全 文 ：书２００１－２０１１年甘南草地植被覆盖度动态变化分析
马琳雅，崔霞，冯琦胜，梁天刚
（草地农业生态系统国家重点实验室 兰州大学草地农业科技学院，甘肃 兰州７３００２０）
摘要：植被覆盖度是衡量草地植被生长状况的重要指标，对评价分析植被恢复状况具有重要意义。利用２００１－
２０１１年每年５－１０月的Ｔｅｒｒａ／ＭＯＤＩＳ月植被指数数据，结合２００６－２００９年甘南草地调查资料建立了甘南州草地
生长季的植被覆盖度遥感反演模型，对比研究了不同草地植被覆盖度模型的精度，模拟分析了甘南州２００１－２０１１
年草地生长季期间不同等级的草地植被盖度时空分布特征及面积变化动态。研究结果表明，ＭＯＤＩＳ－ＥＶＩ可以
最大限度地减少环境因子的影响，在植被覆盖度高的地区使用更具优势，能很好地反映各类植被覆盖度的空间和
时间差异性。ＭＯＤＩＳ增强型植被指数ＥＶＩ的对数函数（狔＝３３．６５８ｌｎ狓＋１１２．６５）可以较好地模拟甘南州草地植
被盖度分布状况，总精度可达９３．３１％。近１１年甘南州的草地植被盖度总体呈波动上升趋势，其中２００１年、２００３
年和２００８年草地植被覆盖明显偏低，２００５年植被覆盖度最高，平均达７８．４３％。甘南州中西部及西南部地区的草
地植被覆盖度较东部更好。甘南州近１１年以来草地植被均以高和较高植被覆盖度为主，其余等级的草地植被覆
盖度所占比例相对较小（６．９８％）且稳定。总体上，甘南草地具有由高植被盖度向较高植被盖度转换的趋势。
关键词：甘南；植被覆盖度；变化动态；ＭＯＤＩＳ
中图分类号：Ｓ８１２．２９　　文献标识码：Ａ　　文章编号：１００４５７５９（２０１４）０４０００１０９
犇犗犐：１０．１１６８６／ｃｙｘｂ２０１４０４０１　　
　　植被是生态系统存在的基础，它在陆地表面的能量交换、生物地球化学循环和水文循环过程中扮演着重要的
生态角色。植被覆盖度是植物群落覆盖地表状况的一个综合量化指标。它是一个重要的生态气候参数，许多全
球及区域气候数值模型和水文生态模型中都需要植被覆盖度的信息［１４］。因此，建立精准的植被覆盖度估算模型
对植被及相关领域的研究具有十分重要的意义。
草地植被覆盖度有遥感测量和地面测量２种方法［５］。地面测量法又可分为目估法、采样法、仪器法和模型
法；遥感测量又分为回归模型法、植被指数法和像元分解法［６］。地面实测方法估算植被覆盖度需花费巨大的人
力、财力，而且由于植被覆盖度具有显著的时空分异特点，该方法很难在较大的空间范围内达到较高的精度，此
外，受时间、区域和天气条件的限制，局限性太大，不易大范围推广。遥感技术由于具有监测范围广、空间连续、周
期性短、人力物力耗费较少的特点，为大范围植被覆盖信息的快速提取提供了便利。因此，探讨利用遥感数据提
取区域植被覆盖度的方法不仅是当前建立区域生态模型的基础工作，也是开展生态环境恢复评价研究的重点［７］。
美国国家航空航天局自１９９１年开始对地观测系统（ＥａｒｔｈＯｂｓｅｒｖｉｎｇＳｙｓｔｅｍ，ＥＯＳ）计划，重点观测和研究领域包
括水与能量循环、海洋、大气化学、陆地表面、水和生态系统过程、冰川和极地冰盖以及固体地球。中分辨率成像
光谱仪（ＭｏｄｅｒａｔｅＲｅｓｏｌｕｔｉｏｎＩｍａｇｉｎｇＳｐｅｃｔｒｏｒａｄｉｏｍｅｔｅｒ，ＭＯＤＩＳ）是ＥＯＳ最关键的传感器，它的主要任务是一
日４次获取主要包括大气、海洋、陆地等地球系统相关要素变化的数据。同时，由于 ＭＯＤＩＳ的数据格式、数据接
收及处理技术全部公开和其在全球范围内免费接收的政策，引起了世界各国科学家的浓厚兴趣。我国有关部门
对此也极为重视，先后建立了许多 ＭＯＤＩＳ卫星数据接收处理系统并开展了 ＭＯＤＩＳ的应用及研究。ＭＯＤＩＳ在
生态环境质量监测、水环境质量监测、大气气溶胶、城市热岛效应研究等方面，以及在农作物估产、干旱及病虫害
监测、秸秆焚烧监测，牧区草地植被与环境变化动态、雪灾监测、火灾监测、病虫害监测等领域已有广泛应用［８１１］。
本项研究利用地面实测样点数据和 ＭＯＤＩＳ植被指数数据，在研究不同植被盖度遥感监测模型基础上，模拟
第２３卷　第４期
Ｖｏｌ．２３，Ｎｏ．４
草　业　学　报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ 　　
１－９
２０１４年８月
收稿日期：２０１２０７０５；改回日期：２０１２０９１９
基金项目：国家自然科学基金项目（３１２２８０２１，３１３７２３６７）和农业部公益性行业（农业）科研专项项目（２０１２０３００６－８）资助。
作者简介：马琳雅（１９８８），女，吉林白山人，硕士。Ｅｍａｉｌ：ｍａｌｙ０６＠１６３．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｔｇｌｉａｎｇ＠ｌｚｕ．ｅｄｕ．ｃｎ
分析２００１－２０１１年甘南州草地生长季期间植被覆盖度的时空变化特征，以期为甘南州草地资源恢复状况的动态
监测和评价提供科学依据。
１　材料与方法
１．１　研究区概况
甘南藏族自治州位于甘肃省西南部，地处青藏高原东北边缘与黄土高原接壤带。北纬３３°６′～３６°１０′，东经
１００°４６′～１０４°４４′之间。地势东南低西北高，海拔２８００～３２００ｍ，年平均气温１～１３℃。总面积４．５万ｋｍ２，草地
总面积２７２．３４万ｈｍ２，占甘南州总面积的７０．２８％，可利用面积２５６．５５万ｈｍ２，占总草地面积的９４．２０％，其中
８０％以上的草场集中连片，且多为山原地貌，地形平坦开阔，有利于牲畜放牧，是甘肃省重要的畜牧业生产基地，
也是全国主要的少数民族集聚的草原牧区之一［１２１３］，不仅具有极高的经济利用价值，而且是维护黄河、长江源头
地区生态安全的重要屏障。甘南有低平地草甸类、暖性草丛类、沼泽类、温性草原类、温性草甸草原类、高寒灌丛
草甸类、高寒草甸类等７种草地类型，有黑钙土、高山草甸土、高山灌丛草甸土等２９种土壤类型。近３０年来，由
于人为和自然因素的双重作用，甘南草地出现了严重退化，部分地区甚至出现了沙化和荒漠化的趋势。已有资料
显示，目前甘南退化草地面积已达草地总面积的７０％以上，其中重度、中度退化草地占退化草地的３０％以上，从
根本上制约了甘南经济的发展，同时给依赖于甘南草地植被而存在发展的自然生态系统和社会经济系统的安全
埋下隐患［１４］。
１．２　外业调查数据
图１　研究区草地类型以及２００６－２００９年
野外实测样点分布图
犉犻犵．１　犜犺犲犾狅犮犪狋犻狅狀狅犳狊狋狌犱狔犪狉犲犪犪狀犱狊犪犿狆犾犲狊
狅犳犱犻犳犳犲狉犲狀狋犵狉犪狊狊犾犪狀犱狋狔狆犲狊　
本文所用外业调查数据时间范围为２００６－２００９
年７－９月。根据甘南州不同草地类型所占面积比例
以及分布特征选取样地，设置样地数目，依据植被的均
一程度设置样方数目，以便较大程度地代表不同地段
的植被特点。每个样地设置２～３个调查样方，具体调
查内容包括植被盖度、草地类型、土壤质地、土地利用
状况、植物种类、群落组成等指标，并使用ＧＰＳ记录样
方的经纬度以及海拔。剔除明显异常的记录，２００６年
调查样点７０个，２００７年１０８个，２００８年１２１个，２００９
年１４１个，共４４０个样点，高寒灌丛草甸的样方大小为
１ｍ×１ｍ，其余草地样方均为０．５ｍ×０．５ｍ（图１）。
１．３　ＭＯＤＩＳ植被指数合成数据
遥感数据使用美国宇航局（ＮａｔｉｏｎａｌＡｅｒｏｎａｕｔｉｃｓ
ａｎｄＳｐａｃｅＡｄｍｉｎｉｓｔｒａｔｉｏｎ，ＮＡＳＡ）ＭＯＤＩＳ陆地产品
组按照统一算法开发的月最大合成植被指数产品
（ＭＯＤ１３Ａ３），空间分辨率为１０００ｍ×１０００ｍ。覆盖
甘南全州的图像空间位置在全球正弦曲线投影（ＳＩ
Ｎｕｓｏｉｄａｌｐｒｏｊｅｃｔｉｏｎ，ＳＩＮ）系统中的编号为ｈ２６ｖ０５，
资料的版本为５．０，数据格式为ＥＯＳ－ＨＤＦ。时间序
列为２００１－２０１１年生长季（５－１０月）的月合成数据。
该数据可以从ＮＡＳＡ对地观测系统数据共享平台（ＥＯＳＤａｔａＧａｔｅｗａｙ）下载（ｈｔｔｐ：／／ｄｅｌｅｎｎ．ｇｓｆｃ．ｎａｓａ．ｇｏｖ／～
ｉｍｓｗｗｗ／ｐｕｂ／ｉｍｓｗｅｌｃｏｍｅ／）。
ＭＯＤ１３Ａ３产品包含归一化植被指数（ＮＤＶＩ）和增强型植被指数（ＥＶＩ）２种植被指数数据。其中，ＮＤＶＩ的
计算公式为：
犖犇犞犐＝（犖犐犚－犚犲犱）／（犖犐犚＋犚犲犱） （１）
２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．４
式中，犖犐犚和犚犲犱分别为红外波段和红光波段经过大气校正的地面反射率。
ＭＯＤＩＳ－ＥＶＩ是对ＡＶＨＲＲ－ＮＤＶＩ的继承和改进，具体计算公式为：
犈犞犐＝２．５（犖犐犚－犚犲犱）／（犖犐犚＋犆１犚犲犱－犆２犅犾狌犲＋犔） （２）
式中，犖犐犚、犚犲犱和犅犾狌犲分别为经过大气校正的近红外红光和蓝光通道的反射值；犔＝１，为土壤调节参数；参数
犆１ 和犆２ 分别为６．０和７．５。
１．４　草地植被覆盖度模型
１．４．１　像元二分模型　像元二分模型假定通过遥感传感器所观测到的信息可以表达为由绿色植被部分所贡献
的信息和由无植被覆盖（裸土）部分所贡献的信息两部分组成。因此，植被覆盖度估算公式可表示为［４］：
犉ｃ＝（犞犐－犞犐ｓｏｉｌ）／（犞犐ｖｅｇ－犞犐ｓｏｉｌ） （３）
式中，犞犐ｓｏｉｌ代表纯土壤覆盖像元的植被指数；犞犐ｖｅｇ代表纯植被覆盖像元的植被指数。
依据式（３），基于ＮＤＶＩ和ＥＶＩ的像元二分模型法反演植被覆盖度的估算公式可以表示为：
犉ｃ１＝（犖犇犞犐－犖犇犞犐ｓｏｉｌ）／（犖犇犞犐ｖｅｇ－犖犇犞犐ｓｏｉｌ） （４）
式中，犖犇犞犐ｓｏｉｌ代表纯土壤覆盖像元的ＮＤＶＩ值；犖犇犞犐ｖｅｇ代表纯植被覆盖像元的ＮＤＶＩ值。
犉ｃ２＝（犈犞犐－犈犞犐ｓｏｉｌ）／（犈犞犐ｖｅｇ－犈犞犐ｓｏｉｌ） （５）
式中，犈犞犐ｓｏｉｌ代表纯土壤覆盖像元的ＥＶＩ值；犈犞犐ｖｅｇ代表纯植被覆盖像元的ＥＶＩ值。
利用草地类型图和土壤类型图，可以确定不同草地类型的纯植被覆盖像元的植被指数，根据土壤类型图可确
定不同的土壤类型的裸土像元植被指数。
上述公式可以理解为任一像元的ＮＤＶＩ值是由植被和土壤两部分的贡献值所组成，理想状况下，犖犇犞犐ｓｏｉｌ或
犈犞犐ｓｏｉｌ值接近于０，而犖犇犞犐ｖｅｇ或犈犞犐ｖｅｇ值接近于１。但在实际工作中因缺少大面积地表实测数据作参考，所以
通常对ＮＤＶＩ统计直方图给定置信区间，求该区间内的最大和最小值来确定全植被覆盖和全土壤的植被指数。
本研究分草地类型和土壤类型计算ＮＤＶＩ和ＥＶＩ图像统计直方图，然后选取积累百分数为０．５％和９９．５％为置
信区间。认为各土壤类型积累百分比小于０．５％的为近似纯土壤覆盖区植被指数，作为犖犇犞犐ｓｏｉｌ或犈犞犐ｓｏｉｌ；各草
地类型积累百分比大于９９．５％的区域为纯植被覆盖区植被指数，作为犖犇犞犐ｖｅｇ或犈犞犐ｖｅｇ。
１．４．２　回归模型　回归模型法属于统计模型的一种，又称经验模型法，首先根据样点建立地表实测植被覆盖度
与遥感信息之间的估算模型，通过对遥感数据的某一波段或波段组合（如ＮＤＶＩ、ＥＶＩ等）与植被覆盖度进行回归
分析［１５１６］，建立经验模型，然后将该模型推广到整个研究区域，计算植被覆盖度。
本文运用ＳＰＳＳ统计软件的回归分析方法，以甘南州为研究区域，将植被指数作为自变量，草地植被覆盖度
为因变量，根据各样方的草地植被覆盖度实测数据和其对应的ＮＤＶＩ和ＥＶＩ等植被指数值，采用线性模型、指数
函数、对数函数、乘幂函数模拟分析植被指数同草地植被覆盖度之间的相关关系。
１．５　草地植被盖度反演模型的精度评价
均方根误差 （ｒｏｏｔｍｅａｎｓｑｕａｒｅｅｒｒｏｒ，ＲＭＳＥ）以及观测值与模型预测结果之间的相关系数狉，常用来描述模
型的不确定性，其中，ＲＭＳＥ常用来量化模型精度，而狉常被用来评估模型的准确性。通过这２个指标，衡量各个
模型的预测能力。ＲＭＳＥ的计算公式如下：
犚犕犛犈＝
∑
狀
犻＝１
［犈（狔犻）－狔犻］２
槡 狀 （６）
式中，犈（狔犻）表示第犻个实际观测值，狔犻为模型反演出的第犻个预测值，狀是观测样本总数，ＲＭＳＥ数值越低，表明
回归模型更精确。
１．６　草地植被恢复状况分级
依据甘南州草地植被特点，草地盖度分为５个等级：低植被覆盖度（０～２０％）、较低植被覆盖度（２０％～
４０％）、中植被覆盖度（４０％～６０％）、较高植被覆盖度（６０％～８０％）、高植被覆盖度（８０％～１００％）。
３第２３卷第４期 草业学报２０１４年
２　结果与分析
２．１　草地植被盖度遥感反演模型
对植被指数、植被覆盖度建立的模型效果进行犉检验后，发现两者差异显著（犘＜０．００１）。
从回归分析的比较结果（表１）可以看出，对数函数可以较好地模拟 ＭＯＤＩＳ／ＮＤＶＩ和ＥＶＩ与草地植被覆盖
度之间的相关关系。草地植被覆盖度与 ＭＯＤＩＳ－ＥＶＩ的相关性大于其与 ＭＯＤＩＳ－ＮＤＶＩ间的相关性，基于
ＭＯＤＩＳ－ＥＶＩ的对数模型的决定系数最高（犚＝０．４７），均方根误差在所有模型中最低（犚犕犛犈＝７．４９），而相关系
数最高（狉＝０．６８）。由此可见，基于 ＭＯＤＩＳ－ＥＶＩ的对数模型为甘南州草地植被覆盖度的最优模型。
２．２　最优统计模型与像元二分模型分区比较
按照甘南州草地植被覆盖度状况划分为４个区间，对ＭＯＤＩＳ－ＥＶＩ对数模型和像元二分模型进行精度评价
的结果（表２，表３）表明，对数模型在不同区间内估算的草地植被覆盖度均值基本与实测数值相近，而像元二分模
型的差异较大；对数模型在不同区间内估算的草地植被覆盖度的标准偏差均小于１０，像元二分模型均大于１０；在
不同区间内，像元二分模型的均方根误差均大于３０，远高于对数模型，当草地植被覆盖度达７０％以上时，对数模
型估算的草地植被覆盖度的ＲＭＳＥ小于１０。以上研究结果表明，在不同的草地植被覆盖状况下对数模型均优于
像元二分模型。草地植被覆盖度越高，对数反演模型的误差越小；当草地植被覆盖度小于９０％时，对数模型有高
估草地盖度的趋势。
表１　甘南州草地植被覆盖度反演模型精度比较
犜犪犫犾犲１　犆狅犿狆犪狉犻狊狅狀狅犳狋犺犲犪犮犮狌狉犪犮狔犲狏犪犾狌犪狋犻狅狀犫犲狋狑犲犲狀犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犻狀狏犲狉狊犻狅狀犿狅犱犲犾狊犻狀犌犪狀狀犪狀犘狉犲犳犲犮狋狌狉犲
回归模型 Ｍｏｄｅｌ 植被指数Ｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ 模拟方程Ｅｑｕａｔｉｏｎ 犚２ 狉 犚犕犛犈 犉
线性模型 ＥＶＩ 狔＝６９．０３１狓＋５４．０１６ ０．４４ ０．６６ ７．６７ ３４６．２６８
Ｌｉｎｅａｒｍｏｄｅｌ ＮＤＶＩ 狔＝８６．４６８狓＋２５．４８５ ０．３９ ０．６２ ８．０３ ２７６．６６６
指数模型 ＥＶＩ 狔＝５７．４７５ｅ０．８４４３狓 ０．４２ ０．６５ ７．８０ ３２０．４５２
Ｅｘｐｏｎｅｎｔｉａｌｍｏｄｅｌ ＮＤＶＩ 狔＝４０．４５２ｅ１．０６０６狓 ０．３７ ０．６１ ８．０８ ２６０．１１４
对数模型 ＥＶＩ 狔＝３３．６５８ｌｎ狓＋１１２．６５ ０．４７ ０．６８ ７．４９ ３８３．３５６
Ｌｏｇａｒｉｔｈｍｍｏｄｅｌ ＮＤＶＩ 狔＝５９．０１５ｌｎ狓＋１０７．６７ ０．３９ ０．６２ ８．０３ ２７６．７７１
乘幂模型 ＥＶＩ 狔＝１１７．９３狓０．４１４１ ０．４５ ０．６７ ７．５７ ３６１．１９７
Ｐｏｗｅｒｍｏｄｅｌ ＮＤＶＩ 狔＝１１０．９３狓０．７２６５ ０．３８ ０．６２ ８．０４ ２６３．２７０
像元二分模型 ＥＶＩ 犉ｃ２＝（犈犞犐－犈犞犐ｓｏｉｌ）／（犈犞犐ｖｅｇ－犈犞犐ｓｏｉｌ） － － ３２．５０ －
Ｄｉｍｉｄｉａｔｅｐｉｘｅｌｍｏｄｅｌ ＮＤＶＩ 犉ｃ１＝（犖犇犞犐－犖犇犞犐ｓｏｉｌ）／（犖犇犞犐ｖｅｇ－犖犇犞犐ｓｏｉｌ）－ － ２３．１０ －
　注： 表示犘＜０．００１；狓为 ＭＯＤＩＳ－ＥＶＩ增强型植被指数或 ＭＯＤＩＳ－ＮＤＶＩ归一化植被指数，狔表示预测的植被覆盖度，犚２ 表示植被覆盖度模
型的决定性系数，狉表示相关系数。
　Ｎｏｔｅ：，犘＜０．００１；狓ｉｓＭＯＤＩＳ－ＥＶＩｏｒＭＯＤＩＳ－ＮＤＶＩ，狔ｉｓｐｒｅｄｉｃｔｅｄｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒ，犚２ｉｓｔｈｅｄｅｃｉｓｉｖｅｃｏｅｆｆｉｃｉｅｎｔｏｆｖｅｇｅｔａｔｉｏｎ
ｃｏｖｅｒｉｎｖｅｒｓｉｏｎｍｏｄｅｌ，狉ｉｓｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ．
表２　甘南州草地植被覆盖度最优统计模型精度评价结果
犜犪犫犾犲２　犃犮犮狌狉犪犮狔犲狏犪犾狌犪狋犻狅狀犳狅狉狋犺犲狅狆狋犻犿狌犿狊狋犪狋犻狊狋犻犮犪犾犿狅犱犲犾狅犳犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犻狀犌犪狀狀犪狀犘狉犲犳犲犮狋狌狉犲
草地植被覆盖度
Ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ
（％）
样本数
Ｎｕｍｂｅｒｏｆ
ｓｉｔｅｓ
实测均值
Ｍｅａｓｕｒｅｄｍｅａｎ
（％）
标准差
Ｓｔａｎｄａｒｄ
ｄｅｖｉａｔｉｏｎ
模拟均值
Ｓｉｍｕｌａｔｅｄｍｅａｎ
（％）
模拟标准差
Ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ
ｏｆｓｉｍｕｌａｔｉｏｎ
均方根误差
ＲＭＳＥ
犉ｃ≤７０ ３２ ６３．７５ ７．１４ ７８．１５ ８．２３ １７．３６
７０＜犉ｃ≤８０ ３５ ７６．７７ ２．４３ ８３．０３ ６．４６ ９．５８
８０＜犉ｃ≤９０ １１２ ８７．６６ ２．６５ ８９．５９ ５．５９ ５．７２
９０＜犉ｃ≤１００ ２６１ ９７．２１ ２．４９ ９３．７８ ４．３５ ５．６０
４ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．４
表３　甘南州草地植被覆盖度像元二分模型精度评价结果
犜犪犫犾犲３　犃犮犮狌狉犪犮狔犲狏犪犾狌犪狋犻狅狀犳狅狉狋犺犲狆犻狓犲犾犫犪狊犲犱犱犻犿犻犱犻犪狋犲犿狅犱犲犾狅犳犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犻狀犌犪狀狀犪狀犘狉犲犳犲犮狋狌狉犲
草地植被覆盖度
Ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ
（％）
样本数
Ｎｕｍｂｅｒｏｆ
ｓｉｔｅｓ
实测均值
Ｍｅａｓｕｒｅｄｍｅａｎ
（％）
标准差
Ｓｔａｎｄａｒｄ
ｄｅｖｉａｔｉｏｎ
模拟均值
Ｓｉｍｕｌａｔｅｄｍｅａｎ
（％）
模拟标准差
Ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ
ｏｆｓｉｍｕｌａｔｉｏｎ
均方根误差
ＲＭＳＥ
犉ｃ≤７０ ３２ ６３．７５ ７．１４ ３８．８７ １４．５６ ３０．０９
７０＜犉ｃ≤８０ ３５ ７６．７７ ２．４３ ３８．１１ １８．５７ ４３．１４
８０＜犉ｃ≤９０ １１２ ８７．６６ ２．６５ ５７．２６ １７．３４ ３４．７３
９０＜犉ｃ≤１００ ２６１ ９７．２１ ２．４９ ７１．８４ １６．５９ ３０．０７
　　对ＥＶＩ分段分析 ＭＯＤＩＳＥＶＩ对数模型（狔＝３３．６５８ｌｎ狓＋１１２．６５）的精度评价结果表明，研究区草地植被
盖度模型的总精度可达９３．３１％。当ＥＶＩ大于０．５时，估算精度可达９０％以上；当ＥＶＩ小于０．５时，估计精度达
８０％以上。ＥＶＩ值越高，模型反演精度越高，说明草地植被覆盖度越大，模型反演精度越高（表４）。由此可见，
ＥＶＩ更适用于植被覆盖度较高地区的草地监测，ＥＶＩ对数模型可很好地模拟甘南州草地植被生长状况（５－１０
月）及其覆盖度变化动态。
表４　甘南州草地植被覆盖度最优拟合模型精度评价结果
犜犪犫犾犲４　犃犮犮狌狉犪犮狔犲狏犪犾狌犪狋犻狅狀犳狅狉狋犺犲狅狆狋犻犿狌犿狊犻犿狌犾犪狋犲犱犿狅犱犲犾狅犳犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犻狀犌犪狀狀犪狀犘狉犲犳犲犮狋狌狉犲
ＥＶＩ值
ＥＶＩ
ｖａｌｕｅ
样本数
Ｎｕｍｂｅｒｏｆ
ｓｉｔｅｓ
ＥＶＩ均值
Ｍｅａｎｏｆ
ＥＶＩ
ＥＶＩ标准差
Ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ
ｏｆＥＶＩ
模拟均值
Ｓｉｍｕｌａｔｅｄ
ｍｅａｎ（％）
模拟标准差
Ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ
ｏｆｓｉｍｕｌａｔｉｏｎ
均方根误差
ＲＭＳＥ
平均误差
Ｍｅａｎ
ｅｒｒｏｒ
平均精度
Ｍｅａｎａｃｃｕｒａｃｙ
（％）
＜０．４ ５１ ０．３４１ ０．０４６ ７６．０５ ５．０ １０．５３ １２．２４ ８７．７６
０．４～０．５ ９８ ０．４５９ ０．０２５ ８６．４２ １．９ １０．６７ １０．６７ ８９．３３
０．５～０．６ １６８ ０．５５３ ０．０２９ ９２．６９ １．８ ５．８０ ５．１９ ９４．８１
０．６～０．７ １１７ ０．６３６ ０．０２６ ９７．３７ １．４ ４．１５ ３．２１ ９６．７９
０．７～０．８ ６ ０．７０４ ０．００２ １００．８３ ０．１ ６．０２ ４．６９ ９５．３１
２．３　草地植被盖度月际时空变化特征
通过对ＥＶＩ对数模型计算的甘南州草地植被１１年（２００１－２０１１）生长季期间月平均覆盖度（图２）的分析表
明，甘南州在１１年生长季期间的月平均草地盖度最高值为９９．７７％，最低为７．６９％。总体上看，甘南草地植被覆
盖状况较好，由西向东草地植被总体呈减少趋势，高植被覆盖度地区集中分布在甘南西南部和中部地区，生长季
期间不同月份的高植被覆盖度地区的统计面积存在较大变化，其中７、８月高植被覆盖度区域的分布较广。
甘南州近１１年期间的草地植被覆盖度最大值出现在２０１０年７月，达到９０．２８％；最小值出现在２００２年１０
月，为５９．３４％。草地植被覆盖度的标准偏差介于６．０２％～１０．３２％（表５），总体上看，不同年份相同月份的草地
植被覆盖度变化不大。在草地植被生长季，草地盖度月平均值具有先上升达到峰值后再下降的特点，其变化趋势
呈抛物线形状。５月牧草开始返青，草地植被在５、６月期间迅速生长，６月草地植被覆盖度比５月上升约
２０．６７％，６月到７月持续增长，增加率达１０．４６％；７月和８月为盛草期，在此期间草地植被覆盖度达到最大值，８
月后天气转冷，植被开始凋落，覆盖度有下降趋势，但较为缓慢；９月草地植被覆盖度比８月下降约８．５７％，９月
后草地植被覆盖度下降明显，到１０月时下降１９．８２％。
在近１１年间５月的草地植被覆盖度变化范围介于６１．９５％～７０．６６％，６月为７２．３５％～８３．４２％，７月达
８６．４３％～９０．２８％，８月为８５．８４％～８９．１７％，９月为７５．４２％～８３．３７％，１０月为５９．３４％～６６．５３％。通过比较
分析发现，在５月份草地植被覆盖度变化较大，浮动范围约为３０％；６月和９月的草地植被覆盖度变化范围较为
５第２３卷第４期 草业学报２０１４年
相近，浮动范围约为２５％左右；７月和８月的草地植被覆盖度变化范围较为接近，浮动范围均在２０％以内；１０月
的草地植被覆盖度变化范围约为２３％。这是因为不同植被生长期有差异，草地植被多在５月开始返青，长势迅
速，因此该月草地植被盖度变化最大；在盛草期内变化幅度较小，各种植被均接近其所能达到的最大植被覆盖度；
在秋季，各种类型的草地先后进入枯草期，草地植被覆盖度变化较小。
图２　甘南州２００１－２０１１年草地植被生长季期间的月平均盖度空间分布
犉犻犵．２　犜犺犲狊狆犪狋犻犪犾犱犻狊狋狉犻犫狌狋犻狅狀狅犳犪狏犲狉犪犵犲犿狅狀狋犺犾狔犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犻狀
犌犪狀狀犪狀犘狉犲犳犲犮狋狌狉犲犱狌狉犻狀犵犵狉狅狑犻狀犵狊犲犪狊狅狀狊犳狉狅犿２００１狋狅２０１１
　
表５　甘南州２００１－２０１１年草地植被覆盖度统计
犜犪犫犾犲５　犚犲狊狌犾狋狅犳犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犱狌狉犻狀犵２００１－２０１１犻狀犌犪狀狀犪狀犘狉犲犳犲犮狋狌狉犲 ％
年份Ｙｅａｒ ５月 Ｍａｙ ６月Ｊｕｎｅ ７月Ｊｕｌｙ ８月Ａｕｇｕｓｔ ９月Ｓｅｐｔｅｍｂｅｒ １０月Ｏｃｔｏｂｅｒ 年平均值Ａｎｎｕａｌｍｅａｎ
２００１ ６１．９５±１０．３ ７２．３５±８．２ ８６．４３±６．６ ８７．６０±７．１ ８１．３９±９．３ ６６．５３±７．８ ７６．０４
２００２ ６７．６０±９．８ ８３．４２±６．８ ９０．２１±６．３ ８５．８４±７．９ ７５．４２±７．６ ５９．３４±６．８ ７６．９７
２００３ ６５．４５±８．６ ７８．７３±７．３ ８６．７７±６．４ ８６．９８±７．３ ８０．２４±７．９ ６２．００±８．７ ７６．７０
２００４ ６５．０７±９．１ ８１．１５±６．５ ８７．５８±６．４ ８９．１７±６．５ ７９．６７±８．０ ６４．１４±８．５ ７７．８０
２００５ ７０．６６±１０．６ ８０．８１±８．０ ８８．４７±７．０ ８６．５４±８．４ ７９．９１±８．１ ６４．１９±８．７ ７８．４３
２００６ ６３．５７±８．０ ８０．４９±７．１ ８９．２０±６．８ ８９．０２±７．２ ８０．９０±８．１ ６４．６１±７．３ ７７．９７
２００７ ６９．６１±９．２ ８０．０５±６．７ ８８．２７±６．５ ８８．０６±７．０ ７８．２３±８．７ ６２．３０±９．４ ７７．７５
２００８ ６３．３４±８．２ ７９．７１±６．３ ８６．７６±６．０ ８６．９８±７．０ ８０．３７±７．８ ６５．７９±９．３ ７７．１６
２００９ ６６．６８±８．５ ８１．９０±７．４ ８８．３１±７．１ ８６．９７±７．３ ７９．２０±７．７ ６５．９７±７．７ ７８．１７
２０１０ ６６．６１±９．０ ７８．８０±９．３ ９０．２８±７．３ ８７．９７±７．４ ８０．０２±７．５ ６５．９６±７．２ ７８．２７
２０１１ ６７．０５±９．４ ８０．５０±６．６ ８７．４８±６．３ ８５．９３±６．６ ８３．３７±６．８ ６３．７６±７．９ ７８．０２
月平均值 Ｍｏｎｔｈｌｙｍｅａｎ６６．１４ ７９．８１ ８８．１６ ８７．３７ ７９．８８ ６４．０５
６ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．４
２．４　草地植被盖度年际变化特征
图３　甘南州２００１－２０１１年８月高植被覆盖度和
较高植被覆盖度区面积对比
犉犻犵．３　犆狅犿狆犪狉犻狊狅狀狅犳犵狉犪狊狊犾犪狀犱犪狉犲犪犻狀犃狌犵狌狊狋犱狌狉犻狀犵２００１－２０１１
犫犲狋狑犲犲狀犺犻犵犺狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪狀犱犺犻犵犺犲狉狏犲犵犲狋犪狋犻狅狀
犮狅狏犲狉犾犲狏犲犾狊犻狀犌犪狀狀犪狀犘狉犲犳犲犮狋狌狉犲　
甘南州近１１年来，草地生长季低植被覆盖度区的
面积较小，８月高和较高植被覆盖区面积达２３３１４．４５
和３４９７．８２ｋｍ２，分别占全州草地总面积的８６．４８％和
１２．９７％，其余３个等级的植被平均覆盖区占全州草地
总面积的０．５５％。说明甘南州盛草期绝大部分区域
草地植被覆盖度较高，植被覆盖状况良好。
甘南州草地植被变化主要集中在高、较高和中植
被覆盖度的区域之间。从图３可以看出，高和较高２
种等级的植被覆盖度有相互转化趋势。２００２，２００５，
２００８，２０１１年高植被覆盖度地区面积明显减小，２００５
年达到最低值，而较高植被覆盖度的情况正好相反，
２００２，２００５，２００８，２０１１年明显增大，２００５年达到最高
值。且二者有逐渐靠拢趋势，１１年间的前期互相转化
幅度较大，后期互相转化幅度较小。在不同年份的生长季，草地植被覆盖度变化幅度较为接近，只有２００１年６月
数值偏低。
分析草地植被覆盖度年平均值的结果表明，２００１－２０１１年的年平均草地植被覆盖度呈缓慢上升趋势（狔＝
７６．２７１狓０．０１０６，狉＝０．８１），近３年（２００９－２０１１年）草地植被覆盖度分别为７８．１７％，７８．２７％，７８．０２％，较其他年
份略有上升（表５），近３年的高植被覆盖度区域的面积略有下降，较高植被覆盖度区域的面积略有上升，同时中、
低植被覆盖度区域的面积有增大趋势。
３　讨论
本文在甘南地区植被覆盖度统计模型与像元二分模型比较的研究结论，与宋莎［１５］对新疆石河子地区的研究
结果相似。甘南地区和石河子地区利用像元二分模型法反演的研究区植被覆盖度精度远远不及经验模型的反演
精度，从一定程度上反映出像元二分模型法对于反演部分地区的植被覆盖度存在不足。
统计模型法应用简单，易于计算，在较小的空间范围内具有较高的精度，但有一定的局限性，模型的准确性依
赖于特定区域或特定植被类型的大量实测数据，受观测时大气状况、土壤状况的影响显著，且随时间、地域、植被
类型、生长季节的变化而变化，不易推广［１６］。而估算植被盖度的像元二分模型是在若干假设和近似条件下基于
遥感植被指数建立起来的，其中植被指数与植被盖度、叶面积指数之间又存在着较为复杂的关系，因此，利用亚像
元分解法获得的植被盖度的精度与研究区植被生长状况、计算植被指数的遥感数据空间分辨率、确定裸地与植被
纯端元植被指数阈值的准确性等因素紧密相关，该方法的优势是受地域范围的限制较小，可以实现大范围的植被
盖度监测，但精度较低［１７］。
在植被盖度外业调查中，在地面作大样方并取其中值的方法在一定程度上可以克服由于地面测量和遥感测
量之间发生空间位置错配而产生的影响［１８２０］。对地表均质性较差的地区，通常植被盖度很高的斑块与植被盖度
相当低的斑块相邻，从而导致同一个像素包含大量光谱噪声。无论采用统计模型还是像元二分模型，均会产生较
大的误差。所以在这些地区采用这种方法是不适宜的。但是，对于均质性较好的甘南高原或中国北方典型草原
而言，该方法还是很有效的。有利于提高植被指数与植被盖度之间相关系数的显著水平，所以利用植被指数
ＮＤＶＩ监测草地的植被盖度是比较适宜的，它优于比值植被指数（ｒａｔｉｏｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ，ＲＶＩ），也比归一化差异
绿度指数（ｎｏｒｍａｌｉｚｅｄｄｉｆｆｅｒｅｎｃｅｇｒｅｅｎｉｎｄｅｘ，ＮＤＧＩ）的效果好。与基于大尺度地面样方的ＮＤＶＩ的植被盖度经
验模型相比，利用像元二分模型估测甘南或中国北方温带典型草原植被盖度的精度低于统计模型。像元二分模
型的估测误差较大，并且估测精度的波动较大［２１］。已有研究证明，ＭＯＤＩＳ－ＥＶＩ使植被指数与不同覆盖程度植
被的线性关系得到明显改善，尤其在高覆盖区表现良好［２２］。甘南州被誉为“亚洲最优质的天然牧场”，草地植被
７第２３卷第４期 草业学报２０１４年
类型较为丰富，植被覆盖度较高，本研究发现ＥＶＩ的统计模型优于其像元二分模型，也优于ＮＤＶＩ的统计模型和
像元二分模型，基于 ＭＯＤＩＳ－ＥＶＩ的统计模型适于甘南草地植被覆盖度的动态监测。植被指数在草地生长季
具有一定的变化规律，植被长势越好，植被指数越高，ＥＶＩ对数模型可以较好地反映甘南地区草地植被生长过程
及其盖度变化规律。然而，用于建模及精度评价的野外实测采样点的选取应遵循以下３条规则：１）地面采样点应
能在遥感影像上实现精确定位；２）地面采样点应该最大可能地体现植被和土壤的均质性；３）采样点的植被覆盖度
应该处于一定的变化范围内。由于用于建模的地面采样点要进行回归分析，所以地面采样点的数目应该不少于
２０个。为了满足研究区植被盖度的变化范围，采样点的选取最好采用随机方式［２２］。符合以上野外调查原则的观
测数据，可用于建立统计模型和检测模型精度。
参考文献：
［１］　ｄｅＲｏｏＡＰＪ，ＯｆｆｅｒｍａｎｓＲＪＥ，ＣｒｅｍｅｒｓＤＴ．ＬＩＳＥＭ：Ａｓｉｎｇｌｅｅｖｅｎｔｐｈｙｓｉｃａｌｙｂａｓｅｄｈｙｄｒｏｌｏｇｉｃａｌａｎｄｅｒｏｓｉｏｎｍｏｄｅｌｆｏｒ
ｄｒａｉｎａｇｅｂａｓｉｎｓⅡ：Ｓｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓ，ｖａｌｉｄａｔｉｏｎａｎｄａｐｐｌｉｃａｔｉｏｎ［Ｊ］．ＨｙｄｒｏｌｏｇｉｃａｌＰｒｏｃｅｓｓｅｓ，１９９６，１０（８）：１１１９１１２６．
［２］　王浩，李文龙，杜国祯，等．基于３Ｓ技术的甘南草地覆盖度动态变化研究［Ｊ］．草业学报，２０１２，２１（３）：２６３７．
［３］　花立民．玛曲草原植被ＮＤＶＩ与气候和载畜量变化的关系分析［Ｊ］．草业学报，２０１２，２１（４）：２２４２３５．
［４］　宋春桥，游松财，刘高焕，等．那曲地区草地植被时空格局与变化及其人文因素影响研究［Ｊ］．草业学报，２０１２，２１（３）：１
１０．
［５］　陈云浩，李晓兵，史培军．北京海淀区植被覆盖的遥感动态研究［Ｊ］．植物生态学报，２００１，２５（５）：５８８５９３．
［６］　温庆可，张增祥，刘斌，等．草地覆盖度测算方法研究进展［Ｊ］．草业科学，２００９，２６（１２）：３０３６．
［７］　王春香，张涤非，任万辉．ＭＯＤＩＳ数据植被覆盖度提取算法比较［Ｊ］．大气与环境光学学报，２０１０，５（６）：４５７４６２．
［８］　赵彩霞，施昆，宁平．ＥＯＳ－ＭＯＤＩＳ在环境科学中的应用与研究进展［Ｊ］．环境科学导刊，２００８，２７（２）：１５２０．
［９］　刘闯，文洪涛，赵立成，等．我国ＥＯＳ－ＭＯＤＩＳ地面站建设的现状、问题与对策［Ｊ］．遥感信息，２００３，（４）：４２４７．
［１０］　杨丽萍，杨玉永．ＥＯＳ－ＭＯＤＩＳ数据农业应用进展及前景［Ｊ］．山东农业科学，２００９，（１）：１９２２．
［１１］　严建武，李春娥，袁雷，等．ＥＯＳ－ＭＯＤＩＳ数据在草地资源监测中的应用进展综述［Ｊ］．草业科学，２００８，２５（４）：１４．
［１２］　梁天刚，崔霞，冯琦胜，等．２００１－２００８年甘南牧区草地地上生物量与载畜量遥感动态监测［Ｊ］．草业学报，２００９，１８（６）：
１２２２．
［１３］　孙海涛，苏静．甘南州产地检疫存在的问题及对策分析［Ｊ］．青海畜牧兽医杂志，２０１０，４０（６）：４７４８．
［１４］　朱建国，袁罛．甘南州发展草产业的前景与对策［Ｊ］．草业科学，２００２，１９（２）：２６２８．
［１５］　宋莎．基于多源遥感数据的植被覆盖度研究［Ｄ］．雅安：四川农业大学，２０１０．
［１６］　邢著荣，冯幼贵，杨贵军，等．基于遥感的植被覆盖度估算方法述评［Ｊ］．遥感技术与应用，２００９，２４（６）：８４９８５４．
［１７］　顾祝军，曾志远．遥感植被盖度研究［Ｊ］．水土保持研究，２００５，１２（２）：１８２１．
［１８］　ＭｕｓｉｃｋＨＢ．ＡｓｓｅｓｓｍｅｎｔｏｆＬａｎｄｓａｔＭｕｌｔｉｓｐｅｃｔｒａｌＳｃａｎｎｅｒｓｐｅｃｔｒａｌｉｎｄｅｘｅｓｆｏｒｍｏｎｉｔｏｒｉｎｇａｒｉｄｒａｎｇｅｌａｎｄ［Ｊ］．ＩＥＥＥ．Ｔｒａｎｓ
ａｃｔｉｏｎｓｏｎＧｅｏｓｃｉｅｎｃｅａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９８４，２２（６）：５１２５１９．
［１９］　ＦｏｒａｎＢＤ．ＤｅｔｅｃｔｉｏｎｏｆｙｅａｒｌｙｃｏｖｅｒｃｈａｎｇｅｗｉｔｈＬａｎｄｓａｔＭＳＳｏｎｐａｓｔｏｒａｌｌａｎｄｓｃａｐｅｓｉｎＣｅｎｔｒａｌＡｕｓｔｒａｌｉａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓ
ｉｎｇｏｆＥｎｖｉｒｏｎｍｅｎｔ，１９８７，２３：３３３３５０．
［２０］　ＧｒａｅｔｚＲＤ，ＰｅｃｈＲＰ，ＤａｖｉｓＡＷ．ＴｈｅａｓｓｅｓｓｍｅｎｔａｎｄｍｏｎｉｔｏｒｉｎｇｏｆｓｐａｒｓｅｌｙｖｅｇｅｔａｔｅｄｒａｎｇｅｌａｎｄｓｕｓｉｎｇｃａｌｉｂｒａｔｅｄＬａｎｄｓａｔ
ｄａｔａ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇ，１９８８，９（７）：１２０１１２２２．
［２１］　张云霞，张云飞，李晓兵．地面测量与ＡＳＴＥＲ影像综合计算植被盖度［Ｊ］．生态学报，２００７，２７（３）：９６４９７６．
［２２］　王正兴，刘闯．植被指数研究进展：从ＡＶＨＲＲ－ＮＤＶＩ到 ＭＯＤＩＳＥＶＩ［Ｊ］．生态学报，２００３，２３（５）：９７９９８７．
８ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１４） Ｖｏｌ．２３，Ｎｏ．４
犇狔狀犪犿犻犮犮犺犪狀犵犲狊狅犳犵狉犪狊狊犾犪狀犱狏犲犵犲狋犪狋犻狅狀犮狅狏犲狉犪犵犲犳狉狅犿
２００１狋狅２０１１犻狀犌犪狀狀犪狀犘狉犲犳犲犮狋狌狉犲
ＭＡＬｉｎｙａ，ＣＵＩＸｉａ，ＦＥＮＧＱｉｓｈｅｎｇ，ＬＩＡＮＧＴｉａｎｇａｎｇ
（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＧｒａｓｓｌａｎｄＡｇｒｏｅｃｏｓｙｓｔｅｍｓ，ＣｏｌｅｇｅｏｆＰａｓｔｏｒａｌＡｇｒｉｃｕｌｔｕｒｅ
ＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００２０，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：Ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｓａｎｉｍｐｏｒｔａｎｔｉｎｄｉｃａｔｏｒｏｆｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｇｒｏｗｔｈｃｏｎｄｉｔｉｏｎ，ａｎｄｉｔｈａｓａ
ｃｒｕｃｉａｌｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｅｖａｌｕａｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｖｅｇｅｔａｔｉｏｎｒｅｓｔｏｒａｔｉｏｎ．ＵｓｉｎｇｔｈｅＴｅｒｒａ／ＭＯＤＩＳｐｒｏｄｕｃｔｏｆ
ＭＯＤ１３Ａ３ｆｒｏｍＭａｙｔｏＯｃｔｏｂｅｒｄｕｒｉｎｇ２００１－２０１１，ｃｏｍｂｉｎｅｄｗｉｔｈｇｒｏｕｎｄｏｂｓｅｒｖｅｄｄａｔａｆｒｏｍ２００６－２００９，
ｔｈｅｉｎｖｅｒｓｉｏｎｍｏｄｅｌｓｏｆｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｗｅｒｅｅｓｔａｂｌｉｓｈｅｄ．Ｔｈｅｉｒｐｒｅｃｉｓｉｏｎｓｗｅｒｅｃｏｍｐａｒｅｄａｎｄｔｈｅ
ｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｎｔｈｅｇｒｏｗｉｎｇｓｅａｓｏｎｓｏｆ２００１－２０１１ｗｅｒｅａｎａｌｙｚｅｄｉｎＧａｎｎａｎ
Ｐｒｅｆｅｃｔｕｒｅ．Ｔｈｅｌｏｇａｒｉｔｈｍｉｃｆｕｎｃｔｉｏｎ（狔＝３３．６５８ｌｎ狓＋１１２．６５）ｏｆＭＯＤＩＳ－ＥＶＩ（ｅｎｈａｎｃｅｄｖｅｇｅｔａｔｉｏｎｉｎｄｅｘ）
ｂｅｓｔｓｉｍｕｌａｔｅｄｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｎＧａｎｎａｎｐａｓｔｏｒａｌａｒｅａｓｗｉｔｈａｐｒｅｃｉｓｉｏｎｏｆ９３．３１％．ＭＯＤＩＳ－
ＥＶＩｈａｄｍｏｒｅａｄｖａｎｔａｇｅｓｉｎｈｉｇｈｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｒｅｇｉｏｎｓ，ａｎｄａｃｃｕｒａｔｅｌｙｒｅｆｌｅｃｔｅｄｔｈｅｓｐａｔｉａｌａｎｄｔｅｍｐｏｒａｌ
ｄｉｆｆｅｒｅｎｃｅｓｏｆｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｗｈｉｌｅｒｅｄｕｃｉｎｇｔｈｅｅｆｆｅｃｔｏｆｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｓｔｏｔｈｅｍａｘｉｍｕｍｅｘｔｅｎｔ．Ｉｎ
ｔｈｅｒｅｃｅｎｔ１１ｙｅａｒｓ，ｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｎＧａｎｎａｎＰｒｅｆｅｃｔｕｒｅｈａｓｓｈｏｗｎａｎｉｎｃｒｅａｓｉｎｇｔｒｅｎｄ．Ｔｈｅ
ｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｗａｓｈｉｇｈｅｓｔ（７８．４３％）ｉｎ２００５，ａｎｄｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｏｆ２００１，２００３，ａｎｄ
２００８ｗｅｒｅｌｏｗｅｒｔｈａｎｔｈｏｓｅｉｎｏｔｈｅｒｙｅａｒｓ．Ｔｈｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｎｍｉｄｗｅｓｔａｎｄｓｏｕｔｈｗｅｓｔａｒｅａｓｗａｓｂｅｔｔｅｒ
ｔｈａｎｔｈａｔｉｎｔｈｅｅａｓｔｅｒｎａｒｅａ．Ｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｗａｓｄｏｍｉｎａｔｅｄｂｙｈｉｇｈ，ｔｈｅｎｈｉｇｈｅｒｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｌｅｖ
ｅｌｓ，ｗｈｉｌｅｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆｏｔｈｅｒｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｌｅｖｅｌｓｗｅｒｅｓｍａｌ （６．９８％）ａｎｄｓｔａｂｌｅ．Ｏｖｅｒ
ａｌ，ｇｒａｓｓｌａｎｄｉｎＧａｎｎａｎＰｒｅｆｅｃｔｕｒｅｆｏｒｔｈｅ１１ｙｅａｒｓｗａｓｃｈａｒａｃｔｅｒｉｚｅｄｂｙｔｒａｎｓｆｏｒｍａｔｉｏｎｆｒｏｍａｈｉｇｈｖｅｇｅｔａｔｉｏｎ
ｃｏｖｅｒａｇｅｉｎｔｏａｎｅｖｅｎｈｉｇｈｅｒｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ．
犓犲狔狑狅狉犱狊：Ｇａｎｎａｎ；ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒ；ｄｙｎａｍｉｃｃｈａｎｇｅ；ＭＯＤＩＳ
９第２３卷第４期 草业学报２０１４年