基于TM数据的雅鲁藏布江源区草地植被盖度估测
孙明1,2, 杨洋3, 沈渭寿2, 苏羡4
1.广西壮族自治区气象减灾研究所/国家气象卫星中心遥感应用试验基地,南宁 530022
2.环保部南京环境科学研究所,南京 210042
3.南京师范大学地理科学学院,南京 210046
4.广西北海市气象局,北海 536000
沈渭寿(1958-),男,研究员,博士生导师,主要从事生态环境保护与荒漠化防治研究。E-mail: shenweishou@163.com

第一作者简介: 孙明(1986-),男,助理工程师,主要从事无人机及遥感应用研究。E-mail: msunies@163.com

摘要

为了查明雅鲁藏布江源区的草地植被盖度,采用Landsat5 TM数据,以其派生数据 NDVI, RVI, VI3, PVI, DVI, MSAVI, SAVI, TM4 /TM5为主要分析因子,结合野外植被样地调查数据,选取相关性最高的因子与植被盖度实测值建立回归模型,然后利用该模型反演源区的植被盖度。研究结果表明:和其他几种遥感评价指标相比, TM4 /TM5的比值与草地植被盖度的相关性最高,与草地植被盖度实测值的变化趋势一致,在光谱特征上增强了不同退化程度草地植被的光谱反射值差异,最适宜用于草地植被盖度建模; ②雅鲁藏布江源区植被盖度的10个分级中,植被盖度为10%~20%的分布地区最多,面积达到4 322.15 km2,占全部草地面积的49.27%; 其次是植被盖度为0~10%和20%~30%的地区,面积分别达到2 238.53 km2和1 397.87 km2,分别占全部草地面积的25.52%和15.94%; 植被盖度高于50%的草地面积为195.96 km2,仅占源区草地总面积的2.23%; ③植被盖度大于50%的高覆盖度植被区主要分布于4 426~4 800 m高程范围内,面积达到186.25 km2,占整个源区高覆盖度草地面积的95.04%,这与源区的水分分布条件相关。

关键词: TM4 /TM5植被指数; 植被盖度; 遥感; 雅鲁藏布江源区
中图分类号:TP75Q948 文献标志码:A 文章编号:1001-070X(2012)03-0071-07 doi: 10.6046/gtzyyg.2012.03.14
Estimating Vegetation Coverage in the Source Region of Yarlung Zangbo River Based on TM Data
SUN Ming1,2, YANG Yang3, SHEN Wei-shou2, SU Xian4
1.Institute of Meteorological Disaster Mitigation of Guangxi / Remote Sensing Applying and Experiment Base of National Meteorological Satellite Center, Nanning 530022, China
2. Nanjing Institute of Environmental Sciences, Ministry of Environmental Protection, Nanjing 210042, China
3. School of Geographical Science, Nanjing Normal University, Nanjing 210046, China
4. Beihai Meteorological Bureau in Guangxi, Beihai 536000, China
Abstract

In order to find out the grassland coverage in the source region of the Yarlung Zangbo River, the authors selected the Landsat5 TM images as the data source, and adopted the derived data from TM such as NDVI, RVI, VI3, PVI, DVI, MSAVI, SAVI and TM4 /TM5 as the main factors. In combination with the field survey data of vegetation samples, the authors selected the factors of the highest correlation and the measured vegetation coverage values to construct the regression model, and calculated the vegetation coverage of the images with this model. Some conclusions have been drawn: ① compared with some other evaluation indices, TM4 /TM5 which is suitable for modeling has the highest correlation with grassland coverage, the change trend of TM4 /TM5 is consistent with the measured coverage and it enhances the difference of reflectance of degraded grassland on spectral characteristics; ② in the 10 grades of vegetation coverage, the largest size is the coverage from 10% to 20% and its area reaches 4 322.15 km2, which accounts for 49.27% of the total grassland area; the next is 10% to 20% and 20% to 30%, whose areas reach 2 238.53 km2 (accounting for 25.52% ) and 1 397.87 km2 (accounting for 15.94%) respectively. The area of the coverage above 50% is 195.96 km2 and accounts for 2.23% of the total grassland; ③ the high coverage grassland with coverage greater than 50% is mainly distributed in the elevation range from 4 426 m to 4 800 m, its area reaches 186.25 km2 and accounts for 95.04% of the total high coverage grassland, and it is related to the water distribution conditions.

Keyword: TM4 /TM5 vegetation index; vegetation coverage; remote sensing; source region of the Yarlung Zangbo River
0 引言

植被盖度是草原沙漠化评价、土地荒漠化监测与评价的重要指标之一[1, 2, 3, 4, 5, 6, 7, 8]。植被盖度的时空变化直接反映了特定区域环境的变化结果[9]。用传统的实地调查和地面样方实测等方法来估测区域植被盖度需耗费大量的人力和物力, 且野外调查过程中, 人工确定植被盖度还存在诸多不确定因素, 因此利用遥感数据快速统计植被盖度状况成为解决这一问题的重要方法。

雅鲁藏布江(以下简称雅江) 发源于喜马拉雅山北麓海拔5 590m的杰马央宗冰川。雅江源区是2001年国家环境保护部确定的10个国家级重要生态功能保护区建设试点之一, 其生态功能状况关系到中游西藏日喀则、拉萨等经济较发达地区以及下游大峡谷生物多样性重要地区的生态安全。源区地势高峻, 物理冻融侵蚀作用分布广泛, 地表多沙、植被稀疏, 山体坡面物质处于不稳定状态, 生态环境极其脆弱。随着高原气候变暖, 该区生态环境变化显著(如雪线上升、冻土退化、湿地干化和湖泊萎缩), 从而导致了草地不断退化、风沙化土地发育和蔓延明显。近20 a来, 源区土地沙化程度逐年加重[10, 11], 草地退化趋势明显。源区至今没有气象、水文等监测站点, 自然环境背景实测数据极为缺乏, 科研基础资料更是寥寥无几[12]。20世纪70— 80年代, 中国科学院青藏高原综合考察队对青藏高原进行了全面考察, 但出版的系列科考丛书中涉及源区的内容比较概略[13, 14, 15, 16]。20世纪80年代末期, 西藏自治区农委组织开展了以县为单位的土地利用调查、土壤普查、草地资源调查及草场等级评价, 源区各县的相关调查成果图成为该区域重要的基础资料[17]。为此, 对源区草地开展植被盖度遥感监测就显得尤为重要。

从目前利用遥感资料测量植被盖度的方法来看, 大致可归纳为3类: 经验模型法、植被指数法和亚像元分解法。相对于后2种方法, 经验模型法使用的时间较长。植被指数法和亚像元分解法是近年被日益广泛使用的方法[12, 18]。本文在对源区样地进行详细调查的基础上, 引入了对于干旱半干旱地区环境植被反映比较敏感的TM4/TM5因子, 对源区草地植被盖度进行反演, 这对于准确了解草地植被盖度的总体分布状况、把握源区草场沙化趋势具有重要意义, 为今后进一步研究奠定基础。

1 研究区概况

雅江源区位于E81° 05'07″~84° 30'20″, N29° 09'30″~30° 58'12″之间, 西起杰马央宗冰川, 南北分别至喜马拉雅山和冈底斯山分水岭, 东至仲巴县与萨嘎县行政界线。西、南、北均以河流分水岭为界的马泉河流域, 是世界上最高的江河源。喀则地区仲巴县占雅江源区全区面积的94.27%[19], 阿里地区所占面积较小。据雅江源区周边日喀则、普兰、改则和狮泉河等4个基本气象站点的1973— 2007年气象资料分析, 雅江源区年降水量206.12 mm, 日平均气温2.77℃, 年平均风速2.92 m/s, 年日照时数3 295.16 h。该区呈典型的高原寒冷干旱、半干旱气候, 具有光照充足、辐射强度大、干湿季节明显、夏季凉爽和冬季严寒等特点。马泉河谷发育着宽阔平坦的冲积平原, 基本都是牧区。在帕羊以下河谷两侧分布着大面积的由蒿草组成的沼泽化草甸, 这是该区优良的冬春牧场; 帕羊以上, 沼泽化草甸渐趋消失, 高寒草原代之, 广泛分布着紫花针茅和蒿属植物, 是该区主要的夏季牧场[10]

2 研究方法
2.1 野外调查

根据源区植被分布范围, 于2010年7月下旬沿219国道对源区开展了一次野外调查。调查涉及的植被类型包括固沙草草原、藏北嵩草草甸、三角草、矮嵩草和小嵩草混生草甸以及金露梅灌丛。源区很多地区出现了流动沙丘逐渐蚕食草场等沙化现象。为全面了解源区草地的沙化趋势, 选取51个不同沙化程度的草地作为样地, 每个样地大小为1m× 1m。调查记录了不同样地的经纬度坐标、海拔高度、建群种高度、植被盖度以及土壤水分等信息, 并拍摄了照片。由于受野外条件的限制, 样地植被盖度的调查主要采用目视估测方法。考虑到目视方法存在较大的主观性, 因此在后期处理中, 对每个样地的照片进行了网格化处理, 并制定了统一标准进行估算, 从而得出每个样地较为精确的植被盖度实测数据。

2.2 遥感数据源及其预处理

由于源区植被覆盖度具有明显的时空分异特征, 且7— 8月份是源区草地生长的旺季, 因此该地区遥感图像的最佳成像时间应选择在7— 9月份间[18]。考虑到遥感数据的成像质量、图像覆盖范围以及与野外样地测量时间的匹配程度, 本文选用了2009-08-01成像的轨道号/行号为143/39的Landsat5 TM图像作为主要遥感数据源, 辅以2009-10-13和2009-06-07时相的2景TM图像(142/39和142/40), 然后利用ERDAS和ENVI软件对其进行辐射校正、大气校正和几何精纠正, 为源区草地植被盖度的反演提供基础资料。

2.3 研究方法

以野外样地调查为基础, 通过分析后选用一系列对植被信息比较敏感的遥感评价指标, 包括归一化植被指数(NDVI)、比值植被指数(RVI)、差值植被指数(DVI)、垂直植被指数(PVI)、土壤调节植被指数(SAVI)、修改型土壤调节植被指数(MSAVI)、中红外植被指数(VI3)和TM4/TM5比值数据。

首先, 根据样地的经纬度坐标, 提取对应不同类型的遥感评价指标, 并将这些遥感评价指标与植被盖度实测值进行相关性分析, 比较相关系数; 其次, 选取相关性最高的遥感评价指标(本文最终选用TM4/TM5比值数据), 并与植被盖度实测值构建反演模型, 对模型进行精度检验; 然后, 利用通过精度检验的模型和遥感图像, 对源区植被盖度进行反演计算; 最后, 在ArcGIS平台上将反演的植被盖度数据转化为矢量数据, 并对其进行分级, 最终得到源区草地植被盖度的分级图。技术路线如图1所示。

图1 实验技术流程Fig.1 Flow chart of the test technology

3 结果与分析
3.1 遥感评价指标提取

在前人研究的基础上[20], 经过反复试验, 利用TM数据生成对植被信息比较敏感的系列评价指数(NDVI, RVI, DVI, PVI, SAVI, MSAVI, VI3以及TM4/TM5), 并根据对应的样地坐标, 基于遥感图像数据提取出上述植被指数(表1)。

表1 部分采样点对应的几种植被指数数据 Tab.1 Different kinds of vegetation indices of some samples
3.2 遥感评价指标相关性分析

研究表明各种植被指数与草地生长末期地上总生物量关系密切, 并且不同植被指数、不同波段、不同波段运算得出的光谱指数与草地生物量相关性也有差异[21]。为此需要对草地植被盖度实测值与Landsat TM派生的植被指数之间的相关性进行分析, 最终找出与草地植被盖度相关性最大的指数, 建立能快速获取草地植被变化信息的遥感模型。

将草地盖度实测数据与对应样地的各种植被指数及TM4/TM5指数进行相关性分析, 结果如表2所示。

表2 草地盖度实测数据与植被指数的相关性 Tab.2 Correlation between measured data of grassland coverage and vegetation index

表2可见, 不同指数相关性排序为: TM4/TM5> VI3> RVI> NDVI> SAVI> DVI> PVI> MSAVI

将实测值与TM4/TM5值的变化趋势绘制成曲线。通过对比发现, 二者之间的变化趋势基本同步(图2)。

图2 草地植被盖度与TM4/TM5曲线Fig.2 Curve of grassland vegetation coverage and TM4/TM5

为了比较不同植被指数与TM4/TM5指数区别, 本文选取几种典型草类: 藏北嵩草、固沙草、矮嵩草和小嵩草混生草甸、三角草以及金露梅, 根据样地坐标提取相应的遥感图像亮度值, 绘制不同草类的光谱特征曲线(图3)。从图3可以看出, 5种主要草类的TM5波段反射光谱值相对较高; 藏北嵩草受生境影响, 土壤含水量较高, TM5波段光谱反射值相对其他草类较低。

图3 不同草地类型光谱特征曲线Fig.3 Spectral characteristic curves of different grassland types

为了进一步验证TM4/TM5指数的适用性, 本文选取中度沙化和重度沙化2种草地类型, 提取2种样地的遥感图像亮度值, 绘制光谱特征曲线(图4)。

图4 不同沙化等级草地的光谱特征曲线Fig.4 Spectral characteristic curve of grassland of different desertification grades

图4可以看出, 雅江源区草地在TM5波段具有高反射值, 并且沙化越严重, TM5波段的反射值越高。TM5波段(1.55~1.75μ m)处在以1.45μ m和1.95μ m为中心的水吸收带之间, 含水量反映敏感; 植物叶片在TM5波段的反射率主要受含水量控制, 叶片含水量越小, 入射能量中被叶片吸收的部分就越少。源区为典型的高原寒冷干旱、半干旱气候区。与湿润地区的草地相比, 源区草地的土壤湿度、植物叶片的绝对含水量都要低很多, 因而在TM5波段的反射亮度值相对较高; 而TM4是绿色植物最敏感的波段, 草地植被长势越好, TM4波段的反射光谱值越高, 反之, 草地沙化越严重, TM4波段反射光谱值越低。传统的比值植被指数主要利用TM3和TM4波段的数学运算来增强植被信息, 但在雅江源区的应用效果较差; 而TM4/TM5的比值运算增强了不同退化(沙化)程度草地植被的反射光谱值的差异, 从光谱特征角度看, 更适用于源区草地信息的提取。

3.3 植被盖度估测模型构建

3.3.1 最佳模型选择

TM4/TM5比值作为自变量, 植被盖度作为因变量, 将样地数据分为2组, 第一组样地数据(41个)参与分析, 第二组(10个)进行精度检验; 然后利用第一组样地数据通过SPASS构建回归模型, 对草地植被盖度与TM4/TM5的关系进行回归分析, 拟合结果如表3所示。

表3 草地植被盖度与TM4/TM5的线性与非线性拟合模型参数表 Tab.3 Parameters table of linear and nonlinear fitting model of grassland vegetation coverage and TM4/TM5

表3可以看出, 草地植被盖度和TM4/TM5评价指标之间有6个回归模型, 回归模型中, R2最高的是一元三次函数模型, 其次为抛物线模型, 但这2个模型的F检验值很低。就TM4/TM5与草地植被盖度的相关分析而言, 最适合用于草地植被盖度拟合反演的是线性模型, 不仅R2值较高(0.409), 且F检验值也最大(27.003)。

根据以上分析可见, 以TM4/TM5为自变量的线性函数拟合草地植被盖度变化的效果比较好, 利用SPASS统计软件进行线性回归分析, 得出

y=0.509x-0.315(1)

线性回归模型。式中: y为草地植被盖度; xTM4/TM5; 相关系数R2=0.64。

3.3.2 遥感评价模型的检验

利用第二组10个样地的植被盖度数据对植被盖度的遥感评价模型进行预测和检验, 即计算相应的相关系数R2、均方根差RMSE以及相对误差E, 并将它们作为模型精度的评价标准。

由线性和非线性回归模型估计出的拟合结果的精度可用均方根差(RMSE)来评价, 即

RMSE= i=1n(Ti-T¯i)2/n, (2)

式中: TiT¯i分别为实测值和预测值; n为样本数量。均方根差越小, 表明拟合结果越好。

分析结果的准确度可用相对误差(E)表示, 即

E=(Ti- T¯i)/ T¯i× 100%。 (3)

误差越小, 表示分析结果越接近真实值。

R2表示回归分析趋势线的预测值与对应的实测数据之间的拟合程度, 取值范围为0~1 , 当趋势线的R2等于1或接近1时, 其可靠性最高。

图5可见, 草地植被盖度的实测值和遥感预测值的拟合精度较高, 该模型拟合结果的RMSE为0.074, E为19.6%, 草地植被盖度模型验证精度可达0.91, 模型整体预测精度较高, 有一定的实用性。

图5 草地植被盖度模型验证结果Fig.5 Results of grassland vegetation coverage model validation

3.4 草地植被盖度分布特征

将反演模型应用于雅江源区, 利用该区遥感图像进行草地植被盖度的定量估测, 然后借助ArcGIS将反演后的栅格数据转化为矢量, 并将植被盖度分为10级, 每一级按10%植被盖度递增, 得到源区草地(143/39、142/39和142/40景图像)植被盖度分布图(图6)。

图6 雅鲁藏布江源区草地植被盖度分布Fig.6 Distribution of grassland vegetation coverage in the source region of the Yarlung Zangbo River

3.4.1 总体分布特征

图6可看出, 马泉河谷宽谷段植被盖度较高, 河谷两侧广泛分布着沼泽草甸, 植被类型主要以藏北嵩草、矮嵩草为主, 该地区土壤水分充足, 植被长势普遍较好, 因而植被盖度均在50%以上; 随着海拔高度的上升, 植被类型变为以稀疏植物群落和灌丛为主, 土壤水分条件较差, 沙化较严重, 植被盖度相对较低, 普遍在30%以下。植被盖度图与源区草地分布情况相符, 该模型基本能够准确反映源区植被盖度的分布情况。

3.4.2 高程分布特征

草地植被盖度与地质、地形地貌、土壤以及人为活动等因素有密切关系。但是雅江源区至今尚无水文、气象等站点, 科研基础资料匮乏, 海拔高程差异大, 因此本文仅从高程分布特征上探讨草地植被盖度的分异特征。

对源区海拔高程4 426~4 600m, 4 600~4 800m, 4 800~5 000m, 5 000m以上的等级进行划分; 植被盖度以10%的间隔共分为10个等级; 将草地植被盖度分布数据和DEM进行叠加, 统计分析得到各个高程等级上不同植被盖度的土地分布面积(表4)。

表4 雅鲁藏布江源区不同等级的植被盖度面积 Tab.4 Grassland coverage area of different grades in the source region of the Yarlung Zangbo River(km2)

表4可看出, 2009年雅江源区植被面积8 772.21 km2, 占源区总面积的33.29%; 10个植被盖度分级中, 植被盖度分布最多的为10%~20%等级, 面积达4 322.15 km2, 占全部草地面积的49.27%; 其次为0~10%和20%~30%植被盖度等级, 面积分别达2 238.53 km2和1 397.87 km2, 占全部草地面积的25.52%和15.94%; 植被盖度高于50%的草地面积为195.96 km2, 仅占源区草地总面积的2.23%。植被盖度大于50%的高覆盖度植被区主要分布于4 426~4 800 m的高程范围内, 这部分植被区的面积达186.25 km2, 占整个源区高覆盖度草地面积的95.04%, 这与源区的水分分布有关。

4 结论

1)雅江源区草地植被盖度实测值与对应的TM4/TM5值变化趋势一致, 与其他7种植被指数相比, TM4/TM5增强了不同退化程度草地植被的反射光谱值的差异, 以TM4/TM5为指标构建草地植被盖度遥感反演模型是合理的; 从光谱特征角度看, TM4/TM5更适用于雅江源区这种干旱、半干旱地区草地植被盖度的定量反演。

2)以野外样地调查为基础, 分析基于TM遥感图像的不同评价因子, 筛选出影响植被盖度预测的主要因子TM4/TM5, 建立了以像元为单位的植被盖度预测模型, 实现了雅江源区遥感植被盖度的定量化预测, 为科学、快速评价草地植被盖度提供了一种新思路。模型的整体预测精度较高, 均方根差为0.074, 相对误差为19.6%, 草地植被盖度模型验证精度达到0.91。

3)试验区设置样地基本涵盖了雅江源区的主要草地类型, 具有典型性和代表性; 建立的草地植被盖度反演模型在雅江源区具有普适性。本文构建的草地植被盖度反演模型为今后该区生态退化等研究提供了基础。

4)2009年源区草地面积共8 772.21 km2, 占源区草地总面积的33.29%。按草地植被盖度分级统计, 面积最大的植被盖度等级为10%~20%, 其次为0~10%和20%~30%; 从高程等级统计来看, 植被盖度大于50%的高覆盖度植被区主要分布于4 426~4 800 m的高程等级范围内, 这部分植被地区面积达到186.25 km2, 占整个源区高覆盖度草地面积的95.04%。

The authors have declared that no competing interests exist.

参考文献
[1] 陈杰, 龚子同, 高尚玉. 干旱地区草场荒漠化及其评价[J]. 地理科学, 2000, 20(2): 176-181.
Chen J, Gong Z T, Gao S Y. Range Desertification in the Arid Areas and Its Assessment[J]. Scientia Geographica Sinica, 2000, 20(2): 176-181(in Chinese with English Abstract). [本文引用:1]
[2] 丁国栋, 赵廷宁, 范建友, . 荒漠化评价指标体系研究现状述评[J]. 北京林业大学学报, 2004, 26(1): 92-96.
Ding G D, Zhao Y N, Fan J Y, et al. Analysis on Development of Desertification Assessment Indicator System[J]. Journal of Beijing Forestry University, 2004, 26(1): 92-96(in Chinese with English Abstract). [本文引用:1]
[3] Eastwood J A, Yates M G, Thomson A G, et al. The Liability of Vegetation in Dices for Monitoring Salt Marsh Vegetation Cover[J]. International Journal of Remote Sensing, 1997, 20(18): 3901-3907. [本文引用:1]
[4] 高尚武, 王葆芳, 朱灵益, . 中国沙质荒漠化土地监测评价指标体系[J]. 林业科学, 1998, 34(2): 1-9.
Gao S W, Wang B F, Zhu L Y, et al. Monitoring and Evaluation Indicator System on Sand y Desertification of China[J]. Scientia Silvae Sinicae, 1998, 34(2): 1-9(in Chinese with English Abstract). [本文引用:1]
[5] Gutman G, Ignalov A. The Derivation of the Green Vegetation Fraction from NOAA/AVHRR Data for Use in Numerical Weather Prediction Models[J]. International Journal of Remote Sensing, 1998, 21(8): 1533-1543. [本文引用:1]
[6] 海春兴, 刘宝元, 赵烨. 土壤湿度和植被盖度对土壤风蚀的影响[J]. 应用生态学报, 2002, 13(8): 1057-1058.
Hai C X, Liu B Y, Zhao Y. Influence of Soil Humidity and Vegetation Coverage on Wind Erosion[J]. Chinese Journal of Applied Ecology, 2002, 13(8): 1057-1058(in Chinese with English Abstract). [本文引用:1]
[7] 王葆芳. 国内外沙漠化监测评价指标体系概述[J]. 林业科技通讯, 1997(1): 4-8.
Wang B F. Brief Review on the Overseas Monitoring Evaluation Indexes System of Desertification[J]. Forest Science and Technology, 1997(1): 4-8(in Chinese). [本文引用:1]
[8] 刘同海, 吴新宏, 董永平. 基于TM影像的草原沙漠化植被盖度分析研究[J]. 干旱区资源与环境, 2010, 24(2): 141-144.
Liu T H, Wu X H, Dong Y P. Analysis on Vegetation Coverage of Grassland Desertification Based on TM Image[J]. Journal of Arid Land Resources and Environment, 2010, 24(2): 141-144(in Chinese with English Abstract). [本文引用:1]
[9] 倪忠云, 何政伟, 赵银兵, . 汶川地震前后都江堰植被盖度变化的遥感研究[J]. 水土保持研究, 2009, 16(4): 45-48.
Ni Z Y, He Z W, Zhao Y B, et al. Study on Vegetation Coverage Changes in Dujiangyan Before and After Wenchuan Earthquake[J]. Research of Soil and Water Conservation, 2009, 16(4): 45-48(in Chinese with English Abstract). [本文引用:1]
[10] 孙明, 沈渭寿, 李海东, . 雅鲁藏布江源区风沙化土地演变趋势[J]. 自然资源学报, 2010, 25(7): 1163-1171.
Sun M, Shen W S, Li H D, et al. Traits and Dynamic Changes of the Aeolian Sand y Land in the Source Region of the Yarlung Zangbo River in Tibet[J]. Journal of Natural Resources, 2010, 25(7): 1163-1171(in Chinese with English Abstract). [本文引用:2]
[11] 杨逸畴. 雅鲁藏布江河谷风沙地貌的初步观察[J]. 中国沙漠, 1984, 4(3): 12-16.
Yang Y C. Aeolian Land form on the Banks of River Valley-Case Study in Yalutsangpo River Valley[J]. Journal of Desert Research, 1984, 4(3): 12-16(in Chinese with English Abstract). [本文引用:1]
[12] 孙明, 沈渭寿, 谢敏, . 基于光谱特征的雅鲁藏布江源区草地类型识别[J]. 国土资源遥感, 2012(1): 83-89.
Sun M, Shen W S, Xie M, et al. The Identification of Grassland Types in the Source Region of the Yarlung Zangbo River Based on Spectral Features[J]. Remote Sensing for Land and Resources, 2012(1): 83-89(in Chinese with English Abstract). [本文引用:2]
[13] 中国科学院青藏高原综合科学考察队. 青藏高原科学考察丛书. 西藏植被[M]. 北京: 科学出版社, 1988: 261, 311-313.
Qinghai-Tibet Plateau Comprehensive Scientific Investigation Team, Chinese Academy of Science. The Series of the Scientific Expedition to the Qinghai-Xizang Plateau Forest of Tibet[M]. Beijing: Science Press, 1988: 261, 311-313(in Chinese). [本文引用:1]
[14] 中国科学院青藏高原综合科学考察队. 青藏高原科学考察丛书. 西藏草原[M]. 北京: 科学出版社, 1992: 21-23.
Qinghai-Tibet Plateau Comprehensive Scientific Investigation Team, Chinese Academy of Science. The Series of the Scientific Expedition to the Qinghai-Xizang Plateau Tibetan Grassland s[M]. Beijing: Science Press, 1992: 21-23(in Chinese). [本文引用:1]
[15] 中国科学院青藏高原综合科学考察队. 青藏高原科学考察丛书, 西藏土壤[M]. 北京: 科学出版社, 1985: 298.
Qinghai-Tibet Plateau Comprehensive Scientific Investigation Team, Chinese Academy of Science. The Series of the Scientific Expedition to the Qinghai-Xizang Plateau Soils of Xizang(Tibet)[M]. Beijing: Science Press, 1985: 298(in Chinese). [本文引用:1]
[16] 中国科学院青藏高原综合科学考察队. 青藏高原科学考察丛书, 西藏冰川[M]. 北京: 科学出版社. 1986: 106-107.
Qinghai-Tibet Plateau Comprehensive Scientific Investigation Team, Chinese Academy of Science. The Series of the Scientific Expedition to the Qinghai-Xizang Plateau Glacier of Xizang[M]. Beijing: Science Press, 1986: 106-107(in Chinese). [本文引用:1]
[17] 何萍, 郭柯, 高吉喜, . 雅鲁藏布江源头区的植被及其地理分布特征[J]. 山地学报, 2005, 23(3): 267-273.
He P, Guo K, Gao J X, et al. Vegetation Types and Their Geographic Distribution in the Source Area of the Yarlung Zangbo[J]. Journal of Mountain Research, 2005, 23(3): 267-273(in Chinese with English Abstract). [本文引用:1]
[18] 王宏, 李晓兵, 龙慧灵, . 整合1982—1999年NDVI与降雨量时间序列模拟中国北方温带草原植被盖度[J]. 应用基础与工程科学学报, 2008, 16(4): 525-536.
Wang H, Li X B, Long H L, et al. Simulating Vegetation Fractional Coverage for Temperate Grassland in Northern China Combining NDVI with Precipitation Time Series from 1982 to 1999[J]. Journal of Basic Science and Engineering, 2008, 16(4): 525-536(in Chinese with English Abstract). [本文引用:2]
[19] 李海东, 沈渭寿, 邹长新, . 雅鲁藏布江源区土壤侵蚀特征[J]. 生态与农村环境学报, 2010, 26(1): 25-30.
Li H D, Shen W S, Zou C X, et al. Soil Erosion in the Source Area of the Yarlung Zangbo in China[J]. Journal of Ecology and Rural Environment, 2010, 26(1): 25-30(in Chinese with English Abstract). [本文引用:1]
[20] 李辉霞, 鄢燕, 刘淑珍, . 西藏高原草地退化遥感分析-以藏北高原典型区为例[M]. 北京: 科学出版社, 2008: 75-99.
Li H X, Yan Y, Liu S Z, et al. Study on Remote Sensing of Grassland Degeneration in the Xizang Plateau[M]. Beijing: Science Press: 2008: 75-99(in Chinese). [本文引用:1]
[21] Tucker C J, Sellers P J. Satellite Remote Sensing of Primary Production[J]. International Journal of Remote Sensing, 1986, 7(11): 1395-1416. [本文引用:1]