Monitoring of the Cotton Vegetation Fraction Based on Wide Dynamic Range Vegeta- tion Index

棉 花 学 报 Cotton Science 2011，23（3）：265~271

基于宽范围动态植被指数的棉花冠层覆盖度监测陈江鲁 1，王克如 1,2*，李少昆 1,2，肖春华 1，陈 兵 3，王方永 1，金秀良 1，吕银亮 1，刁万英 1，王 琼 1，

王 楷 1，何晟国 4

（1. 新疆兵团绿洲生态农业重点开放实验室 / 石河子大学，石河子 832003；2. 中国农业科学院作物科学研究所 / 国家农作

物基因资源与基因改良重大科学工程，北京 100081；3. 新疆农垦科学院棉花研究所，石河子 832000；

4. 甘肃省古浪县黄花滩乡农业综合服务中心，甘肃 古浪 733100）

摘要：旨在利用宽范围动态植被指数对棉花冠层覆盖度进行监测，解决传统的利用归一化差值植被指数对冠

层覆盖度较高时监测不准确(饱和)的问题。采用高光谱仪获取棉花不同时期不同覆盖度的冠层光谱反射率，通

过对构成归一化差值植被指数的近红外波段反射率引入系数 α 来提高修正后的植被指数随棉花覆盖度变化

的动态范围。 当利用权重系数 0.1≤α≤0.2 对近红外波段反射率调整之后，新形成的宽范围动态植被指数用于

监测不同覆盖度棉花时未出现“饱和”现象。 利用宽范围动态植被指数建立的棉花覆盖度监测模型的决定系数

r2＞0.948，对棉花冠层覆盖度进行监测，可以解决传统的归一化差值植被指数对冠层覆盖度较高时监测不准

确(饱和)的问题，提高了植被指数对棉花冠层覆盖度监测的精度。

关键词：棉花；覆盖度；高光谱；宽范围动态植被指数；监测

中图分类号：S127 文献标志码：A文章编号：1002-7807(2011)03-0265-07

Monitoring of the Cotton Vegetation Fraction Based on Wide Dynamic Range Vegeta-tion IndexCHEN Jiang-lu1, WANG Ke-ru1,2*, LI Shao-kun1,2, XIAO Chun-hua1, CHEN Bing3, WANG Fang-yong1, JINXiu-liang1, L譈 Yin-liang1, DIAO Wan-ying1, WANG Qiong1, WANG Kai1, HE Sheng-guo4

(1. Key Laboratory of Oasis Ecology Agriculture of Xinjiang Construction Crops, Shihezi, Xinjiang 832003, China; 2. Instituteof Crop Science, Chinese Academy of Agricultural Sciences/ National Key Facility for Crop Gene Resources and Genetic Im-provement, Beijing 100081, China; 3. Institute of Cotton, Xinjiang Academy of Agricultural Reclamation Sciences, Shihezi,Xinjiang 832000, China; 4. Huanghuatan Township Comprehensive Agricultural Service Center, Gulang County, GansuProvince , Gulang, Gansu 733100, China)

Abstract: In this paper the wide dynamic range vegetation index (WDRVI) was proposed to estimate the vegetation fraction (VF)

of cotton canopy, to take the place of normalized difference vegetation index (NDVI) when the canopy vegetation fraction is rel-

atively large. The reflectance spectra of canopy were measured using a field radiometric spectrometer in different vegetation

fractions in the different growth stages of cotton. A coefficient α was introduced in the near-infrared band reflectance, it could

improve the precision of NDVI through adjusting the dynamic range of near infrared bands in the different growth stages of cot-

ton. The coefficient α with a value between 0.1 and 0.2, enables the adjustment of the NDVI as the wide dynamic range vegeta-

tion index, and the WDRVI can avoid the "saturation" problem of NDVI when it is used to retrieve the cotton canopy informa-

tion in various vegetation fractions. The WDRVI based model for the retrieval of cotton vegetation fraction information can

achieve r2 > 0.948. Thus, the proposed WDRVI can be used to retrieve the cotton canopy information better than the convention-

al NDVI when the cotton biomass is relatively big, and produces higher accuracy of the estimation of the cotton canopy vegeta-

tion fraction.

Key words: cotton; vegetation fraction; hyperspectral radiomete; wide dynamic range vegetation index; monitoring

收稿日期：2011-01-05 作者简介：陈江鲁(1985-)，男，硕士，[email protected];* 通讯作者,[email protected]基金项目：国家自然科学基金(30860139)、国家科技支撑计划(2007BAH12B02)、“863”计划(2006AA10A302)

Cotton Science

棉 花 学 报 23 卷

Cotton Science

覆 盖 度 (Vegetation fraction, VF)与 生 物 量 和

叶面积有密切的相关性，因而成为用来指示作物

长势动态变化、指导作物栽培管理的重要因子之

一。 测量 VF 主要有地面实测和遥感监测两种方

法。 由于 VF 具有显著的时空分异特性，因而，遥

感已成为估算 VF 的最主要技术手段。 高光谱遥

感可以直接对地物进行微弱光谱差异的定量分

析，在 VF、生 物 量、叶 面 积 指 数 (Leaf area index,LAI) 以及生物化学参数估算研究与应用方面表

现出强大优势[1-3]。 绿色植被在以 670 nm 为中心

的 红 光 波 段 表 现 出 强 烈 吸 收 ， 其 反 射 率 小 于

0.03～0.05；在近红外 740～1300 nm 波段表现强

烈反射，反射率达到 0.4～0.6。作物光谱特性一直

是作物长势遥感研究的主要内容。 NDVI(Normaldifference vegetation index) 由包含了 80%以上的

作物叶片及冠层信息的红光和近红外两个波段

组成，常被用来监测作物冠层的 VF、LAI、光合有

效辐射吸收 （Fraction of photosynthetically activeradiation, FPAR）、净初级生产力（Net primary pro-ductivity, NPP）等 生 物 物 理 参 数 变 化 [4-11]。 虽 然

NDVI 与 VF 的相关性很高， 在利用 NDVI 估算

VF 时， 由于 NDVI 存在以下不足：(1)NDVI 对大

气和气溶胶引起的衰减作用比较敏感，造成地面

实 测 的 NDVI 与 卫 星 遥 感 获 取 的 NDVI 之 间 有

差异；(2) 当 VF 超过 0.6 时，NDVI 对于 VF 的敏

感度随着 LAI 的增加变得越来越弱，即 NDVI 出

现了饱和现象；(3)土壤亮度差异可能会导致相同

VF 下 NDVI 的巨大差异[12]。 因此，许多研究者致

力于解决这些不足，如为了降低大气和冠层背景

对植被指数的影响，前人在提高 NDVI 的精度和

研发新的植被指数上做了大量工作 [13-14]，最典 型

的是提出的修改型简单比值植被指数(ρNIR/ρred-1)/(ρNIR/ρred+1)1/2 和 重 归 一 化 植 被 指 数 (ρNIR– ρred)/(ρNIR+ρred) 1/2， 与地上植被生物物理特性的线性关

系更加显著[15-16]。 尽管植被指数被广泛地应用于

定量遥感监测，然而，NDVI 及其类似的植被指数

与 VF﹑LAI 和地上生物量等生物物理参数之间存

在着固有的非线性关系[17-18]。 通常在中高生物量

时，LAI 和 VF 达到一定数值时，NDVI 逐渐趋于

饱和 [19-23]。 NDVI 的饱和效应已成为其用于监测

VF 时的主要障碍。 对植被指数的改进，即要解决

高 VF 时的饱和问题，同时也不能降低其在低 VF时的相关性。 本文通过建立宽范围动态植被指数

对棉花冠层 VF 较高时进行监测， 提高冠层 VF监测的精度，以期解决利用 NDVI 监测棉花冠层

VF 较高时出现的饱和问题。

1 材料和方法

1.1 实验设计

试验于 2009－2010 年在新疆石河子大学农

学院试验站(44°32"N,88°65 "E)进行。 土壤类型为

灰漠土，质地为中壤土。 土壤含有机质 1.83％、全

氮 0.1l7％、全 磷 0.231％、碱 解 氮 75 mg·kg-1、速

效磷 92.5 mg·kg-1、速效钾 320 mg·kg-1。 小区面积

300 m2，设 3 个重复。 20 cm+50 cm 宽窄行配置，

种 植密度 24 万株·hm-2。 棉花品 种 为 新 陆 早 13号。 4 月 26 日播种，5 月 1 日出苗。 膜上点播，膜

下滴灌， 灌水量为 4500 m3·hm-2。 灌量用水表控

制，出苗水灌溉量为 120 m3·hm-2，均匀灌溉；蕾期

灌溉 2 次，灌量为生育期灌量的 25%；花铃期灌

溉 7 次，灌量为生育期总灌量的 60%；吐絮期灌

溉 1 次， 灌量为 总灌量的 15%。 施 肥 量 为 300kg·hm-2 纯氮，150 kg·hm-2 P2O5 和 75 kg·hm-2 K2O。氮肥 50％作为基肥，50％作为追肥；磷、钾肥作为

基肥在播种前一次施入，其它按当地高产栽培模

式管理。

1.2 光谱数据采集

棉 花 冠 层 光 谱 采 用 美 国 Analytical SpectralDevice（ASD）公司生产的 Field Spec Pro FR2500型背挂式 野 外 高 光 谱 辐 射 仪。 光 谱 范 围 350～2500 nm， 其 中 350～1050 nm 光 谱 采 样 间 隔

1.4 nm，光谱分辨率 3 nm；1050～2500 nm 光谱采

样间隔为 2 nm，光谱分辨率 10 nm。 冠层光谱测

定选择晴朗无风天气，北京时间 10:00～14:00 进

行。 测量时传感器探头垂直向下，光谱仪视场角

25°，距冠层顶 垂直高度约 1.0 m，地面视场范 围

直径 0.44 m。 每个样点测量 12 条光谱求其平均

值代表本样点的光谱反射值，其中 6 条为宽行光

谱反射率，6 条为窄行光谱反射率。 测量过程中，

及时在每组目标观测前后进行标准白板校正。

田间光谱测试日期分别为：出苗后 30 d（5 月

29 号），37 d（6 月 5 号），44 d（6 月 12 号），51 d（6

266

3 期

月 19 号），58 d（6 月 26 号），65 d（7 月 3 号），72 d（7 月 10 号），79 d（7 月 17 号），93 d（7 月 31 号），

107 d（8 月 14 号），121 d（8 月 28 号）和 135 d（9月 11 号）。

1.3 棉花覆盖度(VF)提取

每个样点测试完光谱后进行棉花冠 层覆盖

度提取。 采用数码相机 OLYMPUS C-5060 对测

试点棉花进行拍照，拍摄时相机垂直向下，距冠

顶 1.5 m， 采用自制的铝合金架台固定相机以保

持镜头水平；用本课题组开发的 DIP 图像处理软

件提取绿色覆盖度，DIP 系统提取的图像覆盖度

是对棉花群体图像中绿色部分所占比例的度量，

其算法为使用基于统计的图像分割方法进行图

像分割，再用图像中绿色部分的累计像素数除以

整幅图像的总像素数，得出棉花群体的图像覆盖

度。 此系统能很好地区分叶片阴影，默认叶片阴

影为非绿色。 图 1 为利用 DIP 图像处理软件提取

棉田覆盖度的示意图。

图 1 棉花冠层覆盖度的提取

Fig.1 The vegetation coverage derived from cotton canopy

2 结果与分析

2.1 不同生育时期棉花冠层 VF 和冠层 NDVI 的

变化规律

结果表明（图 2），随着棉花生育期的推进，棉

花冠层 VF 呈先升后降的趋势， 棉花冠层 NDVI呈与 VF 相似的变化趋势： 即从出苗后 30 d （现

蕾）到出苗后 79 d（盛花期）VF 不断增加，出苗后

93 d（盛铃期）达最大值，而出苗后 107 d（盛铃后

期）起 VF 急剧减小；从出苗后 30 d 到出苗后 58d（初花期）棉花冠层 NDVI 随着 VF 不断增加而

增加，而出苗 72 d（盛花前期）后 NDVI 不再随着

VF 增加而增加。 出苗后 107 d 达到最大值，随后

冠层 NDVI 逐 渐减小， 其减 缓的速率明 显小于

VF 减小的速率。 进一步分析可知：从蕾期到盛花

期，棉花枝叶数量的急剧增加，叶面积不断增大，

致使 VF 增加的速率较快；从盛花期到铃期，棉花

枝叶数量基本稳定，而叶面积仍不断增大，致使

VF 也不断增加， 但 VF 增加的速率明显变慢，并

在盛铃期达最大值；盛铃后期，部分叶片的光合

作用已逐渐减弱， 养分不断转移输送给棉铃，植

株下部的棉叶逐渐枯黄脱落，VF 开始急剧减小。

从现蕾到初花期即 VF 从 0.14～0.67，NDVI 对其

表 现 出 较 高 的 敏 感 性 。 而 初 花 期 到 盛 铃 期 即

0.67≤VF≤0.86，NDVI 呈平稳状态并对 VF 表现

不敏感，即 NDVI 呈现饱和。 盛铃后期虽然 VF 急

图 2 棉花不同生育时期覆盖度和冠层 NDVI 的变化曲线

Fig. 2 Change trends of vegetation fraction and NDVI

for cotton canopy in different growth stages

陈江鲁等：基于宽范围动态植被指数的棉花冠层覆盖度监测

Cotton Science267

棉 花 学 报 23 卷

Cotton Science

图 5 NDVI 和近红外光谱反射率(ρNIR)关系

Fig. 5 Relationship between NDVI and NIR

reflectance (ρNIR)

剧下降，由于冠层内、茎、枝、棉铃和上部叶片均

为绿色，棉花冠层 NDVI 并未迅速 降低，仍保持

较高水平。

2.2 NDVI 饱和原因分析

为了找到棉花冠层 NDVI 在 VF 较高时饱和

的原因，首先分析 NDVI、红光和近红外波段反射

率三者之间的关系（图 3）。 随着棉花冠层密度的

增加，红光反射率开始下降。 棉花冠层的近红外

光谱反射率和红光反射率呈现相反的变化趋势，

当近红外光谱反射率超过 0.48 时红光发射率在

0.04 附近呈现一条渐进线，NDVI 与红光反射率

表现出相反变化趋势。 NDVI 在 0.85 附近呈现一

条饱和的渐进线， 图 3 中近红外光谱反射率为

0.48 时 所 对 应 的 VF=0.45，LAI=2.2。 因 此 ， 当

VF＞0.45，LAI＞2.2，红光反射率和 NDVI 均达到

渐进线数值并保持不变。

与此相反， 近红外光谱反射率随着棉花 LAI的增加而增加 （图 4）。 但近红外光谱反射率从

0.48 增加到 0.68 并未引起冠层 NDVI 值的变化。

进一步分析 棉花冠层 NDVI 和 近 红 外 光 谱

反射率的关系（图 5）。 NDVI 是由近红外光谱反

射率和红光反射率组成。 近红外光谱反射率的取

值范围为 0.02～0.6，红光反射率(ρred)的取值范围

为 0.02～0.2。 0.1～0.2 对应低密度时的棉花覆盖

度，而 0.02～0.07 对应典型的中高密度时棉花覆

盖度。结果表明（图 5），当 0.1≤ρred≤0.2 时，NDVI对近红外光谱反射率的变化非常敏感；当近红外

光谱反射率 超过 0.3 时，NDVI 与 近 红 外 光 谱 反

射率之间斜率下降的速度会变得缓慢。 当 ρred≤0.07，ρNIR≤0.25～0.3 时，NDVI 对 近 红 外 光 谱 反

射率变化非常敏感；当 ρNIR≥0.3 时，NDVI 对近红

外光谱反射率的变化不敏感。 NDVI 的敏感性取

决于 ρNIR/ρred 的比值，NDVI 的敏感性随着两者比

值的增加而下降。 因此，当 ρNIR≥0.3，0.02≤ρred≤0.07 时，ρNIR 数值的增 加对 NDVI 敏感 性的 影 响

作用显著下降。

因此，当棉花冠层 VF≥0.6 时所对应的红光

反射率几乎呈不变趋势（图 3），而近红外光谱反

射率能很好的反映棉花冠层特性（图 4），可提供

有价值的叶面积和 VF 信息。当 ρNIR≥0.3 时，近红

外光谱反 射 率 对 VF 变 化 仍 很 敏 感， 但 不 引 起

NDVI 值的变化。 NDVI 在中高 VF 时敏感性较低

是由于该指 数的计算 公 式（ρNIR-ρred）/（ρNIR+ρred）造

成的结果。 这种归一化的过程使得当 ρNIR 远远大

图 3 棉花冠层 NDVI 和红光反射率与近红外光谱反射

率关系

Fig. 3 Relationship of NDVI, red reflectance and NIR

reflectance of cotton canopy

图 4 近红外光谱反射率和棉花叶面积指数间的关系

Fig. 4 Relationship between NIR reflectance and leaf

area index of cotton

268

3 期

于 ρred 时，NDVI 对近红外光谱反射率的变化变得

不敏感（图 5）。 所以当 ρNIR/ρred 远大于 1 时，分子

和分母接近相等数值，此时近红外光谱的反射率

对 NDVI 的敏感性可以忽略。

2.3 宽范围动态植被指数的建立及其对棉花覆

盖度的敏感性分析

NDVI 动态范围变宽依赖于在中高 VF 下使

近红外光谱的反射率不出现饱和（图 5）。当 ρNIR≥0.3 时， 引入一个小于 1 的加权系数 α 可以提高

NDVI 的敏感性， 降低红光和近红外光谱反射率

对 NDVI 的贡献率。 参照文献[24]定义这个植被

指数为宽范围动态植被指数(Wide dynamic rangevegetation index, WDRVI), 其 数 学 表 达 式 为 ：

WDRVI=(α*ρNIR-ρred)/ (α*ρNIR+ρred)α 为 加 权 系 数 ， 其 值 根 据 不 同 覆 盖 度 下

WDRVI 与 VF 的相关系数大小来决定。选取相关

系数较大时的 α 值对 VF 进行估算。 图 6 显示的

是 NDVI 和 WDRVI 估算 的棉花 VF，WDRVI 中

的加权系数从 0.05 到 0.2。 VF＜0.67，NDVI 随着

VF 增加而增加，当 VF≥0.67, NDVI 呈平稳状态

并保持不变。 相反，WDRVI 在 整个生育时 期对

VF 都保持敏感。 当权重系数 α*ρNIR 之后，就使

得 α*ρNIR 和 ρred 的数值接近，从而提高植被指数

的敏感性。 在棉花的研究中发现，WDRVI 和 VF的线性关系的决定系数 r2＞0.948。

当 0.05≤α≤0.2， 比较 NDVI 和 WDRVI 可

以看出，WDRVI 的动态估测范围始终大于 NDVI（图 7）。 当 NDVI≥0.7 时， 在 中 高 植 被 密 度 时

WDRVI 显 得 更 加 敏 感。 WDRVI 和 NDVI 估 测

VF 的敏感性大小可以用以下表达式来比较：Sr=[d（WDRVI）/d（NDVI）]*[ΔWDRVI/ΔNDVI]-1

d（WDRVI）和 d（NDVI）为对应 VF 的一阶微

分 ，ΔWDRVI=WDRVImax-WDRVImin，ΔNDVI=ND-VImax- NDVImin，WDRVI 和 NDVI 的最大最小值可

以从棉花的生育期中观测获得。

该 函 数 能 够 反 映 WDRVI 和 NDVI 对 棉 花

VF 变化的相对敏感性。 当 Sr＜1 时，表明 NDVI相对 WDRVI 的敏感性较高；当 Sr=1 时，两种植

被指数的敏感性相等；当 Sr＞1 时，说明 WDRVI相对 NDVI 的敏感性较高。 图 8 表明，0.05≤α≤0.3，0≤NDVI≤0.43，Sr＜1。 与棉花 VF 相对应的

NDVI 在某一固定数值附近保持不变（图 6）。 因

此， 当 0≤VF≤0.25，NDVI 相对 WDRVI 的敏感

性 较 高；当 NDVI＞0.43，Sr＞1 时，说 明 WDRVI相对 NDVI 在 VF＞0.25 时敏感性较高。

图 6 NDVI 和 WDRVI 与棉花覆盖度关系

Fig. 6 Relationship of NDVI, WDRVI and vegetation

fraction of cotton

图 7 棉花冠层 WDRVI 与 NDVI 关系

Fig. 7 Relationship between WDRVI and NDVI for

cotton canopy

图 8 WDRVI 对棉花不同覆盖度 NDVI 的相对敏感性

Fig. 8 The relative sensitivity of WDRVI to NDVI of

cotton different vegetation fraction

陈江鲁等：基于宽范围动态植被指数的棉花冠层覆盖度监测

Cotton Science269

棉 花 学 报 23 卷

Cotton Science

3 结论与讨论

随着棉花生育期的推进，棉花冠层 NDVI 与

VF 均呈先升后降的趋势，VF 在铃期达最 大值，

盛铃后 期 急 剧 减 小； 从 现 蕾 到 初 花 期 即 VF 从

0.14～0.67，NDVI 对其表现出较高的敏感性。 而

初花 期到盛铃期 即 0.67≤VF≤0.86，NDVI 达 到

饱和，几乎无变化。 盛铃后期虽然 VF 急剧下降，

但棉花冠层 NDVI 仍保持在较高的水平。

随着棉 花 冠 层 VF 的 增 加，NDVI 与 红 光 反

射率表现出相反的变化趋势。当 VF＞0.45，LAI＞2.2，红光反射率和 NDVI 均达到渐进线数值并保

持不变。 与此相反， 近红外光谱反射率随着 LAI的增加继续增加，但不引起 NDVI 的变化。

NDVI 在中高 VF 时敏感性较低是由于其计

算公式造成的结果， 这种归一化的过程使得当

ρNIR 远远大于 ρred 时，尽管 ρNIR 对 VF 变化仍敏感，

但组成 NDVI 后对 VF 变得不敏感。

新构建的 WDRVI 在整个生育时期对 VF 都

保持敏感。 在本研究中发现，WDRVI 与 VF 的线

性关系的决定系数 r2＞0.948。Sr 能够反映 WDRVI 和 NDVI 对棉花 VF 变

化 的 相 对 敏 感 性。 当 0≤VF≤0.25，NDVI 相 对

WDRVI 的 敏 感 性 较 高 ； 当 NDVI＞0.43，Sr＞1时，说明 WDRVI 相对 NDVI 在 VF＞0.25 时的敏

感性较高。

本文研究表明棉花近红外光谱反射率对中、

高 VF 反映敏感。 通过在近红外光谱反射率中引

入一个加权系数 α， 使所得到的 WDRVI 与 VF

的线性关系得到加强， 显著提高了估测 VF 的能

力。 本研究与 Gitelson[24]在玉米和小麦等作物上

的研究结果类似。 这种方法同样可以应用到由绿

光和近红外光组成的绿度抗大气植被指数(Greenvisible atmospherically resistant index, GVARI) 和

土 壤 调 整 指 数 (Soil-adjusted vegetation index,SAVI)之中，以此提高其指数的动态变化范围。 为

了提高植被在高生物量条件下监测的精度，许多

研究者从不同角度开发了许多线性植被指数用

来估测 VF，LAI 和生物量。 但所选波段并不能很

好地应用于卫星遥感研究。 而 WDRVI 所用波段

是许多卫星携带的多光谱传感器中包含的波段，

可直接进行应用， 但当引入到 Landsat-TM 等卫

星影像中时，能否保持对 VF 良好的监测性能，仍

有待进一步研究与验证。 另外，引入的 α 值，它包

含了什么样的生物物理意义，也值得人们探究。

参考文献：

[1] 李君霞，闵顺耕，张洪亮，等．水稻糙米粗蛋白近红外光谱定

量分析模型的优化研究[J]．光谱学与光谱分析，2006，26(5)：

833-837．

LI Jun-xia, Min Shun-geng, Zhang Hong-liang, et al. The PLS

calibration model optimization and determination of rice protein

content by near-infrared reflectance spectroscopy[J]. Spectroscopy

and Spectral Analysis, 2006, 26(5): 833-837.

[2] 魏良明，姜海鹰，李军会，等．玉米杂交种品质性状的近红外

光谱分析技术研究[J]．光谱学与光谱分析，2005，25(9)：1404-

1407．

WEI Liang-ming, Jiang Hai-ying, Li Jun-hui, et al. Predicting the

2.4 模型检验

为了检验所建 VF 的估算模型的适用性，需

对模型可靠性进行检验。 利用 2010 年的 124 个

样 本 数 据 进 行 模 型 检 验 ， 采 用 均 方 根 误 差

（RMSE）、估计标 准误差（RE）和决 定 系 数（r2）三

个指标进行检验。 结果表明（表 1），当 α=0.1 时，

WDRVI 检 验 模 型 的 RMSE=0.088，RE=0.107，r2=0.953。 此模型可以较为准确的估算棉花 VF。WDRVI 较 NDVI 对 VF 的估算精度有所提高。

表 1 棉花 VF 估算模型检测结果(n=124)

Table 1 The test result of the VF estimation models in cotton(n=124)

植被指数

Vegetation indices回归方程

Regression equation均方根误差(RMSE)

Root mean square error相对误差(RE)Relative error

决定系数(r2)Coefficient of determination

NDVI y = 1.7009x - 0.6177 0.141 0.166 0.909NDVI y = 0.0417e3.5241x 0.122 0.134 0.947WDRVI(α=0.05) y = 1.1731x + 1.1201 0.102 0.123 0.949WDRVI(α=0.1) y = 0.9336x + 0.7442 0.088 0.107 0.953WDRVI(α=0.2) y = 0.902x + 0.4576 0.117 0.126 0.948

270

3 期

chemical composition of intact kernels in maize hybrids by near

reflectance spectroscopy[J]. Spectroscopy and Spectral Analysis,

2005, 25(9): 1404-1407.

[3] 李存军，赵春江，刘良云，等．红外光谱指数反演大田冬小麦

覆 盖 度 及 敏 感 性 分 析 [J]．农 业 工 程 学 报 ，2004，20(5)：159-

164．

LI Cun-jun, Zhao Chun-jiang, Liu Liang-yun, et al. Retrieval

winter wheat ground cover by short wave infrared spectral indices

in field and sensitivity analysis[J]. Transactions of the CSAE,

2004, 20(5): 159-164.

[4] ASRAR G, Fuchs M, Kanemasu E T, et al. Estimating absorbed

photosynthetic radiation and leaf area index from spectral re-

flectance in wheat[J]. Agronomy Journal, 1984, 76: 300-306.

[5] HOLBEN B N. Characteristics of maximum value composite im-

ages for temporal AVHRR data[J]. International Journal of Re-

mote Sensing, 1986, 7: 1417-1437.

[6] MYNENI R B, Hall F G, Sellers P S, et al. The interpretation of

spectral vegetation index[J]. IEEE Transactions on Geoscience

and Remote Sensing, 1995, 33: 481-486.

[7] MYNENI R B, Nemani R R, Running S W. Estimation of global

leaf area index and absorbed par using radiative transfer models

[J]. IEEE Transactions on Geoscience and Remote Sensing,

1997, 35: 1380-1393.

[8] SELLERS P J. Canopy reflectance, photosynthesis and transpira-

tion[J]. International Journal of Remote Sensing, 1985, 6: 1335-

1372.

[9] SELLERS P J. Canopy reflectance, photosynthesis and transpira-

tion: II. The role of biophysics in the linearity of their interdepen-

dence [J]. Remote Sensing of Environment, 1987, 21: 143-183.

[10] TUCKER J C. Red and photographic infrared linear combina-

tion for monitoring vegetation[J]. Remote Sensing of Environ-

ment, 1979, 8: 127-150.

[11] TUCKER J C, Fung I Y, Keeling C D, et al. The relationships

between atmospheric CO2 variations and satellite- derived vege-

tation index[J]. Nature, 1986, 319: 195-199.

[12] CARLSON T N, Ripley D A. On the relation between NDVI,

fraction vegetation cover, and leaf area index[J]. Remote Sens-

ing of Environment, 1997, 62: 241-252.

[13] KAUFMAN Y J, Tanre D. Atmospherically resistant vegetation

index (ARVI) for EOS-MODIS[J]. IEEE Transactions on Geo-

science and Remote Sensing, 1992, 30: 261-270.

[14] HUETE A R. A soil-adjusted vegetation index (SAVI)[J]. Re-

mote Sensing Environment, 1988, 25: 295-230.

[15] CHEN J M, Cihlar J. Retrieving leaf area index of boreal conifer

forests using Landsat TM images[J]. Remote Sensing Environ-

ment, 1996, 55: 153-162.

[16] ROUJEAN J L, Mbreon F. Estimating PAR absorbed by vegeta-

tion from bi-directional reflectance measurements[J]. Remote

Sensing Environment, 1995, 51: 375-384.

[17]MYNENI R B, Hoffman S, Knyazikhin Y, et al. Global products

of vegetation leaf area and fraction absorbed PAR from year

one of MODIS data[J]. Remote Sensing Environment, 2002, 83:

214-231.

[18] HUETE A R, Didan K, Miura T, et al. Overview of radiometric

and biophysical performance of the MODIS vegetation indices

[J]. Remote Sensing Environment, 2002, 83:195-213.

[19] BARET F, Guyot G. Potential sand limits of vegetation indices

for LAI and PAR assessment[J]. Remote Sensing Environment,

1991, 35: 161-173.

[20] BUSCHMAN C, Nagel E. In vivo spectroscopy and internal op-

tics of leaves as basis for remote sensing of vegetation[J]. Inter-

national Journal Remote Sensing, 1993, 14: 711-722.

[21] GITELSON A A, KaufmanY J, Stark R, et al. Novel algorithms

for remote estimation of vegetation fraction[J]. Remote Sensing

Environment, 2002, 80: 76-87.

[22] GITELSON A A, Stark R, Grits U, et al. Vegetation and soil

lines invisible spectral space: a concept and technique for re-

mote estimation of vegetation fraction [J]. International Journal

Remote Sensing, 2002, 23: 2537-2562.

[23] GITELSON A A, Vina A, Arkebauer T J, et al. Remote estima-

tion of leaf area index and green leaf biomass in maize canopies

[J]. Geophysical Research Letters, 2003, 30(5): 1148-1248.

[24] GITELSON A A. Wide dynamic range vegetation index for re-

mote quantification of characteristics of vegetation [J]. Journal

Plant Physiology, 2004, 161: 165-173. ●

陈江鲁等：基于宽范围动态植被指数的棉花冠层覆盖度监测

Cotton Science271