植被光谱遥感数据的研究现状及其展望

1、浙江大学学报(农业与生命科学版27(6:682690,2001Jour nal of Zhej iang Univer sity (Agr ic.&Life Sci.收稿日期:2000-12-21基金项目:国家自然科学基金资助项目(49771056作者简介:申广荣(1965,女,山西太谷县人,副教授,博士生,主要从事植被遥感,农业信息技术应用方面的研究.文章编号:1008-9209(200106-0682-09植被光谱遥感数据的研究现状及其展望申广荣,王人潮(浙江大学农业遥感与信息技术应用研究所,浙江杭州310029摘要:植被光谱遥感是地表植被地学过程对地观测的强有力工具.本文概述了植

2、被光谱遥感在植被信息提取、植物长势监测和估产以及估算植物光合有效辐射和初级生产力等方面的应用及研究现状,特别关注了高光谱遥感及其与近年逐步兴起的多角度遥感结合,更精确地反演植被参数等方面的发展状况.并讨论了今后植被光谱遥感应用发展的方向和研究领域.关键词:植被光谱遥感;高光谱遥感;植被监测;双向反射模型;数据融合中图分类号:Q 948.15;TP 79文献标识码:ASHEN Guang-r ong,WANG R en-cha o (I nst .of Agr ic .Remote S ensing &I nf orm .A ppli .,Zhej iang U -niver sity

3、,H angz hou 310029,China R eview of the application of vegeta tion r emote sensing .Journal of Zhejiang University (Agr ic.&Life Sci.,2001,27(6:682-690Abstr act :Vegetation r emot e sensing data plays an impor tant role in monitoring dynamically ea rth re-sour ce fr om the space .In this paper ,

4、t he applicat ion of vegetation r emote sensing in detecting the vege-ta tion growth st ate,estimating the canopy biochemical char acter istics and pr oductivity of crop fr om veget ation r emote sensing dat a war e r eviewed in detail.T he special at tention to t he r ecent wor ks about t he integr

5、 ation of multiangle r emot e sensing a nd hyperspectral r emote sensing data to inver t accurat ely veget ation par ameter s war e given .F inally the paper discussed the way and studied fields of the fur ther a pplication of rem ote sensing informat ion.Key wor ds :vegeta tion r emot e sensing ;hy

6、per spectr al r emot e sensing ;vegeta tion monitoring ;bi -direc-tional reflectance distr ibution function m odel ;data fusion近年来,随着遥感和计算机软、硬件技术的发展与完善,植被光谱遥感的应用范围越来越广且不断深入.除在区域和全球尺度上广泛应用于从高空对农作物与林木生长状况,农业估产和生态环境的监测外,还应用于山区地物识别和分类制图以及地质找矿,酸雨的监测,植被覆盖空间结构的分析和监测以及地下深部油气与逐步建立及完善的双向反射模型的反演相结合,加上逐步成熟的植被高光

7、谱分析算法,为更准确地探测植被的精细光谱信息,定量反演植被各组分含量及叶面积指数LAI 等植被结构参数,精确估算植物所吸收的光合有效辐射APAR,植物的初级生产力N PP等指标提供了可能,从而推进了遥感定量化的进程.植被光谱遥感已成为地表植被地学过程对地观测的强有力工具.1应用及研究现状植物的反射光谱曲线具有显著的特征1.不同的植物以及同一种植物的不同生长发育阶段,正常生长的植物和由于受病虫害的侵扰或患有缺素症的植物,其反射光谱曲线的形态和特征不同,此外,由于灌溉和施肥等条件以及地下深部富集元素的不同也会引起植物反射光谱曲线的变化.因此,可以利用植被光谱遥感的这一特征和遥感数据,结合地面调查,

8、借助于GIS和GPS的支持,进行区域和全球尺度上农作物与林木生长状况及生态环境的监测等领域的应用研究.1.1植被信息的提取根据植被的反射光谱特征,通常是用植被红光,近红外波段的反射率和其它因子及其组合所获得的植被指数VI来提取植被信息2,并在区域和全球尺度上从高空监测植被.归一化植被指数NDVI是最广泛使用的一种植被指数,它使应用遥感图象进行植被研究以及植物物候研究得到了广泛应用,是植物生长状态及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关.另外还有土壤调节植被指数SAVI,变形的土壤调节植被指数T SAVI,修正的土壤调节植被指数MSAVI,垂直植被指数PVI,黄色指数YI等等.

9、T s.Purevdorj用地面实测的反射光谱数据结合气象卫星AVHRR数据,通过计算NDVI,SAVI, MSAV I和T SAVI来估计植被覆盖度,比较分析结果表明,用TSAVI和NDVI估计面积大、植被密度高区域的植被覆盖度效果更佳3.S. J.Hurcom认为在半干旱区用地面测量的反射光谱数据经高光谱分解技术,通过NDVI估计植被的丰度比用LAI或生物量等指标效果好4.另外,NDVI和植被的低覆盖度及叶面积指数有相关关系,从而可以用遥感估算植被的低覆盖度和叶面积指数5.但实验表明,对土壤背景的变化较为敏感.利用高光谱遥感数据可以消除土壤信号在NDV I中的作用6.结合双向反射模型的应用

10、,可以提取更精确的植被信息.最优化土壤调节植被指数OSAVI= (NIR-R/(NIR+R+0.16,其中土壤调节系数0.16是减小土壤背景影响的最优值. Michael D.Steven用地面测量光谱数据与SPOT结合,对英国的甜菜用SAIL-SOIL-SPECT-PROSPECT-KUU SK模型检测OS-AVI对各种观测和环境因子的敏感性.认为由于甜菜叶大且接近地面从而易于产生的热点效应是可以忽略的,但叶角分布对甜菜的产量和覆盖度的估算是很重要的一个因子7.J.Qiu 等人也通过反演植被的双向反射模型来估算植被的表面特性8.利用混合光谱分解技术可以提高定量监测植被丰度随时间变化的精确性与

11、准确性9.1.2植被长势监测和估产683第6期申广荣,王人潮植被光谱遥感数据的研究现状及其展望行大面积作物长势监测和估算水稻产量奠定了基础.同时,通过地面实测的光谱数据研究作物不同生长发育阶段的反射波谱特征及与作物长势的关系,也为利用卫星遥感资料进行水稻宏观长势的监测提供了理论依据12,21.温刚利用NOAA/NASA Pathfinder AVHRR陆地数据集,建立了中国东部季风区(108°123°E,210°45°N的1986年归一化植被指数N DVI距平图象序列,展示了中国东部季风区的植被物候季节性特征和地域差异22.Wessman等用机载高分辨率

12、光谱仪所获得的图象来估计Wis-consin州整个森林冠层的木质素浓度,并且在未受到干扰的森林生态系统中观测到冠层木质素浓度与有效N之间有很强的相关性,并认为冠层木质素可以作为氮状态的一个指标,从而通过遥感可估计森林地区的N循环速率并制图23.LAI=-(1/2Cln(1-U式中C2=k2-B2,k为植被吸收系数,B为散射系数;U为归一化植被因子.该方程中使用的不是某几个点的导数值,而是包含了叶绿素吸收和叶细胞反射重要波段范围内的导数波形积分值32.同时,实验也已证明用高光谱分辨率数据能够估计叶片的化学成分33.植被光谱模型反演植被生物物理参量是定量遥感发展的重要趋势.在植被双向反射模型中,植

13、被体内唯一与光谱特征有关的是叶片的反射率和透射率.PROSPECT植被光谱模型可以在400 2500nm的光谱范围内以比较高的光谱分辨率模拟叶片的光谱特性,因而可以作为植被双向反射模型如SAIL模型的输入参量,从而计算高光谱条件下的植被双向反射特性.Jacque-moud已证明了该模型的可反演性.Kuusk,B.A ndrieu等分别将PROSPECT模型用于自己的模型反演工作34,35,结果证明利用这种模型,可以反演叶片的化学组分和植被的结构特征.Barry D.Ganapol建立了植被叶片的辐射传输模型(LEAFMOD,给定叶片的厚度和一些光学特性如叶片吸收和散射系数即可估算叶684浙江大

14、学学报(农业与生命科学版第27卷片的反射和透射系数.反过来,由实测的叶片反射和透射光谱特性即可计算叶片的吸收和散射系数36.Terence P.Dawson也建立了模型LIBERT Y,通过叶片的光谱数据来监测叶片的生物化学成分37.1.3光能利用和蒸散理论和实验都证明植物冠层的光合有效辐射与反射率有联系.遥感所得的A PAR比LAI 能更可靠地估计作物的生物量,因为作物的光合作用过程直接把APAR能量转换成干物质,因此APAR是作物初级生产力的一个较好的指标.冠层的理化特性在一定程度上控制着森林的初级生产力(NPP,比如叶面积和氮含量通过控制光合作用和传输速率来影响NPP. T ucker等

15、在研究大气CO2浓度的变化与ND-VI动态关系的基础上,认为可用NDVI来估计植被的光合能力44.在利用参数模型进行NPP 的估算时,有的直接利用NDVI与NPP的关系进行计算.Prince在Sahelia在半干旱草原进行了长达8年的实地生产力观测,并与同一时期的多时相NOAA的年NDVI之和进行分析,表明生产力在03000kg/hm2的范围内时它们之间存在很强的线性关系45.另外,也有人认为年NDVI与ANPP间存在非线性关系. Chong等认为ANPP与NDVI间存在幂函数关系46;而肖乾广等则认为ANPP与NDVI间存在对数函数关系,并用此关系估算了中国陆地的NPP47.1.5植被的分类

16、制图基于遥感数据的植被分类和制图,主要利用遥感的数据特征,辅以其它地面数据并借助于GIS进行数据整合、分类和GPS的精确定位来实现.借助于GIS和GPS的支持,遥感图象还可应用于植被覆盖空间结构的分析和监测.用遥感数据进行分类,一般多用NDVI数据.因为年内的NDVI随时间的变化与物候相关,特别是在气候年变化大,生境多样的地区.如Badwhar利用Landsat MSS数据根据ND-VI高峰值的时间、最大值和生长季的长度来区分作物类型49.随着遥感应用的深入,人们逐685第6期申广荣,王人潮植被光谱遥感数据的研究现状及其展望由于植被特征受地形和气候的影响很大,因此遥感和GIS结合的植被分类已日

17、渐受到重视.Sader等用四种不同分类方法对Maine 州的森林湿地进行分类,并对分类精度进行了显著性检验,结果表明,GIS模型分类方法显著优于传统的非监督分类和T aseled cap分类55.实验证明:用图象处理、GIS和数据库来整合多时相/历史数据和地面辅助数据等多源数据的分类方法是未来植被分类制图中最具有前途的方法.1.6其它方面利用植被光谱遥感数据还可进行陆地生态学等其它领域的研究.比如对洪涝、旱情56和火灾57的监测,对土壤状况、土地覆盖变化的监测以及景观多样性和生物多样性的监测和制图.吴继友等通过对山东招远金矿区赤松针叶反射光谱红边的季节特征研究,认为春季和秋季是高光谱遥感探测赤

18、松林下金属矿藏的最好季节58.植被光谱特性还可用来探测地下深部的油气贮藏量59.李德成等研究了模拟酸雨对水稻叶片反射光谱特性的影响,结果表明:酸雨会引起水稻叶片反射光谱中可见光区和中红外区的反射率升高,近红外区的反射率降低,相应的反射率比值也随之变化,一阶和二阶导数光谱蓝移,且上述变化的程度与酸雨的酸度、水稻的品种和生育期有关60.这一结果也表明遥感技术监测酸雨污染作物是可行的.2应用展望植被光谱遥感数据以其显著的特点已经成为连接遥感数据,地面测量,光谱模型和应用的强有力的工具.伴随着遥感和计算机软硬件技术的发展和遥感理论研究的不断深化,植被光谱遥感数据将具有更为广阔的应用前景.2.1地面遥感

19、的深化遥感应用研究最初是通过航空遥感实验和地面实况勘测,详细研究一些典型地区的环境背景条件;利用航空光谱辐射计与地球资源卫星进行大面积的同步观测实验,为遥感图象的纠正与数据处理,提供几何校准与辐射校准的依据.然后用实测的光谱数据研究植被的各种光谱特征例如通过计算NDVI等各种植被指数,为用气象卫星或地球资源卫星对植被资源进行动态的监测和管理提供依据.随着遥感技术的发展和应用的不断深入,发展高光谱和多角度遥感是适合于对某一植被类型进行小尺度定点研究的地面遥感今后发展的必然趋势,也是遥感进一步定量化的需要和基础.高光谱遥感的显著特点是在特定光谱区域以高光谱分辨率同时获取连续的地物光谱图象,从而使遥

20、感应用着重于在光谱维上进行空间信息展开,定量分析地球表层生物物理化学过程和参数.高光谱遥感的超多波段(几十,上百个和光谱分辨率高(320nm的特点,使其可探测植被的精细光谱信息(特别是植被各种生化组分的吸收光谱信息,反演各组分含量,监测植被生长状况.目前在世界上已有30余台航空成象光谱仪正在运行之中,用得最多的是AVIRIS成象光谱数据,如何有效地充分686浙江大学学报(农业与生命科学版第27卷第 6 期 申广荣, 王人潮植被光谱遥感数据的研究现状及其展望 687 利用这些高光谱数据进行植被定量对地观测, 除发展和建立各种有效的图象处理技术和相关 的植被光谱分析算法外, 进行地面高光谱遥感 的

21、深入研究是关键. 为此首先应: ¹建造高光谱 数据库, 以便高光谱图象与此直接匹配识别植 被类型和土壤覆盖类型等. º深入研究植被的 高光谱特性与植被生物物理参量的关系, 建立 合理的模型, 为用高光谱图象在大范围内反演 植被的各种生长参数, 监测植被长势, 估产奠定 基础. »充分利用高光谱数据, 改进传统的植被 指数以定量获取植被生物物理参量( LAI, 生物 量, 光合有效吸收系数 APAR 等 , 实现植被生 物化学成分定量制图. ¼与多角度遥感相结合, 利用高光谱数据分析影响双向反射的因子进而 建立双向反射模型, 以便增强植被冠层( 群丛 结构

22、参数反演的精确性和准确性. 其次, 地表反射是非朗伯体的, 植被的反射 特性不仅与表面光学性质和冠层结构有关, 还 与太阳光入射角度及观测角度有关. 而且, 这两 种角度的差异, 明显地引起冠层反射的差别, 这 种差别不仅随着双种角度的变化而变化, 而且 随着冠层结构要素的变化而变化. 因此, 从逆过 程分析, 通过这种变化可以获得更丰富的冠层 结构信息, 基于这种考虑, 在植被遥感领域中, 植被双向反射的研究就异军突起. 目前, 已建立 了大约 200 种双向反射模型. 其中一类基于几 何原理, 一类基于辐射传输原理, 还有混合模型 将二者结合起来. 尽管双向反射模型已经取得 了重大的进展,

23、 但远没有达到完美的地步, 从而 应用于生产实践即以遥感信息更精确地反演植 被冠层更丰富的结构参数. 这是因为, ¹双向反 射模型需要同一冠层的多角度的反射信息. 而 对于目前普遍使用的 LANDSAT 、 NOAA 卫星 资料而言, 均不能很好满足这种要求. º大多数 双向反射模型还 没有摆脱地面观测的辅助信 息. 所以, 双向反射模型要能达到实用阶段, 需 通过地面遥感, a . 与高光谱遥感数据结合, 在 解决模型精度和所需地面观测参数间矛盾的基 础上, 建立更合适的双向反射模型. b. 进行最 佳波段和最佳角度的试验, 回答在什么波段, 什 么角度能得到最多信息,

24、要多少波段, 多少角度 的信息才能实现冠层结构参数的反演. »在上 述研究的基础上, 进一步研究用于纠正由于观 测角度引起的 NOAA AVIHRR 图象畸变的实 用模式, 从而深化将地面与卫星图象资料相结 合进行植被覆盖的监测等方面的应用研究, 为 遥感的进一步定量化奠定基础. 的应用 2. 23S 的结合和多源遥感影象数据融合技术 随着遥感技术的发展及光学、 热红外和微 波等大量不同卫星传感器对地观测的应用, 获 取的同一地区的多种遥感影像数据( 多时相、 多 光谱、 多传感器、 多平台和多分辨率 越来越多. 与单源遥感影像数据相比, 多源遥感影像数据 所提供的信息具有冗余性、

25、互补性和合作性. 多 源遥感影象数据的冗余性表示他们对环境或目 标的表示、 描述或解译结果相同; 互补性是指信 息来自不同的自由度且相互独立; 合作性是不 同传感器在观测和处理信息时对其它信息有依 赖关系. 所以, 为了从多源遥感信息中提取比从 单源数据中更丰富、 更可靠、 更有用的信息, 要 进 行“ 据融合” 实 际上, 遥感中的“ 数 . 数据融 合” 属于一种属性融合, 它是将同一地区的多源 遥感影象数据加以智能化合成, 产生比单一信 息源更精确、 更完全、 更可靠的估计和判断. 通 过“ 数据融合” 可提高影像的空间分解力和清晰 度, 提高平面测图精度、 分类精度与可靠性, 增 强解

26、译和动态监测能力, 减少模糊度, 有效提高 遥感影象数据的利用率等. 航空遥感由于其地面分辨率高, 飞行时间 灵活, 比较适合于冠层结构和群落结构动态方 面的研究. 微波遥感具有全天侯工作的能力, 也 已被应用于冠层结构、 植被分类和生物量估算 等的研究中. 成象光谱仪的出现使从飞机到卫 星平台获取高光谱分辨率图象数据成为可能. 在数字化地球的浪潮中, 为充分发挥各遥感平 台的优势, 多源遥感影象数据融合在今后遥感 动态监测全球植被资源中将发挥越来越大的作 用. 全球定位系统 GP S 可以实现研究中调查取 样的准确定位. 地理信息系统 GIS 在空间数据 管理, 空间分析, 多源数据的整合、

27、 数据的统计 分析、 模型的建立和制图等方面具有强大的功 能. 所以, 3S 的结合是今后遥感成功应用于全 球植被监测和管理研究中的必然趋势. 688 浙 江 大 学 学 报( 农业与生命科学版 第 2 7 卷 2. 3植被生态学中应用的深化 遥感为在区域和全球尺度上研究生态系统 的能量流动提供了一个可靠工具, 并已取得了 许多成果. 今后, 将进一步加强对不同生态系统 特别是全球变化敏感的生态系统的能量利用和 生产力等的研究. 人类活动和各种自然因子均 会引起生物多样性在各个水平上( 物种、 生态系 统和景观 的变化. 因此在区域和全球尺度上, 在对研究区分类以后, 利用遥感数据进行生态 系

28、统多样性和景观性的研究是完全可行的. 在 上述研究的基础上, 利用植被光谱数据, 还可进 行生态系统光能利用率、 水分利用率、 生物量, 生产力和生物多样性以及与气候变化的关系的 研究, 从而认识气候变化对不同生态系统和不 同生态过程的影响, 进一步研究他们对全球变 化的响应, 并预测其变化发展的趋势. 总之, 植被光谱遥感数据以其特有的优势 已经在区域和全球尺度上从高空对植被资源, 植物长势, 农业估产和生态环境的监测以及地 质找矿, 植被覆盖空间结构的分析和监测以及 地下深部油气的探测等领域得到了广泛应用. 高光谱和多角度遥感的发展使得植被指数、 植 被叶面积指数、 光合有效辐射等因子的估

29、算以 及植被生物化学参数分析、 植被生物量和作物 单产估算、 作物病虫害的监测精度得到提高, 推 进了遥感定量化的进程. 为了充分利用植被光 谱遥感数据, 应加强遥感的实验研究, 快速获取 更多更准确的植被光谱数据; 深化理论研究, 揭 示植被光谱中内在的隐含特征以提高各种参数 的估算精度; 拓宽拓广应用研究, 挖掘植被光谱 数据的最大潜力. Ref er ences: 1 Lin Pei( 林 培主编 . Ag ricul tur al remote sensing ( 农 业 遥感 M . Beijing : Agricul tu re Press , 1992. ( in Chin es

30、e 2 PEN Shao-lin, GU O Zhi -hua, WANG Bos un ( 彭少 麟, 郭志华, 王伯荪 . Appl icat ions of RS and GIS on T errest rial Veget at ion E cology J . Chinese J ournal o Ef cology( 生态学杂志 , 1999, 18( 5 : 52-64 . ( in Chinese 3 Pu revdorj Ts , T at eishi R , Ishiyama T , et al . Relat ions hios between percent veget

31、 at ion cover and veget at ion indices J . I nt J Remote Sensing , 1998, 19( 18 : 3519-3535. 4 Hur com S J, Harris on A R. T he NDVI and spect ral decompos ition for semi-arid vegetat ion abu ndan ce est imat ion J . I nt J Remote Sensi ng, 1998, 19 ( 16 : 3109-3125. 5 T oby N , Carl son, David A Ri

32、pl ey. On t he R el at ion bet ween NDVI , Fract ional Veget at ion Cover and Leaf Area Index J . Remote Sens. E nviron, 1997, 62: 241252. 6 ZHANG Liang-pei, ZHEN Lan-fen, TONG Qi n-xi( 张 良培, 郑兰 芬, 童庆 禧 . The Est im at ion of Veget at ion Variab les Based on High R es olut ion Spect ra J . J ournal

33、of R emot e Sensing ( 遥 感 学 报 , 1997, 1 ( 2 : 111114. ( in Chinese 7 M ichael D, St even . T he Sens it ivit y of th e OSAVI Veget ation Index t o Observat ional Parameters J . R emot e Sens. Envir on, 1998, 63: 49-60 . 8 Qiu J , GAO W, Les ht B M. Invert ing opt ical r eflect ance t o es t imate su

34、rface propert ies of veget at ion canopies J . I nt J Remote Sensing , 1998, 19( 4 : 641656. 9 Andr ew J. Qu ant ifying Veget at ion Change in Semiarid Environ ment s : Precision and Accuracy of Spedt ral Mixt ure Analys is and th e Normalizde Difference Vegetat ion Index J . R emot e Sens Envir on,

35、 2000, 73: 87102. 10 FENG Chen- ji, ZHAO Zh on g- wen, CHE NG J i- chen, et al ( 冯 承 绩, 赵 仲 文, 承 继 成, 等 . An inquiry int o met hod of monit oring growt h vigour of wint er wheat and es ti mat ing it yiel d using NOAA AVHR R, Lands at Mass and Spect ral Dat a J . R emot e Sensing of E nvironment Chi

36、na ( 环境 遥感 , 1987, 2 ( 4 : 274-284. ( in Ch ines e 11 TIAN Guo-liang, XIANG Yue-qi n( 田 国良, 项 月琴 . Es ti mat ion of R ice Yiel e from R em otely Sens ed DataÊ. Based on Spect ral R eflect an ce and Land sat Im ages J . R emote Sensing o Envi ronment China ( 环 境 遥 f 感 , 1989, 4( 1 : 73-80. ( in

37、Ch ines e 12 WANG Yan-yi ( 王 延 颐 . The Relations hip Bet ween Veget ation Ind ex and Ri ce Growt h and Rice Yield Compon ent s J . R emot e Sensing f or Land & R esources ( 国土资源学报 , 1996 , 1: 56-59. ( in Chinese 13 LU O Jian-chen, YANG Zh ong-en ( 骆 剑承, 杨忠 恩 . Stud y on applying NOAA-AVHR R dat

38、a t o monit oring J . R emot e Sensing f or L and & Resources ( 国土 资源 学报 , 1993, 2: 10-16. ( in Ch ines e 14 Ousama Abou- Is mail . Devel o ment of ri ce y iel d est ip mati on syst em using r emot e sensing and simul ation mod el -case st udy: Zhej iang p rovi nce D . Handzhou : Zh ejiang Unive

39、r sit y, 2000. veget at ion ecology environment in Zhejiang Province 第 6 期 申广荣, 王人潮植被光谱遥感数据的研究现状及其展望 689 15 Qi J , Kerr Y H , M oran M S, et al . Leaf Area Index Est imat es U sing R em otely Sens ed Dat a an d BRDF model s in a Semiarid R egion J . R emot e Sens E nviron, 2000, 73: 18-30. 16 Gon g

40、P , Wand D X , Liang S . Invert ing a canopy reflect ance model u sing a neural net work J . I nt. J . Remote Sensing , 1999, 20: 111-122. 17 Weiss M, Baret F, Myneni R B, et al. Invest igat ion of a m od el invers ion t echnique t o es t imat e canopy b ioph ysical variables from s pect ral an d di

41、rect ional reflect ance dat a J . Ag ronomte, 2000, 20( 1 : 3-22. 18 Ch opping M J . Large-scal e BR DF retrieval over New Mex ico wit h a mul tiangl ar NOAA AVHR R J . Remote Sensi ng of Envi ronment , 2000, 74( 1 : 163-191. 19 Cs iszar I, Gut man G, Romanov P, et al . Using ADEOS / POLDER dat a t

42、o reduce angul ar variabil ity of NOAA / AVHR R reflect ance J . R emote Sensing of Envir onment , 2001, 76( 3 : 399-409. 20 Goel N S, Qin W. In fl uen ce of canopy ar chit ect ure on rel at ionsh ips bet ween various veget at ion in dices and LAI and FPAR: a comput er sim ulat ion J . Remote sensin

43、g review, 1994, 10: 309-347. 21 WANG Yan-yi, GAO Qin-fang ( 王延颐, 高庆芳 . The rel at ionship between sp ectru m in p addy f iel ds and rice growth and y iel d comp onent s J . Remote Sensi ng f or Land & Resources( 国土 资源学报 , 1996, 1: 51-55. ( in Chinese 22 WEN Gang( 温 刚 . Seas onal phonological cha

44、racterist ics in Eas t China mons oon region wit h AVHR R n orm al ized differen ce vegetat ion index data set J . J ournal of Remote Sensing ( 遥 感学报 , 1998, 2( 4 : 270275. (i n Ch ines e 23 Wess man C A . Remot e sensin g of canopy chemis tr y and nit rogen cycling in temperat e fores t ecosys tems

45、 J . N at ure, 1998, 335: 154-156. 24 Ad ams M L , Ph ilpot W D . Yellowness in dex : an appl icat ion of spect ral second derivat ives to es tim at e chl or os is of leaves in s tr ess ed veget at ion J . I nt . J . Remote Sensi ng, 1999, 20( 18 : 3663-3675. 25 Ponzoni F J , Gon calves J L de M. Sp

46、 ect ral feat ures ass ociat ed with nit rogen, phos phorus and pot as sium deficiencies in Eucalypt us s al igna s eeding leaves J . I nt J Remote Sensi ng, 1999, 20( 11 : 2249-2264. 26 Malt hus T J, Maderia A C. High Resolu tion Spect roradi om et ry : Spect ral R eflect an ce of Fiel d Bean Leave

47、s In fect ed by Botr ytis Fabae J . R emote Sens. E nviron, 1993, 45: 107-116. 27 TIAN Guo-l iang , BAO Pei -l i, LI Jian-jun, et al ( 田国 良, 包佩丽, 李建军, 等 . Effect s of Cadmium and C opper in Soil on Spect ral R eflect ance of R ice J . Remote Sensing of E nvironment China ( 环境遥感 , 1998, 3( 1 : 140-14

48、9. ( in Chinese 28 Gao W, Lesht B M. Model Invers ion of Sat ellit e-Measu red R eflect ances for Obt aining Surface Biophys ical and Bidirect ional Reflect ance C har acterist ics of Gras sland J . Remote Sens E nviron, 1997, 59: 461-471 . 29 R enaud Mat hieu , Marcel Pouget , Bernard Cer vell e, e

49、t Indice Simul at ed Usin g Laboratory Refl ect ance Data and T ypic Soil Color of an Arid E nvironment J . R emot e Sens Envir on, 1998, 66: 17-28 . 30 Hol er D H N, Dock ray M, Barber J . T he Red Edg e of Plant Leaf Refl ectance J . I nt J Remote Sens, 1983, 4: 273-288. 31 WANG R en-chao, CHEN Mi

50、n g-zhen, JIANG Hen-ximech anis m of t he rice yield est imati on by remote sen sing É. The rice reflect an ce charact eris tics of d iffer ent nit rogen l evels and t he select ion of t heir sensit ive ban ds J . J ournal of Zhej iang Agr icul tural Univer si ty( 浙江 农业大学学报 , 1993, 19( Sup. : 7

51、-14. ( in Chinese 32 T ONG Qin-xi , ZHEN L an-fen, WANG J in-nian( 童庆 禧, 郑 兰 芬, 王 晋年 . Stu dy on Imaging Spect rometer R emot e Sensing Ibform at ion for Wet l and Veget at ion J . J our nal o Remote Sensi ng ( 遥感 学 报 1997, 1 f ( 1 : 50-57. ( in Chinese 33 NIU Zheng, CHEN Yon g-hua, SHUI Hong -zhi(

52、牛 铮, 陈 永 华, 隋 洪 智 . M ech anis m Analysis of Leaf Bioch emical Concent rat ion b y High Spect ral Remot e Sen sing J . J ournal o Remote Sensing (遥感学报 , 2000, 4 f ( 2 : 125-129. ( in Chinese areas by t he in versi on of a canopy reflect ance model J . Int . J . R emot e Sensi ng, 1998, 19 ( 15 : 289

53、32905 . 35 Andrieu B, Baret F , Jacquem ou d S, et al . E valu at ion of an Improved Version of SAIL Model for Simulat ing Bidirect ional Refl ect ance of Sug ar Beet Canopies J . R emot e Sens. Envir on, 1997, 60: 247-257. 36 Barry D Ganap ol , Lee F J ohnson , Ph ilip D Hammer. LEAFM OD : A New Wi

54、th in- Leaf Radiative Tr ans fer Model J . R emot e Sens. E nvir on, 1998, 63: 182-193 . 37 Terence P Daws on, Paul J Curr an, St ephen E Pl ummer. LIBER TY-Modeling th e Effect s of Leaf BiochemSens. E nviron, 1998, 65: 50-60. 38 Fang H J, Wu B F , Liu H Y , et al . Us ing NOAA AVHR R and lands at

55、T M to es ti mat e rice area year-byyear J . Int ernat ional J ournal of R emot e Sensi ng, 1998, 19( 3 : 521-525. al . Relat ionship s bet ween Sat ell it e-Based Radiomet ric an ( 王 人 潮, 陈 铭 臻, 蒋 亨 显 . St udies on agron om ic 34 Kuu sk A. Monit oring of veget ation paramet ers on l arg e ical Conc

56、ent rat ion on Reflect ance Spect ra J . R emote 690 浙 江 大 学 学 报( 农业与生命科学版 第 2 7 卷 39 HUANG Jin- fen ( 黄敬 峰 . R ice y iel d esti mati on using NOAA/ AVH RR dat a integ rat ed wi th GI S-A case st udy o Zhej iang p rovince, Chi na D . Handzhou : f Zhejiang Univer sit y , 1999. ( in Chinese 40 ZHANG X

57、iao- yan g, L I J in- fen( 张晓阳, 李 劲峰 . T he Derivat ion of a Reflect ance Medel for th e E st imati on of Leaf Area Index U sing Perpendicu lar Veg et at ion Index J . R emote Sensing Technology and A l icat ion ( 遥 感 pp 技术与应用 , 1995, 10( 3 : 13-18. ( in Chinese 41 E duar do R idao J ose R Conde , I

58、nes Minguez M . Es tim at ing Fapar fr om Nin e Veget at ion In dices for Irrigated an d Non irrigated Faba Bean and Semileafless Pea Canopies J . R emot e Sens Envir on, 1998, 66: 87-100. 42 Pat rice Bicheron, M arc L eroy. A Met hod of Biophysical Param et er R et rieval at Global Scale by Inversion of a Veget at ion Reflect