錫林郭勒草原遙感植被物候的地面照相驗證

楊曉芳，陳效逑，羅翔中

（1.北京大學(xué)城市與環(huán)境學(xué)院，地表過程分析與模擬教育部重點實驗室，北京100871；2.加拿大多倫多大學(xué)地理與項目規(guī)劃系，加拿大 多倫多M5S 3 G3）

植物物候現(xiàn)象如樹木的展葉、葉變色和落葉，牧草的返青和黃枯等的發(fā)生受氣候因子季節(jié)與年際變化的顯著影響，并指示著植被與大氣之間能量、水分和二氧化碳交換的季節(jié)性轉(zhuǎn)換特征，已成為監(jiān)測陸地生態(tài)系統(tǒng)對全球氣候變化響應(yīng)與反饋的重要指標(biāo)［1－2］。傳統(tǒng)的植物物候研究主要基于地面單站個別植物種的物候觀測數(shù)據(jù)進(jìn)行統(tǒng)計和過程模擬，難以進(jìn)行大尺度的物候時空分析［1］。隨著衛(wèi)星監(jiān)測技術(shù)的發(fā)展，遙感數(shù)據(jù)被廣泛用于大尺度的植被物候動態(tài)研究［3－7］，特別是中、高空間分辨率的AV HRR（Advanced Very High Resol ution Radio meter）、MODIS（Moderate Resol ution I maging Spectr oradiometer）和Landsat T M／ET M ＋（Thematic Mapper／Enhanced Thematic Mapper Pl us）遙感植被指數(shù)數(shù)據(jù)可以有效地監(jiān)測植被物候的時空變化及其對氣候變化的響應(yīng)［8－13］，從而彌補單站個別植物種物候動態(tài)難以進(jìn)行連續(xù)地理空間時空比較的不足，已經(jīng)成為全球和區(qū)域植被物候研究的主要數(shù)據(jù)源。然而，由于遙感光譜信息只是對地面植被物候動態(tài)的一種估計，不能完全代表植被物候動態(tài)的實況，所以，遙感物候監(jiān)測結(jié)果的地面驗證就顯得尤為重要［14－18］。以往的遙感物候地面驗證主要通過像元植被指數(shù)數(shù)據(jù)與站點植物物候數(shù)據(jù)之間的比較進(jìn)行，存在著時空尺度不匹配的缺陷。近年來，一些研究主要通過兩種途徑獲取地面像元尺度的物候數(shù)據(jù)，以便實施像元對像元的物候動態(tài)比較與驗證：一是通過地面植物物候的加密觀測獲取植物群落物候信息［2，12］，二是通過近地面群落物候的照相觀測獲取植物群落反射率和綠度信息［19－22］。對于后者來說，研究大多集中于森林區(qū)域［20－22］，而對草原區(qū)整個生長季節(jié)的觀測與驗證研究開展得較少。鑒于此，本研究選擇內(nèi)蒙古典型草原作為研究區(qū)域，采用數(shù)字相機實拍觀測的方法，獲取草原樣地紅、綠、藍(lán)等光譜信息，并計算綠度指數(shù)和物候發(fā)生日期，據(jù)以評價來自不同數(shù)據(jù)源的遙感信息在監(jiān)測草原植被季節(jié)動態(tài)和物候變化方面的可靠性，為建立基于地表實測數(shù)據(jù)與多尺度遙感數(shù)據(jù)的地面－遙感物候集成模型，提高遙感物候模擬與預(yù)測的準(zhǔn)確性，提供野外試驗的依據(jù)。

1 數(shù)據(jù)與方法

1.1 試驗地點

本研究的試驗地點設(shè)在錫林浩特國家氣候觀象臺（43°57′N，116°07′E）附近。該觀象臺位于錫林浩特市郊，海拔1 003 m，地處錫林郭勒典型草原區(qū)的中部。錫林郭勒草原屬于中溫帶半干旱大陸性氣候，光、溫、水同季。這里光能資源豐富，全年日照百分率為55%～65%，年日照時數(shù)在2 900～3 100 h，其中，牧草生長季節(jié)所處的4－9 月日照時數(shù)為1 500～1 700 h，占全年的48%～59%；年平均氣溫在0～3 ℃，且氣溫的季節(jié)變化明顯，表現(xiàn)為冬季漫長而寒冷，夏季短促而溫?zé)?，春溫驟增，秋溫劇降，積溫有效性高，≥0 ℃的有效積溫為1 800～2 200℃·d，無霜期60～100 d［23］；年降水量在250～350 mm，且多集中在6－8月，占全年降水量的60%～75%，而牧草生長季節(jié)所處的4－9月降水量約占全年降水量的90%［24］。研究區(qū)內(nèi)地形為開闊而平緩的波狀高平原，土壤為栗鈣土，植物群落中的優(yōu)勢種為克氏針茅（Stipa kr ylovii）和羊草（Ley mus chinensis）。

1.2 地面照相數(shù)據(jù)

在錫林浩特國家氣候觀象臺附近圍封的草地中選取一個與MODIS遙感影像1 k m×1 k m 像元位置和大小都相對應(yīng)的樣地，在樣地內(nèi)按照樣線法沿對角線均勻布設(shè)20個樣方，并用GPS定位。拍攝所使用的數(shù)碼相機為SONY P10，包括紅（R）、綠（G）、藍(lán)（B）3 個可見光波段。為防止拍攝時的抖動，實際操作中將相機固定于三腳架頂端伸出的橫桿上，鏡頭垂直向下，三腳架調(diào)至1.5 m 高，照相采用VGA 模式（最低像素），并設(shè)置2 s的照相延時。在拍攝時，盡可能避免三腳架及其陰影進(jìn)入樣地，以確保拍攝照片的質(zhì)量。為了準(zhǔn)確地監(jiān)測樣地內(nèi)的草地物候狀況，在2011年5月21日到9月9日期間，選擇晴好天氣，每隔5～7 d對各樣方內(nèi)的植被進(jìn)行一次垂直拍攝采樣，共獲得400幅（20 樣方×20 d）有效照片數(shù)據(jù)（圖1）。

圖1 草原返青期（A）和黃枯期（B）的照片F(xiàn)ig.1 Grassland photos of green－up phase（A）and br own－off phase（B）

1.3 遙感數(shù)據(jù)

參照上述地面照相的日期，選取同期T M／ET M＋和MODIS 遙感影像數(shù)據(jù)。T M 數(shù)據(jù)取自Landsat5數(shù)據(jù)集，波段為紅、綠、藍(lán)和近紅外，空間分辨率為30 m；MODIS 數(shù)據(jù)取自MCD43 A4（500 m 分辨率）和MCD43B4（1 000 m 分辨率）NBAR（Nadir BRDF－Adj usted Reflectance）16 d合成產(chǎn)品數(shù)據(jù)集，波段為紅、近紅外、藍(lán)和綠4個波段。兩種遙感數(shù)據(jù)與地面照相數(shù)據(jù)的時間對應(yīng)關(guān)系顯示（圖2），可用于統(tǒng)計分析的T M／ET M＋和地面照相平行觀測數(shù)據(jù)為9 個，日期分別為第142、158、166、182、198、214、230、238和254天。由于MODIS遙感數(shù)據(jù)為16 d合成的數(shù)據(jù)，且有8 d的重疊，故選擇每幅MODIS數(shù)據(jù)16 d期間內(nèi)（圖2中的三角形底邊所示）的多次照相數(shù)據(jù)進(jìn)行平均，從而得到15個MODIS和地面照相平行觀測數(shù)據(jù)。

圖2 遙感數(shù)據(jù)與地面照相數(shù)據(jù)的時間對應(yīng)關(guān)系Fig.2 Ti me corresponding relations bet ween remote sensing data and ground photographic data

1.4 數(shù)據(jù)預(yù)處理

利用MATLAB（R2010b）軟件分別提取并計算每天20幅有效照片紅（R）、綠（G）、藍(lán)（B）3個波段的平均亮度值（DN）。為了有效提取圖像中的植被物候信息，根據(jù)植被與土壤背景物在紅、綠、藍(lán)3個波段吸收和反射特征的差異，分別選取絕對綠度指數(shù)（2G＿RB）、相對綠度指數(shù)（G%）和比值綠度指數(shù)（G／R）［21］，作為表征地面植被物候變化的指標(biāo)。地面綠度指數(shù)的計算公式如下所示：

絕對綠度指數(shù)：

相對綠度指數(shù)：

比值綠度指數(shù)：

式中，RDN、GDN和BDN分別為紅光、綠光和藍(lán)光波段的平均亮度值。

對于遙感數(shù)據(jù)的處理，首先利用Arc Map10對遙感影像進(jìn)行裁剪，提取出1 k m×1 k m 試驗樣地的遙感影像；然后，利用ENVI4.5提取出紅（R）、綠（G）、藍(lán)（B）和近紅外（NIR）4個波段的反射率，并計算歸一化植被指數(shù)（NDVI）、增強型植被指數(shù)（EVI）和比值植被指數(shù)（RVI）。遙感植被指數(shù)的計算公式如下所示：

歸一化植被指數(shù)：

增強型植被指數(shù)：

比值植被指數(shù)：

式中，R、B 和NIR 分別為紅光、藍(lán)光和近紅外波段的平均反射率。

1.5 相關(guān)分析

本研究采用簡單相關(guān)系數(shù)來分析地面照相觀測數(shù)據(jù)與不同數(shù)據(jù)源衛(wèi)星遙感數(shù)據(jù)在反射率、綠度指數(shù)與植被指數(shù)和反演得到的相應(yīng)物候發(fā)生日期之間，以及不同遙感數(shù)據(jù)源反射率和植被指數(shù)之間的相關(guān)關(guān)系，并對相關(guān)系數(shù)進(jìn)行了顯著性檢驗。一般來講，顯著正相關(guān)系數(shù)越大，表明遙感數(shù)據(jù)與地面照相數(shù)據(jù)監(jiān)測草原物候變化的一致性越好，遙感物候監(jiān)測的有效性越高。最終，選擇與地面照相綠度指數(shù)正相關(guān)系數(shù)最大的遙感植被指數(shù)，作為最佳的草原物候遙感監(jiān)測指標(biāo)，從而為實現(xiàn)準(zhǔn)確地開展草原植被物候的遙感監(jiān)測，提供野外試驗的依據(jù)。

1.6 物候發(fā)生日期的提取

地面照相綠度指數(shù)和遙感植被指數(shù)均可反映牧草葉片的生長狀況和覆蓋度，其數(shù)值具有明顯的季節(jié)變化特征，表現(xiàn)為上半年數(shù)值逐漸增大（植被變綠過程），在達(dá)到最大值后，下半年數(shù)值逐漸減?。ㄖ脖蛔凕S過程）。本研究參考Richardson等［21－22］的研究結(jié)果，利用邏輯斯蒂（Logistic）模型分別對選取的地面綠度指數(shù)和遙感植被指數(shù)季節(jié)變化曲線進(jìn)行擬合，并提取植被變綠和變黃達(dá)到不同百分率n（n＝10%，20%，…，80%，90%）時的關(guān)鍵物候發(fā)生日期。邏輯斯蒂模型的公式如下：

式中，f（x）為綠度指數(shù)或植被指數(shù)，x 為序日，a、b、c、d 為擬合參數(shù)，參數(shù)a為f（x）的最小值，a＋b為f（x）的最大值，參數(shù)c、d 控制著植被物候期的發(fā)生時間。

提取植被變綠和變黃各關(guān)鍵物候期發(fā)生時間的步驟是，先利用公式（8）和（9）計算地面綠度指數(shù)和遙感植被指數(shù)達(dá)到不同變綠或變黃百分率時所對應(yīng)的數(shù)值［fn（x）］，再利用公式（10）計算不同變綠或變黃百分率所對應(yīng)的物候期發(fā)生時間（序日），即x值。計算公式如下：

變綠過程：

變黃過程：

式中，f－1為f（x）的反函數(shù)，fmax和fmin分別為植被變綠或變黃過程中地面綠度指數(shù)或遙感植被指數(shù)的最大值和最小值。

2 結(jié)果與分析

2.1 遙感反射率與地面照相平均亮度值之間的相關(guān)分析

MODIS所獲得的紅光、綠光和藍(lán)光波段的反射率與地面照相所獲得的紅光、綠光和藍(lán)光波段的平均亮度值之間呈顯著正相關(guān)關(guān)系（P＜0.05 或P＜0.01）（表1），且二者在紅光波段的相關(guān)系數(shù)明顯大于其他兩個波段的。此外，500 m 空間分辨率的MODIS反射率與地面照相平均亮度值之間的相關(guān)系數(shù)略大于1 000 m 空間分辨率的MODIS反射率與地面照相平均亮度值之間的相關(guān)系數(shù)。相比之下，T M／ET M＋遙感反射率與地面照相平均亮度值之間正相關(guān)關(guān)系均不顯著（P＞0.05）。

表1 遙感反射率和地面照相平均亮度值之間的相關(guān)系數(shù)Table 1 Correlation coefficient bet ween remote sensing reflectance and ground photographic digital nu mber

應(yīng)該指出，本研究采用的MODIS數(shù)據(jù)產(chǎn)品是經(jīng)過大氣矯正獲得的多日期合成的地面反射率，其數(shù)據(jù)的穩(wěn)定性和可靠性均較高，而T M／ET M＋數(shù)據(jù)的空間分辨率雖然比MODIS高，但由于受到拍攝當(dāng)天云的干擾較大，數(shù)據(jù)的穩(wěn)定性和可靠性一般較低，如在第158、166、198和238天的遙感影像中，云的覆蓋率均達(dá)到 20%，這可能是導(dǎo)致T M／ET M＋遙感反射率與地面照相平均亮度值在3個波段的相關(guān)系數(shù)均較小的主要原因。

2.2 遙感植被指數(shù)和地面照相綠度指數(shù)之間的相關(guān)分析

各種遙感植被指數(shù)與地面綠度指數(shù)之間，除G／R與T M／ET M＋EVI的相關(guān)系數(shù)（0.648）外，均存在顯著的正相關(guān)關(guān)系（P＜0.05）（表2），其中，MODIS植被指數(shù)與地面綠度指數(shù)之間的相關(guān)程度明顯優(yōu)于T M／ET M＋植被指數(shù)與地面綠度指數(shù)之間的相關(guān)程度。在3種植被指數(shù)中，NDVI和RVI與地面綠度指數(shù)之間的相關(guān)系數(shù)均大于EVI與地面綠度指數(shù)之間的相關(guān)系數(shù)。在3 種綠度指數(shù)中，2 G＿RB和G%與遙感植被指數(shù)之間的相關(guān)系數(shù)均大于G／R與遙感植被指數(shù)之間的相關(guān)系數(shù)?？傮w上看，500 m 空間分辨率MODIS遙感數(shù)據(jù)中的NDVI與地面照相數(shù)據(jù)中的G%之間相關(guān)系數(shù)最大（r＝0.951）。據(jù)此，本研究僅基于NDVI和G%分別進(jìn)行遙感和地面照相物候期的提取，并進(jìn)而分析遙感與地面照相所提取的物候期之間的相關(guān)關(guān)系。

表2 遙感植被指數(shù)與地面照相綠度指數(shù)之間的相關(guān)系數(shù)Table 2 Correlation coefficient bet ween remote sensing vegetation index and ground photography greenness index

2.3 遙感和地面照相提取物候期之間的相關(guān)分析

利用邏輯斯蒂模型擬合500 m 空間分辨率MODIS NDVI和地面照相G%的時間序列（圖3、圖4），并采用百分比法分別進(jìn)行遙感和地面物候期的提取。模型擬合結(jié)果表明，植被指數(shù)和綠度指數(shù)擬合值與觀測值之間呈顯著正相關(guān)，擬合優(yōu)度（R2）均在0.9以上。根據(jù)擬合的模型，計算得到以植被指數(shù)和綠度指數(shù)表征的植被變綠和變黃不同百分率所對應(yīng)的日期（表3）。

對比遙感和地面照相物候期的發(fā)生時間可以看出，除了NDVI變綠10%物候發(fā)生日期比G%變綠10%物候發(fā)生日期偏晚16 d以外，二者其余各變綠百分率的物候發(fā)生日期（20%～90%）之間的偏差絕對值均≤7 d，且在變綠40%以后的所有物候發(fā)生日期中，NDVI的變綠百分率物候發(fā)生日期均早于相應(yīng)的G%的變綠百分率物候發(fā)生日期。相比之下，由地面照相和遙感數(shù)據(jù)得到的相應(yīng)變黃百分率物候發(fā)生日期一致性很高，最大偏差的絕對值僅為5 d，且在變黃20%以后的所有物候發(fā)生日期中，NDVI的變黃百分率物候發(fā)生日期均晚于相應(yīng)的G%的變黃百分率物候發(fā)生日期。

圖3 植被變綠過程中NDVI（A）和G%（B）的邏輯斯蒂模型擬合Fig.3 Logistic modeling of NDVI（A）and G% （B）during green－up process

圖4 植被變黃過程中NDVI（A）和G%（B）的邏輯斯蒂模型擬合Fig.4 Logistic modeling of NDVI（A）and G% （B）during brown－off process

表3 不同變綠和變黃百分率的物候發(fā)生日期（序日）Table 3 Phenological occurrence date of different green－up and brown－off percentages（day of year）

應(yīng)該指出，上述研究結(jié)果是基于2011年的地面照相和遙感數(shù)據(jù)得到的，因此，并不能代表當(dāng)?shù)剡b感與地面照相物候觀測的一般特征。為了更加全面地評價遙感數(shù)據(jù)在監(jiān)測草原植被物候方面的有效性和準(zhǔn)確性，需要進(jìn)行多年和多樣地遙感與地面照相物候觀測數(shù)據(jù)的比較分析。

2.4 MODIS與TM／ETM＋反射率之間和植被指數(shù)之間的相關(guān)分析

MODIS＿500 m 和MODIS＿1000 m 紅 光、綠 光和藍(lán)光波段的反射率之間均呈顯著正相關(guān)關(guān)系（P＜0.01），且紅光波段反射率之間的相關(guān)系數(shù)最大（表4）。而MODIS與T M／ET M＋三波段反射率之間雖然也多呈顯著正相關(guān)關(guān)系（P＜0.05），但相關(guān)程度較低，且以藍(lán)光波段反射率之間的相關(guān)性最好，綠光波段反射率之間的相關(guān)性最差，其中，1 000 m 空間分辨率的MODIS與T M／ET M＋綠光波段反射率之間的相關(guān)系數(shù)未通過顯著性檢驗（P＞0.05）。

各種遙感植被指數(shù)之間的相關(guān)分析結(jié)果表明（表5），MODIS植被指數(shù)之間存在著顯著的正相關(guān)關(guān)系（P ＜0.01），相 關(guān) 系 數(shù) 均 接 近 于1；而T M／ET M＋植被指數(shù)與兩種MODIS 植被指數(shù)之間也存在著顯著正相關(guān)關(guān)系（P＜0.05），其中，RVI之間的相關(guān)系數(shù)最大，其次為NDVI，EVI之間的相關(guān)系數(shù)最小。

3 結(jié)論

本研究通過對錫林浩特草原1 k m×1 k m像元的全生長季節(jié)地面照相監(jiān)測和T M／ET M＋與MODIS遙感數(shù)據(jù)的收集，分析了2011年樣地照相觀測數(shù)據(jù)與不同數(shù)據(jù)源衛(wèi)星遙感數(shù)據(jù)在反射率、植被指數(shù)與綠度指數(shù)和反演得到的物候期方面的相關(guān)關(guān)系，以及不同遙感數(shù)據(jù)源反射率和植被指數(shù)之間的相關(guān)關(guān)系，得到以下結(jié)論：

表4 MODIS和TM／ETM＋反射率之間的相關(guān)系數(shù)Table 4 Correlation coefficient bet ween MODIS reflectance and TM／ETM＋reflectance

表5 遙感植被指數(shù)之間的相關(guān)系數(shù)Table 5 Correlation coefficient bet ween the vegetation indexes

1）MODIS遙感可見光波段反射率與地面照相觀測的平均亮度值之間呈顯著正相關(guān)，其中，較高空間分辨率的MODIS反射率和地面照相平均亮度值之間相關(guān)程度最高；而T M／ET M＋反射率與地面照相平均亮度值之間的相關(guān)不顯著。

2）遙感植被指數(shù)與地面綠度指數(shù)之間存在顯著的正相關(guān)關(guān)系，其中，500 m 空間分辨率的MODIS歸一化植被指數(shù)（NDVI）與地面照相相對綠度指數(shù)（G%）之間的相關(guān)程度最高。

3）根據(jù)500 m 空間分辨率的MODIS／NDVI遙感數(shù)據(jù)與地面照相G%數(shù)據(jù)所提取的不同變綠百分率（除10%變綠百分率外）的物候發(fā)生日期和變黃百分率的物候發(fā)生日期之間誤差在7 d以內(nèi)。

4）MODIS和T M／ET M＋數(shù)據(jù)的波段反射率之間和植被指數(shù)之間均存在顯著的正相關(guān)，且植被指數(shù)之間的相關(guān)系數(shù)大于波段反射率之間的相關(guān)系數(shù)，NDVI之間和RVI之間的相關(guān)性大于EVI之間的相關(guān)性。

［1］ Luo X Z，Chen X Q，Wang L X，Xu L，Tian Y H.Modeling and predicting spring land surface phenology of thedeciduous broadleaf forest in norther n China［J］.Agricultural and Forest Meteorology，2014，198：33－41.

［2］ Liang L，Sch wartz M D，F(xiàn)ei S.Validating satellite phenology t hrough intensive ground observation and landscape scaling in a mixed seasonal forest［J］.Remote Sensing of Envir on ment，2011，115（1）：143－157.

［3］ 張云霞，李曉兵，陳云浩.草地植被蓋度的多尺度遙感與實地測量方法綜述［J］.地球科學(xué)進(jìn)展，2003，18（1）：85－93.

［4］ 張云霞，李曉兵，張云飛.基于數(shù)字相機，ASTER 和MODIS影像綜合測量植被蓋度［J］.植物生態(tài)學(xué)報，2007，31（5）：842－849.

［5］ 趙冰茹，劉闖，劉愛軍，王正興.利用MODIS－NDVI進(jìn)行草地估產(chǎn)研究——以內(nèi)蒙古錫林郭勒草地為例［J］.草業(yè)科學(xué)，2004，21（8）：12－15.

［6］ Reed B C，Bro wn J F，van der Zee D，Loveland T R，Merchant J W，Ohlen D O.Measuring phenological variability fro m satellite i magery［J］.Journal of Vegetation Science，1994，5（5）：703－714.

［7］ Pu R，Gong P，Tian Y，Miao X，Carr uthers R I，Anderson G L.Using classification and NDVI differencing methods for monitoring sparse vegetation coverage：A case study of saltcedar in Nevada，USA［J］.International Journal of Remote Sensing，2008，29（14）：3987－4011.

［8］ Zhang X，F(xiàn)riedl M A，Schaaf C B，Strahler A H，Hodges J C，Gao F，Reed B，Huete A.Monitoring vegetation phenology using MODIS［J］.Remote Sensing of Environment，2003，84（3）：471－475.

［9］ 王宏，李曉兵，余弘婿.基于NOAA／AVHRR NDVI監(jiān)測中國北方典型草原的生長季及變化［J］.植物生態(tài)學(xué)報，2006，30（3）：365－374.

［10］ 劉愛軍，韓建國.天然草原生育期遙感估測方法研究——以錫林郭勒盟草原為例［J］.草業(yè)科學(xué)，2007，24（7）：1－5.

［11］ 游松財，宋春橋，柯靈紅，劉高煥，鐘新科.基于MODIS植被指數(shù)的藏北高原植被物候空間分布特征［J］.生態(tài)學(xué)雜志，2011，30（7）：1513－1520.

［12］ Liang L，Schwartz M D.Landscape phenology：An integrative approach to seasonal vegetation dynamics［J］.Landscape Ecology，2009，24（4）：465－472.

［13］ Fisher J I，Mustard J F.Cross－scalar satellite phenology fro m gr ound，Landsat，and MODIS data［J］.Remote Sensing of Environment，2007，109（3）：261－273.

［14］ Chen X Q，Tan Z J，Sch wartz M D，Xu C X.Deter mining the growing season of land vegetation on the basis of plant phenology and satellite data in Northern China［J］.International Journal of Biometeorology，2000，44（2）：97－101.

［15］ Chen X，Hu B，Yu R.Spatial and temporal variation of phenological growing season and cli mate change i mpacts in temperate easter n China［J］.Global Change Biology，2005，11（7）：1118－1130.

［16］ Fisher J I，Mustard J F，Vadeboncoeur M A.Green leaf phenology at Landsat resolution：Scaling fro m t he field to the satellite［J］.Remote Sensing of Environ ment，2006，100（2）：265－279.

［17］ Chen X Q，Luo X Z，Xu L.Comparison of spatial patterns of satellite－derived and ground－based phenology f or the deciduous broadleaf f orest of China［J］.Remote Sensing Letters，2013，4（6）：532－541.

［18］ Luo X Z，Chen X Q，Xu L，Myneni R，Zhu Z C H.Assessing perfor mance of NDVI and NDVI3g in monitoring leaf unf olding dates of the deciduous br oadleaf forest in norther n China［J］.Remote Sensing，2013，5（2）：845－861.

［19］ 任世龍，宜樹華，陳建軍，秦彧，王曉云.基于不同數(shù)碼相機和圖像處理方法的高寒草地植被蓋度估算的比較［J］.草業(yè)科學(xué)，2014，31（6）：1007－1013.

［20］ Sonnentag O，Huf kensc K，Teshera－Ster nea C，Young A M，F(xiàn)riedl M，Braswell B H，Milli man T，Keefe J，Richardson A D.Digital repeat photography f or phenological research in forest ecosystems［J］.Agricultural and Forest Meteorology，2012，152：159－177.

［21］ Richardson A D，Julian P.Use of digital webcam i mages to track spring green－up in a deciduous broadleaf forest［J］.Oecologia，2007，152（2）：323－334.

［22］ Richardson A D，Braswell B H，Hollinger D Y，Jenkins J P，Olinger S V.Near－surface remote sensing of spatial and temporal variation in canopy phenology［J］.Ecological Applications，2009，19（6）：1417－1428.

［23］ 胡春.內(nèi)蒙古自治區(qū)農(nóng)牧林業(yè)氣候資源［M］.呼和浩特：內(nèi)蒙古人民出版社，1985：28－39.

［24］ 《內(nèi)蒙古草地資源》編委會.內(nèi)蒙古草地資源［M］.呼和浩特：內(nèi)蒙古人民出版社，1990：2－12.