3.新疆大学信息科学与工程学院，新疆 乌鲁木齐830046；4.四川农业大学农学院，四川 成都611130）

高光谱遥感的发展是20世纪末的最后20年中人类在对地观测方面所取得的重大技术突破之一，与传统的常规遥感相比，高光谱仪可以把光谱分离成几十甚至数百个很窄的波段来接收信息，光谱范围从可见光到热红外的电磁辐射波谱，所有波段排列在一起能形成一条连续的、完整的光谱曲线［1］。由于其高分辨率等特性在对植被特征参数进行计算方面大大优于常规多光谱遥感，甚至能完成运用常规遥感方法所不能完成的某些植被特征的计算，如红边特征、绿峰特征和导数光谱等［2］，因此利用高光谱技术对地表植被无损伤探测的理论与技术得到了长足的发展，例如：提高遥感信息的信噪比（SNR）、改进遥感数据的分析方法、植被生物量的估测等，但目前目标植被多集中于玉米（Zeamays）、水稻（Oryzasativa）、茶叶等经济作物［3］，针对荒漠植被生化参数的遥感估测研究还不多见。

草地作为主要陆地生态系统之一，曾几度遭受农垦过牧和不良管理地摧残，在整个生物圈中处于压力的最底层。任继周［4］利用综合顺序分类法分析了1950－2000年和2001－2050年间的草原类型演替及碳汇动态后，指出我国潜在草地面积最大的是冻原和高山草地，主要分布在西藏、青海、新疆和四川，其次是冷荒漠草地类型，主要分布在新疆、内蒙古和甘肃，而且热荒漠草地大类几乎全部分布在新疆。由此可见，新疆草地具有面积广阔、类型丰富等特点，其荒漠草地类型极具典型性。另一方面，草地资源是重要的国土资源，也是有生命的可更新自然资源，具有极其重要的生态、经济和社会价值［5］。然而，由于自然社会等因素的长期作用，新疆草地生态严重失衡，干旱、风沙、盐碱等环境问题日趋严峻，环境质量逐渐恶化，草地生产力持续下降，畜牧业的可持续发展受到严重影响［6］。

新疆地处我国西北干旱半干旱区域，荒漠植被覆盖度较低，大面积土壤裸露，植被下垫面对野外植被的光谱特征均有不同程度的影响，消除大气、土壤背景、凋落物等低频光谱成分对植被光谱的影响，可以突出目标植被的光谱特征，有利于揭示荒漠植被的组织、结构，叶面积指数、蛋白质含量等［7］。本研究以新疆阜康地区的典型荒漠植被为对象，依据不同海拔划分了3个样区、23个样带，利用野外高光谱仪采集的典型荒漠植被野外高光谱数据，对荒漠植被的高光谱数据进行了特征参量法和植被指数法的分析，提取出典型植被的光谱内在特征，为基于高光谱的植被分类提供了理论依据，也为荒漠草地的监测及“三化”防治奠定了科学根据。

1 材料与方法

1.1 研究区概况

阜康市位于新疆维吾尔自治区中北部，天山东段北麓，准噶尔盆地南缘，地理坐标为北纬43°45′～45°30′、东经87°46′～88°44′。阜康东界吉木萨尔县，西与米泉市接壤，南至博格达峰与乌鲁木齐市相连，北部伸入准噶尔盆地与富蕴县毗邻，市域东西相距76 km，南北绵长198km，行政区总面积8 844.85km2，总人口16.94万人，是汉、回、维、哈等20多个民族的聚居地（图1）。

图1 研究区及采样样区示意图Fig.1 The overview of sampling zone within study area

研究区地势自东南向西北缓缓倾斜，海拔高程自5 445m至450m，地势起伏大，其地貌南部为天山支脉博格达山、中部为山前冲积平原、北部大部分为古尔班通古特沙漠，从山区过渡为平原再至沙漠（图1），构成典型的干旱半干旱的自然景观。冬季寒冷漫长，夏季炎热，春秋季节不明显，且春秋季气温变化剧烈，降水量分布不均，山区多，平原次之，沙漠最少。春夏多风，光照充足，热量丰富。年均气温在平原区为6.7℃，在山区为2.54℃。年均降水量205mm，南部山区年平均降水量530mm，中部平原区年平均降水量187.5 mm，北部沙漠边缘年平均降水量132mm，降水的年季变化和季节变化大，年均无霜期174d。

1.2 高光谱数据

本研究使用由美国分析光谱仪器公司（ASD）生产的便携式FieldSpec RFR野外光谱辐射仪采集野外植被高光谱数据，其光谱范围覆盖384.7～1 075.5nm，共512个波段，分辨率为1.3～1.5nm。野外光谱测量的时间分别为2010年5月和10月，光谱采集尽量在晴朗、干燥、微风、无云的天气下进行，同时为了减少不同太阳高度角对反射率影响，测定时间为北京时间12：00～13：00（太阳高度角为50°～55°）。光谱仪视场角（FOV）15°，测量中始终保持探头铅垂向下，距冠层顶垂直高度约1m，地面视场范围直径约为0.5m，测量条件：温度10～24℃（5月份）和3～13℃（10月份）。每个观测点记录27个采样光谱，即在某类植被的1个位置正上方测3次，旋转探头约120°后测3次，然后再旋转探头约120°测3次，取平均值作为1个重复的光谱反射率值，最后以3个重复的光谱反射率的平均值作为处理的光谱反射率值。在室外太阳光下测量植被光谱反射率时，反射率大小与太阳高度角有关，并且由于植被冠层不是绝对的漫反射体，而校正白板是标准漫反射体，测量时需要及时进行标准白板校正，即每测完1个处理，用标准白板校正1次（标准白板反射率为1，因此所得目标物光谱为无量纲的相对反射率）。

荒漠植被的研究主要集中于7种当地典型植被：生长在沙漠边缘和农牧交错带的琵琶柴（Reaumuriasoongorica）、柽柳（Tamarixchinensis）、矮梭梭（Haloxylonammodendron）、水柏枝（Myricariabracteata）和木地肤（Kochiaprostrata）（图2），以及生长在低山带和泉水溢出带上的芨芨草（Achnatherumsplendens）和锦鸡儿（Caraganabogdashanica）（图3）。研究仅测高度一般在0.2～1.4m的禾草和灌木层，并在生物量较大的月份（5－6月）测量了不同空间分布的典型荒漠植被的光谱值。2010年5月底获得研究区内不同空间分布下7种荒漠植被的高光谱有效数据216条，2010年10月获得其中荒漠植被的高光谱有效数据66条。

图2 5种荒漠植被的高光谱谱线Fig.2 The hyperspectral curve of five desert vegetation

2 基于高光谱的植被特征提取

2.1 获取光谱反射率

高光谱原始数据的校正由ASD光谱仪自带软件包自动完成，主要包括：原始数据辐射强度中暗电流去除，各光谱数据通道的增益校准，波长订正等。获取光谱反射率的基本原理是认为在极短的时间内测定的植被和校正白板的辐射强度之比即为两者的反射率之比，则植被的反射率为：

式中，n为通道数或波段数，此处为512，j为波段号，Rj为植被在j波段的反射率，是校正白板在j波段的反射率，不考虑二向反射时应是校正白板的半球反射率，Ij和则分别是植被和校正白板在j波段响应的辐射强度。

2.2 一阶导数光谱

导数光谱也被称为光谱的微分技术，它可以迅速地确定光谱弯曲点及最大最小反射率的波长位置，能部分消除背景、光照等因素的影响，这对于植被稀疏、混合光谱成分多的干旱半干旱地区来说，无疑是一种消除背景噪声、提取光谱特征的好方法［8］。相对于植被的光谱曲线，土壤的光谱曲线是接近线性的，其导数曲线值整体上很小，而植被由于光合色素产生的效应，其导数值在700～750nm附近为一尖峰，这一位置导数值较大，同时土壤光谱在这个范围内的一阶导数值接近于0。利用这一特点就可用来对混合光谱中的土壤信号进行压缩，因此从理论上讲，导数可以非常好地消除土壤背景信号。

另外，采用导数光谱技术可以消除光谱数据之间的系统误差、减弱大气辐射、散射和吸收对目标光谱的影响，以便提取可识别地物的光谱吸收峰参数（波长位置、深度、宽度和吸收光谱指数等）；光谱的一阶导数定义和计算可以参照钱育蓉等［9］归纳的高光谱特征变量的定义及描述，图4是对图2中梭梭和琵琶柴在不同盖度和土壤背景下所采集的土壤光谱一阶导数的平滑光谱。

结果（图4）表明，1）光谱曲线两端的噪声比较大，有效光谱波段大致范围为500～900nm；2）植被盖度间差异在红边幅值上有较明显显示，在琵琶柴和梭梭的红边位置（710～720nm）上，低盖度植被红边幅值较低，高盖度植被红边幅值较高。

图3 2种低山荒漠植被的高光谱谱线Fig.3 The hyperspectral curve of two low mountain desert vegetations

2.3 光谱平滑处理

实测的光谱数据包含3种误差：1）由于光谱仪是由3个不同波段范围的探头组成，它们之间会出现台阶；2）随机误差，导致反射率光谱曲线出现一些小抖动的现象；3）水气吸收带的杂乱跳动。这些误差不仅影响曲线的美观，更主要的是影响即将要提取的光谱特征值。因此，必须减少和限制这种随机噪声水平，对反射率曲线进行光滑处理消除光谱曲线的抖动、杂乱的水气吸收带以及“台阶”跳跃现象，使光谱曲线变得光滑、连续［10］。图5a为7种典型荒漠植被在10月份的地面实测光谱的一阶导数，可以看出一阶导数对噪声较敏感，红边幅值处出现的抖动造成了部分导数光谱呈现红边“双峰”的现象（如芨芨草）。鉴于光谱导数技术对光谱信噪比非常敏感，本研究采用基于光谱导数数据常用的Savitzky－Golay平滑处理方法，处理结果如图5b、5c和5d。

Savitzky－Golay平滑滤波因为可保留光谱的一些细微特征（如光谱吸收峰），因此在光谱学中应用非常广泛，它是对数据窗口（包含奇数个点，2m＋1）中的数据点进行n次多形式的拟合，应用最小二乘法法则，解方程组求得数据点的拟合方程，把经过拟合处理之后的窗口中间点的拟合值代替原始数据，窗口每次向前移动一个点直至信号点结束，从而实现平滑处理。本研究采用Matlab工具包进行了Savitzky－Golay平滑滤波处理，图5b、5c、5d是对实验信号图5a进行窗口参数分别为“5”、“7”、“9”的Savitzky－Golay平滑以后的结果。对比处理结果可以看出，该方法能有效的去除光谱中存在的噪声，并能保留光谱原有光谱特征，是地物实测光谱和高光谱图像预处理的一种有效手段。

图4 琵琶柴和梭梭的高光谱一阶导数平滑谱线Fig.4 The smoothed first derivative spectra of Reaumuriaand Haloxylon

图5 典型荒漠植被高光谱谱线经Savitzky－Golay光滑处理后的曲线Fig.5 The Savitzky－Golay smoothed hyperspectral curve of typical desert vegetation

3 典型荒漠植被光谱特征分析

3.1 光谱吸收特征提取

植被盖度、组成和形态等因素影响了植物的光谱特征，因此每种草地植被在绿光反射带、红光吸收带和“红边”高差等方面均存在差异。根据高光谱特征变量对各吸收峰及吸收谷的定义及描述［9］，编写程序求得荒漠草地7种典型植被在5月和10月的高光谱吸收特征：红边幅值、红边位置、红谷反射率、红谷位置、绿峰反射率和绿峰位置，结果如图6所示，图中7种典型植被类型1、2、3、4、5、6、7依次为木地肤、琵琶柴、柽柳、矮梭梭、水柏枝、芨芨草和锦鸡儿。

图6 7种典型荒漠植被不同季相下的高光谱特征变量Fig.6 The hyperspectral characteristics of seven typical desert vegetation under different seasons

由于低山草甸草地（锦鸡儿和芨芨草）和荒漠草地类型植被（木地肤、琵琶柴、柽柳、梭梭、水柏枝）在5月和10月份具有明显的季相差异，导致其不同季相的红边、红谷、绿峰参数差异较大（图6）。1）不同植被类型的光谱特征参数差异很大，但是在红边位置上都出现了10月份较5月份呈现出“红移”的规律（图6b），主要原因是：10月份已经进入植被的凋落枯萎时期，而5月份正是植被的返青生长期；2）在10月份，除琵琶柴和柽柳还可以找出绿峰位置，其余5种植被均无明显绿锋（图2、图3和图6f）。结合实地调查现场照片，10月份众多荒漠植被均为过冬准备，芨芨草呈现枯黄状态，锦鸡儿、木地肤和水柏枝等荒漠植被的地上部分或者凋落或者枯黄，绿色叶片大量减少，因此无明显绿峰；其对应绿峰反射率偏高，是由于植被稀疏、土壤裸露，植被光谱反射率受到下垫面反射光谱影响所致，因此该部分数值不具有可参考性；3）10月份的绿峰反射率和红谷反射率均高于5月份的，其原因主要是由于10月份的植被盖度较5月份低，而盐生木质灌木植被下垫面的光谱反射率较高（图2），使得植被盖度较低的野外植被光谱数据混合了土壤的光谱，导致光谱反射率数值偏高；4）以琵琶柴为例，虽然它的高光谱形态特征在5月和10月比较接近（图2），从特征参数上看，反射率特征也没有较大季相差异，但是不同季相的红边、绿峰和红谷特征具有显著差异（图6a、图6c、图6e），位置特征上的差异也较明显（图6b、图6d、图6f），因此利用荒漠植被的光谱特征参数可以对连续的高光谱谱线降维，并数量化其吸收峰、反射峰，使得利用高光谱数据进行草地资源的分类研究成为可能［2］；5）野外水柏枝的外观在不同的生长生活条件下呈现出不同颜色，使得光谱的蓝绿光谱段和红光谱段的光谱反射受到影响，致使其红谷位置和绿峰位置的参数误差较大，这将会导致其吸收特征参数的不稳定，也会增加基于高光谱的植被分类的难度。

总之，荒漠植被不同于普通的绿色植被，具有许多荒漠植被所特有的属性，如植被多枝少叶、叶片多呈针状或刺状、植被覆盖度低等的特点，不同的植被类型高光谱特征复杂，就是同一种植被类型在不同的季节也呈现出迥异的光谱特征。因此，利用7种植被的高光谱数据提取的个别特征参数误差较大，例如水柏枝的红边幅值和红谷位置误差较大，芨芨草的红谷反射率和绿峰反射率误差也较大。

3.2 光谱指数特征提取

在草地遥感领域，植被指数（vegetation index）作为一种遥感手段已广泛应用于植被覆盖度评价、产量估测以及自然灾害预测预报等方面。李建龙等［11］、黄敬峰等［12］于1992－1994年在新疆乌鲁木齐、阜康和阿勒泰试验区，利用试验区牧草产量资料和NOAA/AVHRR的光谱资料，进行了天然草地牧草产量与草地类型的光谱监测研究，结果显示天然草地牧草产量与光谱植被指数、遥感植被指数关系密切，可用光谱植被指数和遥感植被指数对天然草地牧草产量进行监测。同时还指出处于干旱区的新疆，由于降水量少植被盖度和牧草产量都低，用NDVI（the normalized difference vegetation index，归一化植被指数）和 RVI（ratio vegetation index，比值植被指数）建立的监测模型没有显著差异，一般情况下线性模型足以反映牧草产量的动态变化，自变量选用NDVI和RVI均可［11－14］。

植被的光谱指数是根据植被反射波段的特性计算出来的，对地表植被生长、覆盖状况、地表生物参数具有一定指示意义的各种数值，广泛应用于植被的时空动态监测以及一些生物参数的估算，容易获取且计算方便。可见光波段与近红外波段数值的不同形式组合，是植被指数的核心。遥感估算植被覆盖研究中最常用的植被指数为NDVI和RVI，它们对绿色植被变化灵敏，对土壤或者枯草不灵敏，能够较好地反映出草地的覆盖度、生物量和叶面积指数变化，与地上现存净初级生物量有较好的相关性。

NDVI被定义为近红外波段（NIR）与可见光红波段（R）数值之差和这2个波段数值之和的比值，即NDVI＝（TM4－TM3）/（TM4＋TM3），它是目前表征植被覆盖特征应用最广泛的指标，同时也被广泛地应用到初级生产力（NPP）、植被覆盖、生物量以及物候等研究领域；RVI被定义为近红外波段（NIR）与可见光红波段（R）数值的比值，即RVI＝NIR/R，它是绿色植物的灵敏指示参数，与叶面积指数、叶干生物量、叶绿素含量相关性高，可用于检测和估算植物生物量。其中NIR为760～900nm近红外波段的反射，相当于TM/ETM＋遥感影像的第4通道接受的地物光谱辐射能量，是植被高反射率波段，便于进行植被种类的识别；R为630～690nm红光波段的反射率，相当于TM/ETM＋遥感影像的第3通道接受的地物光谱辐射能量，该波段对植物覆盖度、植物生长状况敏感。

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

对比分析7种典型荒漠植被（木地肤、琵琶柴、柽柳、矮梭梭、水柏枝、芨芨草和锦鸡儿）在5月和10月份的植被指数，结果（图7）表明，1）不同月份下的植被指数数值不同。除了琵琶柴的植被指数季相间差异不明显，其余6种典型荒漠植被5月份的NDVI数值和RVI数值普遍高于10月份的。这种季相间的植被指数差异主要是由于5月份雪山融水和雨水充沛，是荒漠植被的生长季，而10月份气候干旱、雨量减少，大部分荒漠植被的地上部分枯黄凋落；2）不同草地类型上的NDVI和RVI数值规律变异较大。以5月份为例，NDVI指数呈现出柽柳＞锦鸡儿＞芨芨草＞水柏枝＞琵琶柴＞木地肤＞梭梭的规律，但是个别类型差异不显著，如水柏枝和芨芨草、木地肤和琵琶柴。草原化荒漠植被由于植被盖度低，土壤背景对植被的光谱反射影响较大，造成植被覆盖度相近的草地类型呈现出植被指数相似的现象；3）对比图7中NDVI和RVI可以发现：2组数据的规律非常相似，生物量大、覆盖度高的植被NDVI和RVI均较高，反之则较低，且5月份NDVI和RVI数值的相关系数高达0.925 3（n＝72），10月份的相关系数更高（R＝0.972 0，n＝22）。

4 结论与讨论

1）新疆典型荒漠植被的高光谱线经微分和平滑处理后，具有红边和绿峰等光谱吸收特征，但受下垫面土壤光谱噪声影响，秋季中个别植被不具有明显绿峰，红边特征也随着覆盖度的降低而减弱，其中10月份典型荒漠植被的红边位置较5月份呈现出“红移”的规律，NDVI和RVI指数也呈现出10月份低于5月份的现象。还有学者利用高光谱谱线中水分子特征吸收波段进行草地可燃物含水率的估算，并以此快速、便捷、动态的预测草原火险发生率［15］，这些研究都充分利用了高光谱谱线中特征波段上所包含的丰富的吸收特征。

2）7种典型荒漠植被在10月份已经进入凋落枯萎时期，地上部分大多凋落或枯黄，绿色叶片大量减少，反射率受到土壤光谱干扰而呈现数值偏高的现象，大多无明显绿峰；同时，虽然各种荒漠植被的高光谱谱线在不同季相中显示出相同的曲线形态特征，但是其红边、绿峰和红谷特征具有显著差异（图6）。因此利用荒漠植被的光谱特征参数可以对连续的高光谱谱线降维，并数量化其吸收峰、反射峰，使得利用高光谱数据进行草地资源的分类研究成为可能［2］，还可以识别植被混合群落中的草地退化指示植被［16］，为基于高光谱的天然草地退化遥感监测研究提供了科学依据。

3）虽然不同草地类型上的植被指数数值变异较大，但是NDVI和RVI具有较高的数据相关性。7种典型荒漠植被在不同季相的植被指数数值差异较大：NDVI为0.21～0.77，RVI为1.8～7.9（图7），但是荒漠植被由于具有植被盖度低，土壤背景对植被的光谱反射影响较大等共性，使得它们均呈现出植被指数相关的现象：春秋两季荒漠植被NDVI和RVI数值的相关系数分别为0.925 3（n＝72）和0.972 0（n＝22）。考虑到基于影像提取的诸多光谱指数均与草地生物量有较好的定量关系［17］，那么对荒漠草地的高光谱遥感图像进行特征提取不但可以及时、准确的掌握草地资源的变化状况，指导人们正确开发利用草地资源、保护草地生态环境，还可以成为定性、定量探测草地资源和发展精细草业的重要保证。

草地高光谱研究以其快速、便捷、准确等优势受到世界各国学者的普遍关注，在区域和全球尺度上已经广泛应用于草地植被生化参数的无损伤估算、牧草品质测定、含水率估测、退化草地指示草种识别等领域［1－3，15］。目前，在我国天然草地植被监管中，高光谱遥感技术的应用还不甚广泛。随着高光谱遥感技术的不断发展和成熟，各种高光谱遥感卫星影像［18，19］（例如：Hyperion、CHRIS/PROBA和 MODIS）和满足不同需要的应用软件的出现，高光谱遥感技术会更多地应用于草地植被测定和生态环境监测中［20］。

伴随着荒漠植被高光谱遥感应用的逐步深化，高光谱数据信息挖掘技术的逐步提高，高光谱遥感可以由实验研究阶段逐步转向实际应用阶段，并在防治草地退化、加快草地植被恢复与重建、监测草地演替动态、合理保护和利用草地资源中提供宝贵的信息，进一步实现对干旱半干旱地区植被的类别划分、大面积实时监测，并对荒漠草地的退化进行及时预警，也必将推动草地管理进入一个全新的阶段。

［1］ 杨可明，郭达志.植被高光谱特征分析及其病害信息提取研究［J］.地理与地理信息科学，2006，22（4）：31－34.

［2］ 钱育蓉，贾振红，于炯，等.BP－ANN在荒漠草地高光谱分类研究中的应用［J］.计算机工程与应用，2011，47（12）：225－228.

［3］ 赵杰文，王开亮，欧阳琴，等.高光谱技术分析茶树叶片中叶绿素含量及分布［J］.光谱学与光谱分析，2011，31（2）：512－515.

［4］ 任继周，梁天刚，林慧龙，等.草地对全球气候变化的响应及其碳汇潜势研究［J］.草业学报，2011，20（2）：1－22.

［5］ 刘兴元，龙瑞军，尚占环.草地生态系统服务功能及其价值评估方法研究［J］.草业学报，2011，20（1）：167－174.

［6］ 杨峰，钱育蓉，李建龙，等.天山北坡典型荒漠草地退化特征及其成因［J］.自然资源学报，2011，26（8）：1306－1314.

［7］ 范燕敏，武红旗，靳瑰丽.新疆草地类型高光谱特征分析［J］.草业科学，2006，23（6）：15－18.

［8］ 丁建丽，张飞，塔西甫拉提·特依拜.塔里木盆地南缘典型植被光谱特征分析［J］.干旱区资源与环境，2008，22（11）：160－166.

［9］ 钱育蓉，杨峰，李建龙，等.利用高光谱数据快速估算高羊茅牧草光合色素的研究［J］.草业学报，2009，18（4）：94－102.

［10］ 陈文霞，陈安升，蔡之华.基于高光谱吸收特征参数的分类研究［J］.计算机工程与应用，2008，44（28）：230－232.

［11］ 李建龙，黄敬峰，王秀珍.草地遥感［M］.北京：气象出版社，1997：146－151.

［12］ 黄敬峰，王秀珍，胡新博.新疆北部不同类型天然草地产草量遥感监测模型［J］.中国草地，1999，1：7－11.

［13］ 黄敬峰，桑长青，金杰.天山北坡天然草场光谱植被指数的基本特征［J］.遥感技术与应用，1994，9（1）：29－33.

［14］ 李建龙，蒋平.遥感技术在大面积天然草地估产和预报中的应用探讨［J］.武汉测绘科技大学学报，1998，23（2）：153－157.

［15］ 包玉龙，张继权，赵云升，等.基于高光谱的草地可燃物含水率估测方法［J］.红外，2011，32（7）：38－42.

［16］ 王焕炯，范闻捷，崔要奎，等.草地退化的高光谱遥感监测方法［J］.光谱学与光谱分析，2010，30（10）：2734－2738.

［17］ 陈鹏飞，王卷乐，廖秀英，等.基于环境减灾卫星遥感数据的呼伦贝尔草地地上生物量反演研究［J］.自然资源学报，2010，25（7）：1122－1131.

［18］ 李新辉，宋小宁，冷佩.利用CHRIS/PROBA数据定量反演草地LAI方法研究［J］.国土资源遥感，2011，3：61－66.

［19］ 陈健飞，林征，陈颖彪.基于高光谱线形混合光谱分解识别人工地物［J］.应用基础与工程科学学报，2009，17（2）：206－218.

［20］ 许冬梅，王堃.近红外光谱技术在天然草地植被管理中的应用［J］.光谱学与光谱分析，2007，27（10）：2013－2016.