Remote Sensing Estimation for Light Use Efficiency of Phragmites australis Based on Landsat OLI over Typical Wetlands
-
摘要: 大尺度植被光能利用率（light use efficiency，LUE）的快速准确获取一直是限制植被生产力估算及相关研究的难题。当前LUE的研究存在取值不准、方法复杂、精度不高等问题，而遥感数据时间连续、空间尺度大、易获取的优势为LUE的准确估算提供了可能。以东北地区典型的芦苇湿地为研究对象，利用多时相遥感影像Landsat OLI（operational land imager）与植被指数，通过分析LUE、植被指数与植被叶绿素含量之间的关系，探讨利用遥感植被指数实现湿地植被LUE准确估算的可行性。结果表明：除增强植被指数（enhanced vegetation index，EVI）外，其余植被指数均有较强的芦苇湿地表征能力。LUE与叶绿素及植被指数之间存在密切关系，其中归一化植被指数（normalized difference vegetation index，NDVI）对LUE的敏感性最高（P < 0.01；R2=0.62），是本研究中表征芦苇LUE的最佳指数。研究验证了以叶绿素作为中间变量，借助遥感植被指数实现LUE便捷高效反演的理论假设，可为大尺度湿地植被生产力及碳循环等研究提供方法参考和思路借鉴。
-
关键词:
- 光能利用率 /
- 植被指数 /
- Landsat OLI /
- 芦苇湿地 /
- 面向对象分类方法
Abstract: As a key parameter in monitoring vegetation productivity by remote sensing driven model, rapid and accurate acquisition of vegetation light use efficiency (LUE) in large area has been a key problem. Selecting typical Phragmites australis wetland in Northeast China as study area, multitemporal Landsat OLI (operational land imager) image and the object-oriented classification method were used to extract Phragmites australis wetland. Based on the principle of vegetation physiology and ecology, the relationship among LUE, vegetation indexes and chlorophyll content was analyzed, the feasibility of accurate estimation of LUE for wetland vegetation by spectral vegetation index was discussed. Results show that areas of Phragmites australis wetland in Qixinghe Wetland, Chagan Lake Wetland and Shuangtai Estuary Wetland were 122.19, 75.29 and 439.61 km2, respectively, and overall classification accuracy was more than 82%. With the exception of EVI (enhanced vegetation index), other six vegetation indices showed the same spatial pattern characteristics with those of three wetlands. Totally, values of vegetation indices for different land covers were: cultivated land > Phragmites australis > other wetland vegetation > water body. There exists close relationship among LUE, chlorophyll and vegetation index. NDVI (normalized difference vegetation index) was most sensitive to LUE (P < 0.01;R2=0.62), which was the best one to characterize LUE of Phragmites australis in this study. This study verified the theoretical hypothesis that LUE could be inversed efficiently by remote sensing vegetation index taking chlorophyll as the intermediate variable, which can provide references for the study of vegetation productivity and carbon cycle on regional scale. -
目前，北斗导航卫星系统(BDS)已实现局域覆盖，随着系统建设的不断完善和应用的不断拓展，与之相关的各类数据处理软件的开发成为重要的研究内容。因此，自主开发北斗高精度数据处理软件，成为发展高精度位置服务的迫切任务[1-8]。因北斗导航卫星系统与GPS在星座构造、坐标框架、时间系统、信号频率等方面具有明显差异[9-15]，现有的高精度GPS数据处理软件无法直接处理北斗数据。本文针对北斗高精度数据处理的系统设计、数据流、功能模块及高精度算法实现等进行了研究，研制开发了一套高精度北斗基线解算软件BGO(BeiDou Navigation Satellite System/Global Positioning System Office)，并将其用于高速铁路高精度控制测量建网。通过与商业软件TGO(Trimble Geomatics Office)和TBC(Trimble Business Center)，及高精度科研软件Bernese进行对比测试、性能分析，验证了该软件的正确性和有效性。
1 系统的设计与模块算法的实现
1.1 系统设计与数据流分析
北斗和GPS基线解算软件主要包含北斗基线处理、GPS基线处理及联合基线处理3大模块。各模块间相互独立，但使用相同的数据结构，且数据流基本一致。数据处理流程如图 1所示。
基线解算之前，需选择有效双频观测数据，具体包含低高度角卫星剔除、观测值粗差剔除、星历未获取观测数据剔除等。剔除质量较差的观测数据可通过可视化的方式实现。通过双频数据组合有效消除电离层延迟影响，伪距消电离组合能算出测站精确至10 m内的概略位置，从而形成网络拓扑图，便于用户查看站点的平面分布。基线解算时，北斗与GPS独立系统数据处理算法相同；联合处理需选择统一的坐标和时间框架，随着多余观测数的增加，还需设置合理的模糊度固定限值。基线解算后，进行网平差，应剔除不合格基线，直至平差结果满足要求。
1.2 高精度基线解算算法实现
高精度基线解算利用双差观测量建立误差方程，北斗双差观测量构造如式(1)：
$$ \mathit{\Delta} \nabla L^{{C_m}{C_n}}_{{S_i}{S_j}} = \left( {L^{{C_n}}_{{S_j}} - L^{{C_n}}_{{S_i}}} \right) - \left( {L^{{C_m}}_{{S_j}} - L^{{C_m}}_{{S_i}}} \right) $$ (1) 式中，Δ▽L表示双差观测量；Si和Sj表示任意站点；Cm和Cn表示任意北斗卫星。
依据式(1)构建的双差观测量，建立误差方程，如式(2)：
$$ \left[ \begin{array}{l} \mathit{\Delta} \nabla \boldsymbol{\varPhi} \\ \mathit{\Delta} \nabla \boldsymbol{P} \end{array} \right] = \boldsymbol{BX} + \boldsymbol{A}\mathit{\Delta} \nabla \boldsymbol{N} + \boldsymbol{V} $$ (2) 式中，Δ▽Φ和Δ▽P分别表示卫星载波相位和伪距双差观测量；X表示基线向量；Δ▽N表示双差整周模糊度；B和A为系数阵；V为残差向量。
利用式(2)构建的误差方程，解算基线向量和双差整周模糊度浮点解。利用LAMBAD方法[16, 17]固定双差整周模糊度后去除。再利用载波相位观测值获取高精度基线向量结果。基线解算过程中，主要利用抗差估计的切比雪夫多项式拟合法[18]及MW-GF组合法[19]探测与修复周跳。
对北斗和GPS双系统基线解算，只需将各系统的双差观测量误差方程叠加后平差计算，即可实现双系统联合基线解算。但需注意，星间差分需选择同一系统卫星，否则会引入系统间信号硬件延迟[20]，影响双差整周模糊度的固定。另外，北斗和GPS在时间框架、坐标框架等存在一定差异，双系统联合解算需保证框架的统一。
北斗和GPS时间转换公式如式(3)：
$$ {t_C} = {t_G}-14\;{\rm{s}} $$ (3) 式中，tC和tG分别表示北斗时和GPS时，两者均为原子时，起算原点不同[13]。
北斗和GPS坐标转换公式如式(4)：
$$ \begin{array}{c} \left[ {\begin{array}{*{20}{c}} {{X_C}}\\ {{Y_C}}\\ {{Z_C}} \end{array}} \right] = \left[ {\begin{array}{*{20}{c}} {{X_G}}\\ {{Y_G}}\\ {{Z_G}} \end{array}} \right] + \left[ {\begin{array}{*{20}{c}} {{T_X}}\\ {{T_Y}}\\ {{T_Z}} \end{array}} \right] + \\ \left[ {\begin{array}{*{20}{c}} D&{ - {R_Z}}&{{R_Y}}\\ {{R_Z}}&D&{ - {R_X}}\\ { - {R_Y}}&{{R_X}}&D \end{array}} \right]\left[ {\begin{array}{*{20}{c}} {{X_G}}\\ {{Y_G}}\\ {{Z_G}} \end{array}} \right] \end{array} $$ (4) 式中，北斗坐标(XC，YC，ZC)与GPS坐标(XG，YG，ZG)可通过七参数TX、TY、TZ、D、RX、RY、RZ进行转换。北斗CGCS2000坐标系采用ITRF97框架2000历元的坐标和速度场，当前GPS WGS84坐标和ITRF08基本一致。因此，可利用ITRF97框架2000历元与ITRF08间转换的七参数(ITRF网站公布)实现北斗与GPS坐标框架的统一[11, 12]。
2 BGO数据处理实例与性能测试
2.1 高速铁路CPI控制网基线解算
处理高速铁路CPI控制网时，通过读取观测文件和星历文件，单点定位生成控制网的基线网络拓扑图，如图 2所示。基线解算前，设置相关参数包括卫星截止高度角、误差限差参数、框架、对流层模型、电离层模型、模糊度Ratio值、同步最小观测历元数等。设置完成后，可选择北斗、GPS、联合3种模式进行基线解算。基线解算完成后，软件界面中将显示解算的基线分量及其精度，并可显示残差向量检核基线解算效果。
2.2 BGO、TGO、Bernese软件处理GPS基线结果比较
为了测试BGO解算GPS基线的正确性，将其与TGO和Bernese软件处理结果进行了比较，得到57条GPS基线(基线最长6 667 m，最短446 m)的比较结果，如图 3所示。
![]()
图 3 BGO、TGO、Bernese软件处理GPS基线分量比较Figure 3. Comparing GPS Baseline Components from BGO, TGO and Bernese Software图 3(a)、3(b)分别表示BGO软件与TGO、Bernese软件处理GPS基线分量的差值ΔX、ΔY、ΔZ。图 3(a)中，BGO和TGO有52条基线在X、Y、Z方向的分量差值均在2 cm内，有48条基线各分量差值在mm级。TGO解算少量基线验后方差分量超限，与BGO基线分量差值较大。图 3(b)中，BGO和Bernese有55条基线在X、Y、Z方向的分量差值均在2 cm内，有49条基线各分量差值在mm级。
图 4(a)~4(c)分别表示BGO、TGO、Bernese软件处理GPS基线的内符合精度σX、σY、σZ(BGO、TGO、Bernese软件基线解算精度分别精确至0.1 mm、1 mm和0.1 mm)。整体上，约90%的基线3个软件的解算精度相当。
![]()
图 4 BGO、TGO、Bernese的GPS基线内符合精度比较Figure 4. Comparing GPS Baseline Precision from BGO, TGO and Bernese Software2.3 BGO、TBC软件处理北斗与GPS联合基线结果
为了测试BGO解算北斗与GPS联合基线的性能，本文选用美国Trimble的商业软件TBC与之进行比较。同上57条基线，每条基线观测数据均包含北斗与GPS观测数据。图 5展示了BGO和TBC处理北斗与GPS联合基线分量的差值ΔX、ΔY、ΔZ。图 5可见，98%的基线分量差值分布在mm级，表明BGO软件处理联合基线能达到与TBC软件相当的水平。另外，两者内符合精度绝大部分均在mm级，故图 5中未加以比较。
![]()
图 5 BGO与TBC软件处理北斗与GPS联合基线分量比较Figure 5. Comparing BDS and GPS Combined Baseline Components from BGO and TBC Software由此可知，BGO软件处理GPS基线、北斗与GPS联合基线的内外符合精度能达到TGO、Bernese、TBC相当的水平。因此，以BGO软件处理GPS、北斗与GPS联合基线结果为参考值，分析该软件处理北斗基线结果的正确性和可靠性，如图 6和图 7所示。图 6比较了北斗与GPS、联合基线分量的差值，图 7比较了北斗、GPS、联合基线解算的内符合精度。
![]()
图 6 BGO软件处理北斗与GPS、联合基线分量比较Figure 6. Comparing BDS, GPS and BDS/GPS Combined Baseline Components from BGO Software![]()
图 7 北斗、GPS、联合基线解的内符合精度统计Figure 7. The Statistics of Precision of BDS, GPS and BDS/GPS Combined Baseline Solutions图 6(a)表示BGO软件处理北斗与GPS基线分量的差值ΔX、ΔY、ΔZ，其中有43条基线在X、Y、Z方向上的分量差值Δx、Δy、Δz在2 cm内，有31条基线在X、Y、Z方向上的分量差值在mm级。图 6(b)表示BGO软件处理北斗与联合基线分量的差值，其中有54条基线在X、Y、Z方向上的分量差值在2 cm内，有38条基线在X、Y、Z方向上的分量差值在mm级(图 6中第6条基线北斗为浮点解，各分量差值结果较大，图中置为0)。
图 7中，93%的联合基线在X、Y、Z方向上的分量精度分别优于0.5 mm、1 mm、0.5 mm；约90%的北斗基线和95%的GPS基线在X、Y、Z方向上的分量精度分别优于1 mm、2 mm、1 mm。由北斗、GPS、联合基线3者精度比较可知，在北斗试运行阶段，GPS基线内符合精度略优于北斗，北斗与GPS联合系统基线内符合精度明显高于独立系统。
2.4 BGO基线网平差及其精度分析
BGO具备网平差功能，根据网平差后的基线分量改正数、相对中误差、点位精度等判断基线解算结果的可靠性。对上述解算的北斗、GPS、联合基线分别进行无约束网平差。
北斗、GPS、联合基线无约束网平差的平差改正数δX、δY、δZ绝大部分在±1 cm内，如图 8(a)~8(c)所示。最弱边相对中误差优于5.5 ppm(规范限值)，具体见表 1。据图 8、表 1及《高速铁路工程测量规范》[21]可知，BGO能合理稳定地解算北斗、GPS及联合基线，解算结果中的基线向量改正数、最弱边相对中误差、最弱点点位精度均满足CPI控制测量要求，各系统解算均能精确获得24个CPI控制点坐标。
![]()
图 8 GPS、北斗、联合无约束网平差基线向量改正数Figure 8. Baseline Vector Corrections from GPS, BDS and BDS/GPS Combined Unconstrained Adjustment表 1 GPS、北斗、联合无约束平差结果统计Table 1. The Statistics of GPS, BDS and BDS/GPS Combined Unconstrained Adjustment Results解算模式 独立基线 多余观测数 控制点个数 最弱边相对中误差/ppm 最弱点点位精度/mm GPS 55 66 24 3.6 23.6 北斗 51 57 24 3.1 26.9 联合 57 72 24 3.7 17.9 3 结语
本文系统地研究了北斗与GPS联合基线解算的算法，自主开发了北斗高精度基线解算软件BGO。通过实测高铁CPI控制网的数据处理测试表明：软件能进行高精度地处理北斗与GPS数据, 以及北斗与GPS联合数据处理；GPS基线解算性能与天宝TGO软件相当，能达到与Bernese软件一致的精度；北斗与GPS基线处理能达到与TBC相当的水平。BGO最大的优势在于能对北斗和GPS进行联合解算，从而提高北斗或GPS单系统的基线解算合格率和精度。经高速铁路CPI控制网实例测试，证明该软件处理基线结果可用于高精度北斗和GPS测量控制网的数据处理。
-
![]()
图 1 研究区在东北地区位置及样区范围示意图
Figure 1. Location of Study Area in Northeast China and Distribution of Sample Wetlands
![]()
图 2 典型芦苇湿地样区野外采样点分布
Figure 2. Distribution of Sampling Sites in Typical Phragmites australis Wetlands
![]()
图 3 典型湿地样区芦苇分布验证点
Figure 3. Validation Sites for Distribution of Phragmites australis in Typical Wetlands
![]()
图 4 典型湿地样区芦苇分布格局
Figure 4. Spatial Distribution of Phragmites australis in Typical Wetlands
![]()
图 5 辽河平原双台河口湿地各植被指数空间分布对比
Figure 5. Comparison of Different Vegetation Indexes for Shuangtai Estuary Wetland in Liaohe Plain
![]()
图 6 冠层叶绿素含量与NDVI之间的回归分析
Figure 6. Regression Analysis Between Canopy Chlorophyll Content and NDVI
![]()
图 7 光能利用率与冠层叶绿素含量间的关系
Figure 7. Relationship Between LUE and Canopy Chlorophyll Content
表 1 覆盖芦苇湿地样区的Landsat 8 OLI影像信息
Table 1 Landsat 8 OLI Images Information Covering the Typical Phragmites australis Wetlands
样区名称 行号/列号 获取日期 三江平原七星河芦苇湿地 115/27 2014-08-27 松嫩平原查干湖芦苇湿地 119/29 2014-08-30 辽河平原双台河口芦苇湿地 120/31；120/32 2014-08-23 
下载: 导出CSV
表 2 典型湿地样区芦苇分布信息提取精度评价
Table 2 Accuracy of Extraction for Phragmites australis Distribution in Typical Wetlands
样区名称 调查点数 Kappa系数 总体分类精度/% 三江平原七星河芦苇湿地 74 0.84 82.0 松嫩平原查干湖芦苇湿地 48 0.86 85.0 辽河平原双台河口芦苇湿地 73 0.89 92.0
下载: 导出CSV
表 3 LAI与不同植被指数之间的相关系数
Table 3 Correlation Coefficients of LAI and Vegetation Indexes
统计项 植被指数 NDVI EVI RVI WDVI CIgreen MSAVI NDWI 相关系数 0.453** -0.087 0.741** 0.416** 0.389** 0.531** -0.321** 注：**表示显著性水平P < 0.01
下载: 导出CSV
表 4 冠层叶绿素含量与不同植被指数之间的相关系数
Table 4 Correlation Coefficients of Canopy Chlorophyll Content and Vegetation Indexes
统计项 植被指数 NDVI EVI RVI WDVI CIgreen MSAVI NDWI 相关系数 0.791** -0.031 0.416** 0.405** 0.370** 0.437** -0.255** 注：**表示显著性水平P < 0.01
下载: 导出CSV
-
[1] Rocha A V, Goulden M L. Why is Marsh Productivity So High? New Insights from Eddy Covariance and Biomass Measurements in a Typha Marsh[J]. Agricultural and Forest Meteorology, 2009, 149(1):159-168 doi: 10.1016/j.agrformet.2008.07.010
[2] 梅雪英, 张修峰.长江口典型湿地植被储碳、固碳功能研究——以崇明东滩芦苇带为例[J].中国生态农业学报, 2008, 16(2):269-272 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=stnyyj200802001 Mei Xueying, Zhang Xiufeng. Carbon Storage and Fixation by a Typical Wetland Vegetation in Changjiang River Estuary-A Case Study of Phragmites australis in East Beach of Chongming Island[J]. Chinese Journal of Eco-Agriculture, 2008, 16(2):269-272 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=stnyyj200802001
[3] 吕国红, 周广胜, 周莉, 等.盘锦湿地芦苇群落土壤碱解氮及溶解性有机碳季节动态[J].气象与环境学报, 2006, 22(4):59-63 doi: 10.3969/j.issn.1673-503X.2006.04.011 Lü Guohong, Zhou Guangsheng, Zhou Li, et al. Seasonal Dynamics of Dissolved Organic Carbon and Available N in Panjin Reed Wetland[J]. Journal of Meteorology and Environment, 2006, 22(4):59-63 doi: 10.3969/j.issn.1673-503X.2006.04.011
[4] Gamon J A, Field C B, Bilger W, et al. Remote Sensing of the Xanthophyll Cycle and Chlorophyll Fluorescence in Sunflower Leaves and Canopies[J]. Oecologia, 1990, 85:1-7 doi: 10.1007/BF00317336
[5] 王莉雯, 卫亚星.植被光能利用率高光谱遥感反演研究进展[J].测绘与空间地理信息, 2015, 38(6):15-22, 38 doi: 10.3969/j.issn.1672-5867.2015.06.006 Wang Liwen, Wei Yaxing. A Review on Inversion of Vegetation Light Use Efficiency by Hyper Spectral Remote Sensing[J]. Geomatics & Spatial Information Technology, 2015, 38(6):15-22, 38 doi: 10.3969/j.issn.1672-5867.2015.06.006
[6] Ruimy A, Saugier B, Dedieu G. Methodology for the Estimation of Terrestrial Net Primary Production from Remotely Sensed Data[J]. Journal of Geophysical Research:Atmospheres, 1994, 99(3):5263-5283 doi: 10.1029-93JD03221/
[7] Goetz S J, Prince S D. Remote Sensing of Net Primary Production in Boreal Forest Stands[J]. Agricultural and Forest Meteorology, 1996, 78(3):149-179 doi: 10.1139-cjfr-28-3-375/
[8] 吕宪国.湿地科学研究进展及研究方向[J].中国科学院院刊, 2002, 17(3):170-172 doi: 10.3969/j.issn.1000-3045.2002.03.004 Lü Xianguo. A Review and Prospect for Wetland Science[J]. Bulletin of Chinese Academy of Sciences, 2002, 17(3):170-172 doi: 10.3969/j.issn.1000-3045.2002.03.004
[9] 杨永兴.国际湿地科学研究的主要特点、进展与展望[J].地理科学进展, 2002(2):111-120 doi: 10.3969/j.issn.1007-6301.2002.02.003 Yang Yongxing. Main Characteristics, Progress and Prospect of International Wetland Science Research[J]. Progress in Geography, 2002(2):111-120 doi: 10.3969/j.issn.1007-6301.2002.02.003
[10] Dronova I, Gong P, Wang L. Object-Based Analysis and Change Detection of Major Wetland Cover Types and Their Classification Uncertainty During the Low Water Period at Poyang Lake, China[J]. Remote Sensing of Environment, 2015, 115(12):3220-3236 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=c9813a15c725f4b1ee1e3f6b71ed3027
[11] Hu Y H, Lee H B, Scarpace F. Optimal Linear Spectral Unmixing[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37:639-644 doi: 10.1109/36.739139
[12] Liu H Q, Huete A R. A Feedback Based Modification of the NDVI to Minimize Canopy Background and Atmospheric Noise[J]. IEEE Transactions on Geoscience and Remote Sensing, 1995, 33:457-465 doi: 10.1109/TGRS.1995.8746027
[13] Huete A R. A Soil Adjusted Vegetation Index(SAVI)[J]. Remote Sensing of Environment, 1988, 25(3):295-309 doi: 10.1016/0034-4257(88)90106-X
[14] 李延峰, 毛德华, 王宗明, 等.双台河口国家级自然保护区芦苇叶面积指数遥感反演与空间格局分析[J].湿地科学, 2014, 12(2):163-169 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=shidkx201402006 Li Yanfeng, Mao Dehua, Wang Zongming, et al. Remote Sensing Retrieval and Spatial Pattern Analysis of Leaf Area Index of Phragmites australis in Shuangtai Estuary National Nature Reserve[J]. Wetland Science, 2014, 12(2):163-169 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=shidkx201402006
[15] 梁建平, 马大喜, 毛德华, 等.双台河口国际重要湿地芦苇湿地生物量遥感估算[J].国土资源遥感, 2016, 28(3):60-66 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gtzyyg201603010 Liang Jianping, Ma Daxi, Mao Dehua, et al. Remote Sensing Based Estimation of Phragmites australis Aboveground Biomass in Shuangtai Estuary National Nature Reserve[J]. Remote Sensing for Land and Resources, 2016, 28(3):60-66 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=gtzyyg201603010
[16] Tian Y L, Luo L, Mao D H, et al. Using Landsat Images to Quantify Different Human Threats to the Shuangtai Estuary Site, China[J]. Ocean & Coastal Management, 2017, 135:56-64 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=9e4769bc36c26459c3f42dc7b6f96e50
[17] 李凤秀, 张柏, 刘殿伟, 等.湿地小叶章叶绿素含量的高光谱遥感估算模型[J].生态学杂志, 2008, 27(7):1077-1083 http://d.old.wanfangdata.com.cn/Periodical/stxzz200807004 Li Fengxiu, Zhang Bai, Liu Dianwei, et al. Hyperspectral Remote Sensing Estimation Models for Chlorophylla Concentration of Calamagrostis Angustifolia[J]. Chinese Journal of Ecology, 2008, 27(7):1077-1083 http://d.old.wanfangdata.com.cn/Periodical/stxzz200807004
[18] 岑奕, 张良培, 村松加奈子.纪伊半岛地区植被净初级生产力的遥感应用研究[J].武汉大学学报·信息科学版, 2008, 33(12):1221-1224 http://ch.whu.edu.cn/CN/Y2008/V33/I12/1221 Cen Yi, Zhang Liangpei, Kanako M. Net Primary Production Estimation in Kii Peninsula Using Terra/MODIS Data[J]. Geomatics and Information Science of Wuhan University, 2008, 33(12):1221-1224 http://ch.whu.edu.cn/CN/Y2008/V33/I12/1221
[19] Turner D P, Ritts W D, Cohen W B, et al. Scaling Gross Primary Production (GPP) over Boreal and Deciduous Forest Landscapes in Support of MODIS GPP Product Validation[J]. Remote Sensing of Environment, 2003, 88(3):256-270 doi: 10.1016/j.rse.2003.06.005
[20] Zhao M, Running S W, Nemani R R. Sensitivity of Moderate Resolution Imaging Spectroradiometer (MODIS)Terrestrial Primary Production to the Accuracy of Meteorological Reanalyses[J]. Journal of Geophysical Research, 2006, 111(G1):G01002 doi: 10.1029/2004JG000004
[21] Wu C Y, Niu Z. Modelling Light Use Efficiency Using Vegetation Index and Land Surface Temperature from MODIS in Harvard Forest[J]. International Journal of Remote Sensing, 2012, 33(7):2261-2276 doi: 10.1080/01431161.2011.608090
[22] Inoue Y, Peñuelas J, Miyata A, et al. Normalized Difference Spectral Indices for Estimating Photosynthetic Efficiency and Capacity at a Canopy Scale Derived from Hyperspectral and CO2 Flux Measurements in Rice[J]. Remote Sensing of Environment, 2008, 112(1):156-172 http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=6030fbe87d3e54df71cbe6b216782881
[23] Nakaji T, Ide R, Takagi K, et al. Utility of Spectral Vegetation Indices for Estimation of Light Conversion Efficiency in Coniferous Forests in Japan[J]. Agricultural and Forest Meteorology, 2008, 148(5):776-787 doi: 10.1016/j.agrformet.2007.11.006
[24] Wu C Y, Niu Z, Gao S. The Potential of the Satellite Derived Green Chlorophyll Index for Estimating Midday Light Use Efficiency in Maize, Coniferous Forest and Grassland[J]. Ecological Indicators, 2012, 14(1):66-73 doi: 10.1016/j.ecolind.2011.08.018
[25] Wu C Y, Chen J M, Desai A R, et al. Remote Sensing of Canopy Light Use Efficiency in Temperature and Boreal Forest of North America Using MODIS Imagery[J]. Remote Sensing of Environment, 2012, 118:60-72 doi: 10.1016/j.rse.2011.11.012
-
期刊类型引用(8)
1. 张莹，任战利，兰华平，祁凯，邢光远，夏岩. 关中盆地新近系蓝田-灞河组热储层物性及渗流特征研究. 地质通报. 2024(05): 712-725 . 
百度学术
2. 吴陈冰洁，罗璐，高楠安，汪新伟，崔梓贤. 关中盆地西安凹陷新近系砂岩热储特征研究. 现代地质. 2024(06): 1571-1584 . 百度学术
3. 张欢，陈应涛，陶威，陈涛，余文鑫，艾卉卉. 不同拉伸方式和速度下的伸展构造砂箱物理模拟实验研究. 西北地质. 2023(02): 327-336 . 百度学术
4. 颜复康，田镇，杨志强，杨兵，梁沛. 厄瓜多尔俯冲区震间闭锁与粘弹性变形研究. 大地测量与地球动力学. 2023(10): 1080-1085 . 百度学术
5. 张莹，任战利，邢光远，祁凯，夏岩. 渭河盆地新近系热储层特征. 地质通报. 2023(11): 1993-2005 . 百度学术
6. 徐斌，张艳. 地下水化学类型分区的GIS空间分析模型. 武汉大学学报(信息科学版). 2019(06): 866-874 . 百度学术
7. 闫俊义，吕睿，赵涛，王莹，白若冰，古云鹤. 关中盆地地壳应力场特征分析. 山西地震. 2019(03): 39-41 . 百度学术
8. 白相东，关成尧，张艳，袁四化，刘晓燕. 渭河盆地断层系统运动学体制分解与探讨. 防灾科技学院学报. 2018(03): 8-16 . 百度学术
其他类型引用(10)
计量
- 文章访问数: 1471
- HTML全文浏览量: 592
- PDF下载量: 63
- 被引次数: 18
