基于HJ-HSI数据的伊犁绢蒿荒漠草地生物量估测

魏秀红，靳瑰丽，范燕敏，安沙舟，朱习雯，王惠宁

(新疆农业大学草业与环境科学学院，新疆草地资源与生态重点实验室，新疆 乌鲁木齐 830052)

基于HJ-HSI数据的伊犁绢蒿荒漠草地生物量估测

魏秀红，靳瑰丽，范燕敏，安沙舟，朱习雯，王惠宁

(新疆农业大学草业与环境科学学院，新疆草地资源与生态重点实验室，新疆 乌鲁木齐 830052)

以地面实测数据为依据，通过获取其同步HJ-HSI影像光谱反射率，筛选出光谱变量、波段变量，对不同利用状态的退化伊犁绢蒿(Seriphidiumtransiliense)荒漠草地(围栏封育区N，围栏外重度退化区W1，围栏外中度退化区W2)的地上生物量进行估测。结果表明，1)各季节不同利用状态伊犁绢蒿荒漠草地群落HJ-HSI光谱反射率不同，春季为W2>N>W1，夏季为W2>W1>N，秋季为W1>W2>N；2)HJ-HSI可以实现对伊犁绢蒿荒漠草地地上生物量的估测，估测模型因群落类型和季节不同而存在差异。春、夏、秋3个季节的估测模型，N分别由DVI、NDVI、620.225-627.895 nm反射率平均值所构建，W1分别由近红外波段(Rn)、656.305 nm和776.8199 nm反射率归一化值、MSAVI构建，W2分别由652.09和732.01 nm反射率归一化值、红外波段(Rr)、584.52-598.295 nm反射率平均值构建。

荒漠草地；不同利用状态；高光谱；光谱变量；相关性分析；波段变量；估算生物量

新疆是我国重要牧区之一，由于气候和人为不合理利用等因素，导致草地退化、荒漠化、沙化等问题非常严重[1-2]。其中，伊犁绢蒿(Seriphidiumtransiliense)荒漠草地在我国集中分布于新疆，是当地主要的春秋放牧场[3]，也普遍出现退化现象。围栏封育作为草地恢复的重要措施，对受损草地有一定改良效果[4-5]，如何对退化及恢复草地进行实时监测，具有重要的意义。但传统的监测方法大多为实地考察性质的评价[6]，费时费力，成本高，而且人为因素影响明显[7]，监测周期一般较长，不易运用于草地生态与生产管理。

近几年来，高光谱遥感发展迅速，其具有分辨率高，波段连续性强，光谱信息量大等特点，为适时管理草地资源提供了便利，在草地高光谱特征及生物量估算方面更是取得了较好的研究成果[8-10]。我国的航空高光谱仪技术还处于不断发展阶段，环境减灾卫星(全称为环境与灾害监测预报小卫星星座)A星(HJ-1A)搭载的超光谱成像仪(hyper-spectral imager，HSI)的高光谱数据是国内首个航天高光谱数据，其波段较多，可以满足我国对植被大范围动态监测的需要，但是基于高光谱遥感的退化伊犁绢蒿荒漠草地的研究前人涉及较少，尤其是以HJ-HSI遥感影像为基础的，并未见相关文献报道。因此，本研究以HJ-HSI遥感影像为基础，将高光谱遥感技术运用到退化伊犁绢蒿荒漠草地生物量的估测研究中，建立相关预测模型，估测地上生物量，旨为其动态监测奠定基础。

1 材料与方法

1.1 研究区概况

研究区位于新疆维吾尔自治区昌吉州奇台县吉布库镇西北方向和东北方向山前丘陵地区，地理位置89°24′11.59″-89°39′52.092″ E， 43°45′26.24″-43°48′6.69″ N，海拔1 175～1 262 m，属中温带大陆性半荒漠干旱性气候，年均降水量176～269 mm，年均气温 5.5 ℃。该研究区是伊犁绢蒿荒漠草地的典型分布区，不合理利用导致了退化出现，于2002年围栏封育2 000 hm2，适度利用，修复受损草地。选择3种不同利用状态区域：围栏封育的退化伊犁绢蒿草地(N)，未封育的退化程度不一致，以叉毛蓬(Petrosimoniasibirica)为优势种的重度退化区域(W1)，未封育的、以伊犁绢蒿为优势种的重度退化区域(W2)。

1.2 数据测定

1.2.1群落数据的测定 于4月(春季)、6月(夏季)和9月(秋季)3个时期分别在不同利用状态草地各设置4条样线，每条样线设置10个样地，考虑到HJ-HSI的分辨率及遥感估产对地面采样精度需求[11-12]，样地之间相隔150 m，样地大小为10 m×10 m，每个样地内布置3个能够代表样地平均特性的1 m×1 m样方，每个区域各设置40个样地，120个样方。在每个样方内测定群落特征并计算重要值，得到研究区群落特征(表1)，为HJ-HSI数据估测草地生物量方法的筛选提供支撑。其中，株高为自然高度，样方内随机取5株植株，取平均值；盖度采用针刺法；密度为直接计数计算植株数法；地上生物量采用齐地刈割法[13]。

重要值(IV)=(相对高度+相对盖度+相对密度+相对生物量)/4。

1.2.2HJ-HSI光谱数据获取 本研究所使用的HJ-HSI数据产品从“中国资源卫星应用中心”免费获取，获取的产品为LEVEL2级，选取与地面监测日期相对一致的2015年4月5日、2015年6月18日和2015年8月25日3景影像，经过数据格式读取、大气校正、去除严重受损的波段及几何精校正等预处理，最终得到对应像元较为精确的光谱反射率。

1.3 数据处理方法

光谱数据受仪器温度和电流影响，可能会出现异常大或小的光谱反射率，因此剔除光谱反射率异常的数据，然后将数据按样本归类取算数平均值。

1.3.1光谱平滑 由于光谱各波段在对能量地响应上具有差异，加之仪器影响，光谱曲线总存在噪声，对于光谱曲线的高频噪声，在处理中常进行平滑处理，本研究选择九点加权平滑对光谱进行去噪[14]：

R′=0.04Ri-4+0.08Ri-3+0.12Ri-2+0.16Ri-1+0.20Ri+0.16Ri+1+0.12Ri+2+0.08Ri+3+0.04Ri+4.

式中:R′为inm波段平滑后的光谱反射率，Ri为inm波段的原始光谱反射率。

1.3.2光谱变量的选取 植被指数是将两个或多个光谱观测通道组合得到，可以更好地反映地表植物生长、覆盖状况、地表生物参数[15-16]，获取容易且计算方便，在草地资源研究中广泛使用。本研究选取RES(红边斜率，为红边覆盖620-760 nm波长范围内一阶微分光谱中的最大值)，Rr(红光波段630-690 nm)，Rn(近红外波段760-900 nm)、MSAVI(修改型土壤调节植被指数，考虑土壤背景)、CARI(叶绿素吸收比值指数，对叶绿素较为敏感)、NDVI(归一化植被指数)，RVI(比值植被指数)，DVI(差值植被指数)[17]，参数公式[18]：

NDVI=(Rn-Rr)/(Rn+Rr);

RVI=Rr/Rn;

DVI=Rn-Rr;

式中:a=(R700-R550)/150，b=R550-550×a。

1.4 数据分析

用Excel 2007对测得的数据进行统计与筛选，采用IBM SPSS 20.0、Matlab(R2010b)对数据进行显著性分析、相关性分析，然后在软件Origin 8.0中进行图表的制作。

2 结果与分析

2.1 不同利用状态草地群落光谱特征

不同时期草地群落HJ-HSI光谱特征显示，草地群落的反射率光谱曲线具有一定差异，但也有相似性，可见光区具有一般绿色植物的“峰”和“谷”的特征，近红外区出现较稳定的反射平台，在670-760 nm波段范围内，光谱反射率上升较快，出现“红边”效应，春季该现象不明显(图1-3)。

植被光谱反射率随着叶绿素含量、内部组织结构以及叶片外结构的变化而变化，可见光波段主要受叶绿素含量与盖度的影响。春季区域W2的反射率最大，而另外两个区域，在波段500-700 nm，表现为N>W1，波段700-900 nm则相反，不同草地群落绿峰位置也不同，W1盖度大于W2，对其产生一定影响(图1)；夏季N的草地群落反射率最低，在波段500-720 nm反射率大小表现为W2>W1，在波段720-900 nm表现为W1>W2(图2)；秋季各草地群落反射率大小表现为W1>W2>N，W1在波段580 nm附近出现明显绿峰，在波段640 nm附近也出现一处明显的反射峰(图3)。

表1 不同利用状态草地群落特征Table 1 Community characteristics of grassland areas under different utilisations

注：草原苔草Carexliparocarpos；角果毛茛Ceratocephalusmoench；鹤虱Lappulasemiglabra；独行菜Lepidiumapetalum；木地肤Kochiaprostrata；灰藜Chenopodiumglaucum；角果藜Ceratocarpusarenarius；画眉草Eragrostispilosa。括号内数字为该物种的重要值。围栏封育区N，围栏外重度退化区W1，围栏外中度退化区W2。

Note： The numbers in brackets are the importance values of the species. N, fenced area; W1, unfenced and heavily degraded area; W2, unfenced and moderately degraded area.

图1 不同利用状态下草地群落春季HJ-HSI光谱特征Fig. 1 HJ-HSI spectral characteristics of grassland communities under different utilisations in spring

图2 不同利用状态下草地群落夏季HJ-HSI光谱特征Fig. 2 HJ-HSI spectral characteristics of grassland communities under different utilisations in summer

2.2 HJ-HSI光谱变量估测草地群落地上生物量

图3 不同利用状态下草地群落秋季HJ-HSI光谱特征Fig. 3 HJ-HSI spectral characteristics of grassland communities under different utilisations in autumn

已有研究表明，高光谱遥感技术适用于荒漠类草地生物量的监测[19]。根据从HJ-HSI数据上获取相对应每个样方的反射率，分别计算出8个光谱变量，然后与实测的草地群落地上生物量进行相关性分析(表2)，其中RES和CRVI与各草地群落地上生物量均无显著相关性(P>0.05)。进一步将筛选出的光谱变量与实测地上生物量进行回归分析(表3)，通过对比决定系数、显著性和RMSE值，筛选具有较高的决定系数和较低的RMSE值的理想回归方程，发现不同季节的草地不同利用方式估测生物量所使用的光谱变量不同。其中，N样地春季估测生物量使用DVI效果较好，夏季所构建回归方程决定系数较低，秋季RVI构建效果较好；W1样地春季使用Rn效果较好，夏季NDVI效果最好，秋季使用MSAVI效果最好；W2样地春季仅能利用DVI构建模型，且效果较差，夏季和秋季均是使用Rr效果较好，但秋季RMSE值较大。

2.3 HJ-HSI波段变量估测群落地上生物量回归分析

2.3.1HJ-HSI光谱与群落地上生物量相关性分析 将HJ-HSI各波段的光谱反射率与草地群落地上生物量进行相关性分析(图4-6)，以筛选出估测生物量的具体敏感波段，用于构建估测生物量模型。

表2 草地群落地上生物量与光谱变量的相关性Table 2 Correlations between aboveground biomass and spectral variables of grassland communities

注：*表示显著相关(P<0.05)，**表示极显著相关(P<0.01)。

Note：* and ** indicate significant correlation at 0.05 and 0.01 level, respectively.

图5 草地群落地夏季上生物量与HJ-HSI光谱反射率的相关性Fig. 5 Correlation between aboveground biomass and spectral reflectance of HJ-HSI in summer

图6 草地群落地秋季上生物量与HJ-HSI光谱反射率的相关性Fig. 6 Correlation between aboveground biomass and spectral reflectance of HJ-HSI in autumn

光谱反射率与地上生物量相关性较高的波段对生物量具有较好的指示作用。各草地群落光谱与生物量的相关性表现不同，不同季节间也存在差异。春季，仅W2样地的草地群落光谱反射率与生物量的相关性较大，其它样地的相关性不高，W1样地的群落光谱反射率与生物量均呈负值，N样地的群落光谱反射率与生物量在波段500-780 nm呈负相关关系，在波段780-900 nm内呈正相关关系，W2样地在波段558-605、647-664 nm二者呈负相关关系(图4)，其余波段呈正相关关系；夏季，W1样地的草地群落光谱反射率与生物量相关性最高，在波段656 nm附近相关系数达-0.635 2，N样地的最低(图5)；到了秋季，W2样地的草地群落光谱反射率与生物量呈正相关关系，除波段500-510、543-546 nm外，W1样地内二者均呈负相关关系，N样地内二者呈负相关关系，且相关水平最高。

表4 草地群落地上生物量与波段变量的回归分析Table 4 Regression analysis of aboveground biomass and band variables of grassland communities

2.3.2HJ-HSI光谱反射率与草地群落地上生物量回归模型 进一步选取相关性较高的邻近若干波段的反射率平均值，具有较大差值相关性的波段反射率的归一化值两个指标作为波段变量[20]，与地上生物量进行回归分析，并对比筛选出的光谱变量所构建的模型，选出更适合估测地上生物量的模型。将所拟合的回归方程选择决定系数在0.3以上的方程列出(表4)，方程的决定系数越高，说明所拟合的回归方程估测越准确，而RMSE则相反。结果表明，所选出的最优波段因季节、利用状态的不同也存在差异，其中样地N在秋季选用波段620.225-627.895 nm估测群落地上生物量效果最好；样地W1在春季选用波段540.92-552.27 nm估测群落地上生物量效果较好，夏季选用656.305、776.819 9 nm的归一化值所构建的回归方程决定系数较高，但RMSE值较大；样地W2在春季通过波段678.225、726.77 nm的归一化值构建的方程决定系数较大，RMSE值较低，夏季通过波段574.595-584.52 nm的平均光谱反射率估测效果较好，秋季选用波段584.52-598.295 nm的平均光谱反射率估测效果较好。

3 讨论

各草地群落HJ-HSI高光谱曲线均出现“峰”和“谷”的特征，具有绿色植被光谱反射和吸收的一般特征，即叶绿素对蓝光和红光吸收作用强，对绿光的反射作用较强[21]，说明本研究获取的影像光谱可以反映真实的草地植被光谱特征；但受群落植被组成影响，不同季节中各草地群落的光谱特征曲线仍存在一定差异，可能与不同植被的生活特性有一定关系。

对比基于HJ-HSI光谱变量和波段变量所构建的地上生物量预测模型，发现不同利用状态、季节的最优变量存在差异。对比回归方程的决定系数和RMSE值发现，由波段变量所构建的模型精度较高，说明HJ-HSI数据在草地生物量估测方面可得到较好的应用；尽管样地W2的光谱反射率与地上生物量的相关性较小，但通过构建波段反射率的归一化值作为波段变量，估算生物量的方程精度有所提高。

研究发现，各估测模型的方程形式也有所不同，包括线性方程、二次多项式、幂函数、指数函数，最佳模型主要为线性方程和二次多项式，与相关学者[17,22]对草地生物量估算的模型方程形式不一致，这与所研究对象的草地群落组成以及植被生长环境不同有关。由此说明，构建草地生物量模型应因地制宜。一方面，草地生物量估测存在一定的复杂性，应该进一步利用地面工作提高估测模型的精度，根据实际状况构建有针对性的估测模型；另一方面，也说明高光谱遥感数据在草地生物量估测中的优势，可以用于监测草地退化及恢复程度；因此深入研究基于高光谱数据的草地生物量估测方法，无论在退化和恢复草地现状评价及生物量动态监测中均具有重要意义。

4 结论

各季节不同样地草地群落的光谱反射率大小表现为春季：W2>N>W1，夏季：W2>W1>N，秋季：W1>W2>N。HJ-HSI可以实现对伊犁绢蒿荒漠草地地上生物量的估测；春、夏、秋3个季节的估测模型，样地N分别由DVI、NDVI、620.225-627.895 nm反射率平均值所构建；样地W1分别由Rn、656.305与776.819 9 nm的反射率归一化值、MSAVI构建；W2样地分别由652.09与732.01 nm的反射率归一化值、Rr、584.52-598.295 nm反射率平均值构建。

References：

[1] 李建龙.新疆草地退化现状、原因及其防治对策.中国草地,1992(3):17-21,16.

Li J L.Status,causes and countermeasures of grassland degradation in Xinjiang.Chinese Grassland,1992(3):17-21,16.(in Chinese)

[2] 许鹏.新疆草地资源及其利用.乌鲁木齐:新疆科技卫生出版社,1993.

[3] 靳瑰丽,朱进忠,刘洪来,唐式敏,王彩虹.退化伊犁绢蒿荒漠草地主要植物生理生态适应性研究.草地学报,2011,19(1):26-30.

Jin G L,Zhu J Z,Liu H L,Tang S M,Wang C H.Study on physiology/ecology adaptation of main plant in degradedSeriphidiumtransiliensedesert rangeland.Acta Agrestia Sinica,2011,19(1):26-30.(in Chinese)

[4] 安耕,王天河.围栏封育改良荒漠化草地的效果.草业科学,2011,28(5):874-876.

An G,Wang T H.Effect of enclosure on restoration of degraded grassland.Pratacultural Science,2011,28(5):874-876.(in Chinese)

[5] 董乙强,孙宗玖,安沙舟,杨静.禁牧对中度退化伊犁绢蒿荒漠草地土壤养分的影响.草业科学,2016,33(8):1460-1468.

Dong Y Q,Sun Z J,An S Z,Yang J.Effects of grazing exclusion on soil nutrition in moderata degraed desert grassland ofSeriphidiumtransiliense.Pratacultural Science,2016,33(8):1460-1468.(in Chinese)

[6] 谭承建,董强,赵宝玉,陈绍淑.民勤县天然草地毒草调查与防治.草业科学,2005,22(3):86-89.

Tan C J,Dong Q,Zhao B Y,Chen S S.The investigation of poisonous weeds on natural grassland in Minqin County.Pratacultural Science,2005,22(3):86-89.(in Chinese)

[7] Williams A P,Hunt E R.Estimation of leafy spurge cover from hyperspectral imagery using mixture tuned matched filtering.Remote Sensing of Environment,2002,82:446-456.

[8] 魏秀红,靳瑰丽,范燕敏,安沙舟,夏小伟.伊犁绢蒿荒漠草地物种光谱特征分析及识别初探.草业科学,2016,33(10):1924-1932.

Wei X H,Jin G L,Fan Y M,An S Z,Xia X W.Species analysis and identification of spectral characteristics onSeriphidiumtransiliensedesert grassland.Pratacultural Science,2016,33(10):1924-1932.(in Chinese)

[9] 夏小伟,靳瑰丽,安沙舟,范燕敏,梁娜.围栏封育下伊犁绢蒿荒漠草地特征植物高光谱特征变化分析.草业科学,2015,32(6):870-876.

Xia X W,Jin G L,An S Z,Fan Y M,Liang N.Spectral characteristics of typical plants inSeriphidiumtransiliensedesert grassland under enclosure.Pratacultural Science,2015,32(6):870-876.(in Chinese)

[10] 刘占宇,黄敬峰,吴新宏,董永平,王福民,刘朋涛.草地生物量的高光谱遥感估算模型.农业工程学报,2006,22(2):111-115.

Liu Z Y,Huang J F,Wu X H,Dong Y P,Wang F M,Liu P T.Hyperspectral remote sensing estimation models for the grassland biomass.Transactions of the CSAE,2006,22(2):111-115.(in Chinese)

[11] 张春梅,张建明.基于高光谱影像的干旱区草地光谱特征分析.光谱学与光谱分析,2012,32(2):445-448.

Zhang C M,Zhang J M.Research on the spectral characteristics of grassland in arid regions based on hyperspectral image.Spectroscopy and Spectral Analysis,2012,32(2):445-448.(in Chinese)

[12] 马维维,巩彩兰,胡勇,李春光.基于环境减灾卫星的青海湖流域草地生物量反演模型研究.第十八届中国环境遥感应用技术论坛论文集.淮安:中国遥感应用协会环境遥感分会,2014:7.

[13] 任继周.草业科学研究方法.北京:中国农业出版社,1998.

Ren J Z.Research Methods of Grassland Scientific.Beijing:China Agriculture Press,1998.(in Chinese)

[14] 何挺,王静,林宗坚,程烨.土壤有机质光谱特征研究.武汉大学学报:信息科学版,2006,31(11):975-979.

He T,Wang J,Lin Z J,Cheng Y.Spectral features of soil organic matter.Geomatics and Information Science of Wuhan University,2006,31(11):975-979.(in Chinese)

[15] Muchoney D,Borak J.Application of the MODIS global supervised classification refel to vegetation and land cover mapping of central America.International Journal of Remote Sensing,2000,21:1115-1138.(in Chinese)

[16] Price J C.Comparing MODIS and ETM+data for regional and global land classification.Remote Sensing of Environment,2003,86:491-499.

[17] 周宇庭,付刚,沈振西,张宪洲,武建双,李云龙,杨鹏万.藏北典型高寒草甸地上生物量的遥感估算模型.草业学报,2013,22(1):120-129.

Zhou Y T,Fu G,Shen Z X,Zhang X Z,Wu J S,Li Y L,Yang P W.Estiation model of aboveground biomass in the Northern Tibet Plateau based on remote sensing data.Acta Prataculturae Sinica,2013,22(1):120-129.(in Chinese)

[18] 徐希儒.遥感物理.北京:北京大学出版社,2005.

[29] 童庆禧,丁志,郑兰芬,王尔和,肖乾广,陈维英,周嗣松.应用NOAA气象卫星图象资料估算草场生物量方法的初步研究.自然资源学报,1986,1(1):87-95.

Tong Q X,Ding Z,Zheng L F,Wang E H,Xiao Q G,Chen W Y,Zhou S S.A preliminary study on NOAA images for the estimation of pasture biomass.Journal of Natural Resources,1986,1(1):87-95.(in Chinese)

[20] 张凯,郭铌,王润元,王小平,王静.甘南草地地上生物量的高光谱遥感估算研究.草业科学,2009,26(11):44-50.

Zhang K,Guo N,Wang R Y,Wang X P,Wang J.Hyperspectral remote sensing estimation models for aboveground fresh biomass in Gannan grassland.Pratacultural science,2009,26(11):44-50.(in Chinese)

[21] 赵春江,刘良云,周汉昌,王纪华,薛绪掌.归一化差异植被指数仪的研制与应用.光学技术,2004,30(3):324-326.

Zhao C J,Liu L Y,Zhou H C,Wang J H,Xue X Z.Development and application of normalized difference vegetation index.Optical Technology 2004,30(3):324-326.(in Chinese)

[22] 张旭琛,朱华忠,钟华平,程耀东,靳瑰丽,邵小明.新疆伊犁地区草地植被地上生物量遥感反演.草业学报,2015,24(6):25-34.

Zhang X C,Zhu H Z,Zhong H P,Cheng Y D,Jin G L,Shao X M.Assessment of aboveground biomass of grassland using remote sensing,Yili,Xinjiang.Acta Prataculturae Sinica,2015,24(6):25-34.(in Chinese)

EstimationofbiomassbasedonHJ-HSIdatainSeriphidiumtransiliensedesertgrassland

Wei Xiu-hong, Jin Gui-li, Fan Yan-min, An Sha-zhou, Zhu Xi-wen, Wang Hui-ning

(College of Pratacultural and Environmental Sciences, Xinjiang Agricultural University; Key Laboratory of Grassland Resources and Ecology of Xinjiang, Urumqi 830052, Xinjiang, China)

The aboveground biomass of degradedSeriphidiumtransiliensedesert grassland areas under different utilisations (N: fenced area, W1: unfenced and heavily degraded area, and W2: unfenced and moderately degraded area) were estimated using spectral variables and band variables selected from the spectral reflectance of a HJ-HSI satellite image taken in the same period. The results showed that: 1) The spectral reflectance of the grassland communities differed among plots during different seasons, and their reflectance was ordered as W2> N > W1in spring, W2> W1> N in summer, and W1> W2> N in autumn; 2) HJ-HSI can be used to estimate the aboveground biomass of this kind of grassland, and the results of the estimation models vary among different community types and seasons. The estimates obtained by the models for the spring, summer, and autumn were as follows: DVI, NDVI, 620.225-627.895 nm reflectance average construction in plot N; Rn, 656.305 and 776.8199 nm reflectance normalised values, MSAVI construction in W1; 652.09 and 732.01 nm reflectance normalised values, Rr, 584.52-598.295 nm average construction in plot W2.

desert grassland; different utilisations; hyperspectral; spectral variable; correlation analysis; band variable; biomass estimation

Jin Gui-li E-mail：jguili@126.com

10.11829/j.issn.1001-0629.2017-0059

魏秀红,靳瑰丽,范燕敏,安沙舟,朱习雯,王惠宁.基于HJ-HSI数据的伊犁绢蒿荒漠草地生物量估测.草业科学,2017,34(12)：2504-2511.

Wei X H,Jin G L,Fan Y M,An S Z,Zhu X W,Wang H N.Estimation of biomass based on HJ-HSI data inSeriphidiumtransiliensedesert grassland.Pratacultural Science，2017,34(12)：2504-2511.

S812-05;Q945.79

A

1001-0629(2017)12-2504-08

2017-02-08接受日期2017-04-12

国家自然科学基金(31360571)

魏秀红(1992-)，女，河南淮阳人，在读硕士生，研究方向为草业生产。E-mail:1554715447@qq.com

靳瑰丽(1979-)，女,河南兰考人，副教授，博士，研究方向为草地资源与生态。E-mail：jguili@126.com

(责任编辑 武艳培)