全 文 ：１９２４－１９３２
１０／２０１６
草　业　科　学
ＰＲＡＴＡＣＵＬＴＵＲＡＬ　ＳＣＩＥＮＣＥ
第３３卷第１０期
Ｖｏｌ．３３，Ｎｏ．１０
ｈｔｔｐ：??ｃｙｋｘ．ｌｚｕ．ｅｄｕ．ｃｍ
ＤＯＩ：１０．１１８２９／ｊ．ｉｓｓｎ．１００１－０６２９．２０１５－０６１１
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　ｏｎ　Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎ－
ｓｉｌｉｅｎｓｅ　ｄｅｓｅｒｔ　ｇｒａｓｓｌａｎｄ．Ｐｒａｔａｃｕｌｔｕｒａｌ　Ｓｃｉｅｎｃｅ，２０１６，３３（１０）：１９２４－１９３２．
伊犁绢蒿荒漠草地物种光谱
特征分析及识别初探
魏秀红，靳瑰丽，范燕敏，安沙舟，夏小伟
（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）
摘要：利用便携式地物光谱仪，对天山北坡中段伊犁绢蒿（Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎｓｉｌｉｅｎｓｅ）荒漠草地９种植物进行实地光谱测
量，对光谱进行一阶微分、平滑、归一化、Ｒｒ－Ｒｎ 光谱特征空间处理，对植物光谱特征分析及识别，并建立判别模型。结
果表明，不同植物的原始光谱反射率在特定波段具有一定差异性，一阶微分对于精确提取该类草地植物红边特征参数
值有重要作用，平滑处理可以有效去除噪声影响，归一化更有利于发现植物光谱特征，Ｒｒ－Ｒｎ 在区分该类草地植物方面
存在困难。选用近红外波段反射率（Ｒｎ），红边位置（ＲＥＰ），绿波段反射率（Ｒｇ），修改型土壤调节植被指数 ＭＳＡＶＩ和叶
绿素吸收比值指数（ＣＲＡＩ）５项光谱指标建立判别函数，９种植物的判别精度达到９０．５％。
关键词：天山；伊犁绢蒿荒漠；高光谱特征；物种识别
中图分类号：Ｓ８１２；Ｑ９４７．８　　　文献标志码：Ａ　　　文章编号：１００１－０６２９（２０１６）１０－１９２４－０９＊
Ｓｐｅｃｉｅｓ　ａｎａｌｙｓｉｓ　ａｎｄ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ｏｆ　ｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｎ
Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎｓｉｌｉｅｎｓｅ　ｄｅｓｅｒｔ　ｇｒａｓｓｌａｎｄ
Ｗｅｉ　Ｘｉｕ－ｈｏｎｇ，Ｊｉｎ　Ｇｕｉ－ｌｉ，Ｆａｎ　Ｙａｎ－ｍｉｎ，Ａｎ　Ｓｈａ－ｚｈｏｕ，Ｘｉａ　Ｘｉａｏ－ｗｅｉ
（Ｃｏｌｅｇｅ　ｏｆ　Ｇｒａｓｓｌａｎｄ　ａｎｄ　Ｅｖｉｒｏｎｍｅｎｔ　Ｓｃｉｅｎｃｅｓ，Ｘｉｎｊｉａｎｇ　Ａｇｒｉｃｕｌａｔｕａｌ　Ｕｎｉｖｅｒｓｉｔｙ，Ｘｉｎｊｉａｎｇ　Ｋｅｙ
Ｌａｂｏｒａｔｏｒｙ　ｏｆ　Ｇｒａｓｓｌａｎｄ　Ｒｅｓｔｏｒｃｅｓ　ａｎｄ　Ｅｃｏｌｏｇｙ，Ｕｒｕｍｑｉ　８３００５２，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎ　ｔｈｉｓ　ｒｅｓｅａｒｃｈ，ｔｈｅ　ｐｏｒｔａｂｌｅ　ｓｐｅｃｔｒｏｍｅｔｅｒ　ｗａｓ　ｕｓｅｄ　ｔｏ　ｍｅａｓｕｒｅ　ｔｈｅ　ｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　９
ｐｌａｎｔｓ　ｏｎ　ｔｈｅ　ｎｏｒｔｈｅｒｎ　ｓｌｏｐｅ　ｏｆ　ｔｈｅ　Ｔｉａｎｓｈａｎ　ｍｏｕｎｔａｉｎｓ　ｍｉｄｄｌｅ　Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎｓｉｌｉｅｎｓｅ　ｄｅｓｅｒｔ　ｇｒａｓｓｌａｎｄ．Ｔｈｅ
ｆｉｒｓｔ　ｄｅｒｉｖａｔｉｖｅ，ｓｍｏｏｔｈｅｄ，ｎｏｒｍａｌｉｚａｔｉｏｎ，ａｎｄ　Ｒｒ－Ｒｎｏｆ　ｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｗｅｒｅ　ａｎａｌｙｚｅｄ　ｔｏ　ｉｄｅｎｔｉｆｙ　ａｎｄ　ｅｓ－
ｔａｂｌｉｓｈ　ｄｉｓｃｒｉｍｉｎａｎｔ　ｍｏｄｅｌ　ｆｏｒ　ｄｉｆｆｅｒｅｎｔ　ｐｌａｎｔｓ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｓｈｏｗｅｄ　ｔｈａｔ　ｔｈｅ　ｏｒｉｇｉｎａｌ　ｓｐｅｃｔｒａｌ　ｒｅｆｌｅｃｔａｎｃｅ　ｏｆ　ｄｉｆ－
ｆｅｒｅｎｔ　ｐｌａｎｔｓ　ｈａｖｅ　ｓｏｍｅ　ｄｉｆｆｅｒｅｎｃｅｓ　ｉｎ　ｓｐｅｃｉｆｉｃ　ｂａｎｄｓ，ａ　ｆｉｒｓｔ　ｄｅｒｉｖａｔｉｖｅ　ｃａｎ　ａｃｃｕｒａｔｅ　ｅｘｔｒａｃｔ　ｔｈｅ　ｒｅｄ　ｅｄｇｅ　ｐｏｓｉｔｉｏｎ
ｏｆ　ｐｌａｎｔ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｐａｒａｍｅｔｅｒｓ，ａｎｄ　ｓｍｏｏｔｈ　ｐｒｏｃｅｓｓ　ｈａｖｅ　ａｎ　ｉｍｐｏｒｔａｎｔ　ｒｏｌｅ　ｉｎ　ｒｅｍｏｖｉｎｇ　ｎｏｉｓｅ，ａｎｄ　ｔｈｅ　ｎｏｒ－
ｍａｌｉｚａｔｉｏｎ　ｉｎ　ｆａｖｏｒ　ｏｆ　ｔｈｅ　ｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｐｌａｎｔｓ．Ｈｏｗｅｖｅｒ，ｄｉｆｆｉｃｕｌｔ　ｅｘｉｓｔｓ　ｂｙ　ｕｓｉｎｇ　Ｒｒ－Ｒｎｉｎ　ｔｅｒｍｓ　ｏｆ
ｔｈｅ　ｇｒａｓｓ　ｐｌａｎｔｓ　ｄｉｓｔｉｎｃｔｉｏｎ．Ｕｓｉｎｇ　ｔｈｅ　Ｒｎ，ＲＥＰ，Ｒｇ，ＭＳＡＶＩ，ＣＲＡＩ　ｆｉｖｅ　ｓｐｅｃｔｒａｌ　ｉｎｄｉｅｓ，ｔｈｅ　ｅｓｔａｂｌｉｓｈｅｄ　ｄｉｓ－
ｃｒｉｍｉｎａｎｔ　ｍｏｄｅｌ　ｃａｎ　ｄｉｓｃｒｉｍｉｎａｎｔ　ｏｆ　ｎｉｎｅ　ｋｉｎｄｓ　ｏｆ　ｐｌａｎｔｓ　ａｎｄ　ｔｈｅ　ａｃｃｕｒａｃｙ　ｒｅａｃｈｅｄ　９０．５％．
Ｋｅｙ　ｗｏｒｄｓ：Ｔｉａｎｓｈａｎ　ｍｏｕｎｔａｉｎｓ；Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎｓｉｌｉｅｎｓｅ　ｄｅｓｅｒｔ；ｈｙｐｅｒｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ；ｓｐｅｃｉｅｓ　ｒｅｃｏｇ－
ｎｉｔｉｏｎ
Ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ａｕｔｈｏｒ：Ｊｉｎ　Ｇｕｉ－ｌｉ　Ｅ－ｍａｉｌ：ｊｇｕｉｌｉ＠１２６．ｃｏｍ
　　草地光谱具有相似性强的特点，因此利用传统的 多光谱遥感对草地类型精细分类存在一定困难［１］。高
＊ 收稿日期：２０１５－１１－０３　　接受日期：２０１６－０７－３０
基金项目：国家自然科学基金（３１３６０５７１）
第一作者：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
通信作者：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
第１０期 魏秀红　等：伊犁绢蒿荒漠草地物种光谱特征分析及识别初探
ｈｔｔｐ：／／ｃｙｋｘ．ｌｚｕ．ｅｄｕ．ｃｎ
光谱遥感的波段连续、光谱分辨率高的特点，使其能够
更加准确地探测到植被的精细光谱信息［２］。目前，诸
多学者对草地植被群落及其物种进行了高光谱特征研
究［３－８］，表明了高光谱在草地类型及植物判别上具有可
行性。
伊犁绢蒿（Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎｓｉｌｉｅｎｓｅ）荒漠草地属
中亚气候型荒漠，在我国仅分布于新疆，是当地重要的
冷季放牧地［９］。近年来，由于气候变化和长期严重超
载过牧，该类草地退化严重，对其进行监测具有重要的
意义［３］。荒漠植被具有覆盖度较低、大面积裸露土壤
的特点，野外植被的光谱特征会受到土壤背景的影响，
因此消除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生理生
化特点［１０］。因此，本研究通过采集草地特征植物的光
谱，利用高光谱遥感对其进行分析及识别，为高光谱在
新疆草地上的应用奠定基础。
１　材料与方法
１．１　研究区概况
由于伊犁绢蒿荒漠草地受气候、地形和土壤基质
的影响，在平原及山地丘陵处均有分布，加之人为因素
的影响程度不同，使得该类群落的物种组成具有一定
的差异性，因此本研究区选择在位于天山北坡中段乌
鲁木齐、石河子和奇台３处伊犁绢蒿荒漠草地的典型
分布 区，地 理 位 置 为 ８１°２４′５７″－８５°４９′４″Ｅ，
４３°４７′１８″－４４°０１′２５″Ｎ，海拔８３１～１　２８８ｍ，年降水
５０～１９０ｍｍ，研究区植物能代表天山北坡中段伊犁绢
蒿荒漠的典型物种。
１．２　野外光谱数据采集
伊犁绢蒿荒漠草地属于中亚荒漠，具有半灌木和
一年生长营养期植物两个稳定的层片，同时因分布区
域的差异，常常伴生有短生类短生植物、多年生禾草
类、灌木等层片，目前该类草地退化严重，更有多种杂
类草的侵入。由于伊犁绢蒿荒漠草地植物种类多样且
生育期具有差异性，以及建群种伊犁绢蒿具有夏眠现
象，根据以往的研究春季更能看出群落的差异［１１］。因
此，本研究在５月中旬选取研究区伊犁绢蒿群落较为
稳定的主要植物种进行地面数据采集，并采集裸土光
谱反射率作为辅助判别。
使用ＳＶＣ　ＨＲ－７６８便携式光谱仪采集野外植被
高光谱数据，其光谱覆盖范围３５０－２　３５０ｎｍ。测量
时间为北京时间１２：００－１４：００，采集光谱时尽量选在
晴朗无云的天气，光谱测量时仪器探头垂直向下，测量
高度根据植被情况而改变，为减少随机误差，对每一种
样本采取５次测量取算术平均值，得到该植物的反射
光谱曲线，同时为减少大气变化给观测造成的不良影
响，测量时每隔５～１０ｍｉｎ进行标准白板矫正［５］。
所测９种植物为伊犁绢蒿、木地肤（Ｋｏｃｈｉａ　ｐｒｏｓ－
ｔｒａｔａ）、叉毛蓬（Ｐｅｔｒｏｓｉｍｏｎｉａ　ｓｉｂｉｒｉｃａ）、假木贼（Ａｎａｂ－
ａｓｉｓ　ｓｐ．）、羊茅（Ｆｅｓｔｕｃａ　ｏｖｉｎａ）、草原苔草（Ｃａｒｅｘ　ｌｉｐ－
ａｒｏｃａｒｐｏｓ）、小檗（Ｂｅｒｂｅｒｉｓ　ｔｈｕｎｂｅｒｇｉｉ）、骆驼蓬（Ｐｅ－
ｇａｎｕｍ　ｈａｒｍａｌａ）、芨芨草（Ａｃｈｎａｔｈｅｒｕｍ　ｓｐｌｅｎｄｅｎｓ）。
１．３　数据处理与分析
１．３．１　一阶微分处理　不同阶数微分值具有快速确
定光谱的拐点及最大、最小反射率的位置的特点，常用
于减少土壤背景值影响，特别是荒漠草地，其植被稀
疏，植被光谱特征受土壤背景影响较大，在荒漠植被光
谱研究中较有效，因而本研究用光谱的差分来近似一
阶微分，见公式（１）［１２］：
Ｒ′（λｉ）＝［Ｒ（λｉ＋１）－Ｒ（λｉ－１）］／２Δλ （１）
式中：λｉ为ｉ　ｎｍ波段的波长，Ｒ（λｉ＋１）为波长λｉ＋１处的
植物光谱反射率，Δλ是波长λｉ＋１到波长λｉ 的间隔，Ｒ′
（λｉ）为反射率在λｉ的一阶微分。
１．３．２　光谱平滑处理　由于光谱各波段对能量响应
上具有差异，加之仪器受电压及温度的影响，光谱曲线
总存在噪声，难以得到平稳的信号。对于光谱曲线的
高频噪声，在处理中常进行平滑处理，在一阶微分的处
理前提下选择９点加权平滑对光谱进行去噪［１３］。
１．３．３　归一化处理　由于不同区域内的土壤类型、质
地等性质不同的原因，野外光谱测量会受到影响。而
归一化方法可以有效地去除光谱中土壤背景的影响，
因此可以利用对植被光谱曲线进行归一化处理，来突
出植被的形态信息，从而区分不同类型的植被，提高识
别植被的精度［１４］，见公式（２）［１５］：
Ｎ（Ｒ）＝（Ｒ－μＲ）／σＲ （２）
式中：Ｎ（Ｒ）为归一化后的光谱值，Ｒ为原始光谱的反
射率，μＲ 为光谱平均值，σＲ 为光谱标准差。
１．３．４　光谱指标的选取　植被光谱指标是指通过对
植物波谱分析运算所产生的某些对植被长势、生物量
等有一定指示意义的数值。本研究参考张芳等［１６］选
取红边位置ＲＥＰ［１７］（波长６２０－７６０ｎｍ范围内一阶微
分的最大值所对应的波长位置），对叶绿素敏感的叶绿
素吸收比值指数ＣＡＲＩ、和考虑土壤背景的修改型土
壤调节植被指数 ＭＳＡＶＩ光谱指标，分别用Ｒｇ，Ｒｒ，Ｒｎ
表示绿波段（５２０－６００ｎｍ）、红波段（６３０－６９０ｎｍ）和
近红外波段（７６０－９００ｎｍ）的反射率（Ｒｇ、Ｒｒ和Ｒｎ 分
５２９１
草　业　科　学 第３３卷
ｈｔｔｐ：／／ｃｙｋｘ．ｌｚｕ．ｅｄｕ．ｃｎ
别为各波段的平均光谱反射率）。光谱指标参数的求
法见公式（３）和（４）［１８］：
ＣＡＲＩ＝（Ｒ７００／Ｒ６７０）［（Ｒ６７０×ａ＋Ｒ６７０＋ｂ）／（ａ２＋
１）１／２］ （３）
ａ＝（Ｒ７００－Ｒ５５０）／１５０，ｂ＝Ｒ５５０－５５０×ａ
ＭＳＡＶＩ＝Ｒｎ＋０．５－［（Ｒｎ＋０．５）２－２（Ｒｎ－
Ｒｒ）］１／２ （４）
１．３．５　数据分析　由于野外光谱仪测量时受环境影
响较大，首先对所获得的数据进行预处理，剔除异常的
光谱曲线，并计算每个样点的光谱平均值作为该样点
的反射率，最终得到９种典型纯净植被光谱和土壤光
谱。光谱反射率数据分别以原始、一阶微分、平滑、归
一化和光谱特征空间５种方法处理，计算光谱指标，建
立９种植物的多元判别模型，并验证精度。利用Ｅｘｃｅｌ
２００７和ＳＰＳＳ　２０．０进行数据数据，Ｏｒｉｇｉｎ　８进行制
图。
２　结果与分析
２．１　植物原始光谱特征分析
由９种草地植物原始反射光谱曲线（图１）可以明
显看出，不同植物的反射光谱曲线有一定差异，但波形
大致相同。在可见波段５１０－６９０ｎｍ范围内，各植物
除羊茅外均出现明显峰谷值，木地肤和羊茅的反射率
在１０％以上，骆驼蓬只有在５３２－５７３ｎｍ范围内反射
率大于１０％，羊茅并未出现峰谷值。各植物冠层光谱
反射率在近红外波段增加，７００－７６０ｎｍ形成一个反
射陡坡，称为“红边”［１９］，并且９种植物都表现出明显
“红边”效应。
图１　９种草地植物原始光谱曲线
Ｆｉｇ．１　Ｏｒｉｇｉｎａｌ　ｓｐｅｃｔｒａｌ　ｃｕｒｖｅｓ　ｏｆ　９ｐｌａｎｔ　ｓｐｅｃｉｅｓ
　　在７６０－１　１５０ｎｍ近红外波段，各植被光谱反射
率大小顺序为骆驼蓬＞假木贼＞草原苔草＞芨芨草＞
木地肤＞羊茅＞伊犁绢蒿＞小檗＞叉毛蓬，骆驼蓬整
体反射率大于４０％，假木贼的反射率大于３５％，仅低
于骆驼蓬的反射率；而叉毛蓬的反射率整体低于
２５％。羊茅和木地肤的反射曲线呈上升趋势，其中木
地肤出现两个明显的峰，羊茅则不明显；假木贼和骆驼
蓬的光谱曲线均呈下降趋势，其余植物光谱曲线先升
高后下降。草原苔草和芨芨草的反射率在３０％～
３５％，且芨芨草的峰谷值较明显。在这一波段范围内
伊犁绢蒿和小檗的反射率曲线趋势相近，反射率在
２５％～３０％，但是在可见光波段４００－７６０ｎｍ 范围
内，伊犁绢蒿的反射率均大于５％，而小檗除红峰附近
反射率均低于５％。
２．２　植物一阶微分光谱曲线特征分析
从伊犁绢蒿荒漠草地９种典型植物的一阶微分
光谱曲线（图２）可以看出，各植物的红边特征突出
外，在可见光区５２０ｎｍ和５６０ｎｍ波段附近的吸收
峰和吸收谷也突出显示出来。叉毛蓬、骆驼蓬的“绿
峰”、“红谷”和“红边”幅值均远大于其它草地植物，
羊茅最低，骆驼蓬在波长７２０．４ｎｍ处红边幅值为
０．７６８　６，羊茅的红边幅值仅为０．２２７　５，草原苔草的
红边幅值为０．４４５　４，其余植物红边幅值在０．２８０　０
～０．４００　０。其中假木贼在波长５０６和５４１．６ｎｍ处
６２９１
第１０期 魏秀红　等：伊犁绢蒿荒漠草地物种光谱特征分析及识别初探
ｈｔｔｐ：／／ｃｙｋｘ．ｌｚｕ．ｅｄｕ．ｃｎ
波动明显，不能判断是否是受噪声影响，因此进行了
平滑处理（图３），对比可以看出，假木贼的光谱曲线
明显波动消失，表明该方法不仅能够保留光谱原有
的特征，还能够有效去除噪声，是地物实测光谱预处
理的一种常用手段。
２．３　植物归一化光谱曲线特征分析
在波段３８０－６００ｎｍ可见光区，各植物反射率的
大小顺序为假木贼＞骆驼蓬＞芨芨草＞叉毛蓬＞小
檗＞伊犁绢蒿＞草原苔草＞木地肤＞羊茅（图４）。近
红外波段７６０－９４０ｎｍ，骆驼蓬的反射率高于其它植
物，羊茅的反射率最低，木地肤反射率高于羊茅，低于
其它植物。波段１　１００～１　４００ｎｍ，假木贼的反射率最
低，骆驼蓬的反射率高于假木贼，但低于其它７种植
物，其它植物光谱曲线较为接近。
图２　９种草地植物一阶微分光谱曲线
Ｆｉｇ．２　Ｆｉｒｓｔ　ｄｅｒｉｖａｔｉｖｅ　ｓｐｅｃｔｒａ　ｃｕｒｖｅｓ　ｏｆ　９ｐｌａｎｔ　ｇｒａｓｓｌａｎｄ　ｓｐｅｃｉｅｓ
图３　９种草地植物一阶微分平滑曲线
Ｆｉｇ．３　Ｓｍｏｏｔｈｅｄ　ｆｉｒｓｔ　ｄｅｒｉｖａｔｉｖｅ　ｓｐｅｃｔｒａ　ｃｕｒｖｅｓ　ｏｆ　９ｐｌａｎｔ　ｇｒａｓｓｌａｎｄ　ｓｐｅｃｉｅｓ
７２９１
草　业　科　学 第３３卷
ｈｔｔｐ：／／ｃｙｋｘ．ｌｚｕ．ｅｄｕ．ｃｎ
图４　９种草地植物归一化光谱曲线
Ｆｉｇ．４　Ｔｈｅ　ｎｏｒｍａｌｉｚａｔｉｏｎ　ｓｐｅｃｔｒａｌ　ｃｕｒｖｅｓ　ｏｆ　９ｐｌａｎｔ　ｇｒａｓｓｌａｎｄ　ｓｐｅｃｉｅｓ
２．４　植物光谱特征空间分析及识别
２．４．１　Ｒｒ－Ｒｎ 空间特征分布分析　光谱特征空间是
指多波段光谱信息或由此得到的两个或两个以上地表
生态物理参数组成的光谱空间［２０］。土壤线是由土壤
红光波段与近红外波段反射率（分别用Ｒｒ、Ｒｎ 表示）
的比值计算而来，许多植被指数的设计都基于土壤线
这一概念。图５为９种植物光谱在Ｒｒ－Ｒｎ二维空间的
分布，土壤线是通过采样点裸地光谱进行计算。
　　在Ｒｒ－Ｒｎ 二维空间，骆驼蓬、叉毛蓬、小檗分别与
其它植物重叠较小，基本可以清楚地被区分出来。而
其它植物部分有严重重叠，说明它们之间存在同物异
谱和异物同谱现象。可以看出在端元尺度下，利用遥
感常用的Ｒｒ－Ｒｎ空间，识别骆驼蓬、叉毛蓬和小檗３种
植物具有一定可靠性。
图５　Ｒｒ－Ｒｎ 光谱特征空间示意图
Ｆｉｇ．５　Ｓｃａｔｔｅｒ　ｍａｐ　ｏｆ　ｓｐｅｃｔｒａｌ　ｆｅａｔｕｒｅ　ｓｐａｃｅ　ｉｎ　ＲＥＤ／ＮＩＲ　ｂａｎｄ
８２９１
第１０期 魏秀红　等：伊犁绢蒿荒漠草地物种光谱特征分析及识别初探
ｈｔｔｐ：／／ｃｙｋｘ．ｌｚｕ．ｅｄｕ．ｃｎ
表１　判别模型精度验证
Ｔａｂｌｅ　１　Ａｃｃｕｒａｃｙ　ｖａｌｉｄａｔｉｏｎ　ｏｆ　ｄｉｓｃｒｉｍｉｎａｎｔ　ｍｏｄｅｌ
物种
Ｓｐｅｃｉｅｓ
自身验证Ｓｅｌｆ－ｖｅｒｉｆｉｃａｔｉｏｎ
伊犁绢蒿
Ｓ．ｒａｎｓｉｌｉｅｎｓｅ
木地肤
Ｋ．ｐｒｏｓｔｒａｔａ
叉毛蓬
Ｐ．ｓｉｂｉｒｉｃａ
假木贼
Ａｎａｂａｓｉｓ　ｓｐ
羊茅
Ｆ．ｏｖｉｎａ
草原苔草
Ｃ．ｌｉｐａｒｏｃａｒｐｏｓ
小檗
Ｂ．ｔｈｕｎｂｅｒｇｉ
骆驼蓬
Ｐ．ｈａｒｍａｌａ
芨芨草
Ａ．ｓｐｌｅｎｄｅｎｓ
计数Ｃｏｕｎｔ
伊犁绢蒿
Ｓ．ｔｒａｎｓｉｌｉｅｎｓｅ
２１　 ３　 ０　 ２　 ０　 ０　 ０　 ０　 ０
木地肤
Ｋ．ｐｒｏｓｔｒａｔａ
４　 ２２　 ０　 ０　 ０　 ０　 ０　 ０　 ０
叉毛蓬
Ｐ．ｓｉｂｉｒｉｃａ
２　 ０　 ２２　 ０　 ０　 ０　 ０　 ０　 ０
假木贼
Ａｎａｂａｓｉｓ　ｓｐ．
０　 ０　 ０　 ７　 ０　 ０　 ０　 ０　 ２
羊茅
Ｆ．ｏｖｉｎａ
０　 ０　 ０　 ０　 ２１　 ０　 ０　 ０　 ０
草原苔草
Ｃ．ｌｉｐａｒｏｃａｒｐｏｓ
１　 ０　 ０　 ０　 ０　 １９　 ０　 ０　 ０
小檗
Ｂ．ｔｈｕｎｂｅｒｇｉｉ
０　 ０　 ０　 ０　 ０　 ０　 １８　 ０　 ０
骆驼蓬
Ｐ．ｈａｒｍａｌａ
０　 ０　 ０　 ０　 ０　 ０　 ０　 １２　 ０
芨芨草
Ａ．ｓｐｌｅｎｄｅｎｓ
０　 ０　 ０　 ２　 ０　 ０　 ０　 ０　 １０
回判准确率Ｒａｔｅ　ｏｆ　ｒｅｔｕｒｎ
伊犁绢蒿
Ｓ．ｔｒａｎｓｉｌｉｅｎｓｅ
８０．８％ １１．５％ ０　 ７．７％ ０　 ０　 ０　 ０　 ０
木地肤
Ｋ．ｐｒｏｓｔｒａｔａ
１５．４％ ８４．６％ ０　 ０　 ０　 ０　 ０　 ０　 ０
叉毛蓬
Ｐ．ｓｉｂｉｒｉｃａ
８．３％ ０　 ９１．７％ ０　 ０　 ０　 ０　 ０　 ０
假木贼
Ａｎａｂａｓｉｓ　ｓｐ．
０　 ０　 ０　 ７７．８％ ０　 ０　 ０　 ０　 ２２．２％
羊茅
Ｆ．ｏｖｉｎａ
０　 ０　 ０　 ０　 １００．０％ ０　 ０　 ０　 ０
草原苔草
Ｃ．ｌｉｐａｒｏｃａｒｐｏｓ
５　 ０　 ０　 ０　 ０　 ９５．０％ ０　 ０　 ０
小檗
Ｂ．ｔｈｕｎｂｅｒｇｉｉ
０　 ０　 ０　 ０　 ０　 ０　 １００．０％ ０　 ０
骆驼蓬
Ｐ．ｈａｒｍａｌａ
０　 ０　 ０　 ０　 ０　 ０　 ０　 １００．０％ ０
芨芨草
Ａ．ｓｐｌｅｎｄｅｎｓ
０　 ０　 ０　 １６．７％ ０　 ０　 ０　 ０　 ８３．３％
总精度
Ｏｖｅｒａｌ　ａｃｃｕｒａｃｙ
９０．５％
２．４．２　基于判别分析的物种识别　选用５项光谱指
标Ｒｎ、ＲＥＰ、Ｒｇ、ＭＳＡＶＩ、ＣＲＡＩ建立判别模型，判断样
本光谱属于哪一种植物。建立的判别函数如下：
Ｙ伊犁绢蒿＝２１．８０８×Ｒｎ＋６８．８７８×ＲＥＰ－４７．８１０
×Ｒｇ －１　９９９．０５７×ＭＳＡＶＩ－３．２６８×ＣＲＡＩ－
２４　０７７．３３４；
Ｙ木地肤＝２１．７４３×Ｒｎ＋６９．４４８×ＲＥＰ－４６．６４２×
Ｒｇ －２　０１８．０４１× ＭＳＡＶＩ－３．３９７×ＣＲＡＩ－
９２９１
草　业　科　学 第３３卷
ｈｔｔｐ：／／ｃｙｋｘ．ｌｚｕ．ｅｄｕ．ｃｎ
２４　４８５．６７１；
Ｙ叉毛蓬＝２１．０５６×Ｒｎ＋６７．５８９×ＲＥＰ－４８．０２６×
Ｒｇ －２　００４．３９７× ＭＳＡＶＩ－２．９９４×ＣＲＡＩ－
２３　１５０．０９３；
Ｙ假木贼＝２２．３８８×Ｒｎ＋６９．５６２×ＲＥＰ－４７．８９×
Ｒｇ －１　９８３．９７７× ＭＳＡＶＩ－３．５７７×ＣＲＡＩ－
２４　５８２．２６５；
Ｙ羊茅＝２１．５２２×Ｒｎ＋６７．６５７×ＲＥＰ－４６．１１１×
Ｒｇ－１　９４７．７９６× ＭＳＡＶＩ －３．４１× ＣＲＡＩ －
２３　２４４．４４４；
Ｙ草原苔草＝２３．８３８×Ｒｎ＋６８．７９×ＲＥＰ－４９．７８８×
Ｒｇ －１　９９２．９５３× ＭＳＡＶＩ－３．６４６×ＣＲＡＩ－
２４　０４３．０５１；
Ｙ小檗＝２１．０２２×Ｒｎ＋６８．４３３×ＲＥＰ－４１．１０２×
Ｒｇ－１　７８１．６５４× ＭＳＡＶＩ－４．２０９×ＣＲＡＩ－
２３　９２２．９９４；
Ｙ骆驼蓬＝２７．６７９×Ｒｎ＋６９．０５７×ＲＥＰ－５９．５０６×
Ｒｇ －２　１６９．４２２× ＭＳＡＶＩ－３．３４０×ＣＲＡＩ－
２４　１６９．６５８；
Ｙ芨芨草＝２３．１４６×Ｒｎ＋６９．７１×ＲＥＰ－４８．６４６×
Ｒｇ －１　９８４．０２７× ＭＳＡＶＩ－３．７６２×ＣＲＡＩ－
２４　６９９．０１３。
作判别时，将所测样本光谱指标分别代入９个公
式中，计算判别函数值，哪个函数值最大即属于哪一种
植物。观察９个判别公式，其中对应指标的系数相差
并不是很大，说明不同的荒漠草地植物光谱曲线区别
不大，多个指标参与识别，可以提高识别的精度。
采用自身验证法对原样本进行精度验证（表１），
羊茅、小檗和骆驼蓬３种植物，回判准确率达１００％，
完全被识别。伊犁绢蒿有３个样本被错判为木地肤，
有两个样本被错判为假木贼，回判准确率为８０．８％，
木地肤有４个样本被错判为伊犁绢蒿，叉毛蓬有两个
样本错判成伊犁绢蒿，假木贼有两个样本被判错为芨
芨草，回判准确率最低，为７７．８％，草原苔草有１个样
本被错判为伊犁绢蒿，芨芨草有两个样本被错判为假
木贼，总精度为９０．５％。
３　讨论
本研究是在伊犁绢蒿荒漠草地采集的光谱数据，
植物群落是与裸地镶嵌存在的，并不是绝对的植物群
落，因此，光谱仪摄取地物光谱可能摄入的是植物和裸
地综合反射光谱，但是植物的比重最大，基本可以体现
其光谱特征，周边少量其它地物也会影响其整体光谱，
并且各植物的整体反射率曲线走势差异并不大。Ｒｒ－
Ｒｎ光谱特征空间分析可以明显看出植物团聚，与土壤
清楚区分，没有重叠，说明采集的植物光谱数据具有可
靠性。
绿色植物光谱曲线在（４００－７６０ｎｍ）的可见光波
段有一个小的反射峰，两侧有两个低谷（蓝波段４５０
ｎｍ，红波段６７０ｎｍ），是因为叶绿素对蓝光和红光有
较强的吸收作用，而对绿光有较强的反射作用［２１－２２］。
本研究中除羊茅外其余特征植物的叶绿素反射峰的特
征均与之相吻合，原因是羊茅叶片内卷成针状，受土壤
背景影响较大，叶片偏灰色，叶绿素含量低，没有明显
的“峰”和“谷”特征，红边特征也由于覆盖度低的原因
而较弱，并且反射率较高；木地肤的叶片较小，叶绿素
含量较低，所以反射率最高；小檗相对于其它植物植株
较高，叶绿素含量多，而叉毛蓬在这个季节长势好，地
面生物量大，从而导致这两种植物的反射率较低。
９种植物的原光谱反射曲线在特定波段有一定差
异性。光谱一阶微分精确提取了植物光谱特征的红边
位置和红边幅值等有效信息，进一步对光谱曲线进行
平滑处理，有效地去除光谱中存在的噪声，并能保留光
谱原有特征。将光谱归一化处理后，植物的光谱曲线
变得很接近，更有利于发现各植物的光谱曲线差异，在
可见光波段可以清晰分辨出各植物，但在近红外波段
只能区分出羊茅、假木贼和骆驼蓬３种植物，可能是采
集的并不是绝对的单一植物种群，造成光谱数据的重
叠。光谱特征空间仅可以区分出骆驼蓬、叉毛蓬和小
檗３种植物，因为在植物生长过程中，生物量的增加和
植物冠层的增大，会使植物光谱在红光和近红外光谱
空间的位置远离土壤线［１７］，而骆驼蓬的冠层结构较大
且郁闭度高，所以距土壤线最远；小檗属于灌木，植株
相对较大，枝干较多，对光的吸收程度与其它植物有明
显差异，可以清楚区分；叉毛蓬植株小，且叶片圆柱状，
距离土壤线最近；其它植物的形态结构造成反射率近
似，从而有些部分重叠，难以区分，具体原因有待于进
一步研究。
本研究主要探讨分析植物在光谱特征上具有的区
别，以上方法在识别植物上具有一定的可行性，为后期
高光谱遥感监测提供支撑，但鉴于本研究结果是一年
数据，因此具体的识别标准，还需要多年验证。
４　结论
原始光谱能识别伊犁绢蒿荒漠草地９种植物，可
见波段４００－７６０ｎｍ处，木地肤、羊茅、伊犁绢蒿和小
０３９１
第１０期 魏秀红　等：伊犁绢蒿荒漠草地物种光谱特征分析及识别初探
ｈｔｔｐ：／／ｃｙｋｘ．ｌｚｕ．ｅｄｕ．ｃｎ
檗光谱曲线有一定差异；波段５１０－６９０ｎｍ 处木地
肤、羊茅和骆驼蓬光谱曲线有一定差异；近红外波段
７６０－１　１５０ｎｍ范围内可以区分出骆驼蓬、假木贼、羊
茅、木地肤、草原苔草、芨芨草和叉毛蓬。
光谱一阶微分技术、归一化和Ｒｒ－Ｒｎ 光谱特征空
间３种光谱处理方法均不能完全将９种植物明显识别
开来，但具有对识别植物的专一性，识别出的结果更具
可靠性。将一级微分光谱曲线进行平滑处理可以有效
去除植物光谱曲线的噪声影响。植物光谱曲线经过一
阶微分后，可以清楚区分骆驼蓬、叉毛蓬和羊茅，光谱
归一化后可以识别假木贼、骆驼蓬、木地肤和羊茅；
Ｒｒ－Ｒｎ光谱特征空间可以清楚区分骆驼蓬、叉毛蓬和小
檗。
采用判别分析建立的判别模型可以准确识别样本
的类别，羊茅、小檗和骆驼蓬３种植物识别精度达到
１００％，伊犁绢蒿识别精度为８０．８％，木地肤识别精度
８４．６％，假木贼识别精度７７．８％，草原苔草识别精度
９５％，芨芨草识别精度８３．３，总精度为９０．５％。
参考文献Ｒｅｆｅｒｅｎｃｅｓ：
［１］　钱金波，马明国．遥感技术在毒草识别中的研究进展．遥感技术与应用，２００９，２４（５）：６８５－６９０．
Ｑｉａｎ　Ｊ　Ｂ，Ｍａ　Ｍ　Ｇ．Ａ　ｒｅｖｉｅｗ　ｏｆ　ｐｏｉｓｏｎｏｕｓ　ｗｅｅｄｓ　ｄｅｔｅｃｔｉｏｎ　ｕｓｉｎｇ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ
Ａｐｐｌｉｃａｔｉｏｎ，２００９，２４（５）：６８５－６９０．（ｉｎ　Ｃｈｉｎｅｓｅ）
［２］　王秀珍，黄敬峰，李云梅，沈掌泉，王人潮．高光谱数据与水稻农学参数之间的相关分析．浙江大学学报：农业与生命科学版，
２００２，２８（３）：２８３－２８８．
Ｗａｎｇ　Ｘ　Ｚ，Ｈｕａｎｇ　Ｊ　Ｆ，Ｌｉ　Ｙ　Ｍ，Ｓｈｅｎ　Ｚ　Ｑ，Ｗａｎｇ　Ｒ　Ｃ．Ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｂｅｔｗｅｅｎ　ｒｉｃｅ　ａｇｒｉｃｕｌｔｕｒａｌ　ｐａｒａｍｅｔｅｒ　ａｎｄ　ｈｙｐｅｒｓｐｅｃｔｒａ　ｄａｔａ．
Ｊｏｕｒｎａｌ　ｏｆ　Ｚｈｅｊｉａｎｇ　Ｕｎｉｖｅｒｓｉｔｙ：Ａｇｒｉｃｕｌｔｕｒｅ　ａｎｄ　Ｌｉｆｅ　Ｓｃｉｅｎｃｅｓ，２００２，２８（３）：２８３－２８８．（ｉｎ　Ｃｈｉｎｅｓｅ）
［３］　何龙，安沙舟，靳瑰丽，范燕敏，张廷．退化伊犁绢蒿荒漠草地高光谱特征分析．草地学报，２０１４，２２（２）：２７１－２７６．
Ｈｅ　Ｌ，Ａｎ　Ｓ　Ｚ，Ｊｉｎ　Ｇ　Ｌ，Ｆａｎ　Ｙ　Ｍ，Ｚｈａｎｇ　Ｔ．Ａｎａｌｙｓｉｓ　ｏｎ　ｈｉｇｈ　ｓｐｓｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｄｅｇｒａｄｅｄ　Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎｓｉｌｉｅｎｓｅ　ｄｅｓｅｒｔ
ｇｒａｓｓｌａｎｄ．Ａｃｔａ　Ａｇｒｅｓｔｉａ　Ｓｉｎｉｃａ，２０１４，２２（２）：２７１－２７６．（ｉｎ　Ｃｈｉｎｅｓｅ）
［４］　盖颖颖，范闻捷，徐希孺，闫彬彦，王焕炯，刘媛．基于高光谱数据的呼伦贝尔草原花期物种识别和覆盖度估算．光谱学与光谱
分析，２０１１，３１（１０）：２７７８－２７８３．
Ｇａｉ　Ｙ　Ｙ，Ｆａｎ　Ｗ　Ｊ，Ｘｕ　Ｘ　Ｒ，Ｙａｎ　Ｂ　Ｙ，Ｗａｎｇ　Ｈ　Ｊ，Ｌｉｕ　Ｙ．Ｆｌｏｗｅｒ　ｓｐｅｃｉｅｓ　ｉｄｅｎｔｉｆｉｃａｔｉｏｎ　ａｎｄ　ｃｏｖｅｒａｇｅ　ｅｓｔｉｍａｔｉｏｎ　ｂａｓｅｄ　ｏｎ　ｈｙｐｅｒ－
ｓｐｅｃｔｒａｌ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｄａｔａ　ｉｎ　ｈｕｌｕｎｂｅｉｅｒ　ｇｒａｓｓｌａｎｄ．Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ　Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ，２０１１，３１（１０）：２７７８－２７８３．（ｉｎ　Ｃｈｉ－
ｎｅｓｅ）
［５］　胡远宁，崔霞，孟宝平，杨淑霞，梁天刚，甘南高寒草甸主要毒杂草光谱特征分析．草业科学，２０１５，３２（２）：１６０－１６７．
Ｈｕ　Ｙ　Ｎ，Ｃｕｉ　Ｘ，Ｍｅｎｇ　Ｂ　Ｐ，Ｙａｎｇ　Ｓ　Ｘ，Ｌｉａｎｇ　Ｔ　Ｇ．Ｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ａｎａｌｙｓｉｓ　ｏｆ　ｔｙｐｉｃａｌ　ｐｏｉｓｏｎｏｕｓ　ｗｅｅｄｓ　ｉｎ　Ｇａｎｎａｎ　ａｌｐｉｎｅ
ｍｅａｄｏｗ．Ｐｒａｔａｃｕｌｔｕｒａｌ　Ｓｃｉｅｎｃｅ，２０１５，３２（２）：１６０－１６７．（ｉｎ　Ｃｈｉｎｅｓｅ）
［６］　娜日苏，苏和，格根图，贾玉山，丁霞，德勒格日玛．内蒙古退化草甸草原近地面光谱特征的研究．中国草地学报，２０１０，３２（２）：
６６－７０．
Ｎａｒｉｓｕ，Ｓｕｈｅ，Ｇｅｇｅｎｔｕ，Ｊｉａ　Ｙ　Ｓ，Ｄｉｎｇ　Ｘ，Ｄｅｌｅｇｅｒｉｍａ．Ｓｔｕｄｙ　ｏｎ　ｎｅａｒ　ｓｕｒｆａｃｅ　ｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｉｎ　ｄｅｇｒａｄｅｄ　ｍｅａｄｏｗ　ｓｔｅｐｐｅ　ｉｎ
Ｉｎｎｅｒ　Ｍｏｎｇｏｌｉａ．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ｇｒａｓｓｌａｎｄ，２０１０，３２（２）：６６－７０．（ｉｎ　Ｃｈｉｎｅｓｅ）
［７］　靳瑰丽，何龙，安沙舟，范燕敏，武鹏飞．退化伊犁绢蒿荒漠草地特征植物光谱特征．草业科学，２０１４，３１（１０）：１８４８－１８５８．
Ｊｉｎ　Ｇ　Ｌ，Ｈｅ　Ｌ，Ａｎ　Ｓ　Ｚ，Ｆａｎ　Ｙ　Ｍ，Ｗｕ　Ｐ　Ｆ．Ｓｐｅｃｔｒａｌ　ｆｅａｔｕｒｅｓ　ｏｆ　ｅｉｇｈｔ　ｄｅｓｅｒｔ　ｒａｎｇｅ　ｐｌａｎｔｓ　ｏｎ　ｄｅｇｒａｄａｔｉｏｎ　Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎ－
ｓｉｌｉｅｎｓｅ　ｄｅｓｅｒｔ　ｇｒａｓｓｌａｎｄ．Ｐｒａｔａｃｕｌｔｕｒａｌ　Ｓｃｉｅｎｃｅ，２０１４，３１（１０）：１８４８－１８５８．（ｉｎ　Ｃｈｉｎｅｓｅ）
［８］　Ｃｏｃｈｒａｎｅ　Ｍ　Ａ．Ｕｓｉｎｇ　ｖｅｇｅｔａｔｉｏｎ　ｒｅｆｌｅｃｔａｎｃｅ　ｖａｒｉａｂｉｌｉｔｙ　ｆｏｒ　ｓｐｅｃｉｅｓ　ｌｅｖｅｌ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｏｆ　ｈｙｐｅｒ　ｓｐｅｃｔｒａｌ　ｄａｔａ．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒ－
ｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，２０００，２１（１０）：２０７５－２０８７．
［９］　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　ｄｅｇｒａｄｅｄ　Ｓｅｒｉｐｈｉｄｉ－
ｕｍ　ｔｒａｎｓｉｌｉｅｎｓｅ　ｄｅｓｅｒｔ　ｒａｎｇｅｌａｎｄ．Ａｃｔａ　Ａｇｒｅｓｔｉａ　Ｓｉｎｉｃａ，２０１１，１９（１）：２６－３０．（ｉｎ　Ｃｈｉｎｅｓｅ）
［１０］　范燕敏，武红旗，靳瑰丽．新疆草地类型高光谱特征分析．草业科学，２００６，２３（６）：１５－１８．
Ｆａｎ　Ｙ　Ｍ，Ｗｕ　Ｈ　Ｑ，Ｊｉｎ　Ｇ　Ｌ．Ｈｙｐｅｒ　ｓｐｅｃｔｒａｌ　ｐｒｏｐｅｒｔｉｅｓ　ａｎａｌｙｓｉｓ　ｏｆ　ｇｒａｓｓｌａｎｄ　ｔｙｐｅｓ　ｉｎ　Ｘｉｎｊｉａｎｇ．Ｐｒａｔａｃｕｌｔｕｒａｌ　Ｓｃｉｅｎｃｅ，２００６，
２３（６）：１５－１８．（ｉｎ　Ｃｈｉｎｅｓｅ）
１３９１
草　业　科　学 第３３卷
ｈｔｔｐ：／／ｃｙｋｘ．ｌｚｕ．ｅｄｕ．ｃｎ
［１１］　靳瑰丽，何龙，梁娜，鲍文婧．不同退化阶段伊犁绢蒿荒漠草地群落生长季动态变化分析．新疆农业科学，２０１４，５１（９）：１７５４－
１７５９．
Ｊｉｎ　Ｇ　Ｌ，Ｈｅ　Ｌ，Ｌｉａｎｇ　Ｎ，Ｂａｏ　Ｗ　Ｊ．Ｔｈｅ　ｃｏｍｍｕｎｉｔｙ　ｄｙｎａｍｉｃ　ｃｈａｎｇｅ　ｏｆ　ｄｅｇｒａｄｅｄ　Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎｓｉｌｉｅｎｓｅ　ｉｎ　ｄｅｓｅｒｔ　ｇｒａｓｓｌａｎｄ
ｄｕｉｎｇ　ｔｈｅ　ｇｒｏｗｉｎｇ　ｓｅａｓｏｎ．Ｘｉｎｊｉａｎｇ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｓｃｉｅｎｃｅｓ，２０１４，５１（９）：１７５４－１７５９．（ｉｎ　Ｃｈｉｎｅｓｅ）
［１２］　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　ｉｎ　Ｓｅｒｉｐｈｉｄｉｕｍ　ｔｒａｎｓｉｌｉｅｎｓｅ　ｄｅｓｅｒｔ
ｇｒａｓｓｌａｎｄ　ｕｎｄｅｒ　ｅｎｃｌｏｓｕｒｅ．Ｐｒａｔａｃｕｌｔｕｒａｌ　Ｓｃｉｅｎｃｅ，２０１５，３２（６）：８７０－８７６．（ｉｎ　Ｃｈｉｎｅｓｅ）
［１３］　张银，周孟然．近红外光谱分析技术的数据处理方法．红外技术，２００７，２９（６）：３４５－３４８．
Ｚｈａｎｇ　Ｙ，Ｚｈｏｕ　Ｍ　Ｒ．Ｍｅｔｈｏｄｓ　ｆｏｒ　ｄａｔａ　ｐｒｏｃｅｓｓ　ｏｆ　ｎｅａｒ　ｉｎｆｒａｒｅｄ　ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎａｌｙｓｉｓ．Ｉｎｆｒａｒｅｄ　Ｔｅｃｈｎｏｌｏｇｙ，２００７，２９（６）：
３４５－３４８．（ｉｎ　Ｃｈｉｎｅｓｅ）
［１４］　邹文涛，张韬，郝飞，孟庆伟．锡林郭勒盟典型草原区植被光谱特征研究．内蒙古农业大学学报：自然科学版，２００８，２９（１）：
６１－６４．
Ｚｏｕ　Ｗ　Ｔ，Ｚｈａｎｇ　Ｔ，Ｈａｏ　Ｆ，Ｍｅｎｇ　Ｑ　Ｗ．Ｒｅｓｅａｒｃｈ　ｏｎ　ｔｈｅ　ｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃ　ｏｆ　ｔｙｐｉｃａｌ　ｓｔｅｐｐｅ　ｉｎ　Ｘｉｌｉｎｇｕｏｌｅ　Ｃｏｕｎｔｙ，Ｉｎｎｅｒ
Ｍｏｎｇｏｌｉａ．Ｊｏｕｒｎａｌ　ｏｆ　Ｉｎｎｅｒ　Ｍｏｎｇｏｌｉａ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｕｎｉｖｅｒｓｉｔｙ：Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅ　Ｅｄｉｔｉｏｎ，２００８，２９（１）：６１－６４．（ｉｎ　Ｃｈｉｎｅｓｅ）
［１５］　安如，姜丹萍，李晓雪，王喆，Ｊｏｎａｔｈａｎ　Ａｒｔｈｕｒ　Ｑｕａｙｅ－Ｂａｌａｒｄ．基于地面实测高光谱数据的三江源中东部草地植被光谱特征研
究．遥感技术与应用，２０１４，２９（２）：２０２－２１１．
Ａｎ　Ｒ，Ｊａｎｇ　Ｄ　Ｐ，Ｌｉ　Ｘ　Ｘ，Ｗａｎｇ　Ｚ，Ｊｏｎａｔｈａｎ　Ａ　Ｑ－Ｂ．Ｕｓｉｎｇ　ｈｙｐｅｒｓｐｅｃｔｒａｌ　ｄａｔａ　ｔｏ　ｄｅｔｅｒｍｉｎｅ　ｓｐｅｃｔｒａｌ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｇｒａｓｓｌａｎｄ
ｖｅｇｅｔａｔｉｏｎ　ｉｎ　ｃｅｎｔｒａｌ　ａｎｄ　ｅａｓｔｅｒｎ　ｐａｒｔｓ　ｏｆ　Ｔｈｒｅｅ－ｒｉｖｅｒ　Ｓｏｕｒｃｅ．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ，２０１４，２９（２）：
２０２－２１１．（ｉｎ　Ｃｈｉｎｅｓｅ）
［１６］　张芳，熊黑钢，尔巴依·阿布都沙力克，栾福明．新疆天山北坡常见盐生植物端元尺度光谱特征及识别．光谱学与光谱分析，
２０１１，３１（１２）：３３３６－３３４１．
Ｚｈａｎｇ　Ｆ，Ｘｉｏｎｇ　Ｈ　Ｇ，Ｎｕｒｂａｙ　Ａｂｕｄｏｕｓｈａｌｉｋｅ，Ｌｕａｎ　Ｆ　Ｍ．Ｒｅｓｐｏｎｓｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｏｆ　ｔｈｅ　ｆｉｅｌｄ－ｍｅａｓｕｒｅｄ　ｓｐｅｃｔｒｕｍ　ｆｏｕｒ　ｇｅｒｅｎｒａｌ
ｔｙｐｅｓ　ｏｆ　ｈａｌｏｐｈｙｔｅ　ａｎｄ　ｓｐｅｃｉｅｓ　ｒｅｃｏｇｎｉｔｉｏｎ　ｉｎ　ｔｈｅ　ｎｏｒｔｈｅｒｎ　ｓｌｏｐｅ　ａｒｅａ　ｏｆ　Ｔｉａｎｓｈａｎ　Ｍｏｕｎｔａｉｎ　ｉｎ　Ｘｉｎｇｊｉａｎｇ．Ｓｐｅｃｔｒｏｓｃｏｐｙ　ａｎｄ
Ｓｐｅｃｔｒａｌ　Ａｎａｌｙｓｉｓ，２０１１，３１（１２）：３３３６－３３４１．（ｉｎ　Ｃｈｉｎｅｓｅ）
［１７］　Ｊｏｈｎ　Ｒ　Ｊ．遥感数字图像处理导论．陈晓玲，译．北京：机械工业出版社，２００７．
Ｊｏｈｎ　Ｒ　Ｊ．Ｉｎｔｒｏｄｕｃｔｏｒｙ　Ｄｉｇｉｔａｌ　Ｉｍａｇｅ　Ｐｒｏｃｅｓｓｉｎｇ．Ｃｈｅｎ　Ｘ　Ｌ．Ｔｒａｎｓｌａｔｉｏｎ．Ｂｅｉｊｉｎｇ：Ｃｈｉｎａ　Ｍａｃｈｉｎｅ　Ｐｒｅｓｓ，２００７．（ｉｎ　Ｃｈｉｎｅｓｅ）
［１８］　徐希儒．遥感物理．北京：北京大学出版社，２００５．
Ｘｕ　Ｘ　Ｒ．Ｐｈｙｓｉｃｓ　ｆｏｒ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ．Ｂｅｉｊｉｎｇ：Ｐｅｋｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　Ｐｒｅｓｓ，２００５．（ｉｎ　Ｃｈｉｎｅｓｅ）
［１９］　童庆禧，张兵，郑兰芬．高光谱遥感———原理、技术与运用．北京：高等教育出版社，２００６．
Ｔｏｎｇ　Ｑ　Ｘ，Ｚｈａｎｇ　Ｂ，Ｚｈｅｎｇ　Ｌ　Ｆ．Ｈｙｐｅｒｓｐｅｃｔｒａｌ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ———Ｔｈｅｏｒｙ，Ｔｅｃｈｎｏｌｏｇｙ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ．Ｂｅｉｊｉｎｇ：Ｈｉｇｈｅｒ　Ｅｄｕ－
ｃａｔｉｏｎ　Ｐｒｅｓｓ，２００６．（ｉｎ　Ｃｈｉｎｅｓｅ）
［２０］　阿布都瓦斯提·吾拉木．基于ｎ维光谱特征空间的农田干旱遥感监测．北京：北京大学博士学位论文，２００６．
Ａｂｕｄｕｗａｓｉｔｉ·Ｗｕｌａｍｕ．Ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｍｏｎｉｔｏｒｉｎｇ　ｏｆ　ｆａｒｍｌａｎｄ　ｄｒｏｕｇｈｔ　ｂａｓｅｄ　ｏｎ　ｎ－ｄｉｍｅｎｓｉｏｎａｌ　ｓｐｅｃｔｒａｌ　ｆｅａｔｕｒｅ　ｓｐａｃｅ．ＰｈＤ
Ｔｈｅｓｉｓ．Ｂｅｉｊｉｎｇ：Ｐｅｋｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ，２００６．（ｉｎ　Ｃｈｉｎｅｓｅ）
［２１］　浦瑞良，宫鹏．高光谱遥感及其应用．北京：高等教育出版社，２０００．
Ｐｕ　Ｒ　Ｌ，Ｇｏｎｇ　Ｐ．Ｈｙｐｅｒｓｐｅｃｔｒａｌ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ．Ｂｅｉｊｉｎｇ：Ｈｉｇｈｅｒ　Ｅｄｕｃａｔｉｏｎ　Ｐｒｅｓｓ，２０００．（ｉｎ　Ｃｈｉｎｅｓｅ）
［２２］　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．地理与地理信息科学，２００６，２２（４）：３１－３４．
Ｙａｎｇ　Ｋ　Ｍ，Ｇｕｏ　Ｄ　Ｚ．Ａｎａｌｙｓｉｓ　ｏｆ　ｈｙｐｅｒｓｐｅｃｔｒａｌ　ｆｅａｔｕｒｅｓ　ａｎｄ　ｅｘｔｒａｃｔｉｏｎ　ｏｆ　ｄｉｓｅａｓｅ　ｆｏｒ　ｖｅｇｅｔａｔｉｏｎ．Ｇｅｏｇｒａｐｈｙ　ａｎｄ　Ｇｅｏ－Ｉｎｆｏｒｍａ－
ｔｉｏｎ　Ｓｃｉｅｎｃｅ，２００６，２２（４）：３１－３４．（ｉｎ　Ｃｈｉｎｅｓｅ）
（责任编辑　苟燕妮）
２３９１