Ｃｏｔｔｏｎ Ｓｃｉｅｎｃｅ 棉花学报 Ｃｏ￣ｏｎ Ｓｃｉｅｎｃｅ ２０１１，２３（５）：４７６～４８０ 基于高光谱植被指数的棉田冠层特征信息估算模型研究 祁亚琴，吕 新 ，陈冠文 ，林海荣 ，陈燕 ，陈 剑’ （１．新疆兵团绿洲生态农业重点实验室／石河子大学，石河子８３２００３；２．新疆农垦科学院，石河子８３２０００） 摘要：采用ＡＳＤ Ｆｉｅｌｄ Ｓｐｅｃ Ｐｒｏ ＶＮＩＲ ２５００型光谱辐射仪获取了棉花不同生育时期的冠层高光谱反射率 并通 过光谱分析技术，建立了基于高光谱植被指数——９５－一化植被指数和比值植被指数的棉田冠层特征信息的定 量模型。经过对估算模型的精度检验和评价，最终筛选出表征棉花冠层结构特征参数的最佳估算模型。结果表 明，基于归一化植被指数预测棉花叶面积指数，以幂函数（ｙ＝ｌ１．０８４ｘ ，ｒ＝Ｏ．８０７６ ）的模型为最优：基于比值 植被指数预测棉花单位面积地上部鲜生物量，以指数函数（ｙ＝５２．２６１・ｅｘｐ（０．１０２４ｘ），ｒ＝０．８１１４ ）的估计模型为最 优；基于比值植被指教预测棉花单位面积地上部干生物量，以指数函数（ｙ＝９．５５５２－ｅｘｐ（０ １１３３ ｘ），ｒ＝０．８３３０ ）的 模型为最优。可见，利用高光谱遥感技术可以分析、模拟、评价、预测棉花冠层特征参量．为精准种植棉花提供 了依据 关键词：高光谱遥感；棉花冠层信息；归一化植被指数；比值植被指数；估算模型 中图分类号：￥５６２：ＴＰ７９ 文献标志码：Ａ 文章编号：１００２—７８０７（２０ｌ１）０５—０４７６—０５ Ｅｓｔｉｍａｔｉｏｎ Ｍｏｄｅｌ Ｒｅｓｅａｒｃｈ ｏｎ Ｃｏｔｔｏｎ Ｃａｎｏｐｙ Ｓｔｒｕｃｔｕｒｅ Ｐａｒａｍｅｔｅｒｓ Ｂａｓｅｄ ｏｎ Ｈｙｐｅｒ— ｓｐｅｃｔｒａｌ Ｖｅｇｅｔａｔｉｏｎ Ｉ ｎｄｅｘ ＱＩ Ｙａ—ｑｉｎ ，Ｌ８ Ｘｉｎ ，ＣＨＥＮ Ｇｕａｎ ｗｅｎ ，ＬＩＮ Ｈａｉ—ｒｏｎｇ ，ＣＨＥＮ Ｙａｈ ，ＣＨＥＮ Ｊｉａｎ （１．Ｔｈｅ Ｏａｓｉｓ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆＥｃｏｌｏｇｉｃａｌＡｇｒｉｃｕｌｔｕｒｅ ｏｆＸｉｎｊｉａｎｇ，Ｓｈ￣ｅｚｉ，Ｘｉｎｊｉａｎｇ ８３２００３，Ｃｈｉｎａ；２．Ｘｉｎｊｉａｎｇ Ａｃａｄｅｍｙ ｏｆ Ａｇｒｉｃｕｌｔｕｒａｌ ａｎｄ Ｒｅｃｌａｍａｔｉｏｎ Ｓｃｉｅｎｃｅ，Ｓｈｉｈｅｚｉ，Ｘｉｎｊｉａｎｇ ８３２０００，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＡＳＤ Ｆｉｅｌｄ Ｓｐｅｃ Ｐｒｏ ＶＮＩＲ ２５００ ｓｐｅｃｔｒｏｍｅｔｅｒ ｒａｄｉｏｍｅｔｅｒ ｗａｓ ｕｓｅｄ ｔｏ ｏｂｔａｉｎ ｃｏｔｔｏｎ ｃａｎｏｐｙ ｓｐｅｃｔｒａｌ ｒｅｆｌｅｃｔａｎｃｅ ａｔ ｄｉｆ－ ｆｅｒｅｎｔ ｇｒｏｗｔｈ ｓｔａｇｅｓ．Ａｎｄ ｂａｓｅｄ ｏｎ ｓｐｅｃｔｒａｌ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｉｃｅｓ ＮＤＶＩ（Ｎｏｒｍａｌｉｚｅｄ ｄｉｆｆｅｒｅｎｃｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ）ａｎｄ ＲＶＩ（Ｒａｔｉｏ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ），ｑｕａｎｔｉｔａｔｉｖｅ ｍｏｄｅｌｓ ｏｆ ｃｏ￣ｏｎ ｃａｎｏｐｙ ｆｅａｔｕｒｅ ｉｎｆｏｒｍａｔｉｏｎ ｗｅｒｅ ｅｓｔａｂｌｉｓｈｅｄ ｂｙ ｕｓｉｎｇ ｓｐｅｃｔｒａｌ ａｎａｌｙｓｉｓ ｔｅｃｈ— ｎｉｑｕｅ．Ａｆｔｅｒ ｅｓｔｉｍａｔｉｏｎ ａｎｄ ｅｖａｌｕａｔｉｏｎ ｏｆ ｔｈｅ ａｃｃｕｒａｃｙ ｏｆ ｔｈｅ ｍｏｄｅｌ，ｔｈｅ ｏｐｔｉｍａｌ ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅｌ ｐａｒａｍｅｔｅｒｓ ｆｏｒ ｔｈｅ ｃｏｔｔｏｎ ｃａｎｏｐｙ ｓｔｒｕｃｔｕｒｅ ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ ｗｅｒｅ ｕｌｔｉｍａｔｅｌｙ ｓｅｌｅｃｔｅｄ．Ｔｈｅ ｒｅｓｕｌｔｓ ｓｈｏｗｅｄ ｔｈａｔ ｆｏｒ ｕｓｉｎｇ ＮＤＶＩ ｔｏ ｆｏｒｅｃａｓｔ ｃｏＵｏｎ ＬＡＩ（Ｌｅａｆ ａｒｅａ ｉｎｄｅｘ），ｔｈｅ ｐｏｗｅｒ ｆｕｎｃｔｉｏｎ ｍｏｄｅｌ（ １ １．０８４ｘ ，ｔ＝０．８０７６ ）ｉｓ ｔｈｅ ｂｅｓｔ；ｆｏｒ ｔｈｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｃｏ￣ｏｎ ｆｒｅｓｈ ｂｉｏｍａｓｓ ａｂｏｖｅ ｒｇｏｕｎｄ ｂａｓｅｄ ｏｎ ＲＶＩ，ｔｈｅ ｅｘｐｏｎｅｎｔｉａｌ ｕｆｎｃｔｉｏｎ ｍｏｄｅｌ（． ５２．２６１。ｅｘｐ（０．１０２４ｘ），ｒ＝０．８１ １４ ）ｉｓ ｔｈｅ ｂｅｓｔ；ａｎｄ ｏｆｒ ｅｓｔｉｍａｔｉｏｎ ｏｆｃｏｔ— ｔｏｎ ｄｒｙ ｂｉｏｍａｓｓ ａｂｏｖｅ ｇｒｏｕｎｄ ｂａｓｅｄ ｏｎ ＲＶＩ，ｔｈｅ ｅｘｐｏｎｅｎｔｉａｌ ｕｆｎｃｔｉｏｎ ｍｏｄｅｌ（ｙ ９．５５５２－ｅｘｐ（０．１ １ ３３ ｘ），ｒ＝＝０．８３３０”）ｉｓ ｏｐｔｉｍａ１． Ｏｂｖｉｏｕｓｌｙ，ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｔｅｃｈｎｏｌｏｇｙ ｃａｎ ｂｅ ｕｓｅｄ ｔｏ ａｎａｌｙｚｅ，ｓｉｍｕｌａｔｅ，ａｓｓｅｓｓ ａｎｄ ｐｒｅｄｉｃｔ ｃｏ￣ｏｎ ｃａｎｏｐｙ ｃｈａｒａｃ— ｔｅｒｉｓｔｉｃ ｐａｒａｍｅｔｅｒｓ ａｎｄ ｃａｎ ｐｒｏｖｉｄｅ ａ ｂａｓｉｓ ｆｏｒ ｐｒｅｃｉｓｉｏｎ ｃｏ￣ｏｎ ｐｌａｎｔｉｎｇ． Ｋｅｙ ｗｏｒｄｓ：ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ；ｃｏＵｏｎ ｃａｎｏｐｙ ｉｎｆｏｒｍａｔｉｏｎ；ｎｏｒｍａｌｉｚｅｄ ｄｉｆｆｅｒｅｎｃｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ；ｒａｔｉｏ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ；ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅ１ 高光谱分辨率遥感技术不仅可以提高对农 肥以及监测病虫害等方面有其独特的应用潜力， 作物和植被类型的识别能力．而且可以用来监测 是未来精准农业和农业可持续发展的重要手段回。 农作物长势长相、反演农作物的理化特性、诊断 本研究通过利用高光谱分辨率技术，实现对 作物营养状况、提取作物冠层信息、估计作物的 棉田冠层快速、有效、非接触、非破坏的田间信息 农学参数、化学成分＿１］，并且在估产、科学调控水 采集与处理，并研究其反射光谱与冠层结构参数 收稿日期：２０１０—１２—３０ 作者简介：祁亚琴（１９７９一），女，在读博士，ｑｉａｑｉａ０４１２＠２１ｃｎ．ｃｏｒｎ； 通讯作者ｌｘｓｈｚ＠ｓｏｈｕ．ｃｏｍ 基金项目：新疆生产建设兵团重大科技专项（２００７ＺＸ０３）资助；精准农业与信息技术应用与示范（２００７ＺＸ０３） Ｉ——— Ｃ５期ｏ 祁ｔｔｏｎ Ｎｃｉｅｎ亚ｃｅ琴 等：基于高光谱植被指数的棉田冠层特征信息估算模型研究４７７ 之间的关系，进而建立棉花不同生育时期冠层与 叶面积指数ＬＡＩ（Ｌｅａｆａｒｅａ ｉｎｄｅｘ）、生物量等参数 的光谱识别反演模型。从而促进了高光谱分辨率 遥感技术在棉花遥感诊断中的应用，推进了遥感 定量化研究的进程，为精准种植棉花提供了理论 依据 １ 材料与方法 试验于２００８年在石河子大学农学院田间试 验站（４４。２０’Ｎ，８６。３’Ｅ）进行，试验地土壤肥力中 等，含有机质１．２９％、碱解氮３３．８ ｍｇ・ｋｇ～，速效 磷８４ ｍｇ・ｋｇ～，速效钾３００ ｍｇ・ｋｇ～，试验地前茬棉 花．供试品种为新陆早９号、新陆早１０号、新陆 早１３号、新陆早１９号、炮台１号、中棉所３６。试 验均为４月２３日膜上点播，４月２９日出苗，采用 膜下滴灌，７月１０日棉花打顶，田问管理与大田 相同。 １．１ 测试方法 １．１．１光 测定方法。棉花冠层高光谱数据测 量：采用美国ＡＳＤ公司Ｆｉｅｌｄ Ｓｐｅｃ Ｐｒｏ ＶＮＩＲ ２５００型光谱辐射仪测定目标地物反射光谱，光谱 范围３５０￣２５００ ｎｍ．光谱分辨率在３５０～１０００ ｎｍ 区间为３ ｎｍ，１０００￣２５００ ｎｍ区间为１０ ｎｍ，分别 在棉花的现蕾期、盛蕾期、开花期、盛花期、盛铃 期、吐絮期选择晴朗无云之日，于上午１１：３０— １４：００进行冠层光谱数据测试。测试冠层光谱选 择具有代表性、均匀无病虫危害的样本点。测试 时设定视场角２５。．探测器头部垂直向下距冠层 顶部约１００ ｃｍ，每个处理测定１０～１５条曲线（取 其平均值作为该小区的光谱反射值），光谱曲线扫 描设定时间０．２ ｓ。测量前后都立即进行白板校正。 １．１．２时面积指数的测定。对应测试冠层光谱的 位置取样．采用美国ＣＩ．１ １０数字植物冠层结构分 析仪测定ＬＡＩ。 １．１－３生物量的测定。对应测冠层光谱的位置取 样，采样后按器官分类称其鲜重，计算ｌｍ 总鲜 重（ｇ・ｍ。）。然后置于１０５℃烘箱中杀青３０ｍｉｎ，以 ８０７Ｃ恒温烘干，当两次测重（相隔１ｈ）相差≤５％０ 时．测干生物量。 １．２ 高光谱分析技术和方法 １．２．１ 多元统计分析技术。多元统计分析技术是 植被和农作物高光谱研究中最为广泛采用的研 究技术之一＿３＿，它以高光谱数据或它们的变换形 式（如原始光谱反射率、一阶高阶导数光谱、原始 光谱反射率的对数变换、各种植被指数、反射率 倒数的对数变换等）作为白变量，以植被或农作 物的生物物理、生物化学参数（如ＬＡＩ、生物量等） 作为因变量，建立多元回归估算（预测）模型【４＿。多 元统计分析通常分统计回归模型建立和回归模 型的检验两部分，一般在采集的实测样品中，一 部分用来建立统计回归模型，另一部分用来检验 所建立的回归模型的精度。在本研究中，采用 ２００９年所采集的数据建立回归模型并对模型的 精度进行检验。 １．２．２高光 植被指数。植被指数ＶＩ（Ｖｅｇｅｔａｔｉｏｎ ｉｎｄｉｃｅｓ）可用来估测植被的一系列生物物理和生 物化学参数，如ＬＡＩ、植被覆盖度、生物量、光合有 效辐射吸收系数、叶绿素含量、植物营养元素含 量等ｌ ５ｌ。在高光谱遥感中，由于光谱的近似连续 性，可构建高光谱植被指数，例如，某一波长 的 归一化植被指数ＮＤＶＩ（Ｎｏｒｍａｌｉｚｅｄ ｄｉｆｅｒｅｎｃｅ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ）、比值植被指数ＲＶＩ（Ｒａｔｉｏ ｖｅｇｅ— ｔａｔｉｏｎ ｉｎｄｅｘ）可分别表示为： 加 ＲＶＩ＝ 式中，ＮＩＲ（Ｎｅａｒ Ｉｎｆｒａ—ｒｅｄ）为近红外区：７６０～ １０５６ ｎｍ波段的反射率；Ｒ（Ｒｅｄ）为红光：６８０～ ７８０ ｎｍ波段的反射率【６＿ ２结果与分析 ２．１ 归一化植被指数ＮＤＶＩ反演叶面积指数ＬＡｌ 的研究 本研究选取棉花试验样本（ｎ＝２０）的ＬＡＩ与 近红外光的反射率和红光范围的反射率的组合 ＮＤＶＩ值，以ＮＤＶＩ为自变量，ＬＡＩ为因变量建立 了线性和非线性的６种预测模型。由表１可知， 用归一化植被指数ＮＤＶＩ预测棉花ＬＡＩ的６种 估计模型中，相关系数ｒ均达到ａ＝０．０１极显著水 平，幂函数模型的复相关系数ｆ ０．６５２３）最高，并 且其均方根差值最小，说明此方程的估计精度 高，是６种估计模型中最适合高光谱数据与ＬＡＩ 数学关系的模型，此结果与前人研究结果一致『７］。 Ｃｏｔｔｏｎ Ｓｃｉｅｎｃｅ ４７８ 棉花学报 ２３卷 其次是指数函数模型的复相关系数（ ０．６５２０）， 被指数ＮＤＶＩ预测棉花ＬＡＩ是可行的，ＬＡＩ与归 其总均方根差值为０．３６３４，对数函数模型的复相 一化植被指数ＮＤＶＩ成较好的幂函数和指数关系。 关系数（Ｆ＝０．６１８９）最低。分析说明，用归一化植 表１ 基于ＮＤＶＩ预测棉花ＬＡｌ的拟合模型 Ｔａｂｌｅ １ Ｔｈｅ ｆｉｔｔｉｎｇ ｍｏｄｅｌ ｏｆ ｐｒｅｄｉｃｔｉｏｎ ｃｏｔｔｏｎ ＬＡＩ ｂａｓｅｄ ｏｎ ＮＤＶ ２．２ 比值植被指数ＲＶＩ对地上部生物量的遥感 知．ＲＶＩ预测棉花单位面积地上部鲜生物量的估 监测模型 计模型中，一元三次函数模型复相关系数（ｒ２＝＝ 植被指数是估算生物量的一个重要参数，大 ０．７８０８１最高，其次是一元二次函数模型（ 量的研究论证了植被指数与ＬＡｌ、生物量之间的 ０．７７６３）．但其总均方根差值分别为０．４４７３， 关系，多数研究将植被指数与生物量关系表述为 ０．４８２４．较其它模型的ＲＭＳＥ值都大。指数函数 线性相关或指数相关 ］。 模型相关系数也较高，并且其均方根差０．２９８５为 本研究选用棉花试验样本的比值植被指数 最小，说明指数函数模型的估计精度高，是最优 ＲＶＩ．分别对棉花单位面积地上部鲜生物量重进 估计模型，此结果与前人研究的结果一致 。 行了６种预测模型方程的估测研究。由表２可 表２基于ＲＶＩ预测棉花地上鲜生物量的拟合模型 Ｔａｂｌｅ ２ Ｔｈｅ ｆｉｔｔｉｎｇ ｍｏｄｅｌ ｏｆ ｐｒｅｄｉｃｔｉｏｎ ｃｏｔｔｏｎ ａｂｏｖｅｇｒｏｕｎｄ ｆｒｅｓｈ ｂｉｏｍａｓｓ ｂａｓｅｄ ｏｎ ＲＶ Ｃｏｔ［ｏｎ Ｓｃｉｅｎｃｅ ５期 祁亚琴等：基于高光谱植被指数的棉田冠层特征信息估算模型研究４７９ ２－３ 比值植被指数ＲＶＩ对地上部干生物量的遥 ０．８５４２）最高，其次是一元二次函数模型（ 感监测模型的建立 ０．８４９６）， 但其总均方根差值分别为 本研究选用棉花试验样本（ｎ＝２０）的比值植被 ０．３９２４，０．３９３２，较其它模型的ＲＭＳＥ值都大。指 指数ＲＶＩ，分别对棉花单位面积地上部干生物量 数函数模型的相关系数也较高，并且其均方根差 进行了６种预测模型方程的估测研究。由表３可 为０．３１ １７为最小的，说明 ９．５５５２・ｅｘｐ（０．１ １３３ｘ１ 知，ＲＶＩ预测棉花单位面积地上部干生物量的估 的估计精度最高，较其它估计模型优。 计模型中，一元三次函数模型复相关系数ｆ 表３基于ＲＶＩ预测棉花地上干生物量的拟合模型 Ｔａｂｌｅ ３ Ｔｈｅ ｆｉｔｔｉｎｇ ｍｏｄｅｌ ｏｆ ｐｒｅｄｉｃｔｉｏｎ ｃｏｔｔｏｎ ａｂｏｖｅｇｒｏｕｎｄ ｄｒｙ ｂｉｏｍａｓｓ ｂａｓｅｄ ｏｎ ＲＶ ３ 结论与讨论 学模型，还通过光谱植被指数预测了棉花的叶面 本研究重点用高光谱植被指数建立了叶面 积指数和生物量。研究表明，基于光谱变量的遥 积指数和生物量的遥感监测模型，总结如下： 感模型能够很好的监测棉花生育期ＬＡＩ和生物 基于ＮＤＶＩ预测棉花ＬＡＩ的６种拟合模型， 量的动态变化 ”，为今后精准监测作物长势长相 均达到ａ＝０．０１的极显著水平．相关系数均达到 提供了科学依据。 ０．７以上，以幂函数模型为最优（ｙ＝１１．０８４ｘ ， 虽然高光谱遥感技术应用于新疆棉花研究 ｒ＝０．８０７６ ），指数函数模型次之 才刚刚开始，但今后还有很多方面的应用潜力． 对于各种拟合模型，ＲＶＩ与棉花单位面积地 具体如下： 上部鲜生物量的相关性好于与单位面积地上部 ｆ１）进一步进行基于遥感和植被指数的模型 干生物量的相关性。ＲＶＩ预测棉花单位面积地上 研究，实现棉花长势的综合监测：诊断棉花的营 部鲜生物量的估计模型以指数函数ｆ ５２．２６１・ 养状况；指导棉田灌溉，提高水资源利用率；提高 ｅｘｐ（０．１０２４ｘ）， ０．８１１４ 最好。ＲＶＩ预测棉花单 棉花管理水平和施肥技术；进行棉花病虫害预 位面积地上部干生物量的６种估计模型中。以指 报；快速预测种植面积；预测产量等。 数函数的模型（ｙ＝９．５５５２・ｅｘｐ（０．１１３３ ，／＝－０．８３３０ ） ｆ２１在地面和航空的遥感对植被监测的试验 为最优。所以采用指数函数关系的数学模型预测 的基础上，为将来应用于航天高光谱遥感研究奠 棉花生物量，可以得到较高的估测精度，此结果 定基础 与前人研究的结论基本一致【】ｏ］。 本文以棉花的冠层遥感监测为主要内容。通 参考文献 过棉花的冠层的物理参数与光谱特征参数进行 ［１］牛铮，陈永华，隋洪智，等．叶片化学组分成像光谱遥感探 了逐步回归分析，建立了棉花生长监测的相关数 测机理分析［Ｊ］．遥感学报，２０００，４（２）：１２５—１２９． Ｃｏｔｔｏｎ Ｓｃｉｅｎｃｅ ４８０ 棉 花学报 ２３卷 ＮＩＵ Ｚｈｅｎｇ，Ｃｈｅｎ Ｙｏｎｇ—ｈｕａ，Ｓｕｉ Ｈｏｎｇ—ｚｈｉ，ｅｔ ａ１．Ｍｅｃｈａｎｉｓｍ ａｎａｌｙｓｉｓ ｏｆ ｌｅａｆ ｂｉｏｃｈｅｍｉｃａｌ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｂｙ ｈｉｇｈ ｓｐｅｃｔｒａｌ ｒｅ－ ｍｏｔｅ Ｓｅｎｓｉｎｇ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆＲｅｍｏｔｅ Ｓｅｎｓｉｎｇ，２０００，４（２）：１２５—１２９． ［２】傅玮东，刘绍民，黄敬峰．冬小麦生物量遥感监测模型的研究 ［Ｊ］．干早区资源与环境，１９９７，１１（１）：８４－８９． ＦＵ Ｗｅｉ—ｄｏｎｇ，Ｌｉｕ Ｓｈａｏ—ｍｉｎ，Ｈｕａｎｇ Ｊｉｎｇ—ｆｅｎｇ．Ｒｅｓａｒｃｈ ｏｆ ｒｅ－ ｍｏｔｅ ｓｅｎｓｉｎｇ ｍｏｎｉｔｏｒｉｎｇ ｍｏｄｅｌ ｆｏｒ ｗｉｎｔｅｒ ｗｈｅａｔ ｂｉｏｍａｓｓⅢ． Ｊｏｕｒｎａｌ ｏｆ Ａｒｉｄ Ｌａｎｄ Ｒｅｓｏｕｒｃｅｓ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔ，１９９７，１ １（１）： ８４＿８９ ［３］浦瑞良，宫鹏．高光谱遥感及其应用［Ｍ］．北京：高等教育 出版礼．２０００． ＰＵ Ｒｕｉ—Ｌｉａｎｇ，Ｇｏｎｇ Ｐｅｎｇ．Ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ａｎｄ ｉｔｓ ａｐｐｌｉｃａｔｉｏｎ［Ｍ］．Ｂｅｉｊｉｎｇ：Ｈｉｇｈｅｒ Ｅｄｕｃａｔｉｏｎ Ｐｒｅｓｓ，２０００． ［４］ＴＯＮＧ Ｑｉｎ—ｘｉ Ｚｈｅｎ Ｌａｎ—ｆｅｎ，Ｗａｎｇ Ｊｉｎ—ｎｉａｎ．Ｓｔｕｄｙ ｏｎ ｉｍａｇｉｎｇ ｓｐｅｃｔｒｏｍｅｔｅｒ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｉｎｆｏｒｍａｔｉｏｎ ｆｏｒ ｗｅｔｌａｎｄ ｖｅｇｅｔａｔｉｏｎ ［ Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，１ ９９７，ｌ（１）：５０—５７ ［５】ＸＩＡＯ Ｑｉａｎ－ｇｕａｎｇ，Ｃｈｅｎ Ｗｅｉ－ｙｉｎｇ，ＤＵ Ｐｅｎｇ，ｅｔ ａ１．Ｍｏｎｉｔｏｒｉｎｇ ｔｈｅ ｅｃｏｌｏｇｉｃａｌ ｔｒａｎｓｅｃｔ ｉｎ Ｅａｓｔ Ａｓｉａ ｍｏｎｓｏｏｎ ｒｅｇｉｏｎ ｂｙ ｍｅｔｅｏｒ ｌｏｇｉｃａｌ ｓａｔｅｌｌｉｔｅ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ［Ｊ］．Ａｃｔａ Ｂｏｔａｎｉｃａ Ｓｉｎｉｃａ，１ ９９７，３９ ｒ９、：８２６—８３０． ［６］张良培，郑兰芬．利用高光谱对生物变量进行估计ｆＪ］．遥感 学报，１９９７，１（２）：１ｌｌ一１１４． ＺＨＡＮＧ Ｌｉａｎｇ－ｐｅｉ，Ｚｈｅｎｇ Ｌａｎ—ｆｅｎ．Ｔｈｅ ｅｓｔｉｍａｔｉｏｎ ｏｆ ｖｅｇｅｔａｔｉｏｎ ｖａｒｉａｂｌｅｓ ｂａｓｅｄ ｏｎ ｈｉｇｈ ｒｅｓｏｌｕｔｉｏｎ ｓｐｅｃｔｒａ［Ｊ］．Ｊｏｕｒｎａｌ ｏｆ Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ，ｌ９９７，１（２）：ｌ ｌ１－１ １４． ［７］裴忐远，杨邦杰．多时相归一化植被指数ＮＤＶＩ的时空特征 提取与作物长势模型设计［Ｊ］．农业Ｔ程学报，２０００，１６（５）：２０ ２２． ＰＥＩ Ｚｈｉ—ｙｕａｎ，Ｙａｎｇ Ｂａｎｇ－ｊｉｅ．Ａｎａｌｙｓｉｓ ｏｆ ｍｕｌｔｉ－ｔｅｍｐｏｒａｌ ａｎｄ ｍｕｌｔｉ －ｓｐａｔｉａｌ ｃｈａｒａｃｔｅｒ ｏｆ ＮＤＶＩ ａｎｄ ｃｒｏｐ ｃｏｎｄｉｔｉｏｎ ｍｏｄｅｌｓ ｄｅ—－ ｖｅｌｏｐｍｅｎｔ［Ｊ］．Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆＴｈｅ Ｃｈｉｎｅｓｅ Ｓｏｃｉｅｔｙ ｏｆＡｇｒｉｃｕｌｔｕｒ— ａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，２０００，１ ６（５）：２０—２２． 【８】ＣＡＳＡＮＯＶＡ Ｄ，Ｅｐｅｍａ Ｇ Ｆ，Ｇｏｕｄｒｉａａｎ Ｊ，ｅｔ ａｌ Ｍｏｎｉｔｏｒｉｎｇ ｒｉｃｅ ｒｅｆｌｅｃｔａｎｃｅ ａｔ ｉｆｅｌｄ ｌｅｖｅｌ ｆｏｒ ｅｓｔｉｍａｔｉｎｇ ｂｉｏｍａｓｓ ａｎｄ ＬＡＩ［Ｊ］．Ｆｉｅｌｄ Ｃｒｏｐｓ Ｒｅｓｅａｒｃｈ，１９９８，５５：８３－９２． ［９］王人潮，黄敬峰．水稻遥感估产［Ｍ］．北京：中围农业ｔ＋ｌ版｝ｆ：， ２００２。５：２１－２３． ＷＡＮＧ Ｒｅｎ－Ｃｈａｏ，Ｈｕａｎｇ Ｊｉｎｇ—Ｆｅｎｇ．Ｒｉｃｅ ｙｉｅｌｄ ｅｓｔｉｍａｔｉｏｎ【Ｍ］． Ｂｅｉｊｉｎｇ：Ｃｈｉｎａ Ａｇｒｉｃｕｌｔｕｒｅ Ｐｒｅｓｓ．２００２ ５：２ｌ一２３． ［１０］王艳荣． 内蒙古植被近地面反射波谱特征与地上生物量相 关关系的研究［ＪＪ＿植物生态学报，２００４，２８（２）：１７８－ｌ８５． ＷＡＮＧ Ｙａｎ－ｒｏｎｇ．Ｃｏｒｒｅｌａｔｉｏｎ ａｎａｌｙｓｉｓ ｂｅｔｗｅｅｎ ｖｅｇｅｔａｔｉｏｎ ｎｅａｒ－ｇｒｏｕｎｄ ｒｅｆｌｅｃｔａｎｃｅ ｓｐｅｃｔｒａｌ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ ａｎｄ ｂｉｏｍａｓｓ ｆｏｒ ｉｎｎｅｒ－ｍｏｎｇｏｌｉａ ｓｔｅｐｐｅ［Ｊ］．Ａｃｔａ Ｐｈｙｔｏｅｃｏｌｏｇｉｃａ Ｓｉｎｉｃａ，２００４，２８ ｒ２、：１７８—１８５． ［１１］赵鹏举，王登伟，黄春燕，等．基于高光谱数据的棉花冠层 ＦＰＡＲ和ＬＡＩ的估算研究ｆＪ］．棉花学报，２００９，２ｌ（５）：３８８— ３９３． ＺＨＡＯ Ｐｅｎｇ－ｊｕ，Ｗａｎｇ Ｄｅｎｇ—ｗｅｉ，Ｈｕａｎｇ Ｃｈｕｎ—ｙａｈ，ｅｔ ａｌ Ｅｓｔｉ— ｍａｔｉｎｇ ｏｆ ｃｏｔｔｏｎ ｃａｎｏｐｙ ｆｒａｃｔｉｏｎ ｏｆ ｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙ ａｃｔｉｖｅ ｒａｄｉａｔｉｏｎ ａｎｄ ｌｅａｆ ａｒｅａ ｉｎｄｅｘ ｂａｓｅｄ ｏｎ ｈｙｐｅｒｓｐｅｃｔｒａｌ ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｄａｔａ［Ｊ］．Ｃｏｔｔｏｎ Ｓｃｉｅｎｃｅ，２００９，２１（５）：３８８—３９３． ●