基于遙感影像的植被指數(shù)研究方法述評_第1頁
基于遙感影像的植被指數(shù)研究方法述評_第2頁
基于遙感影像的植被指數(shù)研究方法述評_第3頁
基于遙感影像的植被指數(shù)研究方法述評_第4頁
基于遙感影像的植被指數(shù)研究方法述評_第5頁
已閱讀5頁,還剩6頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、生 態(tài) 科 學 2005年2月 第24卷 第1期 ECOLOGIC SCIENCE Feb., 2005, 24(1):7579基于遙感影像的植被指數(shù)研究方法述評羅 亞,徐建華,岳文澤 (華東師范大學地理系,地理信息科學教育部重點實驗室,上海 200062)【摘要】 隨著遙感技術(shù)的發(fā)展,植被指數(shù)作為用來表征地表植被覆蓋和生長狀況的度量參數(shù),已經(jīng)在環(huán)境、生態(tài)、農(nóng)業(yè)等領域有了廣泛的應用。本文在分析植被指數(shù)形成機制及影響因子的基礎上,對其具有一定技術(shù)突破的典型植被指數(shù)進行了歸納分類與比較分析,并評價了各自的優(yōu)勢和局限性。植被指數(shù)按遙感數(shù)據(jù)采集的平臺可以分為航空植被指數(shù)和航天植被指數(shù)兩大類,其中航天植

2、被指數(shù)又可以分為基于波段簡單線性組合的植被指數(shù)、消除影響因子的植被指數(shù)和針對高光譜遙感及熱紅外遙感的植被指數(shù)三類。最后就植被指數(shù)應用中存在的問題以及發(fā)展前景談了一些看法:植被指數(shù)數(shù)目繁瑣重復,急待規(guī)范條理化;植被指數(shù)應用領域不同,使用者時要慎重;植被指數(shù)影響因子很多,具體使用時應適時修正;植被指數(shù)公式繁瑣阻礙其應用,應開發(fā)植被指數(shù)產(chǎn)品;遙感技術(shù)日新月異,積極研發(fā)新的植被指數(shù)。 關(guān)鍵詞:遙感;植被指數(shù);航空;航天中圖分類號:Q147 文獻標識碼:A 文章編號:1008-8873(2005)01-075-05Research on vegetation indices based on the r

3、emote sensing imagesLUO Ya, XU Jian-Hua, YUE Wen-Ze (Geography Information Science Open Lab of Education,Geography Department of East China Normal University,Shanghai 200062 China )Abstract With the development of remote sensing technology, vegetation indices(VI), which is a quantitative indicator f

4、or ivegetation canopy and growth conditions, has been widely applied in the fields such as environmental, ecological and agricultural studies. Different types of VI have been developed during last thirty years to enhance vegetation and minimize the effects of the factors. This paper reviews the form

5、ation mechanism and the factors of VI such as vegetation conditions, atmosphere, soil, sensor calibration, sensor viewing conditions. The VI with technical innovation are discussed and analyzed for the advantages and limitations. In general, the vegetation indices are classified into airborne and sa

6、telliate VI according to the sensor platform. The satelliate vegettion indices consist of three sorts of VI: simple linear combination of the spectral bands, eliminating the effects of the factors and aiming at hyperspectral remote sensing technology and thermal infrared multi-spectral remote sensin

7、g technology. Several issues in VI future development are also addressed: Firstly, Standardization and classification of different types of VI are necessary. Secondly, the applied fields of various VI are different so that the choice of VI should be careful. Thirdly, Because of many factors of affec

8、ting VI, modification should be made before application in practice. Also, the complex formula of VI prevent its application. Finally, new VI should be developed based on the advance of remote sensing technology.Key words: Remote sensing;Vegetation index;Airborne;Spaceflight植被指數(shù)是遙感領域中用來表征地表植被覆蓋,生長狀況

9、的一個簡單,有效的度量參數(shù)1。隨著遙感技術(shù)的發(fā)展,植被指數(shù)在環(huán)境、生態(tài)、農(nóng)業(yè)等領域有了廣泛的應用。在環(huán)境領域,通過植被指數(shù)來反演土地利用和土地覆蓋的變化,逐漸成為實現(xiàn)對全球環(huán)境變化的研究重要手段2;在生態(tài)領域,隨著斑塊水平的生態(tài)系統(tǒng)研究成果拓展到區(qū)域乃至全球的空間尺度上,植被指數(shù)成了空間尺度拓展的連接點3;在農(nóng)業(yè)領域,植被指數(shù)廣泛應用在農(nóng)作物分布及長勢監(jiān)測、產(chǎn)量估算、農(nóng)田災害監(jiān)測及預警、區(qū)域環(huán)境評價以及各種生物參數(shù)的提取??傊?,隨著人們對于全球變化研究的深入,以遙感信息推算區(qū)域尺度乃至全球尺度的植被指數(shù)日益成為令人關(guān)注的問題。植被指數(shù)的建立是基于植被在紅色和近紅外波段反差較大的光譜特征,本質(zhì)上

10、是在綜合考慮各有關(guān)的光譜信號的基礎上,把多波段反射率做一定的數(shù)學變換,使其在增強植被信息的同時,并使非植被信號最小化。但影響植被指數(shù)的因子的比較多,主要屬于生物領域和物理領域4。生物領域是指與光學特性和植被覆蓋狀態(tài)相關(guān)的各種因子,而物理領域主要包括大氣影響、土壤影響、遙感器影響、角度影響等4, 5。為此,國內(nèi)外學者提出了很多形式各異的植被指數(shù)來消除這些影響因子,但植被指數(shù)的使用比較混亂。在此背景下,本文就具有一定技術(shù)突破的典型植被指數(shù)進行歸納分類與比較分析就顯得尤為必要而富重要意義。1 主要植被指數(shù)的類型及其計算方法為尋求對地球上所有生物群體都適用的植被觀測量,需要建立一種經(jīng)驗的或半經(jīng)驗的、強

11、有力的模型用來反演植被的時空特征,因此各種形式的植被指數(shù)收稿日期:2004-10-21,2005-02-20接受基金項目:國家自然科學基金項目(40371092)資助 作者簡介:羅 亞(1981),男,碩士研究生,專業(yè)方向GIS與城市遙感。76 生 態(tài) 科 學 24 卷便應勢而生。植被指數(shù)按遙感數(shù)據(jù)采集的平臺可分為航空植被指數(shù)和航天植被指數(shù)兩大類。 1.1航空遙感航空遙感具有靈活機動和高空間分辨率等特點,然而由于航空遙感為低遙感平臺成像,太陽高度角、飛行姿態(tài)等對地物成像的影響較衛(wèi)片嚴重得多,同時局地氣象的影響,航片攝影、沖、印等環(huán)節(jié)所造成影像還原程度的不一致,使得同一套航片中不同航片之間的色差

12、、色彩均勻度不一致的問題普遍存在。若直接套用已有的植被指數(shù)及信息提取方法,則會造成各種偏差,顯然不適應城市綠化遙感的定量分析要求6。為此,周廷剛等(2003)提出了針對城市綠化航空遙感調(diào)查新的植被指數(shù)非線性彩紅外植被指數(shù)(NCIVI),并應用于寧波市城市綠化調(diào)查。研究結(jié)果表明,NCIVI對城市綠化提取效果明顯優(yōu)于NDVI,正確提取率可以提高3.5%7。NCIVI=K1(R+P1lnR)G+JKR+G+1(1)1 式中:P1和K1可以根據(jù)植被在某一航片上R,G中的最大、最小值的組合求出,J值可由RG散點圖讀出截距。陳云浩等(2004)構(gòu)造了適應航片綠化信息提取的可調(diào)節(jié)航空植被指數(shù)(ANVI)。A

13、NVI與NCIVI形式上大同小異,它經(jīng)上海的綠化信息提取實踐證明,ANDVI能夠很好的適應航空遙感的特點,有效的克服外因?qū)Φ匚锊ㄗV反射成像的非線性擾動 6。 1.2 航天遙感航天遙感植被指數(shù)相對航空遙感植被指數(shù)而言,發(fā)展比較早相對也比較成熟,按發(fā)展階段大致可分為基于波段簡單線性組合的植被指數(shù)、消除影響因子的植被指數(shù)和針對高光譜遙感及熱紅外遙感的植被指數(shù)三類。Kauth等(1976)基于經(jīng)驗的方法,在忽略大氣、土壤、植被間相互作用的前提下,針對Landsat MSS的特定遙感圖像,發(fā)展了土壤亮度指數(shù)(SBI)、綠度植被指數(shù)(GVI)、黃度植被指數(shù)(YVI)9。Wheeler和Misra等(197

14、6)基于Landsat MSS圖像而進行主成份分析,通過計算這些指數(shù)的多項因子又發(fā)展了Misra土壤亮度指數(shù)(MSBI)、Misra綠度植被指數(shù)(MGVI)、Misra黃度植被指數(shù)(MYVI)和Misra典范植被指數(shù)(MNSI)10??傊@一類植被指數(shù)大都是基于波段的簡單線性組合或原始波段的比值,由經(jīng)驗方法發(fā)展而來,沒有考慮大氣、土壤等因子的綜合影響,由于針對特定的遙感器并為特定目的而設計,所以應用也有嚴重的限制性。消除土壤影響為了消除土壤的影響,很多人在這方面做了工作。比較早的是Kauth and Thomas(1976)9,基于土壤線理論,發(fā)展了垂直植被指數(shù)(PVI),相對于RVI,PV

15、I表現(xiàn)為受土壤亮度的影響較小。后來Jackson(1983)又拓寬了PVI基于維光譜波段并在維空間中計算植被指數(shù)的方法,普遍地用“”波段計算“”個植被指數(shù)() 11。但事實上,相對于僅用紅波段和紅外波段的方法,通道數(shù)一味增加,常常并不能對植被指數(shù)有多大的貢獻。PVI=(NIRaRb)/a2+1 (2) SAVI=nr(1+L) (3)n+r+La為土壤線的斜率,b為土壤線的截距,L為土壤亮度指數(shù)。為減少土壤和植被冠層背景的雙層干擾,Huete (1988年)提出了土壤調(diào)節(jié)植被指數(shù)(SAVI) 12,該指數(shù)該指數(shù)看上去似乎由NDVI和PVI組成,其創(chuàng)造性在于,引入了土壤亮度指數(shù)L,建立了一個可適

16、當描述土壤植被系統(tǒng)的簡單模型。L的取值取決于植被的密度,Huete建議L的最佳值為0.5,也可以在0(黑色土壤)1(白色土壤)之間變化1213。試驗證明,SAVI降低了土壤背景的影響,但可能丟失部分背景信息,導致植被指數(shù)偏低。為減小SAVI中裸土影響,Qi(1994)提出了修正的土壤調(diào)節(jié)植被指數(shù)(MSAVI)14。它與SAVI最大區(qū)別是L值可以隨植被密度而自動調(diào)節(jié),較好消除了土壤背景對植被指數(shù)影響。MSAVI=(2n+1(2n+1)28(nr)/2 (4)1期 羅 亞,等:基于遙感影像的植被指數(shù)研究方法述評 77基于土壤線的理論,Baret等(1989)對SAVI進行轉(zhuǎn)換發(fā)展了轉(zhuǎn)換型土壤調(diào)整植

17、被指數(shù)(TSAVI)15。由于考慮了裸土土壤線,TSAVI比NDVI對于低植被顏色相當大的影響,對于稀疏或中密度植被覆蓋不太適用,而且很難區(qū)分水生植被與陸地表面,動態(tài)分辯率也比較低19。GEMI=(10.25)(R0.125)/(1R) (9)覆蓋有更好的指示作用,適用于半干旱地區(qū)的土地利用圖。后來Baret和Guyot(1991)對TSAVI又進行改進,通過附加一個“”值,將土壤背景亮度的影響減小到最小值,發(fā)展了ATSAVI。TSAVI=a(NIRaRB)/(R+aNIRab) (5)ATSAVI=a(NIRaRB)/R+aNIRab+X(1+a2) (6)ATSAVI和TSAVI是對SAV

18、I的改進,著眼于土壤線實際的a和b,而不是假設為1和0。后來Major等(1990)發(fā)現(xiàn)冠層近紅外反射可以被表示為紅光發(fā)射的線性函數(shù),給出了SAVI的第二種形式,即SAVI2NIR/(R+b/a),并依據(jù)土壤干濕強度及太陽入射角的變化等,給出了SAVI的其它形式(SAVI3、SAVI4)等16。消除大氣影響 Kanfman和Tanre(1992)根據(jù)大氣對紅光通道的影響比近紅外通道大得多的特點,在定義NDVI時通過藍光和紅光通道的輻射差別修正紅光通道的輻射值,類似于熱紅外波段的劈窗技術(shù)(the split window technique),發(fā)展了抗大氣植被指數(shù)(ARVI)17。研究表明,AR

19、VI對大氣的敏感性比NDVI約減小4倍。是決定ARVI對大氣調(diào)節(jié)程度的關(guān)鍵參數(shù),并取決于氣溶膠的類型。Kanfman推薦的為常數(shù)1僅能消除某些尺寸氣溶膠的影響,有很大的局限性;且ARVI進行預處理時需要輸入的大氣實況參數(shù)往往是難以得到的,給應用帶來困難。ARVI=(*nrb)/(n+rb) (7)*rb=(b) (8)式中*是預先經(jīng)過了分子散射和臭氧訂正的反射率,為大氣調(diào)節(jié)參數(shù)。 為此張仁華等(1996)在ARVI的基礎上,運用大氣下向光譜的同步觀測實例值以及大氣輻射傳輸方程,得到糾正NDVI的關(guān)鍵參數(shù),使值可從0.651.21之間變化,同時也不必采用輻射傳輸模型進行預處理,得到新的抗大氣影響

20、植被指數(shù)(IAVI)。根據(jù)實際觀測研究表明,大氣對IAVI影響誤差為0.4%3.7%,比NDVI的14%31%有明顯的減小18。Pinty等(1992)對AVHRR數(shù)據(jù)進行了自糾正處理,提出了全球環(huán)境監(jiān)測植被指數(shù)(GEMI)。GEMI不用改變植被信息而可以減小大氣影響,能很好地分離云和陸地表面,并保存了比NDVI指數(shù)相對低密度至濃密度覆蓋更大的動態(tài)范圍。但GEMI受到裸土的亮度和=2(NIR2R2)+1.5NIR+0.5R/(NIR+R+0.5) (10)消除綜合影響因子歸一化差值植被指數(shù)NDVI由Rouse等 (1973)20在對RVI非線性歸一化處理后得到的植被指數(shù)。NDVI增強了對植被的

21、響應能力,是目前應用最廣的植被指數(shù)。但許多研究也表明,NDVI也受到定標和儀器特性、云和云影、大氣、雙向反射率、土壤及葉冠背景、高生物量區(qū)飽和等因素影響,使其應用受到限制1。后來其他學者對NDVI進行修正又發(fā)展了其它的植被指數(shù),如轉(zhuǎn)換型植被指數(shù)TNDVI(Deering等,1975)21,再歸一化植被指數(shù)RNDVI( Roujean 和Breon,1995)22、GNDVI(Gitelson等,1996) 23。NDVI=(NIRR)/(NIRR) (11) 基于土壤和大氣的影響是相互作用的事實,Liu and Huete(1995)24引入一個反饋項來同時對二者進行訂正,這就是改進型土壤大氣

22、修正植被指數(shù)EVI。它利用背景調(diào)節(jié)參數(shù)和大氣修正參數(shù)1、2同時減少背景和大氣的作用。EVI=nr(1+L) (12) n+C1rC2b+L唐世浩(2003)提出了一種三波段梯度差植被指數(shù)(TGDVI)。TGDVI具有一定的消除背景和薄云影響的能力,同時該植被指數(shù)還解決了NDVI飽和點低的問題。但TGDVI在計算植被覆蓋度時沒有考慮植被、土壤面積比隨波長的變化情況,與實際情況存在差異。此外,TGDVI用到三個波段的信息,而且沒有經(jīng)過比值處理,波段噪聲的影響會較大25。 TGDVI=RirRrRrRg (13) irrrg總之,此類植被指數(shù)大都基于物理知識,將大氣、植被覆蓋和土壤背景的影響結(jié)合在一

23、起考慮,并通過數(shù)學和物理及邏輯經(jīng)驗以及通過模擬將原植被指數(shù)不斷改進而發(fā)展的。于波段數(shù)少、光譜分辨率低,并且利用其計算出的植被指數(shù)也基本都是基于不連續(xù)的紅光和近紅外波段,所能反演的信息量少26。近年來,隨著高光譜分辨率遙感的發(fā)展以及熱紅外遙感技術(shù)的應用,又發(fā)展了一78 生 態(tài) 科 學 24 卷些新的植被指數(shù),比如基于高光譜遙感的植被指數(shù)、基于熱紅外遙感的植被指數(shù)和基于兩個或三個離散波段的植被指數(shù)等?;诟吖庾V遙感的植被指數(shù)中比較典型的是紅邊植被指數(shù)和倒數(shù)植被指數(shù)。紅邊植被指數(shù)是基于紅邊(680750nm)的光譜特征發(fā)展的。在紅邊研究中,主要采用紅邊斜率和紅邊位置來描述紅邊的特性。紅邊斜率主要與植

24、被覆蓋度或葉面積指數(shù)有關(guān),覆蓋度越高越大,紅邊斜率就越大。紅邊位置則靈敏于葉綠素、的濃度和植被葉細胞的結(jié)構(gòu)。因此通過對紅邊特性的研究,就可以對植被的生長狀態(tài)進行監(jiān)測27。紅邊的位置和斜率可以利用高光譜遙感數(shù)據(jù)通過由Guyot和Beret在1988年提出的一種算法來近似得出。Mille(1990)用一個倒高斯模型擬合紅邊斜率,也可以獲取紅邊位置信息28。導數(shù)植被指數(shù)由于它能壓縮背景噪音對目標信號的影響或不理想的低頻信號,被應用在目前的高光譜遙感研究中,尤其是在利用高光譜遙感提取植被化學成份信息方面得到成功的應用。Demetriades-Shah et al.(1990)對高光譜遙感中導數(shù)的求解方

25、法進行了綜述,并指出DVI不但能消除大氣效應的影響還能從根本上消除土壤的影響29?;跓峒t外遙感的植被指數(shù)本質(zhì)上是把熱紅外輻射(如地面亮度溫度)和植被指數(shù)結(jié)合起來進行大尺度范圍的遙感應用。江東等(2001)構(gòu)建了水分指數(shù)NDVITs,分析了它與農(nóng)作物產(chǎn)量的相關(guān)關(guān)系30。陳云浩等(2003)進行地表植被動態(tài)變化的監(jiān)測研究發(fā)現(xiàn)TsNDVI表達信息最豐富,不但能有效減少低植被覆蓋地區(qū)的土壤背景的影響,而且利用Ts信息可以改善NDVI在高植被覆蓋地區(qū)易于飽和的缺點31。王鵬新(2001)提出了條件植被溫度指數(shù)VTCI,研究一特定年內(nèi)某一時期整個區(qū)域相對干旱的程度及其變化規(guī)律 32?;趦蓚€或三個離散波

26、段的植被指數(shù)以生理反射植被指數(shù)PRI和葉綠素吸收比值指數(shù)CARI為代表。PRI是由Gamon et al. (1992)在對向日葵生化特性的短期變化(如一天的植被的光合作用)探測基礎上提出的,當時名稱為physiological reflectance index (PRI),并認為PRI與凈光合作用有關(guān)33。后來Peuelas 等(1995)把它推廣到其它應用領域,對其進行了修正,并改名為photochemical reflectanceindex,至今一直在沿用 34。PRI=(R531R570)/(R531R570) (14) Kim和Daughtry等(1994)研究發(fā)現(xiàn)對于葉片而言,

27、即使葉綠素含量有差異,其550 nm和700 nm的發(fā)射率之比也是恒定的,基于此關(guān)系和葉綠素在670 nm的吸收,提出了葉綠素吸收比值指數(shù)CARI35。CARI=a670+R670+b(a2+1)0.5(R700/R670) (15) a和b可以由550 nm和700 nm的反射率組合得出。2 植被指數(shù)研究的問題與展望(1)植被指數(shù)數(shù)目繁瑣重復,急待規(guī)范條理化。目前形式各異的植被指數(shù)數(shù)目看似百花爭鳴,事實上有些只是對以前植被指數(shù)變相的重復,雖然針對特定應用對象或使用特定的數(shù)據(jù)計算結(jié)果稍好一點,但并不能作為植被指數(shù)做進一步推廣。所以,植被指數(shù)急需設立統(tǒng)一的標準法則,進行有條件的篩選或剔除,使植被

28、指數(shù)做到精而使用。(2)植被指數(shù)應用領域各異,使用時要慎重。植被指數(shù)應用領域很廣,不同的植被指數(shù)在不同的領域應用效果顯然是不一樣的,所以在實際應用中,使用者對植被指數(shù)的取舍要相當慎重,決不能生搬硬套。(3)植被指數(shù)影響因子很多,具體使用時應適時修正。由于植被光譜受到植被本身、環(huán)境條件、大氣狀況等多種因素的影響,因此植被指數(shù)往往具有明顯的地域性和時效性,所以使用者具體使用時應因地適宜的選用和修正,尤其要注意建立植被指數(shù)與具體應用對象的數(shù)學模型,以實現(xiàn)植被指數(shù)能客觀地反演應用對象的特征。(4)植被指數(shù)公式繁瑣阻礙其應用,應開發(fā)植被指數(shù)產(chǎn)品。植被指數(shù)公式很多比較復雜繁瑣,導致使用者消耗了很多無謂的精

29、力在推算過程上,嚴重阻礙了植被指數(shù)的應用。因此,為提高使用者的工作效率和促進植被指數(shù)統(tǒng)一規(guī)范化,相應的專業(yè)人員或公司應開發(fā)針對使用的者不同應用需求的植被指數(shù)產(chǎn)品。(5)遙感技術(shù)日新月異,積極研發(fā)新的植被指數(shù)。隨著遙感技術(shù)的進步,比如高光譜遙感技術(shù)及熱紅外遙感技術(shù)的發(fā)展,必將進一步拓寬植被指數(shù)的研究領域,雖然目前植被指數(shù)數(shù)目也很多,但針對出現(xiàn)的新技術(shù),傳統(tǒng)的植被指數(shù)應用必將受到限制,所以研究人員應適時研發(fā)新的植被指數(shù),將有助于遙感的發(fā)展。參考文獻1 郭 鈮. 2003. 植被指數(shù)及其研究進展J. 干旱氣象,2 1(4): 71-75. 2 高志強,劉紀遠. 2000. 基于遙感和GIS的中國植被

30、指數(shù)1期 羅 亞,等:基于遙感影像的植被指數(shù)研究方法述評 79變化的驅(qū)動因子分析及模型研究J. 氣候與環(huán)境研究, 5(2):155-164.3 趙士洞,羅天祥. 1998. 區(qū)域尺度陸地生態(tài)系統(tǒng)生物生產(chǎn)力研究方法J. 資源科學,20(1):23-34. 4Gamon J A,Peuelas J and Field C B. 1992. A narrow-wave- band spectral index that tracks diurnal changes in photosyn- thetic efficiencyJ, Remote Sens. Environ, 41:3544.5 田慶久

31、,閔祥軍. 1998. 植被指數(shù)研究進展J. 地球科學進展, 13(4):327-333.6陳云浩,李曉兵,李 京,等. 2004. 面向航空遙感應用的可調(diào)節(jié)植被指數(shù)研究J. 中國礦業(yè)大學學報,33(4):438-442.7周廷剛,郭達志,陶康華. 2003. NCIVI及其在城市綠化航空遙感調(diào)查中的應用以寧波市為例J. 城市環(huán)境與城市生態(tài),16(1):25-27.8 Jordan C F. 1969. Derivation of leaf area index from quality of light on the foresr floorJ. Ecology, 50:663-666.9K

32、auth R J, Thomas G S. 1976. The tasseled cap-a graphic description of the spectral-temporal development of agriculture crops as seen by LandsatA . Pros Symposium on Machine Processing of Remotely Sensed DataC. Purdure University, West Lafayette, Indiana:41-51.10Wheeler S G, and Misra P N. 1976. Line

33、ar dimensionality of landsat agricultural data with implications for classificationsA. Pros Symposium on Machine Processing of Remotely Sensed DataC. West Lafayette, Indiana. Laboratory for the Applications of Remote Sensing.11Jackson, R D, Slater P N , and Pinter P J. 1983. Discrimination of growth

34、 and water stress in wheat by various vegetation indices through clear and turbid atmospheresJ. Remote Sens. Environ, 13:187-208.12 Huete A R. 1988. A soil-adjusted vegetation index (SAVI) J. Remote Sens. Environ, 25: 295-309.13 Elvidge C D, and Z Chen. 1995. Comparison of broad-band and narrow-band

35、 red and near-infrared vegetation indicesJ. Remote Sens. Environ, 54: 38-48.14 Qi J A. 1994. Modified soil adjusted vegetation indexJ. Remote Sens. Environ, 48: 119-126.15Baret F, Guyot G, Major D J. 1989. TSAVI: A vegetation index which minimize soil brightness effects on LAI and APAR estimationA.

36、Proceedings of the 12th Canadian Symposium on Remote sensing and IGARSS89C, Vancouver, Canada, 3:1355-1358.16 Major D J, Baret F, and Guyot G. 1990. A ratio vegetation index adjusted for soil brightnessJ. Int. J. Remote Sens , 11: 727-740.17Kaufman Y J. and Tanr D . 1992Atmospherically resistant veg

37、etation index (ARVI) for EOS-MODISJ. IEEE Trans. on Geosci. and Remote Sensin, 30(2): 261-270.18 張仁華,饒農(nóng)新,廖國男. 1996. 植被指數(shù)的抗大氣影響探討J. 植物學報,38(1):53-6219 Pinty B, and Verstraete M M. 1992GEMI: A Non-Linear Index to Monitor Global Vegetation from SatellitesJ. Vegetation, 101: 15-20.20Rouse J W, Haas R H,

38、 Schell J A, and Deering D W. 1974. Monitoring vegetation systems in the Great Plains withERTSA. Proceedings of Third Earth Resources Technology Satellite-1 SymposiumC, Greenbelt: NASA SP-351:310-317.21Deering D W, Rouse J W, Haas R H, and Schell J A. 1975. Measuring forage production of grazing uni

39、ts from Landsat MSS dataA.Proceedings of Tenth International Symposium on Remote Sensing of EnvironmentC, Ann Arbor, ERIM, 2: 1169-1178.22Roujean J L, and Breon F M. 1995. Estimating PAR absorbed by vegetation from bidirectional reflectance measurementsJ. Remote Sens. Environ, 51: 375-384.23Gitelson

40、 A, Kaufman Y J, and Merzlyak M N. 1996. Use of a green channel in remote sensing of global vegetation from EOS-MODISJ. Remote sens. Environ. , 58(3): 289-298. 24Liu H Q, Huete A R. 1995. A feedback based modification of the NDVI to minimize canopy background and atmosphere noiseJ. IEEE Trans Geosci Remote Sensing , 33:457-465.25唐世浩,朱啟疆,王錦地. 2003. 三波段梯度差植被指數(shù)的理論基礎及其應用J. 中國科學(D輯),33(11):1094-1102.26George Alan Blackburn. 1998Auantifying Chlorophylls

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論