全 文 ：书中国北方草地覆被的犎犑星犖犇犞犐校正研究
刘睿１，２，３，孙九林１，张金区１，王卷乐１，廖秀英１，３
（１．资源与环境信息系统国家重点实验室 中国科学院地理科学与资源研究所，北京１００１０１；２．重庆师范大学地理科学学院，
重庆４０００４７；３．中国科学院研究生院，北京１０００４９）
摘要：ＮＤＶＩ时间序列数据已经得到了广泛应用。中国的环境与灾害监测预报小卫星（ＨＪ星）装载的４部ＣＣＤ传
感器能够满足在中国及其周边地区植被动态监测时间与空间分辨率两方面的需求，基于其建立的ＮＤＶＩ时间序列
产品对于研究该区域的植被变化状况具有重要意义。然而波段的差异对不同传感器获取的 ＮＤＶＩ具有非常显著
的影响。本研究立足于对 ＨＪ星４部ＣＣＤ传感器以及ＬａｎｄＳａｔ卫星ＴＭ、ＥＴＭ＋传感器的波段分析，利用同时相
遥感影像对获取并推算６部传感器ＮＤＶＩ在中国北方中温带干旱半干旱草地的ＮＤＶＩ交叉校正系数，并通过野外
实测光谱数据计算等效ＮＤＶＩ对研究结果进行验证。结果表明，ＨＪ星４部ＣＣＤ传感器间获取的ＮＤＶＩ差异能够
达到５％，本研究中得到的传感器间ＮＤＶＩ交叉校正系数能够将该差异有效减小到２％以内。同时证明了传感器
中心波长对ＮＤＶＩ的影响大于波段宽度对ＮＤＶＩ的影响。
关键词：ＮＤＶＩ时间序列；环境与灾害监测预报小卫星；波段差异分析；ＮＤＶＩ交叉校正；中温带干旱半干旱草地
中图分类号：Ｓ８１２０５；Ｓ１２７ 文献标识码：Ａ 文章编号：１００４５７５９（２０１１）０１０１８９１０
监测植被及其动态变化是地球观测卫星系统（ＥａｒｔｈＯｂｓｅｒｖａｔｉｏｎＳｙｓｔｅｍ，ＥＯＳ）的主要任务之一。基于卫星
传感器红光与近红外波段遥感数据生产的归一化植被指数（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ，ＮＤＶＩ）时间
序列能够综合反映植被的季相变化等特征，已被广泛应用于区域与全球尺度植被动态监测、物候特征识别等方
面［１３］。许多卫星观测系统已经建立起 ＮＤＶＩ序列数据，然而在现有的观测体系中，较高时间分辨率传感器如
ＮＯＡＡ／ＡＶＨＲＲ、Ｔｅｒｒａ／ＭＯＤＩＳ、ＳＰＯＴ／Ｖｅｇｅｔａｔｉｏｎ、ＳｅａＷｉＦＳ等受限于其较粗的空间分辨率，中高空间分辨率
传感器如ＬａｎｄＳａｔＴＭ／ＥＴＭ＋、ＳＰＯＴ／ＨＲＶ、ＩＲＳＰ６、ＣＢＥＲＳ等受限于其较长的重复观测周期，各个传感器由
于其自身全球或区域观测的不同目的，在中国及其周边范围内空间与时间分辨率两方面的需求往往难以同时满
足。
中国的环境与灾害监测预报小卫星Ａ、Ｂ星（以下简称 ＨＪ１Ａ／１Ｂ星）于２００８年９月６日发射升空，双星装
载的４部宽覆盖多光谱ＣＣＤ传感器具备３０ｍ的空间分辨率以及同等空间分辨率传感器中最大的幅宽（３６０
ｋｍ），每２ｄ可以对中国及周边地区完成一次全覆盖观测［４］。基于ＨＪ星ＣＣＤ数据获取ＮＤＶＩ时间序列产品，能
够满足中国及其周边区域植被动态监测空间与时间分辨率两方面应用需求，对于研究该区域植被动态变化状况
具有重要意义。
ＮＤＶＩ被定义为近红外波段与可见光红波段反射率之差与反射率之和的比值。研究表明，不同传感器的红
波段与近红外波段的宽度（ｂａｎｄｗｉｄｔｈ）与位置（ｂａｎｄｐｏｓｉｔｉｏｎ）的差异对传感器 ＮＤＶＩ能够产生非常大的影
响［５，６］。鉴于此，许多学者致力于研究多传感器数据源ＮＤＶＩ数据同化工作［７１１］，以期建立ＮＤＶＩ时间序列数据。
然而，目前的研究中存在着一些不足，主要表现在：
１）从影像整体的ＮＤＶＩ校正开展分析，没有考虑到地表覆被类型对ＮＤＶＩ差异的贡献。事实上，对于不同
的下垫面与地表覆被，传感器波段差异对ＮＤＶＩ的影响程度不相同［５］。
２）大多数研究基于表观反射率（ａｐｐａｒｅｎｔｒｅｆｌｅｃｔａｎｃｅ）获取的ＮＤＶＩ得到交叉校正系数［１２］，没有考虑到大气
效应对ＮＤＶＩ的影响，这显然存在着一定的误差。
第２０卷 第１期
Ｖｏｌ．２０，Ｎｏ．１
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
１８９－１９８
２０１１年２月
收稿日期：２０１００９１９；改回日期：２０１０１０１１
基金项目：国家自然科学基金（４０７７１１４６）和国家科技基础性工作专项（ＳＢ２００７ＦＹ４４２）资助。
作者简介：刘睿（１９８３），男，重庆人，在读博士。Ｅｍａｉｌ：ｌｉｕｒ＠ｌｒｅｉｓ．ａｃ．ｃｎ
通讯作者。
对于中国 ＨＪ星ＮＤＶＩ的计算也同样存在着上述问题，严重影响着其对地表植被监测的准确度。基于此，本
研究以地处中温带干旱半干旱地区的内蒙古呼伦贝尔地区为例，通过研究 ＨＪ星４部ＣＣＤ传感器获取的ＮＤＶＩ
数据，探讨 ＨＪ星ＮＤＶＩ数据在干旱半干旱草地覆被的交叉校正系数，并结合ＬａｎｄＳａｔＴＭ 与ＥＴＭ＋传感器的
ＮＤＶＩ数据与野外实测数据，为建立适合于中国北方及其周边地区草地生态系统ＮＤＶＩ时间序列提供校正系数
支持。
１ 材料与方法
１．１ 研究区域概况
呼伦贝尔市位于内蒙古自治区东部，介于东经１１５°３１′～１２６°０４′，北纬４７°０５′～５３°２０′。其西部地区为呼伦
贝尔高原，地处欧亚大陆中纬度地带，土壤以栗钙土与黑钙土为主，属于中温带大陆季风气候，降水量平均为２５０
～３４０ｍｍ，生长季降水量占全年降水量的８９％～９６％，年积温介于１２６０～２９６０℃［１３１５］。地表覆被为典型的干
旱半干旱草原地区，草原面完整，分割轻微，海拔介于６００～８００ｍ，是比较理想的平坦地区，如图１所示。主要草
地植被物种包括：线叶菊（犉犻犾犻犳狅犾犻狌犿犪狆犲狋犪犾狌犿）、贝加尔针茅（犛狋犻狆犪犫犪犻犮犪犾犲狀狊犻狊）、大针茅（犛．犵狉犪狀犱犻狊）、克氏针
茅（犛．犽狉狔犾狅狏犻犻）、羊草（犔犲狔犿狌狊犮犺犻狀犲狀狊犻狊）、冷蒿（犃狉狋犲犿犻狊犻犪犳狉犻犵犻犱犪）、糙隐子草（犆犾犲犻狊狋狅犵犲狀犲狊狊狇狌犪狉狉狅狊犪）等。
图１ 研究区与野外光谱采样点分布图
犉犻犵．１ 犛狋狌犱狔犪狉犲犪犪狀犱犳犻犲犾犱狊狆犲犮狋狉犪犾狆狅犻狀狋狊犱犻狊狋狉犻犫狌狋犻狅狀
１．２ 数据选择与预处理
考虑到中国北方草原ＮＤＶＩ最大值出现在８月上旬［１６，１７］，本研究选择８月初的同时相或近时相（相差不超
过１ｄ，云量与天气状况无明显变化）相同区域遥感影像以尽量减小时间与大气对地表参数观测过程中的影响。
表１是本研究中涉及到的遥感影像对地基本参数，选取影像内２０００×２０００像素（６０ｋｍ×６０ｋｍ）子区域以开展
对比研究，主要地表覆被类型为草地，间有裸地与水体，无林地与耕地。
表１ 本研究中用到的影像对
犜犪犫犾犲１ 犐犿犪犵犲狆犪犻狉狊狌狊犲犱犻狀狋犺犻狊狉犲狊犲犪狉犮犺
采集日期Ｄａｔｅ 采集时间（ＵＴＣ）Ｔｉｍｅ（ＵＴＣ） 影像ＩＤＩｍａｇｅＩＤ 传感器Ｓｅｎｓｏｒ
２００９８７／８ ３：０３：１２／３：２８：２１ Ｌ２００００１５３００１／Ｌ２００００１５３４０２ １ＡＣＣＤ２／１ＡＣＣＤ１
２００９８１１ ３：０６：０３／２：５４：０４ Ｌ２００００１５４８０３／ＬＥ７１２５０２７２００９２２３ＳＧＳ００ １ＡＣＣＤ２／ＥＴＭ＋
２００９８１２ ２：４６：２１／３：３０：２２ ＬＴ５１２４０２６２００９２２４ＩＫＲ０１／Ｌ２００００１５５２６６ ＴＭ／１ＡＣＣＤ１
２００９８１２／１３ ３：３０：２２／３：０８：１７ Ｌ２００００１５５２６６／Ｌ２００００１５６５２６ １ＡＣＣＤ１／１ＢＣＣＤ２
２００９８２１／２２ ３：１３：５９／３：３９：０７ Ｌ２００００１６０４６９／Ｌ２００００１６０８３５ １ＢＣＣＤ２／１ＢＣＣＤ１
０９１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１１） Ｖｏｌ．２０，Ｎｏ．１
影像的预处理过程包括几何精校正与辐射定标，得到地表覆被在大气外的表观反射率（ａｐｐａｒｅｎｔｒｅｆｌｅｃ
ｔａｎｃｅ）。几何精校正选择２０００年ＮＡＳＡ制作的全球正射影像镶嵌数据（ｇｌｏｂａｌｏｒｔｈｏｒｅｃｔｉｆｉｅｄＬａｎｄＳａｔｄａｔａｓｅｔ）
作为参考数据，该数据均方根（ＲＭＳ）精度优于５０ｍ［１８］。几何校正方法采用二次多项式拟合法，ＲＭＳ误差不超
过０．５个像元（１５ｍ）。辐射定标参数来自中国资源卫星应用中心与２００９年ＮＡＳＡ的ＬａｎｄＳａｔ辐射定标参数［１９］。
同时，笔者于２００９年７月底与８月初对呼伦贝尔地区草地开展野外综合考察，其中利用便携式光谱仪
（ＦｉｅｌｄＳｐｅｃ? ＨａｎｄＨｅｌｄＳｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ）获取了１３个野外光谱采样点，其分布如图１所示。
１．３ 传感器波段差异分析
波段宽度与位置的差异对ＮＤＶＩ计算具有显著的影响［５，６］。图２显示了 ＨＪ星上４部ＣＣＤ传感器与ＴＭ、
ＥＴＭ＋传感器红、近红外波段的相对光谱响应，相对光谱响应数据源自中国资源卫星应用中心与美国宇航局戈
达德空间飞行中心。可以看出，６部传感器的波段宽度与位置存在着明显差异，如１ＢＣＣＤ１的红波段宽度最窄，
近红外波段宽度又较宽，ＥＴＭ＋的波段宽度总体而言最窄。这些差异导致传感器获取的亮度值不同，进而导致
ＮＤＶＩ的差异。
图３进一步显示了不同传感器中心波长在研究区域典型草地植被上的差异。图３左是本研究获取的草甸草
原与典型草原的地面反射光谱曲线，图３右放大曲线上的点对应着不同传感器在红与近红外波段的中心波长，其
中ＴＭ、ＥＴＭ＋传感器中心波长取自ＮＡＳＡ［１９］。可以看出，６种传感器中心波长各不相同，红波段与近红外的中
心波长差异能够达到３９与６０ｎｍ。显然不同植被覆被类型在该波长获取的地表反射率存在着差异。
图２ 传感器红波段与近红外波段相对光谱响应
犉犻犵．２ 犚犲犾犪狋犻狏犲狊狆犲犮狋狉犪犾狉犲狊狆狅狀狊犲狅犳狉犲犱犪狀犱狀犲犪狉犻狀犳狉犪狉犲犱犫犪狀犱犫犲狋狑犲犲狀狊犲狀狊狅狉狊
Ａ：红波段 Ｒｅｄｂａｎｄ；Ｂ：近红外波段 Ｎｅａｒｉｎｆｒａｒｅｄｂａｎｄ
１．４ 影像大气校正
对于计算ＮＤＶＩ的可见光、近红外波段数据来说，受水汽吸收的影响较大，必须考虑消除大气顶部辐射中的
瑞利散射、米氏散射以及水汽吸收等大气效应干扰，以获取地表的真实反射率。考虑到 ＨＪ卫星ＣＣＤ传感器仅
有４个波段，且缺少适用于大气校正的短波红外波段设置，本研究采用基于辐射传输理论的６Ｓ模型［２０］对影像进
行大气校正。模型输入参数如表２所示，其中水汽含量与气溶胶光学厚度应用 ＭＯＤＩＳ产品［２１］，臭氧含量应用
ＮＡＳＡＯｚｏｎｅＭｏｎｉｔｏｒｉｎｇＩｎｓｔｒｕｍｅｎｔ（ＯＭＩ）产品［２２］，其空间分辨率分别为１ｋｍ与１°×１°，经重采样后逐像元计
算大气校正值。
１．５ 不同草地类型分布
以任继周［２３］的草原综合顺序分类为基础，结合研究区域气候土壤概况与野外考察成果，将研究区域的草地
类型分为中温带荒漠草原类、中温带典型草原类与中温带草甸草原类３种类型，这同时也是中国北方地区典型草
原的基本类型。
１９１第２０卷第１期 草业学报２０１１年
表２ ６犛模型输入参数
犜犪犫犾犲２ 犐狀狆狌狋狆犪狉犪犿犲狋犲狉狊狅犳６犛犿狅犱犲犾
传感器
Ｓｅｎｓｏｒ
传感器高度
Ｓｅｎｓｏｒｈｅｉｇｈｔ（ｋｍ）
波段范围
Ｗａｖｅｌｅｎｇｔｈｒａｎｇｅ（ｎｍ）
水汽含量
Ｗａｔｅｒｖａｐｏｒ（ｇ／ｃｍ２）
臭氧含量
Ｏｚｏｎｅｃｏｎｔｅｎｔ（ｃｍａｔｍ）
气溶胶光学厚度
Ａｅｒｏｓｏｌｏｐｔｉｃａｌｄｅｐｔｈ
ＨＪＣＣＤ ６４９ ６３０～６９０，７６０～９００
ＴＭ／ＥＴＭ＋ ７０５
６２６～６９３，７７６～９０４／
６３１～６９２，７７２～８９８
ＭＯＤＩＳ：ＭＯＤ０５＿Ｌ２
（１ｋｍ空间分辨率
１ｋｍｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎ）
ＯｚｏｎｅＭｏｎｉｔｏｒｉｎｇＩｎｓｔｒｕｍｅｎｔ
（ＯＭＩ）（１°×１°空间分辨率
１°×１°ｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎ）
ＭＯＤＩＳ：ＭＯＤ０４＿Ｌ２
（１ｋｍ空间分辨率
１ｋｍｓｐａｔｉａｌｒｅｓｏｌｕｔｉｏｎ）
基于笔者在野外考察工作中的ＧＰＳ采样点在影像上对３种草地类型分别进行采样，共选择了８８４５个荒漠
类像元点，１５０４９个典型草原类像元点以及７７９９个草甸草原类像元点，其红波段、近红外波段与ＮＤＶＩ统计值
如表３所示。
表３ 不同草地类型光谱特征统计表
犜犪犫犾犲３ 犛狆犲犮狋狉犪犾狊狋犪狋犻狊狋犻犮狊狅犳犵狉犪狊狊犾犪狀犱狋狔狆犲狊
项目
Ｉｔｅｍ
荒漠草原Ｄｅｓｅｒｔｓｔｅｐｐｅ
红Ｒｅｄ 近红外Ｎｅａｒｉｎｆｒａｒｅｄ ＮＤＶＩ
典型草原Ｔｙｐｉｃａｌｓｔｅｐｐｅ
红Ｒｅｄ 近红外Ｎｅａｒｉｎｆｒａｒｅｄ ＮＤＶＩ
草甸草原 Ｍｅａｄｏｗｓｔｅｐｐｅ
红Ｒｅｄ 近红外Ｎｅａｒｉｎｆｒａｒｅｄ ＮＤＶＩ
最小值 Ｍｉｎ ０．０６５６ ０．１８２２ ０．２６６３ ０．０３９０ ０．１６９８ ０．４０６０ ０．０３０２ ０．２０７０ ０．５４９１
最大值 Ｍａｘ ０．１１８３ ０．２５０３ ０．４９２１ ０．１００８ ０．２６２７ ０．６４４５ ０．０６５６ ０．３６７２ ０．８０７８
平均值 Ｍｅａｎ ０．０８９４ ０．２００６ ０．３８９３ ０．０６５１ ０．２１３３ ０．５３１０ ０．０５０３ ０．２５４０ ０．６６６６
按ＮＤＶＩ值与像元数得到３１１６９３个ＮＤＶＩ像元点分布图（图４）。考虑到研究区域无林地与耕地，可以看出
不同的草地植被类型可以通过ＮＤＶＩ阈值得以区分。本研究采用决策树分类算法得到研究区域草地植被分类
结果，结合ＮＤＶＩ与红波段反射率的分类方法如下所示，其中犓 为阈值：
ｉｆＮＤＶＩ＞Ｋ１ｔｈｅｎ（草地植被）
ｉｆＮＤＶＩ＜Ｋ２ｔｈｅｎ（荒漠类草原）
ｅｌｓｅｉｆＮＤＶＩ＜Ｋ３ｔｈｅｎ（典型草原）
ｅｌｓｅｉｆＢａｎｄ（红）＞Ｋ４ｔｈｅｎ（荒漠草原）
ｅｌｓｅ（草甸草原）
ｅｌｓｅ（非植被）
基于上述光谱知识，以及野外ＧＰＳ点数据，确定研究区域的 ＮＤＶＩ分类阈值犓１＝０．２５，犓２＝０．４２，犓３＝
０．５８，犓４＝０．０８。经１７６个ＧＰＳ点数据验证，该方法分类精度达到８４．１％。
１．６ ＮＤＶＩ模拟方法
已有研究表明不同传感器获取的ＮＤＶＩ存在着接近１∶１的线性关系［６，２４］，然而即使在同质的目标上，经过
精确辐射校正后得到的传感器植被指数也不相同［７］。通过红波段与近红外波段获得研究区域地表ＮＤＶＩ，考虑
到研究中６种传感器空间分辨率均为３０ｍ且经过几何精校正，本研究在不同传感器获取的ＮＤＶＩ影像中随机选
取１０２４个草地覆被同名像元点，并在此同名ＮＤＶＩ点间建立线性关系，得到传感器间线性系数：斜率犫与截距
犪。基于系数推算可得所有传感器间ＮＤＶＩ校正系数。
值得一提的是，本研究中没有假定某种传感器的ＮＤＶＩ更加“正确”，而是提供了一种传感器间相互校正的
方式，以拟合不同传感器间ＮＤＶＩ差异，进而获取基于独立于某种特定传感器的ＮＤＶＩ时间序列数据。
２ 模拟校正系数结果
２．１ 草地植被ＮＤＶＩ对比结果
５组影像对间随机同名ＮＤＶＩ点相关性如图５所示，图中左上角为传感器线性拟合系数。ＥＴＭ＋数据在
２００３年后存在着条带问题（边缘部分），本研究选择影像中心部分作为实验数据，并对出现条带部分进行掩模
２９１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１１） Ｖｏｌ．２０，Ｎｏ．１
图３ 呼伦贝尔草地植被（草甸草原、典型草原）地面反射光谱曲线与传感器中心波长示意
犉犻犵．３ 犛狆犲犮狋狉犪犾狉犲犳犾犲犮狋犪狀犮犲犮狌狉狏犲狊狅犳犿犲犪犱狅狑狊狋犲狆狆犲犪狀犱狋狔狆犻犮犪犾狊狋犲狆狆犲犻狀犎狌犾狌狀犫狌犻狉犪狀犱狊犲狀狊狅狉狊’犮犲狀狋犲狉狑犪狏犲犾犲狀犵狋犺
处理。
图４ 不同草原类型犖犇犞犐分布图
犉犻犵．４ 犖犇犞犐犱犻狊狋狉犻犫狌狋犻狅狀狅犳犵狉犪狊狊犾犪狀犱狋狔狆犲狊
基于５组影像对得到的ＮＤＶＩ校正系数，推算得
到６种传感器两两之间校正系数，其结果如表４所示，
其中列为因变量，行为自变量。参考ＮＤＶＩ可以通过
犖犇犞犐自变量＝犪×犖犇犞犐自变量＋犫计算，如 犖犇犞犐１犃犆犆犇１
＝０．９８３０×犖犇犞犐１犃犆犆犇２＋０．０１５０。
２．２ 不同草地类型ＮＤＶＩ对比结果
不同传感器间ＮＤＶＩ存在着很好的相关系数，超
过８５％均可以由另一个 ＮＤＶＩ代替。进而考虑对不
同草地类型的ＮＤＶＩ进行校正，在不同草地分类结果
中随机选取１０２４个 ＮＤＶＩ同名像元点，并计算得到
相应的校正系数，不同类型草地的ＮＤＶＩ校正系数如
表５所示，其中第１行为荒漠草原，第２行为典型草
原，第３行为草甸草原。
表４ ６种传感器犖犇犞犐校正系数
犜犪犫犾犲４ 犖犇犞犐犮狉狅狊狊犮犪犾犻犫狉犪狋犻狅狀犳犪犮狋狅狉犫犲狋狑犲犲狀狊犲狀狊狅狉狊
自变量
Ｉｎｄｅｐｅｎｄｅｎｔ
因变量 Ｄｅｐｅｎｄｅｎｔ
１ＡＣＣＤ１
犪 犫
１ＡＣＣＤ２
犪 犫
１ＢＣＣＤ１
犪 犫
１ＢＣＣＤ２
犪 犫
ＴＭ
犪 犫
ＥＴＭ＋
犪 犫
１ＡＣＣＤ１ １．０１７３ －０．０１５３ １．０４７８ ０．００００ ０．９６７０ ０．００５０ １．１９７６ －０．０８９８ ０．９８６９ ０．０６３２
１ＡＣＣＤ２ ０．９８３０ ０．０１５０ １．０３００ ０．０１５０ ０．９５０６ ０．０１９５ １．１７７２ －０．０７１８ ０．９９６０－０．０４８８
１ＢＣＣＤ１ ０．９５４４ ０．００００ ０．９７０９ －０．０１４６ ０．９２２９ ０．００５０ １．１４３０ －０．０８９８ ０．９４１９ ０．０６３２
１ＢＣＣＤ２ １．０３４１－０．００５２ １．０５２０ －０．０２０５ １．０８３６－０．００５４ １．２３８５ －０．０９６０ １．０２０６ ０．０５８１
ＴＭ ０．８３５０ ０．０７５０ ０．８４９４ ０．０６１０ ０．８７４９ ０．０７８６ ０．８０７４ ０．０７７５ ０．８４６１ ０．０１２０
ＥＴＭ＋ １．０１３２－０．０６４０ １．００４０ ０．０４９０ １．０６１７－０．０６７１ ０．９７９８－０．０５６９ １．１８２０ －０．０１４１
３９１第２０卷第１期 草业学报２０１１年
图５ 传感器犖犇犞犐相关散点图
犉犻犵．５ 犖犇犞犐犮狅犿狆犪狉犻狊狅狀狊犮犪狋狋犲狉
３ 验证
考虑通过呼伦贝尔野外实测光谱数据模拟传感器波段获取的地表反射率。传感器每个波段接收到的能量
Ｌ接收是该波段范围内各个波长所接收到的能量的综合，即
犔接收＝∫λｍａｘλｍｉｎ犔（λ）犳（λ）ｄλ （１）
式中，犔（λ）为入射到传感器的辐亮度，犳（λ）为传感器该波段的光谱响应函数，λｍａｘ与λｍｉｎ为光谱响应函数的上下界。
相应的，模拟传感器响应波段在地表的等效反射率ρ等效：
ρ等效＝
犔反射后
犔反射前＝
∫λｍａｘλｍｉｎρ（λ）犳（λ）ｄλ
∫λｍａｘλｍｉｎ犳（λ）ｄλ
（２）
式中，犔反射后与犔反射前为反射与入射的波段等效辐射，ρ（λ）为地面实测光谱反射率。考虑到地面光谱实测数据的离
散性，则波段等效反射率ρ等效计算变为：
４９１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１１） Ｖｏｌ．２０，Ｎｏ．１
表５ 不同草原类型草原犖犇犞犐校正系数
犜犪犫犾犲５ 犖犇犞犐犮狉狅狊狊犮犪犾犻犫狉犪狋犻狅狀犳犪犮狋狅狉犳狅狉犱犻犳犳犲狉犲狀狋犽犻狀犱狅犳狊狋犲狆狆犲
自变量
Ｉｎｄｅｐｅｎｄｅｎｔ
因变量 Ｄｅｐｅｎｄｅｎｔ
１ＡＣＣＤ１
犪 犫
１ＡＣＣＤ２
犪 犫
１ＢＣＣＤ１
犪 犫
１ＢＣＣＤ２
犪 犫
ＴＭ
犪 犫
ＥＴＭ＋
犪 犫
１．１１２５ －０．５４６２ １．１８４９ －０．０４９０ ０．９６６９ ０．００６０ １．４１２０ －０．２５６５ ０．７３２２ ０．４３７９
１ＡＣＣＤ１ ０．９０６５ －０．０１１０ ０．８７０４ ０．０８２３ ０．９６７４ ０．００５８ １．１１２０ －０．１６５８ １．０９１６ ０．０３０２
０．９８４２ －０．０００６ ０．８７１１ ０．１３８２ ０．９９４６－０．００９３ １．１５７０ －０．０１１０ ０．８１６５ ０．１３１０
０．８９８９ ０．４９１０ １．０６５１ ０．５３２８ ０．８６９１ ０．４８０７ １．２６９３ ０．４３６９ ０．８１４５ ０．０３８０
１ＡＣＣＤ２ １．１０３２ ０．０１２１ ０．９６０２ ０．０９２８ １．０６７２ ０．０１７５ １．２２６７ －０．１５２３ ０．９８９５ ０．０１８２
１．０１６１ ０．０００６ ０．８８５１ ０．１３８７ １．０１０６－０．００８７ １．１７５６ －０．０１０３ ０．８０３６ ０．１３０５
０．８４３９ ０．０４１４ ０．９３８８ －０．５００２ ０．８１６０ ０．０４６０ １．１９１７ －０．１９８０ ０．６１７９ ０．４６８２
１ＢＣＣＤ１ １．１４８９－０．０９４６ １．０４１５ －０．０９６７ １．１１１５－０．０８５７ １．２７７６ －０．２７１０ １．２５４２－０．０７３１
１．１４８０－０．１５８６ １．１２９８ －０．１５６７ １．１４１８－０．１６７０ １．３２８３ －０．１９４５ ０．９３７４ ０．００１５
１．０３４２－０．００６２ １．１５０６ －０．５５３１ １．２２５５ －０．０５６４ １．４６０４ －０．２６５２ ０．７５７２ ０．４３３４
１ＢＣＣＤ２ １．０３３７－０．００６０ ０．９３７０ －０．０１６４ ０．８９９７ ０．０７７１ １．１４９４ －０．１７２５ １．１２８４ ０．０２３６
１．００５４ ０．００９４ ０．９８９５ ０．００８６ ０．８７５８ ０．１４６３ １．１６３３ －０．０００２ ０．８２１０ ０．１３８６
０．７０８２ ０．１８１６ ０．７８７９ －０．３４４２ ０．８３９２ ０．１６６２ ０．６８４８ ０．１８１６ ０．５１８５ ０．５７０９
ＴＭ ０．８９９３ ０．１４９１ ０．８１５２ ０．１２４２ ０．７８２７ ０．２１２１ ０．８７００ ０．１５００ ０．９８１７ ０．１９２９
０．８６４３ ０．００９５ ０．８５０６ ０．００８８ ０．７５２９ ０．１４６４ ０．８５９６ ０．０００１ ０．７０５７ ０．１３８７
１．３６５８－０．５９８１ １．２２７７ －０．０４６７ １．６１８４ －０．７５７８ １．３２０６－０．５７２３ １．９２８６ －１．１０１０
ＥＴＭ＋ ０．９１６１－０．０２７６ １．０１０６ －０．０１８４ ０．７９７３ ０．０５８３ ０．８８６２－０．０２０９ １．０１８７ －０．１９６５
１．２２４７－０．１６０４ １．２４４４ －０．１６２４ １．０６６８ －０．００１６ １．２１８１－０．１６８８ １．４１７０ －０．１９６６
表中第１、２、３行分别为荒漠草原、典型草原与草甸草原的校正系数。
Ｔｈｅｔｈｒｅｅｒｏｗｓａｒｅｒｅｐｒｅｓｅｎｔｅｄａｓｔｈｅｃｏｒｒｅｃｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｏｆｔｈｅｄｅｓｅｒｔｓｔｅｐｐｅ，ｔｙｐｉｃａｌｓｔｅｐｐｅａｎｄｍｅａｄｏｗｓｔｅｐｐｅ．
ρ等效＝
犔反射后
犔反射前＝
∑ρ（λ犻）犳（λ犻）
∑犳（λ犻）
（３）
式中，λ犻为波长犻的光谱响应值，ρ（λ犻）为波长犻的地面实测光谱反射率，犳（λ犻）为波长犻的光谱响应函数。
基于公式（３），笔者结合２００９年８月３日与８月８日在呼伦贝尔地区获取的１３个草地采样点光谱反射曲线
数据模拟６种传感器波段等效反射率，计算得到等效ＮＤＶＩ。并应用本研究中表４的校正系数，以１ＡＣＣＤ１传
感器为基准，得到６种传感器经校正后的ＮＤＶＩ值。波段等效ＮＤＶＩ与校正后ＮＤＶＩ分别如表６左、右所示。
分别计算每个采样点不同传感器等效ＮＤＶＩ相对于１ＡＣＣＤ１传感器相对误差绝对值，以及不同传感器校
正后ＮＤＶＩ相对１ＡＣＣＤ１传感器相对误差绝对值（图６）。４部ＣＣＤ传感器中，经过校正后的ＮＤＶＩ相对误差明
显降低，其相对误差能够控制在２％以内。其中ｇ２１点的ＮＤＶＩ值近于荒漠，在１３个采样点中略显特殊，在ＴＭ
与ＥＴＭ传感器校正表现尤为明显。结果表明，本研究中获得的 ＮＤＶＩ校正系数能够有效的减小 ＨＪ星不同
ＣＣＤ传感器差异造成的ＮＤＶＩ影响，然而对于ＴＭ与ＥＴＭ＋传感器，改善效果不如ＣＣＤ传感器间明显。
４ 讨论与结论
不同传感器波段宽度与波段位置存在着一定的差异，导致不同传感器的 ＮＤＶＩ产品存在着相当的差异，进
而造成不同传感器获取的ＮＤＶＩ难以相互融合，开展时序ＮＤＶＩ研究。综合应用不同遥感传感器获取的ＮＤＶＩ
时间序列数据已经成为当前的研究热点之一。
５９１第２０卷第１期 草业学报２０１１年
表６ 呼伦贝尔野外光谱采样点波谱等效反射率与校正后反射率
犜犪犫犾犲６ 犈狇狌犻狏犪犾犲狀狋犖犇犞犐犪狀犱犮狅狉狉犲犮狋犲犱犖犇犞犐狅犳犎狌犾狌狀犫狌犻狉
样点
Ｓａｍｐｌｅ
波段等效ＮＤＶＩＥｑｕｉｖａｌｅｎｔＮＤＶＩ
１ＡＣＣＤ１ １ＡＣＣＤ２ １ＢＣＣＤ１ １ＢＣＣＤ２ ＴＭ ＥＴＭ＋
系数校正后ＮＤＶＩＣｏｒｒｅｃｔｅｄＮＤＶＩ
１ＡＣＣＤ２ １ＢＣＣＤ１ １ＢＣＣＤ２ ＴＭ ＥＴＭ＋
ｇ０２ ０．７４６０ ０．７２８０ ０．７７１８ ０．７２２７ ０．７７０６ ０．７８３２ ０．７３０７ ０．７３６６ ０．７４２１ ０．７１８５ ０．７２９６
ｇ０３ ０．７７６８ ０．７６４７ ０．８１３５ ０．７６１２ ０．８００２ ０．８０８０ ０．７６６７ ０．７７６４ ０．７８１９ ０．７４３２ ０．７５４７
ｇ０４ ０．６８３８ ０．６６４６ ０．７１８８ ０．６５９５ ０．７０９７ ０．７２２０ ０．６６８３ ０．６８６０ ０．６７６７ ０．６６７６ ０．６６７５
ｇ０５ ０．７７１１ ０．７５７８ ０．７９６９ ０．７５４０ ０．７９４４ ０．８０２８ ０．７５９９ ０．７６０５ ０．７７４５ ０．７３８４ ０．７４９４
ｇ２１ ０．１５８２ ０．１４８２ ０．１６２０ ０．１４７１ ０．１８４０ ０．１８５８ ０．１６０７ ０．１５４６ ０．１４６９ ０．２２８６ ０．１２４２
ｇ２２ ０．７１４８ ０．７０６８ ０．７４１０ ０．７０４９ ０．７３７４ ０．７４１０ ０．７０９８ ０．７０７２ ０．７２３７ ０．６９０７ ０．６８６８
ｇ２３ ０．３８０９ ０．３７０６ ０．３９４２ ０．３６９２ ０．４０５６ ０．４０７４ ０．３７９３ ０．３７６３ ０．３７６６ ０．４１３６ ０．３４８８
ｇ２４ ０．５６０３ ０．５４７０ ０．５８５８ ０．５４４１ ０．５８６１ ０．５９２６ ０．５５２７ ０．５５９１ ０．５５７４ ０．５６４４ ０．５３６４
ｇ２５ ０．５９７２ ０．５８６４ ０．５９４５ ０．５８３５ ０．６２１５ ０．６２８１ ０．５９１４ ０．５６７４ ０．５９８１ ０．５９４０ ０．５７２４
ｇ２６ ０．６５７９ ０．６４４６ ０．６８４２ ０．６４１５ ０．６８３５ ０．６９１１ ０．６４８７ ０．６５３０ ０．６５８２ ０．６４５８ ０．６３６２
ｇ２７ ０．７８４３ ０．７７２４ ０．８０１０ ０．７６９０ ０．８０７７ ０．８１５３ ０．７７４３ ０．７６４５ ０．７９００ ０．７４９４ ０．７６２１
ｇ２８ ０．６４９０ ０．６３６６ ０．６７５３ ０．６３３８ ０．６７４３ ０．６８０９ ０．６４０８ ０．６４４５ ０．６５０２ ０．６３８０ ０．６２５８
ｇ２９ ０．６８７１ ０．６７５２ ０．７０２３ ０．６７１９ ０．７１０６ ０．７１６９ ０．６７８７ ０．６７０２ ０．６８９６ ０．６６８３ ０．６６２４
图６ 不同传感器等效犖犇犞犐与校正后犖犇犞犐
相对１犃犆犆犇１传感器相对误差绝对值
犉犻犵．６ 犚犲犾犪狋犻狏犲犲狉狉狅狉狅犳犲狇狌犻狏犪犾犲狀狋
犖犇犞犐犪狀犱犮狅狉狉犲犮狋犲犱犖犇犞犐
６９１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１１） Ｖｏｌ．２０，Ｎｏ．１
中国的环境与灾害监测预报小卫星Ａ、Ｂ双星能够满足中国及其周边范围内空间与时间分辨率两方面的需
求，然而其双星４部ＣＣＤ传感器的波段间同样存在着差异。本研究表明，对于中国北方地区干旱半干旱草原覆
被，在不考虑大气状况对反射率影响的情况下，ＨＪ星４部ＣＣＤ传感器间获取的 ＮＤＶＩ差异能够达到或接近
５％，ＣＣＤ传感器与ＴＭ、ＥＴＭ＋传感器间ＮＤＶＩ差异均值超过５％。
４部ＣＣＤ传感器获取的ＮＤＶＩ相关系数犚２ 均值超过０．９，其良好的线性关系表明 ＨＪ星４部ＣＣＤ传感器
获取的ＮＤＶＩ时间序列具有可靠性非常好，适合开展分析研究。同时，４部ＣＣＤ传感器与ＬａｎｄＳａｔ的 ＴＭ、
ＥＴＭ＋传感器的相关性也超过０．８５，表明此６种相同空间分辨率的传感器ＮＤＶＩ产品能够有效的结合，适宜开
展时序ＮＤＶＩ相关研究。
野外光谱采样点获取的等效ＮＤＶＩ经过系数校正后，不同传感器之间的ＮＤＶＩ相对误差均在２％以内，ＮＤ
ＶＩ校正效果非常明显。值得注意的是，本研究结果验证基于采样点的等效反射率，而没有考虑到混合像元与大
气效应的影响。考虑到本研究中采样点均是位于均质草地的中心，传感器空间分辨率达到３０ｍ，混合像元问题
不明显。然而基于６Ｓ模型的大气校正存在的误差难以暂时得到定量估计，还有待进一步的研究。
６部传感器间，４部ＨＪ星ＣＣＤ相机间相互校正精度最好，然而与ＬａｎｄＳａｔ两部传感器间存在着较大的误
差。其中ＨＪ１ＡＣＣＤ１与 ＨＪ１ＢＣＣＤ２相关系数最大。２种传感器中心波长几乎完全一致（图２），证明中心波长
对ＮＤＶＩ的影响大于波段宽度对ＮＤＶＩ的影响。本研究选择了５组影像对开展实验，根据得到的校正系数推算
获得６组传感器两两校正系数。然而由于影像获取的原因，校正系数的推算过程存在一定的误差。
中国北方地区中温带干旱半干旱草原的３种草原类型的相互校正系数与精度各不相同，其中中温带典型草
原相互校正系数精度最高，草甸草原次之，荒漠草原校正精度最低。可知，对于现有的多传感器ＮＤＶＩ同化融合
研究而言，必须考虑下垫面不同地表覆被影响问题。进一步，不同的植被类型、不同的植被生长阶段以及不同的
区域，其ＮＤＶＩ校正系数是否存在差异等问题均有待更进一步的研究。
致谢：感谢地球系统科学数据共享平台（ｗｗｗ．ｇｅｏｄａｔａ．ｃｎ）为本研究提供数据支持。特别感谢呼伦贝尔草原生态
系统国家野外科学观测研究站陈宝瑞博士在野外考察过程中提供的帮助。
参考文献：
［１］ ＳｔｃｋｌｉＲ，ＶｉｄａｌｅＰ．Ｅｕｒｏｐｅａｎｐｌａｎｔｐｈｅｎｏｌｏｇｙａｎｄｃｌｉｍａｔｅａｓｓｅｅｎｉｎａ２０ｙｅａｒＡＶＨＲＲｌａｎｄｓｕｒｆａｃｅｐａｒａｍｅｔｅｒｄａｔａｓｅｔ［Ｊ］．Ｉｎ
ｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２００４，２５（１７）：３３０３３３３０．
［２］ 张峰，吴炳方，刘成林．利用时序植被指数监测作物物候的方法研究［Ｊ］．农业工程学报，２００４，２０（１）：１５５１５９．
［３］ 王莺，夏文韬，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，２０１０，１９（１）：２０１
２１０．
［４］ 白照广．中国的环境与灾害监测预报小卫星星座Ａ／Ｂ星［Ｊ］．中国航天，２００９，（５）：１０１５．
［５］ ＧａｌｖａｏＬＳ，ＶｉｔｏｒｅｌｏＩ，ＰｉｚａｒｒｏＭＡ．ＡｎａｄｅｑｕａｔｅｂａｎｄｐｏｓｉｔｉｏｎｉｎｇｔｏｅｎｈａｎｃｅＮＤＶＩｃｏｎｔｒａｓｔｓａｍｏｎｇｇｒｅｅｎｖｅｇｅｔａｔｉｏｎ，ｓｅ
ｎｅｓｃｅｎｔｂｉｏｍａｓｓ，ａｎｄｔｒｏｐｉｃａｌｓｏｉｌｓ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，２０００，２１（９）：１９５３１９６０．
［６］ ＴｅｉｌｅｔＰ，ＢａｒｋｅｒＪ，ＭａｒｋｈａｍＢ，犲狋犪犾．ＲａｄｉｏｍｅｔｒｉｃｃｒｏｓｓｃａｌｉｂｒａｔｉｏｎｏｆｔｈｅＬａｎｄｓａｔ７ＥＴＭ＋ａｎｄＬａｎｄｓａｔ５ＴＭｓｅｎｓｏｒｓ
ｂａｓｅｄｏｎｔａｎｄｅｍｄａｔａｓｅｔｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００１，７８（１）：３９５４．
［７］ ＳｔｅｖｅｎＭ，ＭａｌｔｈｕｓＴ，ＢａｒｅｔＦ，犲狋犪犾．Ｉｎｔｅｒｃａｌｉｂｒａｔｉｏｎｏｆｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓｆｒｏｍｄｉｆｆｅｒｅｎｔｓｅｎｓｏｒｓｙｓｔｅｍｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇ
ｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００３，８８（４）：４１２４２２．
［８］ ｖａｎＬｅｅｕｗｅｎＷ，ＯｒｒＢ，ＭａｒｓｈＳ，犲狋犪犾．ＭｕｌｔｉｓｅｎｓｏｒＮＤＶＩｄａｔａｃｏｎｔｉｎｕｉｔｙ：Ｕｎｃｅｒｔａｉｎｔｉｅｓａｎｄｉｍｐｌｉｃａｔｉｏｎｓｆｏｒｖｅｇｅｔａｔｉｏｎｍｏ
ｎｉｔｏｒｉｎｇａｐｐｌｉｃａｔｉｏｎｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００６，１００（１）：６７８１．
［９］ ＭｉｕｒａＴ，ＨｕｅｔｅＡ，ＹｏｓｈｉｏｋａＨ．ＡｎｅｍｐｉｒｉｃａｌｉｎｖｅｓｔｉｇａｔｉｏｎｏｆｃｒｏｓｓｓｅｎｓｏｒｒｅｌａｔｉｏｎｓｈｉｐｓｏｆＮＤＶＩａｎｄｒｅｄ／ｎｅａｒｉｎｆｒａｒｅｄｒｅｆｌｅｃ
ｔａｎｃｅｕｓｉｎｇＥＯ１Ｈｙｐｅｒｉｏｎｄａｔａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００６，１００（２）：２２３２３６．
［１０］ ＴｅｉｌｅｔＰ，ＦｅｄｏｓｅｊｅｖｓＧ，ＴｈｏｍｅＫ，犲狋犪犾．Ｉｍｐａｃｔｓｏｆｓｐｅｃｔｒａｌｂａｎｄｄｉｆｆｅｒｅｎｃｅｅｆｆｅｃｔｓｏｎｒａｄｉｏｍｅｔｒｉｃｃｒｏｓｓｃａｌｉｂｒａｔｉｏｎｂｅｔｗｅｅｎ
ｓａｔｅｌｉｔｅｓｅｎｓｏｒｓｉｎｔｈｅｓｏｌａｒｒｅｆｌｅｃｔｉｖｅｓｐｅｃｔｒａｌｄｏｍａｉｎ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００７，１１０（３）：３９３４０９．
［１１］ 张宏斌，杨桂霞，李刚，等．基于 ＭＯＤＩＳＮＤＶＩ和ＮＯＡＡＮＤＶＩ数据的空间尺度转换方法研究———以内蒙古草原区为例［Ｊ］．
草业科学，２００９，２６（１０）：３９４５．
７９１第２０卷第１期 草业学报２０１１年
［１２］ ＧｏｅｔｚＳ．ＭｕｌｔｉｓｅｎｓｏｒａｎａｌｙｓｉｓｏｆＮＤＶＩ，ｓｕｒｆａｃｅｔｅｍｐｅｒａｔｕｒｅａｎｄｂｉｏｐｈｙｓｉｃａｌｖａｒｉａｂｌｅｓａｔａｍｉｘｅｄｇｒａｓｓｌａｎｄｓｉｔｅ［Ｊ］．Ｉｎｔｅｒｎａ
ｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９７，１８（１）：７１９４．
［１３］ 常煜．气候变化对呼伦贝尔草原牧草生长的影响［Ｄ］．兰州：兰州大学，２００６．
［１４］ 张宏斌，杨桂霞，黄青，等．呼伦贝尔草甸草原景观格局时空演变分析———以海拉尔及周边地区为例［Ｊ］．草业学报，２００９，
１８（１）：１３４１４３．
［１５］ 李瑾，张德罡，张宏斌，等．呼伦贝尔羊草草甸草原光合有效辐射分量变化规律分析［Ｊ］．草业学报，２０１０，１９（４）：２４３
２５０．
［１６］ 王正兴，刘闯，赵冰茹．ＡＶＨＲＲ草地分类的潜力和局限：以锡林郭勒草原为例［Ｊ］．自然资源学报，２００３，１８（６）：７０４
７１１．
［１７］ 刘爱军，韩建国．天然草原生育期遥感估测方法研究———以锡林郭勒盟草原为例［Ｊ］．草业科学，２００７，２４（７）：１５．
［１８］ ＴｕｃｋｅｒＣ，ＧｒａｎｔＤ，ＤｙｋｓｔｒａＪ．ＮＡＳＡ’ｓｇｌｏｂａｌｏｒｔｈｏｒｅｃｔｉｆｉｅｄＬａｎｄｓａｔｄａｔａｓｅｔ［Ｊ］．ＰｈｏｔｏｇｒａｍｍｅｔｒｉｃＥｎｇｉｎｅｅｒｉｎｇａｎｄＲｅｍｏｔｅ
Ｓｅｎｓｉｎｇ，２００４，７０（３）：３１３３２２．
［１９］ ＣｈａｎｄｅｒＧ，ＭａｒｋｈａｍＢ，ＨｅｌｄｅｒＤ．ＳｕｍｍａｒｙｏｆｃｕｒｒｅｎｔｒａｄｉｏｍｅｔｒｉｃｃａｌｉｂｒａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｆｏｒＬａｎｄｓａｔＭＳＳ，ＴＭ，ＥＴＭ＋，
ａｎｄＥＯ１ＡＬＩｓｅｎｓｏｒｓ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，２００９，１１３（５）：８９３９０３．
［２０］ ＶｅｒｍｏｔｅＥＦ，ＴａｎｒｅＤ，ＤｅｕｚｅＪＬ，犲狋犪犾．Ｓｅｃｏｎｄｓｉｍｕｌａｔｉｏｎｏｆｔｈｅｓａｔｅｌｉｔｅｓｉｇｎａｌｉｎｔｈｅｓｏｌａｒｓｐｅｃｔｒｕｍ，６Ｓ：Ａｎｏｖｅｒｖｉｅｗ［Ｊ］．Ｉｅｅｅ
ＴｒａｎｓａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９９７，３５（３）：６７５６８６．
［２１］ ＳａｖｔｃｈｅｎｋｏＡ，ＯｕｚｏｕｎｏｖＤ，ＡｈｍａｄＳ，犲狋犪犾．ＴｅｒｒａａｎｄａｑｕａＭＯＤＩＳｐｒｏｄｕｃｔｓａｖａｉｌａｂｌｅｆｒｏｍＮＡＳＡＧＥＳＤＡＡＣ［Ｊ］．Ｔｒａｃｅ
ＣｏｎｓｔｉｔｕｅｎｔｓｉｎｔｈｅＴｒｏｐｏｓｐｈｅｒｅａｎｄＬｏｗｅｒＳｔｒａｔｏｓｐｈｅｒｅ，２００４，３４（４）：７１０７１４．
［２２］ ｄｅＶｒｉｅｓＪ，ｖａｎｄｅｎＯｏｒｄＧ，ＨｉｌｓｅｎｒａｔｈＥ，犲狋犪犾．Ｏｚｏｎｅｍｏｎｉｔｏｒｉｎｇｉｎｓｔｒｕｍｅｎｔ（ＯＭＩ）［Ａ］．ＰｒｏｃｅｅｄｉｎｇｏｆＳＰＩＥＣｏｎｆ．Ｉｍａ
ｇｉｎｇＳｐｅｃｔｒｏｍｅｔｒｙＶＩＩ［Ｃ］．ＳａｎＤｉｅｇｏ：ＳＰＩＥ，２００２：３１５３２５．
［２３］ 任继周．分类、聚类与草原类型［Ｊ］．草地学报，２００８，１６（１）：４１０．
［２４］ ＨｕｅｔｅＡ，ＹｏｓｈｉｏｋａＨ，ＭｉｕｒａＴ，犲狋犪犾．Ｉｎｔｅｒｓｅｎｓｏｒｃａｌｉｂｒａｔｉｏｎｏｆｖｅｇｅｔａｔｉｏｎｉｎｄｉｃｅｓｆｏｒｍｏｎｉｔｏｒｉｎｇａｎｄｃｏｎｔｉｎｕｉｔｙｓｔｕｄｉｅｓｏｆ
ｅｃｏｓｙｓｔｅｍｖａｒｉａｂｉｌｉｔｙ［Ａ］．ＦｉｒｓｔＩｎｔｅｒｎａｔｉｏｎａｌＳｙｍｐｏｓｉｕｍｏｎ“ＲｅｃｅｎｔＡｄｖａｎｃｅｓＩｎＱｕａｎｔｉｔａｔｉｖｅＲｅｍｏｔｅＳｅｎｓｉｎｇ”［Ｃ］．Ｔｏｒ
ｒｅｎｔ，Ｓｐａｉｎ，２００２：２１３０．
犎犑犖犇犞犐犮狉狅狊狊犮犪犾犻犫狉犪狋犻狅狀犳狅狉犵狉犪狊狊犾犪狀犱犻狀犖狅狉狋犺犲狉狀犆犺犻狀犪
ＬＩＵＲｕｉ１，２，３，ＳＵＮＪｉｕｌｉｎ１，ＺＨＡＮＧＪｉｎｑｕ１，ＷＡＮＧＪｕａｎｌｅ１，ＬＩＡＯＸｉｕｙｉｎｇ１，３
（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＲｅｓｏｕｒｃｅｓａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｓ，ＩｎｓｔｉｔｕｔｅｏｆＧｅｏｇｒａｐｈｉｃａｌ
ＳｃｉｅｎｃｅｓａｎｄＮａｔｕｒａｌＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１００１０１，Ｃｈｉｎａ；
２．ＣｏｌｅｇｅｏｆＧｅｏｇｒａｐｈｉｃａｌＳｃｉｅｎｃｅ，ＣｈｏｎｇｑｉｎｇＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ，Ｃｈｏｎｇｑｉｎｇ４０００４７，Ｃｈｉｎａ；
３．ＧｒａｄｕａｔｅＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００４９，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｔｈｅｔｉｍｅｓｅｒｉｅｓａｒｅｂｅｉｎｇｗｉｄｅｌｙｕｓｅｄ．ＴｈｅＣｈｉｎｅｓｅＨＪｓａｔｅｌｉｔｅｓｗｈｉｃｈｌｏａｄｅｄ４ＣＣＤｓｅｎｓｏｒｓａｒｅｃａ
ｐａｂｌｅｏｆｐｒｏｖｉｄｉｎｇｈｉｇｈｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌｒｅｓｏｌｕｔｉｏｎｏｂｓｅｒｖａｔｉｏｎｄａｔａ，ｗｈｉｃｈｃａｎｅｓｔａｂｌｉｓｈｔｈｅＮＤＶＩｔｉｍｅｓｅ
ｒｉｅｓｆｏｒｅｎｖｉｒｏｎｍｅｎｔａｌｍｏｎｉｔｏｒｉｎｇ，ｄｉｓａｓｔｅｒｃｏｎｔｒｏｌａｎｄｒｅｓｏｕｒｃｅｓｉｎｖｅｓｔｉｇａｔｉｏｎ，ｐｒｏｖｉｄｅｇｒｅａｔｏｐｐｏｒｔｕｎｉｔｉｅｓｆｏｒ
ｒｅｓｅａｒｃｈｅｓａｒｏｕｎｄＣｈｉｎａａｎｄｉｔｓｎｅｉｇｈｂｏｕｒｉｎｇａｒｅａｓ．Ｈｏｗｅｖｅｒ，ｔｈｅｂａｎｄｄｉｆｆｅｒｅｎｃｅｓｂｅｔｗｅｅｎｓｅｎｓｏｒｓｃａｎｓｉｇｎｉｆ
ｉｃａｎｔｌｙａｆｆｅｃｔｔｈｅＮＤＶＩａｃｃｕｒａｃｙ．Ｔｈｉｓｐａｐｅｒｂａｓｅｄｏｎｂａｎｄａｎａｌｙｓｉｓｏｆｔｈｅ４ＨＪＣＣＤｓｅｎｓｏｒｓａｎｄＬａｎｄＳａｔＴＭ，
ＥＴＭ＋，ｕｓｉｎｇｓｉｍｕｌｔａｎｅｏｕｓｉｍａｇｅｐａｉｒｓ，ｏｂｔａｉｎｅｄｔｈｅＮＤＶＩｃｒｏｓｓｃａｌｉｂｒａｔｉｏｎｆａｃｔｏｒｓｆｏｒｔｈｅ６ｓｅｎｓｏｒｓｏｆｍｉｄ
ｔｅｍｐｅｒａｔｅａｒｉｄａｎｄｓｅｍｉａｒｉｄｇｒａｓｓｌａｎｄｉｎｎｏｒｔｈｅｒｎＣｈｉｎａ．ＢｙｖｅｒｉｆｉｃａｔｉｏｎｗｉｔｈｅｑｕｉｖａｌｅｎｔＮＤＶＩｆｒｏｍｏｕｒｆｉｅｌｄ
ｉｎｖｅｓｔｉｇａｔｉｏｎｉｎＨｕｌｕｎｂｕｉｒ，ｔｈｅｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｅｄｉｆｆｅｒｅｎｃｅｂｅｔｗｅｅｎｓｅｎｓｏｒｓｃａｎｒｅａｃｈｕｐｔｏ５％，ｗｈｉｃｈｃａｎ
ｅｆｆｅｃｔｉｖｅｌｙｂｅｒｅｄｕｃｅｄｔｏ２％ｂｙａｐｐｌｙｉｎｇｔｈｅｃｒｏｓｓｃａｌｉｂｒａｔｉｏｎｆａｃｔｏｒ．Ｍｅａｎｗｈｉｌｅ，ｗｅｐｒｏｖｅｄｔｈｅｉｎｆｌｕｅｎｃｅｏｆ
ＮＤＶＩｆｒｏｍｔｈｅｃｅｎｔｅｒｗａｖｅｌｅｎｇｔｈｉｓｍｕｃｈｍｏｒｅｔｈａｎｔｈｅｂａｎｄｗｉｄｔｈ．
犓犲狔狑狅狉犱狊：ＮＤＶＩｔｉｍｅｓｅｒｉｅｓ；ＨＪｓａｔｅｌｉｔｅｓ；ｂａｎｄｄｉｆｆｅｒｅｎｃｅａｎａｌｙｓｉｓ；ＮＤＶＩｃｒｏｓｓｃａｌｉｂｒａｔｉｏｎ；ｍｉｄｔｅｍｐｅｒａｔｅ
ａｒｉｄａｎｄｓｅｍｉａｒｉｄｇｒａｓｓｌａｎｄ
８９１ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１１） Ｖｏｌ．２０，Ｎｏ．１