基于MODIS-EVI時序數據的江漢平原四湖地區土地覆蓋動態分析

摘要：根據２００１～２００７年江漢平原四湖地區增強型植被指數（ＥＶＩ）的時序數據，運用時間序列諧波分析法（ＨＡＮＴＳ）進行去云處理，計算各個像元ＥＶＩ時序值的平方和Ｎ，將Ｎ＞０．２５的像元劃為植被覆蓋區，Ｎ＜０．２５的像元劃為非植被覆蓋區。對植被覆蓋區采用二次差分法判斷ＥＶＩ時序數據的峰值出現次數，年內峰值出現１次的為林地和草地，出現２次的為耕地，出項３次及以上的為蔬菜地，采用監督分類方法劃分非植被覆蓋區中的城鎮、水域和植被覆蓋區中的林地、草地，制作了四湖地區２００１～２００７年的土地覆蓋分類圖，與基于２００１年多時相ＥＴＭ數據的土地覆蓋分類進行了比較，耕地面積相差在１０％以內。利用ＭＯＤＩＳ的ＥＶＩ數據能夠快速、有效、低成本進行土地覆蓋分類。動態分析結果發現，耕地面積處在不斷減少過程中，其余覆蓋類型的面積呈增加趨勢。

關鍵詞：增強型植被指數（ＥＶＩ）；土地覆蓋分類；江漢平原四湖地區

中圖分類號：ＴＰ７５１文獻標識碼：Ａ文章編號：0439－８114（２０11）11－2220-05

Dynamic Analysis of the Land Cover in Four-Lake Area in Jianghan Plain Based on MODIS-EVI Time-Series Data

ＪＩＮＧ Ｗｅｉ－ｂｉｎｇ，ＸＩＯＮＧ Ｑｉｎ－ｘｕｅ，ＸＵＥ Ｌｉａｎ

（Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｈｏｏｌ， Ｙａｎｇｔｚｅ Ｕｎｉｖｅｒｓｉｔｙ， Ｊｉｎｇｚｈｏｕ ４３４０２５， Ｈｕｂｅｉ， Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ： Ｂａｓｅｄ ｏｎ ｔｈｅ ｔｉｍｅ－ｓｅｒｉｅｓ ｄａｔａ ｏｆ ｔｈｅ Ｅｎｈａｎｃｅｄ Ｖｅｇｅｔａｔｉｏｎ Ｉｎｄｅｘ（ＥＶＩ） ｆｒｏｍ ２００１ ｔｏ ２００７ ｉｎ Ｆｏｕｒ－ｌａｋｅ ａｒｅａ ｉｎ Ｊｉａｎｇｈａｎ Ｐｌａｉｎ， ａｆｔｅｒ the ｃｌｏｕｄ removing process ｂｙ Ｈａｒｍｏｎｉｃ Ａｎａｌｙｓｉｓ ｏｆ Ｔｉｍｅ Ｓｅｒｉｅｓ（ＨＡＮＴＳ）， ｔｈｅ ｓｕｍｓ ｏｆ ｓｑｕａｒｅ ｏｆ ｔｈｅ ＥＶＩ ｉｎ ｏｎｅ ｙｅａｒ ｆｏｒ ｅｖｅｒｙ ｓｉｎｇｌｅ ｐｉｘｅｌ ｗｅｒｅ calculated． Ｔｈｅ ｐｉｘｅｌｓ ｗｉｔｈ ｓｕｍ ｏｆ ｓｑｕａｒｅ ｏｆ ＥＶＩ ｌｅｓｓ ｔｈａｎ ０．２５ ｗｅｒｅ ｉｄｅｎｔｉｆｉｅｄ ａｓ ａｒｅａ ｕｎｃｏｖｅｒｅｄ ｂｙ ｐｌａｎｔ， contrariwise， ａｒｅａ ｃｏｖｅｒｅｄ ｂｙ ｐｌａｎｔ． Ｆｏｒ ｔｈｅ ａｒｅａ ｃｏｖｅｒｅｄ ｂｙ ｐｌａｎｔｓ， ｔｈｅ occurrence time ｏｆ ｔｈｅ peak of ＥＶＩ ｗｅｒｅ counted ｂｙ ｑｕａｄｒａｔｉｃ ｄｉｆｆｅｒｅｎｔｉａｌ ｍｅｔｈｏｄ． Ｔｈｅ ａｒｅａ ｗａｓ ｄｉｖｉｄｅｄ ｉｎｔｏ ｆｏｒｅｓｔ ａｎｄ ｐａｓｔｕｒｅ ｌａｎｄ， ｃｒｏｐ ｌａｎｄ ａｎｄ ｖｅｇｅｔａｂｌｅ ｌａｎｄ ｗｈｅｎ ｔｈｅ frequency of occurrence of peak value was １， ２ ａｎｄ ３ ｏｒ upwards， respectively． Sｕｐｅｒｖｉｓｅｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｍｅｔｈｏｄｓ ｗｅｒｅ ｕｓｅｄ ｔｏ ｉｄｅｎｔｉｆｙ ｔｏｗｎｓ ａｎｄ ｗａｔｅｒ in ｔｈｅ ａｒｅａ ｕｎｃｏｖｅｒｅｄ ｂｙ ｐｌａｎｔｓ， ａｎｄ ｔｈｅ ｆｏｒｅｓｔｒｙ ａｎｄ ｐａｓｔｕｒｅ in ｔｈｅ ａｒｅａ ｃｏｖｅｒｅｄ ｂｙ ｐｌａｎｔｓ． Ｔｈｅ ｆｉｇｕｒｅｓ ｏｆ ｌａｎｄ ｃｏｖｅｒ ｔｙｐｅｓ ｉｎ Ｆｏｕｒ－ｌａｋｅ ａｒｅａ ｆｒｏｍ ２００１ ｔｏ ２００７ ｗｅｒｅ ｍａｄｅ． Ｔｈｅ ｒｅｓｕｌｔｓ ｗｅｒｅ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｃｏｍｅ ｆｒｏｍ ｍｕｌｔｉ-temporal ＥＴＭ ｉｎ ２００１． Ｔｈｅ ｄｉｆｆｅｒｅｎｃｅ ｏｆ ｔｈｅ ｃｒｏｐｌａｎｄ ａｒｅａｓ ｂｅｔｗｅｅｎ ｔｈｅ ｔｗｏ ｃｌａｓｓｉｆｉｃａｔｉｏｎｓ ｗａｓ ｌｅｓｓ ｔｈａｎ １０％． Ｓｏ ｉｔ ｃｏｕｌｄ ｂｅ ｐｏｓｓｉｂｌｅ ｔｏ ｍｏｎｉｔｏｒ ｔｈｅ ｃｈａｎｇｅ ｏｆ ｌａｎｄ ｃｏｖｅｒ ｑｕｉｃｋｌｙ ａｎｄ ｃｈｅａｐｌｙ ｂｙ Ｍｏｄｉｓ－ＥＶＩ ｄａｔａ． Ｉｔ ｗａｓ ｆｏｕｎｄ ｔｈａｔ ｔｈｅ ａｒｅａ ｏｆ ｖｅｇｅｔａｂｌｅ ｌａｎｄ ａｎｄ ｃｒｏｐ ｌａｎｄ ｗａｓ ｄｅｃｒｅａｓｉｎｇ， ａｎｄ ｔｈｅ ａｒｅａ ｏｆ ｏｔｈｅｒ ｔｙｐｅｓ ｗａｓ ｉｎｃｒｅａｓｉｎｇ ｉｎ ｔｈｅ studied ｒｅｇｉｏｎ．

Ｋｅｙ ｗｏｒｄｓ： ＥＶＩ； ｌａｎｄ ｃｏｖｅｒ； Ｆｏｕｒ－ｌａｋｅ ａｒｅａ ｉｎ Ｊｉａｎｇｈａｎ pｌａｉｎ

遙感信息是獲取大范圍土地覆蓋分類及其變化的主要手段。１９９９年發射的Ｔｅｒｒａ衛星上的ＭＯＤＩＳ傳感器在光譜性能、空間分辨率、數據質量上有了很大改善，在全球及區域尺度的土地監測和制圖上受到了用戶和遙感研究者的積極關注與使用［１］。近年來ＭＯＤＩＳ產品還提供了經過數據預處理以后的多時相歸一化植被指數（ＮＤＶＩ）和增強型植被指數（ＥＶＩ），為開展區域土地覆蓋分類及其變化研究提供了更加便捷的數據基礎。呂婷婷等［２］采用ＭＯＤＩＳ－ＮＤＶＩ時序數據提取了泰國耕地面積信息，張霞等［３，４］利用ＭＯＤＩＳ－ＥＶＩ時間譜跟蹤地物固有的物候信息，研究了華北平原土地覆蓋分類，Ｔｏｓｈｉｈｉｒｏ等［５］利用ＭＯＤＩＳ－ＥＶＩ時間序列分析了越南湄公河三角洲水稻的物候特征，制作了５種主要水稻種植模式圖。研究表明，ＥＶＩ比ＮＤＶＩ具有更強的識別作物的能力［６－８］。因此運用ＥＶＩ指數獲得高精度的宏觀土地覆蓋和土地利用分類信息是完全可能的，且為種植模式等農業有用信息的提取、監測提供了便捷途徑。但是，在不同地方、不同年份，由于種植制度、品種光譜特性、氣象條件的差異，其分類關鍵時段、分類指標甚至分類方法都不一樣［９－１３］，因此，就各個具體區域而言，如何利用ＥＶＩ時序數據進行土地覆蓋類型的判別，即分類策略或決策樹規則，需要進一步研究。

江漢平原四湖地區是我國重要的濕地農業區域。有關四湖地區土地覆蓋及其變化的研究廣受關注［１４－１６］。但此前的研究，都是基于高空間分辨率的ＴＭ的影像數據，難以做到動態連續監測。本文以ＥＶＩ時間序列數據的變異特征為依據，根據作物種植制度及其物候特點制定了四湖地區土地覆蓋分類的判別規則，提取了２００１～２００７年該地區土地覆蓋變化信息，旨在為利用ＥＶＩ時間序列數據進行土地覆蓋分類提供案例積累和分類規則的借鑒。同時，也為快速、有效、低成本、高精度地監測四湖地區土地覆蓋變化提供現實途徑，為研究土地利用變化的環境影響奠定基礎。

１研究區域及數據源

四湖地區位于湖北省江漢平原的腹地，是由內荊河流域組成的，因境內原來分布有三湖、白鷺湖、長湖、洪湖四個大型湖泊而得名，其地理位置為１１１°５７′～１１４°５′Ｅ，２９°２６′～３１°２′Ｎ。該區域南枕長江，北濱漢水-東荊河，東至東荊河的入長江的新灘口，西北以漳河水庫總干渠、三干渠為界。境內大小湖泊星羅密布、各級干支流縱橫交錯，水網密集，農業生產的主要限制因子是因雨致澇致漬，部分年份春季農業用水不足也成為水產業和種植業的障礙因子。域內包括荊州市的長江以北區域和荊門、潛江的部分地區，總面積約為１２ ０００ ｋｍ２。

遙感數據來自安裝在ＴＥＲＲＡ和ＡＱＵＡ兩顆衛星上的ＭＯＤＩＳ數據。ＭＯＤＩＳ標準數據產品分級系統由５級數據構成，其中ＭＯＤ１３為陸地二級標準數據產品，內容為每１６ｄ、柵格化的歸一化植被指數和增強型植被指數（ＮＤＶＩ／ＥＶＩ）。本研究從Ｉｎｔｅｒｎｅｔ（ｈｔｔｐｓ：／／ｌｐｄａａｃ．ｕｓｇｓ．ｇｏｖ／ｌｐｄａａｃ／ｇｅｔ＿ｄａｔａ／ｄａｔａ＿ｐｏｏｌ）上下載了ＭＯＤＩＳ數據中２００１～２００７年Ｈ２７Ｖ５區、Ｈ２７Ｖ６區兩個區域每個柵格的ＥＶＩ時間序列值，用來進行土地覆蓋變化的識別。

數據預處理包括運用ＥＮＶＩ軟件的相關功能實現圖像拼接、坐標轉換、剪切。由于四湖地區的影像屬于Ｈ２７Ｖ５區、Ｈ２７Ｖ６區兩個區域內，下載的衛星圖像分成兩部分，故首先對獲得的兩組數據進行拼接，拼接后的圖像和信息，包含了四湖地區的全部區域。為保存分析的一致性，對于所有遙感與ＧＩＳ數據選用ＷＧＳ８４大地基準和ＵＴＭ４９投影。采用ＥＮＶＩ軟件中的ＭＡＳＫ功能進行剪切，去除多余信息。運用ＳＴＡＣＫＩＮＧ功能將所有ＥＶＩ數據集成在一個文件，形成一個多時相數據庫。

采用時間序列諧波分析法（ＨＡＮＴＳ）對時間譜數據進行去云處理。其核心算法是傅立葉變換和最小二乘法擬合，即將時間譜數據分解成有限個諧波（正弦波或余弦波），從中選取若干個能反映影像時序特征的諧波進行疊加，以達到重構時序數據的目的。本文選取諧波數為３來進行曲線平滑。

２土地覆蓋分類方法

ＥＶＩ值是地表植被覆蓋情況的綜合反映。在非植被覆蓋區域，如城鎮、水體，ＥＶＩ值偏小且表現出最小的年內變異；在植被覆蓋區域，ＥＶＩ偏大且表現較大的年內變異。為增加區別度，本研究采取將ＥＶＩ時序值求平方和，記為Ｎ，使像元之間ＥＶＩ值總和之間的差異有所放大，通過對水陸交界點的Ｎ值的分布特征分析發現，Ｎ＝０．２５是水陸交界點的分布中心值，據此，當Ｎ＜０．２５時，判別為非植被覆蓋區，Ｎ＞０．２５時，判別為植被覆蓋區。

對于非植被覆蓋區域，采用監督分類方法劃分城鎮和水體，即事先確定城鎮、水體的典型波譜，由ＥＮＶＩ軟件的監督分類功能完成對城鎮、水體的判別。

對于植被覆蓋區域，根據ＥＶＩ時序值出現峰值的情況進行再分類。采用二次差分法判斷時序峰值出現次數［１７］。步驟如下：

設ｘｉ表示像元年內ＥＶＩ的時相值，ｉ＝１，２，…，２３，定義序列：

ｓ１（ｉ）＝｛ｘｉ＋１－ｘｉ；ｉ＝１，２，…，２２｝ （１）

ｓ２（ｉ）＝ 1 當ｓ１（ｉ）＞0-1 當ｓ１（ｉ）＜0 ｉ＝１，２，…，２２（２）

ｓ３（ｉ）＝｛ｓ２（ｉ＋１）－ｓ２（ｉ）；ｉ＝１，２，…，２１｝（３）

不難看出，序列ｓ３（ｉ）只有３個可能結果：２，

－２，０，ＥＶＩ的波峰出現在序列ｓ３（ｉ）中元素為－２且前后元素皆為０的位置，而波谷出現在序列ｓ３（ｉ）中元素為２且前后元素皆為０的位置，據此，可以對每個像元的時序數據峰值出現次數（記為Ｆ）進行判斷，編制一個簡單程序，完成對所有像元ＥＶＩ峰值出現次數（Ｆ）的判斷。根據本地區植被物候特點，林地和草地在一年內完成一個生長周期，ＥＶＩ時序數據表現為單峰型；作物以兩熟制為主，表現為雙峰型；具有３個以上波峰的像元，與本地蔬菜種植一年多熟的特點相吻合。因此，當Ｆ＝１，即ＥＶＩ時序數據只有一個峰值，將其判為林地或草地；Ｆ＝２，有２個峰值，將其判為耕地（作物）；Ｆ≥３，有３個以上峰值，判為菜地。

最后對林地和草地進行劃分，方法與城鎮、水體劃分方法一樣，采用監督分類完成。像元分類過程框圖見圖１。

３土地覆蓋分類結果

３．１土地分類結果誤差分析

以２００１年多時相ＥＴＭ監督分類結果作為對照，評價ＭＯＤＩＳ數據分類結果的誤差。圖２是利用２００１年ＥＴＭ數據監督分類的結果，所采用的數據共８個時相：２００１年５月１０日、５月１９日、７月１０日、７月２２日、９月１５日、９月２４日、１２月２９日、２００２年１月５日，位置包括１２３軌的３９區、４０區，１２４軌的４０區。據此計算利用ＭＯＤＩＳ—ＥＶＩ數據分類結果的誤差率，見表１。由表１可知，面積小而且分散的土地覆蓋類型誤差大（如城鎮、林地、水體等），面積大且集中分布的類型（耕地）相差在１０％以下，相對準確。

３．２土地覆蓋分類動態分析

四湖地區２００１～２００７年土地覆蓋分類結果見表２和圖３～９。結果顯示，２００１～２００７年四湖地區土地覆蓋處在不斷變化之中，耕地變化較大，２００１～２００７年，面積減少了２９９．０２ ｋｍ２；水域、草地、林地占地面積分別增加了２１９．５７、５３．６３、４２．２０ ｋｍ２；蔬菜占地面積減少了２１．１０ ｋｍ２；城鎮占地面積增加了４．７３ ｋｍ２。

４結論與討論

根據四湖地區植被的物侯特點，制定了依據ＥＶＩ時序變異特征進行地物類型判別的規則，完成了２００１~２００７年四湖地區土地覆蓋的動態分類。研究發現，四湖地區耕地面積處于不斷減少的過程中，城鎮面積有所擴大，說明該地區正處于城鎮化過程中。水體、林地和草地面積增加，表明近年來推行退田還湖、還漁和發展林業已取得一定的成效，該地區景觀生態結構趨向好轉。由此引起的生態環境變化有待進一步研究。

ＭＯＤＩＳ衛星重訪周期短，數據獲取簡單，不需付費，所提供的植被指數數據是在已經完成若干預處理的基礎上給出的。基于ＭＯＤＩＳ衛星數據的土地覆蓋分類的精度，對于大面積集中分布的耕地類型而言，是可以接受的［１８］，因此，可以預期，對ＭＯＤＩＳ衛星數據產品的應用會越來越多。由于ＥＶＩ數據更新很快，因此，本文的研究成果可以用于對該地區土地覆蓋變化的快速跟蹤監測。當然，對上述分類規則需要進行必要的現場驗證，對判別精度進行更好的評價分析，從而為充分發揮遙感數據資源的作用奠定更加堅實的基礎。

參考文獻：

［１］ 郭健，張繼賢，張永紅，等．多時相ＭＯＤＩＳ影像土地覆蓋分類比較研究［Ｊ］． 測繪學報，２００９，３８（１）：８８－９２．

［２］ 呂婷婷，劉闖． 基于ＭＯＤＩＳ數據的泰國耕地信息提取［Ｊ］．農業工程學報，２０１０，２６（２）：２４４－２５０．

［３］ 張霞，孫睿，張兵，等． 基于ＭＯＤＩＳ植被指數時間譜的華北平原土地覆蓋分類［Ｊ］．農業工程學報，２００６，２２（１２）：１２８－１３２．

［４］ 張霞，焦全軍，張兵，等． 利用ＭＯＤＩＳ－ＥＶＩ 圖像時間序列提取作物種植模式初探［Ｊ］．農業工程學報，２００８，２４（５）：１６１－１６５．

［５］ ＴＯＳＨＩＨＩＲＯ Ｓ， ＮＨＡＮ Ｖ Ｎ， ＨＩＲＯＹＵＫＩ Ｏ， ｅｔ ａｌ． Ｓｐａｔｉｏ－ｔｅｍｐｏｒａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｏｆ ｒｉｃｅ ｐｈｅｎｏｌｏｇｙ ａｎｄ ｃｒｏｐｐｉｎｇ ｓｙｓｔｅｍｓ ｉｎ ｔｈｅ Ｍｅｋｏｎｇ Ｄｅｌｔａ ｗｉｔｈ ｓｐｅｃｉａｌ ｒｅｆｅｒｅｎｃｅ ｔｏ ｔｈｅ ｓｅａｓｏｎａｌ ｗａｔｅｒ ｆｌｏｗ ｏｆ ｔｈｅ Ｍｅｋｏｎｇ ａｎｄ Ｂａｓｓａｃ ｒｉｖｅｒｓ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００６，１００：１－１６．

［６］ 王正興，劉闖，陳文波，等． ＭＯＤＩＳ 增強型植被指數ＥＶＩ 與ＮＤＶＩ 初步比較［Ｊ］．武漢大學學報（信息科學版），２００６，３１（５）：４０７－４１０．

［７］ 楊嘉，郭鈮，賈建華．西北地區ＭＯＤＩＳ／ＮＤＶＩ 與ＭＯＤＩＳ／ＥＶＩ 對比分析［Ｊ］．干旱氣象，２００７，２５（１）：３８－４３．

［８］ 左麗君，張增祥，董婷婷，等． ＭＯＤＩＳ／ＮＤＶＩ 和ＭＯＤＩＳ／ＥＶＩ 在耕地信息提取中的應用及對比分析［Ｊ］．農業工程學報，２００８，２４（３）：１６７－１７２.

［９］ 江東，王乃斌，楊小喚，等． ＮＤＶＩ曲線與農作物長勢的時序互動規律［Ｊ］．生態學報，２００２，２２（２）：２４７－２５２．

［１０］ 王長耀， 林文鵬． 基于ＭＯＤＩＳ－ＥＶＩ 的冬小麥產量遙感預測研究［Ｊ］． 農業工程學報，２００５，２１（１０）：９０－９４．

［１１］ ＪＫＡＵＢＡＵＳＫＡＳ Ｍ Ｅ，ＬＡＧＡＴＥＳ Ｄ Ｒ， ＫＡＳＴＥＮＳ Ｊ Ｈ．Ｃｏｒｐ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｕｓｉｎｇ ｈａｒｍｏｎｉｃ ａｎａｌｙｓｉｓ ｏｆ ｔｉｍｅ ｓｅｒｉｅｓ ＡＶＨＲＲ ＮＤＶＩ ｄａｔａ［Ｊ］．Ｃｏｍｐｕｔｅｒ ａｎｄ Ｅｌｅｃｔｒｏｎｉｃｓ ｉｎ Ａｇｒｉｃｕｌｔｕｒｅ，２００２（３７）：１２７－1３９．

［１２］ 許文波，田亦陳． 作物種植面積遙感提取方法的研究進展［Ｊ］．云南農業大學學報，２００５，２０（１）：９４－９８．

［１３］ ＳＫＡＭＡＯＴＯ Ｔ，ＹＯＫＡＺＯＷＡ Ｍ，ＴＯＲＩＴＮＡＩ Ｈ， ｅｔ ａｌ．Ａ ｃｏｒｐ ｐｈｅｎｏｌｏｇｙ ｄｅｔｅｃｔｉｎｇ ｍｅｔｈｏｄ ｕｓｉｎｇ ｔｉｍｅ ｓｅｒｉｅｓ ＭＯＤＩＳ ｄａｔａ ［Ｊ］． Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００５（９６）：３６６－３７４．

［１４］ 王學雷，吳宜進． 江漢平原四湖地區濕地農業景觀格局分析［Ｊ］．華中農業大學學報，２０００，２０（２）：１８８－１９１．

［１５］ 陳康娟，王學雷． 人類活動影響下的四湖地區濕地景觀格局分析［Ｊ］．長江流域資源與環境，２００２，１１（３）：２１９－２２３．

［１６］ 金衛斌，胡秉民． 中尺度流域的景觀格局分析［Ｊ］．長江流域資源與環境，２００３，１２（３）：２７５－２７９．

［１７］ 朱孝林，李強，沈妙根，等． 基于多時相ＮＤＶＩ數據的復種指數提取方法研究［Ｊ］．自然資源學報，２００８，２３（３）：５３４－５４４．

［１８］ ＷＡＲＤＬＯＷ Ｂ Ｄ，ＥＧＢＥＲＴ Ｓ Ｌ，ＫＡＳＴＥＮＳ Ｊ Ｈ． Ａｎａｌｙｓｉｓ ｏｆ ｔｉｍｅ－ｓｅｒｉｅｓ ＭＯＤＩＳ ２５０ｍ ｖｅｇｅｔａｔｉｏｎ ｉｎｄｅｘ ｄａｔａ ｆｏｒ ｃｒｏｐ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｉｎ ｔｈｅ Ｕ．Ｓ．Ｃｅｎｔｒａｌ Ｇｒｅａｔ Ｐｌａｉｎｓ［Ｊ］ ．Ｒｅｍｏｔｅ Ｓｅｎｓｉｎｇ ｏｆ Ｅｎｖｉｒｏｎｍｅｎｔ，２００７，１０８：２９０－３１０．

注：本文中所涉及到的圖表、注解、公式等內容請以PDF格式閱讀原文