基于植被指数的秦岭森林健康评价方法研究

西北林学院学报２０１３，２８（６）：１４５～１５０　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｗｅｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ　ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１—７４６１．２０１３．０６．２９　基于植被指数的秦岭森林健康评价方法研究　麻坤，赵鹏祥　季菲菲，翟晓江，孙　凯　（西北农林科技大学林学院，陕西杨陵７１２ｌＯＯ）　摘要：利用ＨＪ一１／ＨＩＳ　Ｌ２级高光谱数据提取敏感反应森林健康状况的植被指数，用敏感性分析法　筛选指标，建立评价森林健康的指标体系与评价模型。基于层次分析法获得评价模型中各指标的权　重。采用自然间断点分级法将森林健康指数分为４个等级，分别为不健康、亚健康、健康和优质健康，　绘制健康状况分布图。从小班和样地二水平验证该森林健康评价模型的精度，结果表明，评价结果在　二水平上均与传统调查方法获得的结果显著相关。决定系数分别为０．７０７和０．６６５。该模型所得森　林健康指数小于传统调查结果，但趋势一致。　关键词：植被指数；高光谱影像；敏感性分析；层次分析法　中图分类号：￥７５７．１　文献标志码：Ａ　文章编号：１００１—７４６１（２０１３）０６—０１４５—０６　Ｆｏｒｅｓｔ　Ｈｅａｌｔｈ　Ａｓｓｅｓｓｍｅｎｔ　Ｍｅｔｈｏｄ　ｉｎ　Ｑｉｎｌｉｎｇ　Ｍｏｕｎｔａｉｎｓ　Ｂａｓｅｄ　ｏｎ　ｔｈｅ　Ｖｅｇｅｔａｔｉｏｎ　Ｉｎｄｉｃｅｓ　ＭＡ　Ｋａｎ，ＺＨＡ０　Ｐｅｎｇ－ｘｉａｎｇ　，ｊＩ　Ｆｅｉ＿ｆｅｉ，ＺＨＡＩ　Ｘｉａｏ－ｊｉａｎｇ，ＳＵＮ　Ｋａｉ　Ｎｏｒｔｈｗｅｓｔ　Ａ＆Ｆ　Ｕｎｉｖｅｒｓｉｔｙ，ｇａｎｇＬｉｎｇ，Ｓｈａａｎｘｉ　７１２１００，Ｃｈｉｎａ）　（Ｃｏｌｌｅｇｅ　ｏｆ　Ｆｏｒｅｓｔｒｙ，　Ａｂｓｔｒａｃｔ：Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ＨＪ一１　Ａ　Ｌ２　ｈｙｐｅｒｓｐｅｃｔｒａｌ　ｄａｔａ，ｔｈｉｓ　ｐａｐｅｒ　ｅｘｔｒａｃｔｅｄ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘｅｓ　ｗｈｉｃｈ　ｗｅｒｅ　ｓｅｎｓｉｔｉｖｅ　ｔｏ　ｔｈｅ　ｆｏｒｅｓｔ　ｈｅａｌｔｈ　ａｎｄ　ｓｃｒｅｅｎｅｄ　ｔｈｅ　ｒｅａｓｏｎａｂｌｅ　ｅｖａｌｕａｔｉｏｎ　ｉｎｄｅｘｅｓ　ｂｙ　ｍｅａｎｓ　ｏｆ　ｓｅｎｓｉｔｉｖｉｔｙ　ａｎａｌｙ—　ｓｉｓ．Ｔｈｅ　ｍｏｄｅｌ　ｔｏ　ｅｖａｌｕａｔｅ　ｔｈｅ　ｈｅａｌｔｈ　ｓｔａｔｕｓ　ｏｆ　ｔｈｅ　ｓａｍｐｌｅ　ａｒｅａ　ｗａｓ　ｅｓｔａｂｌｉｓｈｅｄ．Ｗｅ　ｗｏｒｋｅｄ　ｏｕｔ　ｔｈｅ　ｗｅｉｇｈｔｓ　ｏｆ　ｔｈｅ　ｉｎｄｅｘｅｓ　ｂｙ　ａｎａｌｙｔｉｃ　ｈｉｅｒａｒｃｈｙ　ｐｒｏｃｅｓｓ　ａｎｄ　ｒｅｃｌａｓｓｉｆｉｅｄ　ｔｈｅ　ＦＨＩ　ｉｎｔｏ　ｆｏｕｒ　ｌｅｖｅｌｓ（ｕｎｈｅａｌｔｈｙ，　ｓｕｂ—ｈｅａｌｔｈｙ，ｈｅａｌｔｈｙ，ｇｏｏｄ—ｈｅａｌｔｈｙ）ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｎａｔｕｒａｌ　ｄｉｓｃｏｎｔｉｎｕｉｔｙ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｍｅｔｈｏｄ．Ｔｈｅ　ｄｉｓｔｒｉ—　ｂｕｔｉｏｎ　ｍａｐ　ｏｆ　ｔｈｅ　ｆｏｒｅｓｔ　ｈｅａｌｔｈ　ｌｅｖｅ１　ｗａｓ　ｄｒａｗｎ；ｔｈｅ　ｐｒｅｃｉｓｉｏｎ　ｏｆ　ｔｈｅ　ｍｏｄｅｌ　ｏｎ　ｔｈｅ　ｓｔａｎｄ　ｌｅｖｅ１　ａｎｄ　ｔｈｅ　ｓａｍ—　ｐｌｅ　ｐｌｏｔ　ｌｅｖｅ１　ｗａｓ　ｖｅｒｉｆｉｅｄ．Ｔｈｅ　ｒｅｓｕｌｔｓ　ｄｅｍｏｎｓｔｒａｔｅｄ　ｔｈａｔ　ｔｈｅｒｅ　ｗａｓ　ｓｉｇｎｉｆｉｃａｎｔ　ｃｏｒｒｅｌａｔｉｏｎ　ｂｅｔｗｅｅｎ　ｔｈｅ　ｒｅ—　ｓｕｌｔ　ｗｅ　ｏｂｔａｉｎｅｄ　ｆｒｏｍ　ｔｈｅ　ｍｏｄｅｌ　ａｎｄ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｉｎｖｅｓｔｉｇａｔｉｏｎ　ｍｅｔｈｏｄ　ｂｏｔｈ　ｏｎ　ｔｈｅ　ｔｗｏ　ｌｅｖｅｌｓ．Ｔｈｅ　ｄｅ—　ｔｅｒｍｉｎａｔｉｏｎ　ｃｏｅｆｆｉｃｉｅｎｔｓ　ｒｅａｃｈｅｄ　０．７０７　ａｎｄ　０．６５５，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｔｈｅ　ＦＨＩ　ｏｆ　ｔｈｅ　ｍｏｄｅｌ　ｗａｓ　ｂｅｌｏｗ　ｗｈｉｃｈ　ｏｆ　ｔｈｅ　ｔｒａｄｉｔｉｏｎａｌ　ｉｎｖｅｓｔｉｇａｔｉｏｎ　ｍｅｔｈｏｄ．Ｎｅｖｅｒｔｈｅｌｅｓｓ，ｔｈｅ　ｔｒｅｎｄ　ｗａｓ　ｔｈｅ　ｓａｍｅ．　Ｋｅｙ　ｗｏｒｄｓ：ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｅｘ；ｈｙｐｅｒｓｐｅｃｔｒａｌ　ｉｍａｇｉｎｇ；ｓｅｎｓｉｔｉｖｉｔｙ　ａｎａｌｙｓｉｓ；ａｎａｌｙｔｉｃ　ｈｉｅｒａｒｃｈｙ　ｐｒｏｃｅｓｓ　植被对电磁波的响应，即植被的光谱反射或发　射特性是由其化学和形态学特征决定的，这种特征　与植被的发育，健康状况以及生长条件密切相关　Ｊ。　高光谱遥感是通过对不同类型植被的生物物理化学　据的将敏感反应林木健康信息的植被指数作为指标　体系，来评价森林健康的模型和软件。而我国目前　对于森林健康的研究仅局限于传统的样地调查方　法，评价周期长、尺度小、工作量大，且对森林健康状　况的变化无法及时有效地反映。另一方面，我国高　光谱遥感在农业和林业领域的应用已取得了长足的　进步，主要集中在叶面积指数反演ｌ＿４］、植被的生理生　成分含量的估算，可获得较为精细的植被生态学信　息［２］，尤其对红边位移的监测可获得有关植被受环　境胁迫的信息［３］。因此，敏感表示此类信息的植被　指数可以从林木的生理生化水平评价和监测森林健　康状况。目前，国外已经开发出基于高光谱遥感数　收稿日期：２０１３—０４一１０　修回日期：２０１３－０４—２８　基金项目：林业公益性行业科研专项（２００８０４０２２Ｂ）。　化参量反演　和植被精细分类＿６　等研究领域，在森　林健康评价方面的研究相对较少。本研究选取与林　作者简介：麻坤，男，在读硕士。研究方向：３ｓ技术在资源与环境中的应用。Ｅ—ｍａｉｌ：ｃｏｎａｎｍａｋｕｎ２０３６＠１６３．ｃｏｒｎ　通信作者：赵鹏祥，男，副教授，硕士生导师。研究方向：林业遥感、地理信息系统应用。Ｅ—ｍａｉｌ：ｚｐｘ６６６＠２６３．ｎｅｔ　１４６　西北林学院学报　２８卷　木健康状况密切相关的植被指数作为指标体系，采　用层次分析法确定指标权重以建立评价森林健康的　模型。并基于高光谱影像，通过波段运算得到森林　健康状况分布图，以确立一种大尺度评价森林健康　状况的方法。　１　研究区概况与数据处理　１．１研究区概况　研究区域位于秦岭南坡中段国家生态观测研究　站火地塘林区内，该地区属于中国北亚热带和暖温　带的过渡地带。年平均气温８～１０℃，年降水量　１　０００～１　２００　ｍｍ，海拔１　４２０～２　４７０　ｍ。中山地带　在２０世纪６０～７Ｏ年代进行过全面的森林主伐，现　森林植被恢复较好，全区天然次生林面积较大，分布　集中，在部分地段有一定面积人工林，森林总覆盖率　达９３．８　。主要的植被类型包括寒温带针叶林、针　阔叶混交林和落叶阔叶林。成林树种以华山松　（Ｐｉｎｕｓ　ａｒｍａｎｄｉｉ）、油松（Ｐｉｎｕｓ　ｔａｂｕｌａｅｆｏｒｍｉｓ）、锐　齿栎（Ｑｕｅｒｃｕｓ　ａｌｉｅｎａ　ｖａｒ．ａｃｕｔｅｓｅｒｒａｔａ）、红桦（Ｂｅｔ—　ｕｌａ　ａｌｂｏ—ｓｉｎｅｎｓｉｓ）等为主　］。　１．２数据获取及预处理　采用国产环境与灾害监测预报小卫星上装载的　超光谱成像仪于２０１１年４月１３日拍摄的～幅ＨＪ一　１／ＨＩＳ　Ｌ２级高光谱数据。影像数据覆盖范围为　１０７。５７　３Ｏ　～１Ｏ８。３７　ＯＯ　Ｅ，３３。１７　。０　～３３。４９　（）（）　Ｎ　的区域。包含了火地塘林区在内的秦岭中段森林。　影像空间分辨率为ｉ００　ｍ，重访周期为９６　ｈ，具有　１１５个波段，光谱范围０．４５～０．９５　ｍ，平均光谱分　辨率为４．３２　ｎｍ。Ｌ２级ＨＳＩ数据经过了辐射校正　和几何粗校正，完成了由影像ＤＮ值向绝对辐射亮　度值转换和坏线去除等前期工作。为了达到使用要　求，应做的后续处理包括降噪　］、大气校正和几何精　校正。基本流程如图１所示。　１．３植被指数提取　提取能够敏感反映植被生长健康状况的植被指　数包含如下三类：绿度指数、光利用率指数和叶色素　指数（表１）。　１．３．１　绿度指数　主要包含宽带绿度指数和窄带　绿度指数，前者主要用来简单度量绿色植被的数量　和分布情况。它对植物的叶绿素含量和叶子表面冠　层结构比较敏感。后者主要基于绿色植物的“红边”　效应（健康植被的光谱响应在红外和近红外波段区　域陡然增加）描述植物的健康及色素状态。　１．３．２　光利用率指数　主要通过度量植被在光合　作用中对入射光的利用效率来评价碳的吸收效率、　植被的生长速度和光合有效辐射（ＦＡＰＡＲ）。据此　可从森林的生长速度方面评估森林的健康状况。　１．３．３　叶色素指数　主要是通过度量植被中与胁　迫性相关的色素来监测森林的衰减状况，如类胡萝　卜素和花青素，这类色素大量存在于衰减植被中。　该类色素含量多，证明植物目前处于衰老、病虫害以　及干旱等影响之下。因此，该类指数和森林健康状　况负相关，也可作为评价森林生长健康状况的重要　指标。　数据格式转换　ＨＤＦ５　成Ｇ　１　条纹去除　全局去　１　ｒ　大气校正　ＦＬＡＡ　１　ｒ　几何精校亚　图１　ＨＳＩ影像处理流程图　Ｆｉｇ．１　Ｆｌｏｗ　ｄｉａｇｒａｍ　ｏｆ　ｔｈｅ　ＨＩＳ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　２　评价方法　２．１指标筛选　初选的植被指数可以很好地反映森林的健康状　况，但植被指数在不同立地条件下对植被生长状况　的敏感性不同，为避免信息冗余，采用许明祥Ｌｌ　等　２００５年提出的敏感性分析法，剔除在该地区对植被　生长状况反应不明显的植被指数（表２）。　敏感性分析法的原理主要是计算影像内各个植　被指数的变异系数，变异系数越大，表示该植被指数　在研究区域内可以敏感反应植被生长状况；变异系　数越小，表示该植被指数对植被生长情况的反应不　敏感，应剔除。计算后的各植被指数的变异系数情　况如表２，根据敏感性划分依据（表３），发现Ｖｏ—　ｇｅｌｍａｎｎ红边指数１和红边位置指数对该地区森林　生长情况的反应不敏感，故剔除此２指标。　２．２评价模型的建立　根据筛选出的１１个植被指数指标，从表示植被　分布情况的绿度指数（ｇ），表示植被生长状况的光　利用率指数（ｚ）和表示植被衰减和胁迫情况的叶色　素指数（Ｐ）三方面建立评价森林生长健康状况　（ＦＨＤ的模型（公式１）。　第６期　麻坤等：基于植被指数的秦岭森林健康评价方法研究　１４７　植被指数　最小值　最大值　平均值　标准差　变异系数　排序　注：为了剔除噪声对实验结果的干扰，ｖ了…取ＶＩ原值在统计直方图上累计统计个数达ｏ．０５　处的值，　Ｊ…取整幅影像ＶＪ原值统计直方图上　累计统计个数在９９．９５　处的值。　ＦＨＩ一（∑＂ＯｉＷ　）×Ｗ　＋（∑　叫，）×Ｗ　＋　（∑　）×Ｗ　（１）　ａｌｙｔｉｃ　ｈｅｒａｒｃｈｙ　ｐｒｏｃｅｓｓ，ＡＨＰ）来确定。该方法先把　问题层次化，根据问题的性质和目标，将其分解为不　同组成因素，按照因素间的相互关联影响以及隶属　式中，　，　，，　，分别表示三方面涉及的植被指　数，ｗ　，　，ｗ　分别表示三方面的权重，而叫　，训　，　叫　表示每个方面涉及的植被指数所占的权重。且　各权重值应满足公式２。　关系将因素不同层次聚集组合，形成一个多层次的　分析结构模型。本研究中，将森林健康状况问题分　为３个层次（图２）。　指标权重的确定对于评价结果的客观性与合理　性具有重要影响。本研究采用层次分析法并结合德　尔菲法和该区域内植被指数敏感性分析结果，邀请　（２）　Ｊ　１　ｋ＝Ｉ　＋　＋　＝＝＝ｌ∑　一１∑　一１∑　一１　ｚ　１　了数十位林学、生态学、植物生理学等领域的专家对　表３感性分析表　Ｔａｂｌｅ　３　Ｓｅｎｓｉｔｉｖｉｔｙ　ａｎａｌｙｓｉｓ　ｔａｂｌｅ　各项指标进行一一对比评判与量化运算。确定了　１～５及其倒数１０个判断标度，最终得到了各层次指　标权重的判断矩阵（表４）。　计算指标的权重可归纳为求判断矩阵的特征根　２．３指标权重的确定　各植被指数指标的权重采用美国运筹学家Ｔ．　Ｌ．Ｓａａｔｙ　２０世纪７０年代提出的层次分析法（ａｎ　和特征向量问题。对于判断矩阵Ａ，如果满足ＡＷ一　ＭＡｘｗ，ＡＭＡＸ为矩阵的最大特征值，ｗ为对应于　Ｍ　的　特征向量，则ｗ的各个分量即各指标的权重值。　１４８　西北林学院学报　２８卷　准　｝　子　准　则　层　２　２　图２森林健康评价指标层次　Ｆｉｇ．２　Ｉｎｄｉｃａｔｏｒ　ｓｙｓｔｅｍ　ｏｆ　ｔｈｅ　ＦＨＩ　ｅｖａｌｕａｔｉｏｎ　ｍｏｄｅｌ　２．４一致性检验　由于判断矩阵是采用专家打分法和敏感性分析　ＣＩ＝０时，矩阵具有完全一致性；ｃＩ≠０时，求其与　同阶的随机一致性指标ＲＩ之比ＣＲ，如ＣＲ＜Ｏ．１０，　法结合而得出，存在人为因素干扰，因此，必须对结　果进行一致性检验以判断矩阵是否合理。　２．４．１　层次单排序　层次单排序是指根据判断矩　则认为判断矩阵具有很好的一致性。检验（表４），　可见所有判断矩阵均具有很好的一致性，结果合理。　２．４．２层次总排序　利用同一层次中所有层次单　阵计算对于上一层某因素而言，本层次内与之有联　系的因素的重要性次序。按照本层次各组分内因素　相对上一层次而言的重要性进行排序的基础。为了　检验矩阵的一致性，需计算一致性指标ｃＩ。　一排序的结果，就可以计算针对上一层次而言，本层次　所有组分中因素重要性的权值，这就是层次　９，ａｌ￣序。　其组合权重就是评价模型中各指标的权重。ｃＩ和　ＲＩ通过求上层指标的加权平均值获得（表５）。结　果显示，指标权重合理。　∑—（ＡＷ—）Ｉ，ＣＩ一　Ｔａｂｌｅ　４　（３）　表４层次单排序计算结果　Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｓｉｎｇｌｅ—ｌｅｖｅｌ　ｓｅｑｕｅｎｃｉｎｇ　判断矩阵　权重　一致性检验　ＣＩ　ＲＩ　Ｂ４　２　Ｂ５　３　１／３　１／５　１／２　１　２　１／３　１／２　１　Ｂ１１　１／２　２　１／２　１　２．５数据标准化　标准化方法对数据进行处理（公式４）。对于与森林　由于各植被指数指标计算公式的差异，其结果　通常不在同一数量级上，因此本研究采用ｍｉｎ—ｍａｘ　健康状况负相关的植被指数（主要指叶色素指数），　取其结果的相反数为实际输出结果。　第６期　麻坤等：基于植被指数的秦岭森林健康评价方法研究　ｌ４９　ｗ一±　暑　３　结果与分析　３，１森林健康分级结果　脚　粥矾　邯　邯鼬眦　０．７２之间。本研究采用Ｊｅｎｋｓ提出的自然间断　～㈩　示，整幅遥感影像的森林健康指数（ＦＨ工）范围在０　点分级法，将ＦＨＪ值分为不健康、亚健康、健康和　优质健康４个等级。该方法主要根据统计学中的最　优化观点得出各等级的分界点，能够使各等级ＦＨ　值的内部方差之和最小。分类结果和等级划分依据　如图３。　据上述森林健康评价模型，基于ＥＮＶＩ软件中　的波段运算模块，对影像逐象元进行处理。结果显　表５层次总排序计算结果　Ｔａｂｌｅ　５　Ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｇｅｎｅｒａｌ　ｓｏｒｔｉｎｇ　准则层Ａ　子准则层Ｂ　组合权重　排序　一致性检验　ＲＩ一兰ａ　ＲＩ，一０．５８２　５　Ｊ一１　ＣＲ一丽ＣＩ一００９０　２＜．１　果进行对比（图４）。结果表明，基于植被指数的评　幂●ｔＪｔ　王．ｔ▲０－０．勰　０．１８－０．２６　价模型得出的森林健康指数略低于传统的基于样地　和小班数据的评价结果。首先，因为高光谱影像受　大气校正、尺度转换、土壤背景等因素影响较大，提　取的植被指数有不同程度的衰减；其次，植被指数评　价模型中选取的部分指标标准化后取值在（一１，１）　区间，而传统模型指标标准化后取值在（０，１）区间。　冀Ｉｔ　甓曩４０．０．２６－０．１３　０３３－０．￣　｜　ｌ　・，　Ｎ　但曲线趋势一致，说明该模型可以理想地反映森林　的健康程度。因此，对健康等级的划分结果是合理　的。线性回归结果表明两种水平的评价结果和本研　究得出的评价结果显著相关。判定系数Ｒ２分别为　０．７０７和０．６６５，　＜０．０００　１。　健康等扳　一■■■■ａ￣．１ｑ．，ｌｌｔ　ｕＲ－Ｍｌ１．　Ｉ健曩．－优质健纛　　一…，，ｉ　Ｉ８千米　’　４　结语　随着高光谱遥感的迅速发展，可以从高光谱数　据中提取的植被信息越来越详尽，本研究从林木生　．．　ｌ　图３森林健康等级分布图　Ｆｉｇ．３　Ｔｈｅ　ｄｉｓｔｒｉｂｕｔｉｏｎ　ｍａｐ　ｏｆ　ｆｏｒｅｓｔ　ｈｅａｌｔｈ　ｌｅｖｅｌ　３．２与传统调查方法的比较　为了验证评价模型的合理性，选取影像区域内　２０个小班数据和２Ｏ个样地数据从小班和样地２水　理生化水平选取了敏感反应森林健康状况的１１个　植被指数，建立评价模型，对实现秦岭地区森林健康　状况快速有效的评估具有意义。可为大尺度的森林　健康评价和监测研究提供一种新的思路。但由于国　平与传统的样地调查结果进行比较。在保积存口　等（２０１０）提出的评价方法基础上进行优化得到基于　产高光谱数据的一些缺陷，本模型依然存在问题，如　空间分辨率较低，对于小尺度林分变化反映不灵敏；　影像数据无法有效反映林分结构和生物多样性，无　样地数据和小班数据评价森林健康程度的模型。由　于基于植被指数对森林健康的评价主要考虑林木健　康，而非森林生态系统健康，故只选择样地和小班数　据中能反应林木健康的指标进行评价，并对评价结　法从生态系统尺度去实现森林生态系统健康状况的　有效评价等。这类问题将随着高光谱遥感科学的进　一步发展和植被指数研究的完善会得到有效解决。　１５Ｏ　两北林学院学报　２８卷　Ｏ．９０　０．９Ｏ　０．８Ｏ　０．７Ｏ　０．４０　Ｏ．２０　Ｏ．１Ｏ　０　０　５　１Ｏ　１５　２０　０　１５　０．２Ｏ　０．２５　０－３０　０．３５　０．４０　０．４５　验证小班号　１．Ｏ　实测值　验证点一回归曲线　叫～植被指数法一小班水平　靼０．７　髅８音　Ｏ　５　１０　１５　２０　０．１　０．１５　０．２０　０．２５　０．３０　０．３５　０．４０　０．４５　验证小班号　实测值　＋植被指数法一样地水平　・验证点——回归曲线　图４两种水平上对模型的验证　Ｆｉｇ．４　Ｔｈｅ　ｍｏｄｅｌ　ｖｅｒｉｆｉｃａｔｉｏｎ　ｏｎ　ｔｗｏ　ｌｅｖｅｌｓ　ＥＯ　１　Ｈｙｐｅｒｉｏｎ　ｈｙｐｅｒｓｐｅｃｔｒａｌ　ｄａｔａ［Ｊ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｉｎｆｏｒ　参考文献：　Ｅｌｉ　ＢＯＯＣＨＳ　Ｆ，ＫＵＰＦＥＲ　Ｇ，ＤＯＣＫＴＥＲ　Ｋ，ｅ￡ａ１．ｓｈａＤｅ。ｆ０ＯＯ０ＯＯＯＯＯ　　ｔｈｅ　ｒｅｄ　ｅｄｇｅ　ａｓ　ｖｉｔａｌｉｔｙ　ｉｎｄｉｃａｔｏｒ　ｆｎｒ　ｐｌａｎｔｓ　ｒ¨．　Ｉｎｔｅｒｎａｔｉｏｎａｌ　蛐加∞如∞如加　Ｏ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ，１　９９０，１１（１０）：１７４１　１　７５３．　器聪　ｍａｔｉｏｎ，　ｏｏ　（０）：３６　４１．（ｉ“ｃｈｉ“。　）　［９］ＳＥＬＬＥＲＳ　Ｐ　Ｊ・Ｃａｎｏｐｙ　ｒｅｆｌｅｃｔａｎｃｅ，ｐｈｏｔｏｓｙｎｔｈｅｓｉｓ　ａｎｄ　ｔｒａｎ—　印ｉ　ａ　ｉ。ｎ＿ｒ・Ｉ“ｔｅｒ“ａｔｉｏｎａ１　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅ　ｍｆ】ｔｅ　Ｓｅｎｓｉｎｇ・１９８５，　６（８）：１３３５　１３７２・　ｒ２］　ＪＯＨＮＳ（）Ｎ　Ｉ　Ｆ，ＨＩ　ＡＶＫＡ　Ｃ　Ａ，ＰＥＴＥＲＳＯＮ　Ｄ　Ｉ　．Ｍｕｌｔｉｖａ　ｒｉａｔｅ　ａｎａｌｙｓｉｓ　０ｆ　ＡＶＲＩＳ　ｄａｔａ　ｆ。ｒ　ｃａｎ。Ｄｖ　ｂｉ。ｃｈｅｍｉｃａｌ　ｅｓｔｉｍａ—　［１Ｏ］　ＨＵＥＴＥ　Ａ　Ｒ，Ｉ．ＩＵ　Ｈ　Ｑ，ＢＡＴＣＨＩＩ　Ｙ　Ｋ，　￡ａｌ・Ａ　ｃｏｍｐａｒｉ—　ｓｏｎ　ｏｆ　ｖｅｇｅｔａｔｉｏｎ　ｉｎｄｉｃｅｓ　ｏｖｅｒ　ａ　ｇｌｏｂａｌ　ｓｅｔ　ｏｆ　ＴＭ　ｉｍａｇｅｓ　ｆｏｒ　ｔｉ。ｎ　ａ１ｏｎｇ　ｔｈｅ　Ｏｒｅｇｏｎ　ｔｒａｎｓｅｃｔＥＪ］．Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　０ｆ　Ｅｎｖｉ　ｒ０ｎｍｅｎｔ，ｌ９９４，４７（２）：２１　６　２３２．　ＥＯＳ—ＭＯＤＩＳ［Ｊ］・Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　ＥｎＶｉｒｏｎｍｅｎｔ，１　９９７，５９　Ｌ　１：４４ｕ一４ｂｌ‘　［３３　ＭＩＩ　Ｉ　ＥＲ　Ｊ　Ｒ，ＨＡＲＥ　Ｅ　Ｗ，ｗｕ　Ｊ．Ｑｕａｎｔｉｔａｔｉｖｅ　ｃｈａｒａｃｔｅｒｉｚａ一　ｔｉ０ｎ　ｏｆ　ｔｈｅ　ｖｅｇｅｔａｔｉｏｎ　ｒｅｄ　ｅｄｇｅ　ｒｅｆｌｅｃｔａｎｃｅ　１．　ａｎ　ｉｎｖｅｒｔｅｄ　ｇａｕｓｓｉａｎ　ｒｅｆｌｅｃｔａｎｃｅ　ｍｏｄｅｌ　ｒ　Ｊ］．　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅ一　［１１］　Ｌ（）ＢＥＩ　Ｉ　Ｄ　Ｂ，Ｇ　Ｐ　ＡＳＮＥＲ・Ｈｙｐｅｒｉｏｎ　ｓｔｕｄｉｅｓ　ｏｆ　ｃｒｏｐ　ｓｔｒｅｓｓ　ｉｎ　Ｍｅｘｉｃｏ［Ｃ］・１２　ＪＰ［　ＡＶＩＲＩＳ　Ｇｅｏｓｃｉｅｎｃｅ　Ｗｏｒｋｓｈｏｐ．Ｐａｓ—　ｄ　ｎ　‘ＬＡ　ＺＯＯ３．　ｍ０ｔｅ　Ｓｅｎｓｉｎｇ，１９９０，１１（１Ｏ）：１７５５—１７７３．　［１２］ＳＩＭＳ　Ｄ　Ａ，ＧＡＭＯＮ　Ｊ　Ａ．Ｒｅｌａｔｉｏｎｓｈｉｐｓ　ｂｅｔｗｅｅｎ　ｌｅａｆ　ｐｉｇ　［４］赵丽芳，谭炳香，杨华，等．高光谱遥感森林叶面积指数估测研　究现状［Ｊ］．世界林业研究，２００７，２０（２）：５０—５４．　ＺＨＡＯ　Ｉ　Ｆ，ＴＡＮ　Ｂ　Ｘ，ＹＡＮＧ　Ｈ，ｅｔｄ　．Ｒｅｖｉｅｗ　ｏｆｔｈｅ　ｅｓｔｉｍａｔｉｎｇ　ｍ　ｃｏｎｔｅｎｔ　ａｎｄ。Ｐ　ⅡａＩ　ｒｅｔｌｅｃｔａｎｃｅ　ａｃｒｏｓｓ　ｗｉｄｅ　“ｇ　ｏｔ　ｓｐｅｃｉｅｓ，ｌｅａｆ　ｓｔｒｕｃｔｕｒｅｓ　ａｎｄ　ｄｅｖｅｌｏｐｍｅｎｔａｌ　ｓｔａｇｅｓ［Ｊ］・Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｅｎｖｉｒｏｎｍｅｎｔ，２００２，８１（２—３）：３３７—３５４．　ｆｏｒｅｓｔ　１ｅａｆ　ａｒｅａ　ｉｎｄｅｘ　ｗｉｔｈ　ｈｙｐｅｒｓｐｅｃｔｒａ１　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｄａｔａ［Ｊ］．　Ｗｏｒｌｄ　Ｆｏｒｅｓｔｒｖ　Ｒｅｓｅａｒｃｈ，２００７，２０（２）：５０—５４．（ｉｎ　Ｃｈｉｎｅｓｅ）　［１３］ＧＡＭＯＮ　Ｊ　Ａ，ＳＥＲＲＡＮＯ　Ｌ，ＳＵＲＦＵＳ　Ｊ　Ｓ．Ｔｈｅ　ｐｈｏｔｏｃｈｅｍ—　ｃａｌ　ｒｅｉｌｅｃｔａｎｃｅ　ｉｎｄｅｘ：ａｎ　ｏｐｔｉｃａｌ　ｉｎｄｉｃａｔｏｒ　ｏｔ　ｐｈｏｔｏｓｙｎｔｈｅｔｉｃ　［５］刘秀英，熊建利，臧卓，等．基于植被指数的马尾松叶绿素含量　估算模型［Ｊ］．西北林学院学报，２０１２，２７（３）：４４—４７．　Ｉ　Ｉｕ　ｘ　Ｙ，ＸＩＯＮＧ　Ｊ　Ｉ　，ＺＡＮＧ　Ｚ，ｅｔⅡ　．　Ｅｓｔｉｍａｔｉｏｎ　ｍｏｄｅｌｓ　ｆ。ｒ　ｃｈｌｏｒｏｐｈｙｌｌ　ｃ。ｎｔｅｎｔ。ｆ　Ｐ　“５　ｍｎ　ｓ０ｎｉｎ　ｄ　ｂａｓｅｄ　ｏｎ　ｖｅｇｅｔａ—　ｂｌｅ　ｉｎｄｅｘｅｓ　ｒＩ］．　Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｗｅｓｔ　Ｆｏｒｅｓｔｒｖ　Ｕｎｉｖｅｒｓｉｔｖ，　ｒａｄｉａｔｉｏｎ　ｕｓｅ　ｆｌ“　Ｙ　ａｃｒｏｓｓ　Ｐ　，ｌｕｎｃｔｔｏｎａｌ　ｔＹＰ　ａｎｄ　ｎｕｔｒｉｅｎｔ　ｌｅｖｅｌｓ［Ｊ］・Ｏｅｃｏｌｏｇｉａ　１９９７，１１２（４）：４９２—５０１．　［１　４］　ＧＡＭＯＮ　Ｊ　Ａ，ＳＵＲＦＵＳ　Ｊ　Ｓ．Ａｓｓｅｓｓｉｎｇ　ｌｅａｆ　ｐｉｇｍｅｎｔ　ｃｏｎｔｅｎｔ　ａｎｄ　ａｃｔｉｖｉｔｙ　ｗｉｔｈ　ａ　ｒｅｆｌｅｃｔｏｍｅｔｅｒ［Ｊ］．Ｎｅｗ　Ｐｈｙｔｏｌｏｇｉｓｔ，１９９９，　１４３（１）：１０５—１１７．　２０１　２，２７（３）：４４—４７．（ｉｎ　Ｃｈｉｎｅｓｅ）　［６］　吴见，彭道黎．基于空间信息的高光谱遥感植被分类技术［Ｊ］．　农业工程学报，２０１２，２８（５）：１　５０　１　５３．　ＷＵ　Ｊ，ＰＥＮＧ　Ｄ　Ｉ　．　Ｖｅｇｅｔａｔｉ。ｎ　ｃｌａｓｓｉｆｉｃａｔｉｏｎ　ｔｅｃｈｎｏ１。ｇｙ。ｆ　［１５１　ＧＩＴＥＩ　ＳＯＮ　Ａ　Ａ，ＺＵＲ　Ｙ，ＣＨ１ＶＫＵＮＯＶＡ　Ｏ　Ｂ，ｅｔ　ａ１．Ａｓ　ｓｅｓｓｌｎｇ　ｃａｒｏｔｅｎｏｉｄ　ｃｏｎｔｅｎｔ　ｌｎ　ｐｌａｎｔ　ｌｅａｖｅｓ　ｗｉｔｈ　ｒｅｔｌｅｅｔａｎｃｅ　ｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．Ｐｈｏｔｏｃｈｅｍｉｓｔｒｙ　ａｎｄ　Ｐｈｏｔｏｂｉｏｌｏｇｙ，２００２，７５　（３）：２７２—２８１．　ｈｙｐｅｒｓｐｅｃｔｒａｌ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｂａｓｅｄ　ｏｎ　ｓｐａｔｉａｌ　ｉｎｆｏｒｍａｔｉｏｎ［Ｊ］．　Ｔｒａｎｓａｃｔｉｏｎｓ　ｏｆ　ｔｈｅ　Ｃｈｉｎｅｓｅ　Ｓｏｃｉｅｔｙ　ｏｆ　Ａｇｒｉｃｕｌｔｕｒａｌ　Ｅｎｇｉｎｅｅｒ—　［１６］ＧＩＴＥＩ　ＳＯＮ　Ａ　Ａ，ＭＥＲＺＩ　ＹＡＫ　Ｍ　Ｎ・ＣＨＩＶＫＵＮＯＶＡ　Ｏ　Ｂ．Ｏｐｔｉｃａｌ　ｐｒｏｐｅｒｔｉｅｓ　ａｎｄ　ｎｏｎｄｅｓｔｒｕｃｔｉｖｅ　ｅｓｔｉｍａｔｉｏｎ　ｏｆ　ａｎｔｈｏ　ｉｎｇ，２０１２，２８（５）：１５０　１５３．（ｉｎ　Ｃｈｉｎｅｓｅ）　［７］保积存，王得祥，陈飞，等．基于灰色关联的火地塘林区锐齿栎　林天然更新研究［Ｊ］．西北林学院学报，２０１１，２６（５）：１２１　１２６．　ＢＡＯ　Ｉ　Ｃ，ＷＡＮＧ　Ｄ　Ｘ，ＣＨＥＮ　Ｆ，ｅｔ　ｎｚ．Ｎａｔｕｒａｌｒｅｇｅｎｅｒａｔｉｏｎ　ｏｆ　Ｑｕｅｒｃｕ￣ａｌｉｅｎａ　ｖａｒ．ａｃｕｔｅｓｅｒｒａｔａ　ｆｏｒｅｓｔｓ　ｉｎ　Ｈｕｏｄｉｔａｎｇ　ｃｙａｎｉｎ　ｃｏｎｔｅｎｔ　ｉｎ　ｐｌａｎｔ　ｌｅａｖｅｓ［Ｊ］．Ｐｈｏｔｏｃｈｅｍｉｓｔｒｙ　ａｎｄ　Ｐｈｏｔｏ一　ｂｉｏｌｏｇｙ，２００１，７４（１）：３８　４５．　［１７］许明祥，刘国彬，赵允格．黄土丘陵区土壤质量评价指标研究　［Ｊ］．应用生态学报，２００５，１６（１ｏ）：１８４３　１８４８．　ＸＵ　Ｍ　Ｘ，ＬＩＵ　Ｇ　Ｂ，ＺＨＡＯ　Ｙ（　．Ａｓｓｅｓｓｍｅｎｔ　ｉｎｄｉｃａｔｏｒｓ　ｏｆ　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｇｒｅｙ　ｒｅｌａｔｉｏｎａｌ　ａｎａｌｙｓｉｓ　ｍｅｔｈｏｄ［Ｊ］．Ｊｏｕｒｎａｌ　ｏｆ　Ｎｏｒｔｈｗｅｓｔ　Ｆｏｒｅｓｔｒｙ　Ｕｎｉｖｅｒｓｉｔｙ，２０１１，２６（５）：１２１—１２６．（ｉｎ　ｓｏｉｌ　ｑｕａｌｉｔｙ　ｉｎ　ｈｉｌｌｙ　Ｌｏｅｓｓ　Ｐｌａｔｅａｕ［Ｊ］．Ｃｈｉｎｅｓｅ　Ｊｏｕｒｎａｌ　ｏｆ　Ａｐ—　ｐｌｉｅｄ　Ｅｃｏｌｏｇｙ，２００５，１　６（１０）：１　８４３—１８４８．（ｉｎ　Ｃｈｉｎｅｓｅ）　Ｃｈｉｎｅｓｅ）　［８］谭炳香，李增元，陈尔学，ＥＯ－１Ｈｙｐｅｒｉｏｎ高光谱数据的预处理　［Ｊ］．遥感信息，２００５（６）：３６—４１．　ＴＡＮ　Ｂ　Ｘ，ｇ１　Ｚ　Ｙ，ＣＨＥＮ　Ｅ　Ｘ，ＰＡＮＧ　Ｙ．Ｐｒｅｐｒｏｃｅｓｓｉｎｇ　ｏｆ　［１８］　托马斯・萨迪．领导者：面临挑战与选择　层次分析法在决　策中的应用［Ｍ］．张录，译北京：中国经济出版社，１９９３．　［１９］保积存．秦岭火地塘林区锐齿栎林健康状况及其动态分析　（Ｄ）．陕西杨陵：西北农林科技大学．２Ｏ１１．