全 文 ：第 25 卷第 12 期
2005 年 12 月
生　　态　　学　　报
A CTA ECOLO G ICA S IN ICA
V o l. 25,N o. 12
D ec. , 2005
环青海湖地区天然草地时序光谱特征参量分析
张风丽1, 尹　球1, 匡定波1, 李凤霞2, 周秉荣2
(1. 中国科学院 上海技术物理研究所, 上海　200083; 2. 青海省气象科学研究所, 青海 西宁　810001)
基金项目: 国家自然科学基金资助项目 (40271084) ; 上海市科技发展基金资助项目 (011661077) ; 中国科学院二期知识创新工程资助项目
收稿日期: 2004209206; 修订日期: 2004211228
作者简介: 张风丽 (1978～ ) , 女, 山东人, 博士生, 主要从事生态环境遥感与高光谱遥感应用研究. E2m ail: flizhang@ 163. com.
致谢: 地面数据获取得到了青海省海北牧业气象试验站马宗泰高工和娄海萍站长, 及严应存、杨春玲等工程师的大力帮助; 青海省刚察县草原站
张生远高工和青海省海北州草原总站王志宏高工在草地类型鉴定和实验点布置方面提供了宝贵建议, 在此一并致谢!
Foundation item: N ational N atural Science Foundation of Ch ina (N o. 40271084) ; Shanghai Science and T echno logy D evelopm ent Foundation
(N o. 011661077) ; Second Round Know ledge Innovation P ro ject of Ch inese A cadem y of Science
Rece ived date: 2004209206; Accepted date: 2004211228
Biography: ZHAN G Feng2L i, Ph. D. candidate, m ain ly engaged in app lication of eco logical and hyperspectral remo te sensing. E2m ail: flizhang
@ 163. com
摘要: 获取了环青海湖地区 4 类主要天然草地 2003 年 5～ 10 月共 16 个时相的地面高分辨率光谱数据, 并利用植被指数技术、
导数光谱技术、植被光谱维特征提取模型及包络线归一化技术提取了多个光谱特征参量, 通过对各参量在生育期内分布规律的
分析, 给出了能较好地表征草地生长发育规律时序特征参量的具体分布; 最后计算了 4 类天然草地各时序特征参量的平均散
度, 结果表明黄边位置 ΚY、红边位置 ΚV、红边斜率 S V、绿峰半高宽 Κw G、红谷半高宽 Κw R、去包络红谷净面积A R ’和归一化植被指数
NDV I对于天然草地分类更有效。
关键词: 天然草地; 时序光谱特征参量; 生育期; 散度
文章编号: 100020933 (2005) 1223155206　中图分类号: S127　文献标识码: A
Ana lys is of t im e ser ies spectrum fea ture param eters der ived from dom inan t
na tura l gra sslands in the reg ion around Qingha i lake
ZHAN G Feng2L i1, Y IN Q iu1, KUAN G D ing2Bo 1, L I Feng2X ia2, ZHOU B ing2Rong2　 (1. S hang ha i Institu te of
T echn ica l P hy sics, CA S , S hang ha i 200083, Ch ina; 2. M eteorolog ica l R esearch Institu te of Q ing ha i P rov ince, X in ing 810001, Ch ina ). A cta
Ecolog ica S in ica , 2005, 25 (12) : 3155～ 3160.
Abstract: Grassland show s dist ingu ishab le seasonal pat tern s at differen t grow th stage, w h ile at a given tim e the grow th rhythm
of differen t grasslands diverges great ly. T ho se changes can be reco rded in spectro scop ic m easu rem en t perfo rm ed at differen t
t im e. T hus, remo te sensing is found ex trem ely usefu l fo r the study on grassland eco logy.
T h is let ter repo rts the remo te sensing invest igat ion on natu ral grasslands including alp ine dry steppe, moun tainous dry
steppe, paludificat ion m eadow and moun tainous m eadow around Q inghai lake, w ith the m easu rem en t being perfo rm ed on seven
selected m easu ring spo ts. Ground hyperspectral data w as co llected at six teen consecu tive t im es from M ay to O ctober in 2003
using GER 1500 spectrom eter w ith strict calib rat ion. T he vegetat ion index, derivat ive spectrum , vegetat ion spectral featu re
ex tract ion model, and con tinuum no rm alizat ion techno logy are used to ex tract m any spectrum featu re param eters. T he analysis
on the t im e pattern s of tho se featu re param eters gives 14 tim e series spectrum featu re param eters that clearly reflect the
developm en t of the grasslands. T he 14 param eters are green peak po sit ion ΚG , yellow edge po sit ion ΚY , red valley po sit ion ΚR ,
red edge po sit ion ΚV , slope of yellow edge S Y , slope of red edge S V , net heigh t of green peak H G , net dep th of red valley w ith
con tinuum removing H ′R , w idth of green peak at half heigh t Κw G , w idth of red valley at half heigh t Κw R , net area of green peak
A G , net area of red valley w ith con tinuum removing A ′R , po sit ion difference of red valley and green peak ΚRG , and no rm alized
difference vegetat ion index NDV I. T he fou r k inds of natu ral grasslands show differen t spectral featu res. T hus, ou r p relim inary
m easu rem en t indicates that it is po ssib le to use the experim en tal techn ique to so rt the grasslands. It is expected that the
detailed experim en t by increasing num ber of the data samp lingsw ou ld lead to accu rate grassland classificat ion. Among all tho se
param eters, it is found that ΚY , ΚV , S V , Κw G , Κw R , A ′R and N DV I appear to be mo re impo rtan t than the o thers.
Key words: natu ral grassland; t im e series spectrum featu re param eter; grow th period; divergence
　　遥感技术是草地生态监测的重要手段, 并已得到深入广泛的应用[1 ]。草地生长发育具有明显的季相节律, 在不同生长阶段
其内部成分结构和外部形态均会有所变化, 同时不同草地类型表现为生长规律的差异, 在光谱特征上亦有所反应, 因此可将多
时序光谱信息的应用作为草地生态遥感监测和分类的另一出发点[2～ 5 ]。本文以环青海湖为研究区, 利用 2003 年 5～ 10 月获取
的 4 类主要天然草地 16 个时相的地面高分辨率光谱数据, 并利用植被指数、导数光谱技术、植被光谱维特征提取模型及包络线
去除技术, 提取并分析了各类草地多种光谱特征参量在生育期内的分布规律, 最后利用散度准则函数初步评价了各时序光谱特
征参量用于草地分类的潜力。
1　研究区与数据获取
图 1　测点分布示意图
F ig. 1　D istribu tion of the seven m easuring spo ts
　　环青海湖片草地是全国北方重点牧区之一, 草地面积广阔,
牧草种类繁多, 营养价值丰富, 是青海省主要畜牧业基地。按照
青海省天然草地分类系统, 环青海湖片草地主要包括山地干草
原类、高寒干草原类和高寒草甸类, 其中高寒草甸类又可分为高
山草甸亚类和沼泽化草甸亚类[6 ]。高寒干草原主要分布在环青
海湖北部、中部山区的干旱阳坡和部分丘陵地区, 以耐寒抗旱的
丛生禾草为建群种, 主要优势种为紫花针茅。山地干草原主要分
布在青海湖北岸湖滨平原和南部丘陵边缘, 以旱生丛生禾草为
建群种, 主要优势种为芨芨草、扁穗冰草。高山草甸亚类是高寒
草甸类的典型和主体, 主要分布在刚察县北部、中部山区的阴坡
地带, 主要优势种为高山嵩草、矮生嵩草、线叶嵩草、黑褐苔草。
沼泽化草甸亚类主要分布在环青海湖北部默勒河流域滩地, 主
要优势种为藏嵩草、甘肃嵩草。根据研究区草地分布和具体实验条件, 在青海湖东北部共布置 7 个测点 (图 1) , 各测点所属类型
如表 1 所示。
表 1　各测点所属草地类型
Table 1　Type ascr iption s of each measur ing spot
测点
Spo t
所属类型 (青海省天然草地分类系统)
T ype ascrip tions (Q inghai P rovince natural grassland classification system )
类C lass 组 Group 型 T ype
1. 1 高寒干草原类A lp ine dry steppe 禾草草地组 Grasses 紫花针茅草地型 S tip a p u rp u rea
1. 2 高寒干草原类A lp ine dry steppe 禾草草地组 Grasses 紫花针茅草地型 S tip a p u rp u rea
2. 1 山地干草原类M ountainous dry steppe 禾草草地组 Grasses 芨芨草草地型A chna therum sp lend ens
3. 1 高寒草甸类沼泽化草甸亚类 Paludification m eadow 莎草草地组Cyperus 甘肃嵩草草地型 K obresia kansusnsis
3. 2 高寒草甸类沼泽化草甸亚类 Paludification m eadow 莎草草地组Cyperus 藏嵩草+ 苔草草地型 K obresia tibetica+ Carex
4. 1 高寒草甸类高山草甸亚类M ountainous m eadow 莎草草地组Cyperus 矮生嵩草草地型 K obresia hum ilis
4. 2 高寒草甸类高山草甸亚类M ountainous m eadow 莎草草地组Cyperus 矮生嵩草+ 杂类草草地型 K obresia hum ilis+ Fo rb
　　参照研究区各类草地生长周期, 于 2003 年 5 月到 10 月对所选测点共进行了 16 次光谱测量 (表 2)。实验选择晴朗无云天气
进行, 每 10d 1 次, 并根据天气情况在前后 5d 内调整, 受天气影响, 7 月下旬实验未进行。光谱测量采用美国地球物理及环境公
司研制的 GER 1500 地物光谱仪。该仪器共 512 个通道, 波长范围 350～ 1050nm , 视场角 3×011°, 光谱分辨率 3nm。仪器经严格
室内定标, 性能稳定。
表 2　16 次实验日期
Table 2　Date of 16 exper imen ts
实验次数 T im e 1 2 3 4 5 6 7 8
日期D ate 5 月 10 日10 M ay
5 月 19 日
19 M ay
5 月 29 日
29 M ay
6 月 9 日
9 June
6 月 19 日
19 June
6 月 30 日
30 June
7 月 9 日
9 Ju ly
7 月 19 日
19 Ju ly
实验次数 T im e 9 10 11 12 13 14 15 16
日期D ate 8 月 11 日11 A ug.
8 月 18 日
18 A ug.
8 月 29 日
29 A ug.
9 月 9 日
9 Sep.
9 月 19 日
19 Sep.
9 月 28 日
28 Sep.
10 月 14 日
14 O ct.
10 月 21 日
21 O ct.
6513　 生　态　学　报 25 卷
　　光谱测量时在每测点设置 3 个覆盖度不同的子区, 以子区为单位获取光谱。每个子区分别记录时间、GPS、云量、能见度、天
气现象、实地照片, 并测量草层高度和覆盖度。光谱测量时仪器探头垂直向下, 与待测牧草和参考白板距离都保持 1m 左右。为
减小随机误差影响每个子区测量 9 次, 取均值作为该子区反射光谱; 为减少大气变化影响, 牧草与参考白板测量交替进行, 每测
量牧草 3 次就重新获取白板光谱。测量时间控制在 10: 00～ 16: 00 之间。
2　光谱特征参量分析方法
　　图 2 给出了 8 月中旬高寒干草原的反射光谱曲线。可以看出健康绿色草地在可见光 (400～ 700nm ) 与近红外波段 (700～
950nm )反射特征差异很大, 实际应用中常利用这两个波段的组合形成各种植被指数[7 ]。本文采用目前应用最广的归一化植被
指数N DV I (N o rm alized D ifference V egetat ion Index) , 且红光波段R ed 取 680nm , 近红外波段N IR 取 780nm (图 2) , 计算公式
采用:
N DV I = ΘN IR - ΘRedΘN IR + ΘRed
　　式中, ΘN IR 与 ΘRed 分别为近红外波段N IR 与红光波段R ed 所对应反射率。
在草地光谱测量中土壤、凋落物等以低频噪声形式影响目标光谱, 因此可利用一阶导数运算 Θ′(Κi) = Θ(Κi+ 1 - Θ(Κi- 1)Κi+ 1 - Κi- 1 予
以限制和消除[8 ] , 式中 Κi 为 i 波段波长, Θ(Κi) 为 i 波段反射率, Θ′(Κi) 即为 i 波段一阶导数光谱值。图 2 给出了高寒干草原对应
的一阶导数光谱曲线, 可以看出导数光谱运算可以大大强化草地红边 (680～ 750nm 陡峭爬升脊)特征。
图 2　高寒干草原反射及一阶导数光谱
F ig. 2　Reflectance and first2o rder derivative spectrum of alp ine dry
steppe
　　针对植被研究, 谭倩等提出利用植被光谱维特征提取模型
(V egetat ion spectral featu re ex tract ion model2V SFEM ) 控制和
模拟植被光谱曲线[9 ]。该模型在 380～ 1000nm 范围内选取 8 个
特征位置M 、B、G、Y、R、V、I 1、I , 图 3 利用高寒干草原反射光谱
给出了其分布。M (ΚM , ΘM ) (蓝紫波段吸收谷) 对应 350～ 500nm
反射光谱最小值, B (ΚB , ΘB ) (蓝边) 对应 450～ 550nm 反射光谱
拐点, G (ΚG , ΘG ) (绿峰) 对应 510～ 580nm 反射光谱最大值点,
Y (ΚY , ΘY ) (黄吸收边) 对应 550～ 650nm 反射光谱拐点, R (ΚR ,ΘR ) (红谷)对应 600～ 720nm 反射光谱最小值, V (ΚV , ΘV ) (红边)
对应 680～ 760nm 反射光谱拐点, I 1 (ΚI1 , ΘI1) 为反射光谱包络线
在 670～ 800nm 第 1 个包络点, I (ΚI , ΘI ) 对应 780～ 950nm 反射
光谱最大值。其中M 、G、R、I 为相应波长范围内一阶导数光谱最
近 0 点 (图 2) ,B、Y、V 对应一阶导数光谱在相应波长范围极大或
极小值点 (图 2) , 而 I 1 通过计算反射光谱的包络线 (Con tinuum )得到。图 3 给出了G 到 I 间反射光谱的包络线, 其计算过程可参
照文献[10 ]。
包络线归一化 (又称包络线去除)可有效突出吸收和反射特征, 是一种有效的光谱分析方法[10, 11 ] , 利用 i 波段反射率 Θi 除以
i 波段对应包络线值实现, 图 4 给出了G 到 I 1 间包络线归一化结果。
3　结果与分析
3. 1　各类草地时序光谱特征参量分布
V SFEM 模型[9 ]不仅可以表征草地光谱主要特征, 还可以得到一系列与波形相关的特征参量。草地在不同生长发育阶段,
其内部结构和外部形态均发生一系列周期性变化, 导致其物理光学特征也随之发生变化, 并被称之为季相节律[5 ]。本文分析了
4 类天然草地多种特征参量在整个生育期内的变化规律, 并给出了几种能较好地表征草地生长发育规律时序特征参量的具体
分布 (图 5)。
　　ΚG、ΚY、ΚR、ΚV 分别为绿峰G、黄边 Y、红谷R、红边V 所对应波长。S Y 为图 3 直线R G 的斜率, 计算方法为 S Y = (ΘG - ΘR ) ö(ΚG
- ΚR ) , S v 为红边V 所对应一阶导数值 (图 2)。H G 表示图 3 绿峰G 到直线M R 的纵向距离, 计算方法为H G = ΘG - ( (ΘR - ΘM ) ö
(ΚR - ΚM )× (ΚG - ΚR ) + ΘR ) , H ′R 为图 4 红谷R 所对应包络线归一化值。Κw G (图 3)表示绿峰在H Gö2 处波长宽度, 用B Y 的水平
距离近似表示, Κw R (图 3)表示红谷净深一半H R ö2 处的波长宽度, 用 YV 的水平距离近似表示。A G 为图 3 曲线M BGYR 和直线
M R 所围面积, 反映绿峰净强度,A ′R 为图 4 包络线归一化曲线GR I 1 与G I 1 所围面积。ΚRG为红谷 R 与绿峰 G 对应波长差 (图
3)。
　　牧草返青初期, 绿反射峰和红吸收谷都不明显, 表现在图 5 绿峰位置 ΚG 较靠近长波长方向, 绿峰净高度H G、绿峰面积A G
751312 期 张风丽　等: 环青海湖地区天然草地时序光谱特征参量分析 　
图 3　高寒干草原反射光谱及包络线
F ig. 3　Reflectance spectrum and continuum of alp ine dry steppe
(呈负值) 较小, 较开阔绿峰对应的半高宽 Κw G值较大; 而红谷位
置 ΚR、红边位置 ΚV 较靠近短波长方向, 红边斜率 S v、去包络线后
红谷净深H ′R、红谷半高宽 Κw R、去包络线后红谷净面积A ′R 值都
较小; 而此时介于G 和 R 之间的黄边位置 ΚY 较靠近长波长方向
且斜率 S Y 较大, R G 的位置差 ΚRG和N DV I 值较小。随生育期推
进草地外貌特征发生明显变化, 光谱特征也发生相应变化, 表现
为草地对可见光吸收增加, 对近红外反射增强, 且对红光吸收大
于蓝光、对蓝光吸收大于绿光, 因此绿峰和红谷都越来越明显,
特别是红谷不断加深加宽。草地内部成分及外貌特征的变化导
致各特征参量也发生相应变化, 主要表现在绿峰位置 ΚG 向蓝光
方向偏移, 红谷位置 ΚR、红边位置 ΚV 向近红外方向偏移 (即红
移[5, 12 ]) , 绿峰净高H G、去包络线后红谷净深H ′R、绿峰面积A G、
去包络线后红谷净面积A ′R 增大且达峰值后趋于稳定, 由于红
图 4　高寒干草原G 到 I 1 波长范围反射光谱包络线归一化结果
F ig. 4　Continuum removing of alp inedry steppe reflectances2
pectrum betw een G and I 1
谷的加深加阔红边斜率 S V 和红谷半高宽 Κw R 逐渐变大, 而绿峰
由于受到挤压半高宽 Κw G变小, 该阶段黄边位置 ΚY 逐渐向短波长
方向偏移且斜率 S Y 减少并最终达负值, R G 位置差 ΚRG和NDV I
值逐渐增大。生长盛期过后, 随草地黄枯光谱特征亦发生相应变
化, 从图 5 可以看出该时间段各特征参量呈与前一阶段相反的
变化趋势。
3. 2　时序光谱特征参量对草地分类潜力分析
由上可见, 图 5 所示各时序特征参量在一定程度上反映草
地生长发育内在规律, 同时还可以看出不同草地类型所对应的
同种时序参量在形状和强度上存在明显差异, 因此可考虑作为
草地分类的鉴别性标志。为探讨各参量对于分类的有效性, 最理
想的是使用分类错误率[13 ]。本实验测点样本偏少无法直接进行
分类实验, 因此利用与错误率有单调关系的散度准则函数[13 ]作
为类别可分离性判据评价这些特征参量对于分类的有效性。
类别 Ξi 与 Ξj 的散度 J D ij 定义为两类总的平均可分性信息,
假设样本正态分布则有:
J D ij =
1
2 tr (2 j 2 - 1i - 2I ) + 12 (Λi - Λj ) T (2 - 1i + 2 - 1j ) (Λi - Λj ) (1)
式中, 2 i、2 j 分别为 Ξi 和 Ξj 类的协方差矩阵, u i、u j 为 Ξi 和 Ξj 类的均值。实验表明散度与误判概率 (或其上下界)之间存在单调
关系, 散度增加时分类错误率减小。
对于多类问题 (c> 2) , 可采用加权和的方法综合各类对散度, 但直接应用 (1) 式可能会导致散度较大类对掩盖散度较小类
对对分类能力的影响, 这就意味着较大的散度不一定对应着较高的分类识别率。为改善这种情况, 对散度 J D ij 进行变换使其对
小散度较为敏感:
J
(T )
D ij = 1 - exp (- J D ij ö8) (2)
　　则总的平均散度 J (T )D 为:
J (T )D = ∑
c- 1
i= 1
∑
c
j= i+ 1
p (Ξi) p (Ξj )J (T )D ij (3)
　　式中, p (Ξi)、p (Ξj )分别为 Ξi 和 Ξj 类出现的先验概率, c 为类别数目。J (T )D 增加了散度较小类对对分类能力的影响, 具有更
可靠的可分性判断能力。特征参量对应的散度越大, 则对于区分相应的类就越有效。表 3 给出了 4 类天然草地各时序光谱特征
参量的散度。
　　由表 3 可以看出, 利用黄边位置 ΚY、红边位置ΚV、红边斜率S V、绿峰半高宽Κw G、红谷半高宽Κw R、去包络红谷净面积A ′R 和归
一化植被指数N DV I 计算得到的平均散度较大, 即利用这些时序参量对 4 类天然草地分类时对应着较高的识别率, 因此它们
对于天然草地分类更有效, 值得进一步深入研究。
8513　 生　态　学　报 25 卷
图 5　4 类天然草地各时序光谱特征参量在生育期内变化规律
F ig. 5　Change ru le of t im e series spectrum feature param eters th rough grow th period fo r 4 natural grasslands
各图间隔的 4 类从左到右依次为高寒干草原、山地干草原、沼泽草甸、高山草甸, 每类对应的 16 个时相见表 2　F rom left to righ t the
separated 4 types are alp ine dry steppe, mountainousdry steppe, paludification m eadow , and mountainous m eadow in turn. A nd date of 16
tim e sequences is listed in tab le 2
951312 期 张风丽　等: 环青海湖地区天然草地时序光谱特征参量分析 　
表 3　天然草地各时序光谱特征参量散度
Table 3　D ivergence of time ser ies spectrum feature parameters of natural grasslands
特征参量 Feature param eter ΚG ΚY ΚR ΚV S Y S V H G
J (T )D 0. 7318 0. 7500 0. 7074 0. 7468 0. 7242 0. 7431 0. 7044
特征参量 Feature param eter H ′R Κw G Κw R A G A ′R ΚRG N DV I
J (T )D 0. 7278 0. 7494 0. 7496 0. 7366 0. 7467 0. 6600 0. 7440
4　讨论
　　草地季相节律变化可在光谱上有所反应, 因此可作为草地生态监测的另一出发点。本文利用环青海湖地区 4 类天然草地
16 个时相的地面光谱数据, 分析了 14 个特征参量绿峰位置、黄边位置、红谷位置、红边位置、黄边斜率、红边斜率、绿峰净高度、
去包络线后红谷净深度、绿峰半高宽、红谷半高宽、绿峰净面积、去包络线后红谷净面积、红谷绿峰位置差及归一化植被指数在
草地生育期内的分布规律。它们在生育期内的规律变化一定程度上反映了草地生长发育过程; 同时可以看出不同草地类型的同
种时序光谱参量存在明显差异, 可考虑作为草地分类的鉴别性标志。因样本有限本文利用散度作为可分判据对利用各时序参量
区分天然草地的潜力进行了分析, 并得出黄边位置 ΚY、红边位置 ΚV、红边斜率 S V、绿峰半高宽 Κw G、红谷半高宽 Κw R、去包络红谷
净面积A ′R 和归一化植被指数N DV I 对于草地分类的潜力更大。本文结论可为航天、航空多时序遥感应用提供借鉴和参考。
References:
[ 1 ]　T ueller P T. Remo te sensing techno logy fo r rangeland m anagem ent app lications. J ou rna l of R ang e M anag em en t, 1989, 42 (6) : 442～
453.
[ 2 ]　Sheng Y W , Chen W Y, X iao Q G, et a l. M acro2classification of p lan t using m eteo ro logical satellite vegetation index in Ch ina. Ch inese
S cience B u lletin, 1995, 3 (4) : 68～ 71.
[ 3 ]　A graw al S, Jo sh i P K, Shuk la Y, et a l. SPO T V EGETA T ION m ulti2tempo ral data fo r classifying vegetation in south cen tral A sia.
Cu rren t S cience, 2003, 84 (11) : 1440～ 1448.
[ 4 ]　W o lter, P T , M ladenoff D J , Ho st G E, et a l. Imp roving fo rest classification in the N o rthern L ake States using m ulti2tempo ral landsat
im ages. P hotog ramm etric E ng ineering and R em ote S ensing , 1995, 61 (9) : 1129～ 1143.
[ 5 ]　Zhao Y S. V egetation remo te sensing. In: H uang R H ed. P rincip le and m ethod of rem ote sensing app lica tion and ana ly sis. Beijing:
Ch inese Scien tific P ress, 2003. 366～ 412.
[ 6 ]　W an Y B. T he exp lo itat ion and environm ent p ro tection of Q inghai grasslands. P ra ta Cu ltu re of Q ing ha i, 1992, 1 (4) : 17～ 21.
[ 7 ]　T ian Q J , M in X J. A dvance in study on vegetation indices. A d vance in E arth S cience, 1998, 13 (4) : 327～ 333.
[ 8 ]　Chen S P, Tong Q X, Guo H D. H yperspectral remo te sensing m echanism and m aterial recognit ion. In: Chen S P ed. T he research on
rem ote sensing m echan ism. Beijing: Ch inese Scien tific P ress, 1998. 139～ 233.
[ 9 ]　T an Q , Zhao Y C, Tong Q X, et a l. Feature ex traction model in vegetation spectrum dim ension. R em ote S ensing Inf orm ation, 2001, 1
(1) : 14～ 18.
[ 10 ]　C lark R N , Roush T L. Reflectance spectro scopy: quantitat ive analysis techniques fo r remo te sensing app lication. J ou rna l of Geop hy sica l
R esearch , 1984, 89 (1) : 6329～ 6340.
[ 11 ]　Pu R L , Gong P. A pp lication of hyperspectral remo te sensing in geo logy. In: Pu R L. H yp ersp ectra l rem ote sensing and its app lica tions.
Beijing: H igher Education P ress. 2000. 47～ 80.
[ 12 ]　M iller J R. Season patterns in leaf reflectance and red edge characterist ics. In t J R em ote S ens, 1991, 12 (7) : 1509～ 1523.
[ 13 ]　Sun J X. Feature ex traction and selection. In: Pan S ed. M od ern p a ttern recog n ition. Changsha: Publish ing House of N ationalU niversity
of D efense T echno logy, 2002. 190～ 242.
参考文献:
[ 2 ]　盛永伟, 陈维英, 肖乾广, 等. 利用气象卫星植被指数进行我国植被的宏观分类. 科学通报, 1995, 40 (1) : 68～ 71.
[ 5 ]　赵英时. 植物遥感. 见: 黄荣辉主编. 遥感应用分析原理与方法. 北京: 中国科学技术出版社, 2003. 366～ 412.
[ 6 ]　万育彬. 青海省草地资源开发利用与环境保护. 青海草业, 1992, 1 (4) : 17～ 21.
[ 7 ]　田庆久, 闵祥军, 等. 植被指数研究进展. 地球科学进展, 1998, 13 (4) : 327～ 333.
[ 8 ]　陈述彭, 童庆禧, 郭华东. 高光谱分辨率遥感信息机理与地物识别. 见: 陈述彭主编. 遥感信息机理研究. 北京: 科学出版社, 1998. 139
～ 233.
[ 9 ]　谭倩, 赵永超, 童庆禧, 等. 植被光谱维特征提取模型. 遥感信息, 2001, 1 (1) : 14～ 18.
[ 11 ]　浦瑞良, 宫鹏. 高光谱遥感在地质调查中的应用. 见: 浦瑞良主编. 高光谱遥感及其应用. 北京: 高等教育出版社, 2000. 47～ 80.
[ 13 ]　孙即祥. 特征提取与选择. 见: 孙即祥主编. 现代模式识别. 国防科技大学出版社, 2002. 190～ 242.
0613　 生　态　学　报 25 卷