基于多時相Landsat TM影像的汶川地震災區河岸帶植被覆蓋動態監測
——以岷江河谷映秀-汶川段為例

許積層，唐 斌，盧 濤

(1.中國科學院成都生物研究所，成都 610041;2.成都理工大學地球科學學院，成都 610059)

干擾是驅動自然生態系統發展的重要因素之一［1］。地震尤其是大型地震作為一種典型的突發性劇烈擾動，會造成自然生態系統結構和功能部分或徹底的毀壞與瓦解，并將持續影響區域生態系統功能［2］。如果地震發生在山區，其對生態系統的影響就更加明顯。因為山地生態系統往往脆弱性更強，抗干擾能力更弱，嚴重退化后恢復困難［3］。目前已有的關于地震對山地生態系統的研究表明，地震造成的生態系統退化實際上是地質活動與山地表生過程綜合驅動的結果［4］。地處青藏高原和四川盆地過渡地帶的岷江上游地區是5.12汶川特大地震的重災區，地震及其次生災害在該區引發了大面積的滑坡、崩塌、泥石流等災害，對區域植被及生態環境造成了巨大破壞［5-6］。

作為水陸之間的交錯帶，河岸帶是陸地生態系統和水生生態系統之間進行物質、能量、信息交換的重要生態過渡帶，其與河流系統一起構成連接整個流域上下游的廊道，并成為一個連續、獨特而完整的系統［7-8］。由于其結構、功能上的特殊性，河岸帶已成為生物多樣性保護［9-10］以及流域生態水文功能實現［11-12］的熱點區域。與此同時，河岸帶植被作為河岸景觀基質極易受到外部擾動的影響，是潛在的敏感地段［13-14］。已有研究表明，岷江上游干旱河谷地區是受地震影響最為嚴重的區域之一［6，15］。但目前對于河谷地區河岸帶植被地震前后生態過程的變化及災后植被恢復的進程、速率以及特點等都還不清楚。

植被覆蓋度是描述植被質量及反映生態系統變化的重要基本參數［16-17］。目前，植被指數和混合像元分解是提取植被覆蓋度的主要方法［18］。由于植被指數在用于植被蓋度估算時，往往存在背景污染、飽和及非線性等問題;相比之下，混合像元方法是基于光譜反射前向模型的像元內不同組分豐度的最優化求解，物理意義明確，所得結果即為各種地物的豐度［19-21］。其中，線性光譜混合模型(LSMM，Linear Spectral Mixture Model)目前是國內外研究最深入、應用最廣泛的混合像元分解模型，并已在山區［22-24］、干旱半干旱區［25-26］、城市及周邊［27-28］等不同區域的植被覆蓋度估算中得到成功應用。

岷江上游的干旱河谷地區由于天氣及云層掩蓋的影響，使得可用于植被覆蓋度分析的生長季遙感影像受到了極大的限制，多數影像往往云量多且云層厚，部分甚至整景影像的信息幾乎都為云層所屏蔽，失去了使用價值［6］。本研究以受汶川5.12地震破壞最為嚴重的干旱河谷區河岸帶植被為研究對象，利用研究區可獲得的質量較高的多時相TM影像，通過線性光譜混合分解模型提取受損植被及植被恢復信息，定量監測其植被動態及空間分布特征，以期為災后岷江上游乃至相似地區的生態恢復與重建提供理論依據。

1 研究區概況

岷江上游干旱河谷區位于四川省阿壩藏族羌族自治州東部，為橫斷山區東北緣，大地構造地貌上屬青藏高原與四川盆地的過渡地帶。該區的主要地質構造為新構造運動強烈的龍門山斷裂帶，地震活躍，地貌類型以高山峽谷為主，嶺谷相對高度在1500—3000m之間［29］。在這種特殊地質地貌以及大氣環流的共同作用下，焚風效應顯著，年降水量約500—600mm，僅為年蒸發量的1/3;土壤類型主要為貧瘠的山地棕壤土和山地褐土;植被類型多為帶刺、多毛、葉片角質發達的灌木，及耐旱種類的草本［30］。

本研究選擇岷江上游干旱河谷的映秀汶川段為研究對象。河岸帶范圍的界定以岷江河道主干東西兩側各1.5km所限定的區域，具體范圍介于東經103°27'— 103°36'、北緯31°3'— 31°30'之間，河谷長度59.19km，涵蓋面積155.84km2。

2 研究方法

2.1 數據源及遙感數據處理

本研究分別選取成像時間為2007/09/18(震前)、2008/07/18(震后2個月)以及2011/08/28(震后3年)獲取的軌道號為130/38的3景Landsat 5 TM影像(數據來源于中國科學院計算機網絡信息中心國際科學數據服務平臺http://datamirror.csdb.cn/)。利用ENVI 4.6軟件對3個時相的TM遙感影像進行幾何配準，校正誤差嚴格限制在0.5個像素以內。通過大氣輻射定標將DN值轉換成反射率，從而消除傳感器造成的內部誤差。同時采用光譜歸一化方法解決地表覆被類型的光譜變異。

DEM數據同樣來自于上述數據服務平臺，空間分辨率30m。利用ArcGIS 9.3軟件對其進行圖像鑲嵌、投影轉換及研究區提取等處理，并提取海拔、坡度及坡向信息。

2.2 基于線性混合像元分解的植被蓋度提取

線性光譜混合模型能夠區分主要的地表覆被類型，并較好地分解混合像元，直接確定植被覆蓋度［31-32］。該模型是指像元的光譜反射率由構成像元的端元(Endmember)的反射率及其所占像元面積百分比為權重值的線性組合，具體表達式為:

式中，Rib為第b波段第i像元的反射率;Fki為第i個像元第k個端元所占像元面積的比例;REkb為第b波段第k個端元的反射率;εib為第b波段第i像元的殘差值;n為端元數目，n≤波段數+1。

2.2.1 端元選取

端元的選擇是線性光譜混合模型的關鍵，并直接關系到端元的擬合精度。本研究根據TM影像信息所包含的主要地表覆被類型選擇端元。具體步驟為:(1)將3個時相的TM影像進行最小噪聲變換(MNF)，進而獲得6個MNF主成分，通過目視檢驗和特征值分析，有超過90%的影像信息集中在前3個主成分，而后3個主成分主要為噪音;(2)將MNF變換后得到的前3個主成份進行像元純度指數(PPI)計算，利用PPI計算結果進入MNF空間進行N維散度分析，在MNF空間中的PPI多面體頂點選擇端元，頂點位置分別對應研究區域的3種主要地表覆被類型:植被、土壤以及陰影，其光譜特征如圖1所示;(3)利用上述3個端元對前3個主成份的MNF影像進行分解，得到植被、土壤和陰影3個分量的影像。

2.2.2 精度評價

已有研究表明，通過地面實際測量得到混合像元的比例非常困難［33］。尤其是對缺少站點實測數據且空間異質性較強的山區來說，利用實測資料進行的精度評價其結果往往不具有代表意義。因為遙感影像表現出的是面狀信息，以點狀資料進行的精度評價只能反映局部信息，而無法從整體上對其特點及質量做出有效評價［34］。因此，本文采用均方根誤差(RMSE)評價的方法來進行模型擬合精度驗證。結果表明，3個時相TM影像分解的RMSE均值(表1)，均小于0.025，符合線性光譜混合模型精度評價要求［22］。說明通過線性光譜混合模型的方法對研究區植被蓋度的變化進行動態監測是可行的。

表1 線性光譜混合分析的均方根誤差統計表Table 1 Statistical RMSE of linear spectral unmixing analysis

一般認為，植被分量與可以有效探測植被覆蓋狀況的NDVI存在密切關系［32］。為了進一步驗證所選擇線性光譜混合分解模型的正確性及植被分量的可靠性，在各時相植被分量影像和NDVI影像上，隨機選擇了250個點進行線性擬合，結果決定系數R2均大于0.8(P=0.000)，表明本研究所選擇的模型及植被分量都是較為可靠的(圖2)。

圖2 各時相植被分量與植被指數的回歸圖Fig．2 The linear regression between GV fraction and NDVI derived from TM images in 2007，2008 and 2011

2.3 植被受損及恢復信息提取

根據研究區的實際情況及野外實地調查驗證，采用影像密度分割的方法，當2007—2008年度區域的植被分量減少量≥10%時，將其判別為受損區。在提取出的植被受損區中，當2008—2011年度區域植被分量增加量＞0時，將其判別為植被恢復信息。具體植被受損及恢復等級分類(表2)。

表2 滑坡體受損與恢復植被覆蓋度分級Table 2 The classification of the damage and recovery vegetation fraction

3 結果與分析

3.1 植被受損評價

分析結果表明(圖3，表4)，地震造成汶川—映秀段河岸帶植被的總受損面積為2736.61hm2，占研究區總面積的17.56%。其中以中度、高度植被受損為主，二者的面積為2181.80hm2，占總受損面積的79.76%，且主要集中分布在汶川—映秀段的南半段河岸;而低度受損植被的面積比例僅為20.24%。

表3進一步顯示了因地震而造成的植被受損的空間分布特征。可以發現，多達74.92%的植被受損集中分布在海拔1100—1700m之間，海拔1100m以下及1700m以上植被受損面積僅為25.08%。其中植被受損最為嚴重的區域集中在海拔1300—1500m，面積為758.52hm2;其次分布在海拔1100—1300m，受損面積752.83hm2。坡度25—55°的區間是植被受損的主要分布區，受損面積占總受損面積的82.65%。其中受損最為嚴重的區域分布在35—45°之間，占總受損面積的42.89%;其次是在坡度25—35°之間的植被受損，占總受損面積的21.64%。就坡向而言，超過50%的植被受損發生在東坡、東南坡和西坡。其中東坡植被受損面積最大，面積為644.03hm2，占總受損面積的23.53%;其次是東南坡，受損面積占總受損面積的15.90%。

表3 植被受損沿海拔、坡度、坡向的空間分布特征Table 3 Proportion of vegetation damage in relation to elevation，slope and aspect with different gradient

3.2 植被恢復評價

分析結果表明(圖3，表4)，地震3a后(2011年)，跟震前(2007年)相比，研究區的植被恢復了56.20%，恢復面積為1538.08hm2，其中以中度、低度的植被恢復為主，面積為1496.50hm2，占總恢復面積比例的97.29%。從總體恢復比例來看，低度受損的植被經過3a后已基本恢復，在全區河岸兩邊都有出現;中度受損的植被面積恢復了57.45%，主要集中分布在汶川—映秀段的南半段河;植被高度恢復的比例僅為5.33%，分布較為零散。

3.3 植被恢復與地形因子的關系

為進一步了解植被受損區植被的恢復狀況，本研究分析了植被恢復率與海拔、坡度及坡向的關系。從表5可知，植被恢復主要發生在1100—1700m的海拔區間，面積為1198.60 hm2，占總恢復面積的77.93%。并且，植被恢復程度與海拔總體上呈負相關，即海拔越高，植被恢復率越低。低度恢復主要發生在海拔小于1100m的區域，比例為58.34%;中度植被恢復主要分布在海拔1100—2380m。海拔從1100m增至1900m，低度恢復比例逐漸增大，而中度恢復比例逐漸減小。

圖3 2007—2008年植被受損分級與2008—2011年植被恢復分級Fig．3 Spatial distribution of damaged vegetation between 2007—2008 and recovery pattern between 2008—2011

表4 植被受損及恢復狀況統計Table 4 Statistics of classified vegetation damages and recovery status

表5 植被恢復與海拔的關系Table 5 Relationship between vegetation recovery and elevation

從表6可知，植被恢復主要發生在25—55°之間，面積為1291.12hm2，占總恢復面積的83.94%。并且，植被恢復與坡度呈現出正相關性。對整個研究區來說，坡度小于25°的區域，植被低度恢復占主導，植被恢復狀況相對較差;而坡度大于25°的區域中，植被中度恢復占主導。隨著坡度的增大，低度恢復比例逐漸減小，而中度、高度恢復比例逐漸增大。

表6 植被恢復與坡度的關系Table6 Relationship between vegetation recovery and slope

從表7可知，就坡向而言，東坡的植被恢復面積最大，共363.31hm2，其次是東南坡，面積為273.01hm2。而北坡、西坡及西北坡植被的恢復狀況不佳，主要以低度恢復占主導。其余坡向則以植被的中度恢復占主導。

表7 植被恢復與坡向的關系Table 7 Relationship between vegetation recovery and aspect

4 結論與討論

本研究通過線性光譜混合模型對512汶川地震后岷江河谷的河岸帶植被進行監測，較好地解決了傳統遙感影像中普遍存在的混合像元問題。通過對3個時相TM影像線性光譜分離的植被覆蓋度分析，發現因植被受損有74.92%發生在海拔1100—1700m范圍，有82.65%集中于坡度25—55°之間，及超過50%的受損分布在東坡、東南坡和西坡;地震3a后，總體來說，滑坡體植被恢復了56.20%，其中以中、低度植被恢復為主。

坡度是導致滑坡及隨后植被恢復進程的重要因素［35-38］。本研究植被受損最為集中的范圍與前人對于滑坡發生的坡度范圍基本一直，他們的研究表明坡度20—50°范圍最易發生滑坡［39-41］。這從側面證明，地震對植被的擾動主要以滑坡的方式體現。本研究中植被恢復與坡度呈正相關，這與Lu等的研究結果類似。這主要是因為進行植被恢復狀況分析時，其DEM數據仍是震前的。而實際上，坡度大的地方往往最容易發生滑坡，而滑坡后的坡度往往都比以前的小，因此出現恢復狀況與坡度呈正相關的情況。植物恢復與海拔總體上呈負相關，可能主要是因為隨著海拔的增高，越遠離河谷區，相應地深切割減弱的緣故。植被恢復狀況與坡向的關系不顯著，這說明就本研究區來說，坡度及海拔對植被恢復的影響效應強于坡向。

本研究中所采用的線性光譜分離(LSU)的方法仍然值得進一步研究。首先，陰影干擾歷來都是遙感數據處理中難點，線性光譜混合分析技術也難以完全解決該問題。與其他多數研究一樣，本文對陰影的處理，也是把陰影作為一類端元單獨提取［22-23，31］。雖然陰影的影響僅局限在陰影范圍內，基本能保證非陰影區的精度，但如何消除陰影對線性光譜混合分析的影響，值得進一步研究。其次，本研究中，將2007—2008年度植被覆蓋度降低的閾值設置為10%，當降低幅度大于10%時，判別為植被受損區。這樣變忽略了植被覆蓋度下降幅度介于0—10%之間的區域。之所以設定這樣的閾值，是因為根據分析結果，植被豐度下降幅度介于上述區間的區域面積僅占整個研究區面積的0.7%，且往往出現分布不合理的情況，如分布在河道、建設用地及未受損植被區。但盡管如此，如何提高線性光譜分離方法對信息識別精度，值得深入研究。

［1］ Turner M G.Disturbance and landscape dynamics in a changing world.Ecology，2010，91(10):2833-2849.

［2］ Cochard R，Ranamukhaarachchi SL，Shivakoti GP，Shipin O V，Edwards P J，Seeland K T.The2004 tsunami in Aceh and Southern Thailand:a review on coastal ecosystems，wave hazards and vulnerability.Perspectives in Plant Ecology，Evolution and Systematics，2008，10(1):3-40.

［3］ Ouyang Z Y，Xu WH，Wang X Z，Wang WJ，Dong R C，Zheng H，Li D H，Li ZQ，Zhang H F，Zhuang CW.Impact assessment of Wenchuan Earthquake on ecosystems.Acta Ecologica Sinica，2008，28(12):5801-5809.

［4］ Bao W K.Ecological degradation and restoration and reconstruction countermeasures for severe calamity regions in Wenchuan Earthquake in Sichuan.Bulletin of Chinese Academy of Sciences，2008，23(4):324-329.

［5］ Wu N，Lu T，Luo P，Zhu D.A review of the impacts of earthquake on mountain ecosystems:taking 5.12 Wenchuan Earthquake as an example.Acta Ecologica Sinica，2008，28(12):5810-5819.

［6］ Lu T，Zeng H C，Luo Y，Wang Q，Shi F S，Sun G，Wu Y，Wu N.Monitoring vegetation recovery after China's May 2008 Wenchuan earthquake using Landsat TM time-series data:A case study in Mao County.Ecological Research，2012，27(5):955-966.

［7］ McClain M E，Boyer E W，Dent C L，Gergel SE，Grimm N B，Groffman P M，Hart SC，Harvey JW，Johnston CA，Mayorga E，McDowell W H，Pinay G.Biogeochemical hot spots and hot moments at the interface of terrestrial and aquatic ecosystems.Ecosystems，2003，6(4):301-312.

［8］ Ranalli A J，Macalady D L.The importance of the riparian zone and in-stream processes in nitrate attenuation in undisturbed and agricultural watersheds A review of the scientific literature.Journal of Hydrology，2010，389(3/4):406-415.

［9］ Elderd B D.The impact of changing flow regimes on riparian vegetation and the riparian species Mimulus guttatus.Ecological Applications，2003，13(6):1610-1625.

［10］ Helfield JM，Engstrom J，Michel JT，Nilsson C，Jansson R.Effects of river restoration on riparian biodiversity in secondary channels of the Pite River，Sweden.Environmental Management，2012，49(1):130-141.

［11］ Yeakley J A，Coleman D C，Haines B L，Kloeppel B D，Meyer JL，Swank W T，Argo B W，Deal JM，Taylor SF.Hillslope nutrient dynamics following upland riparian vegetation disturbance.Ecosystems，2003，6(2):154-167.

［12］ Hill A R，Duval T P.Beaver dams along an agricultural stream in southern Ontario，Canada:their impact on riparian zone hydrology and nitrogen chemistry.Hydrological Processes，2009，23(9):1324-1336.

［13］ Buijse A D，Coops H，Staras M，Jans L H，Van Geest GJ，Grift R E，Ibelings B W，Oosterberg W，Roozen F CJM.Restoration strategies for river floodplains along large lowland rivers in Europe.Freshwater Biology，2002，47(4):889-907.

［14］ Vidon P.Riparian zone management and environmental quality:a multi-contaminant challenge.Hydrological Processes，2010，24(11):1532-1535.

［15］ Yang X J，Chen L D.Using multi-temporal remote sensor imagery to detect earthquake-triggered landslides.International Journal of Applied Earth Observation and Geoinformation，2010，12(6):487-495.

［16］ Gao Q Z，Li Y E，Lin E D，Jiangcun WZ，Wan Y F，Xiong W，Wang B S，Li WF.Temporal and spatial distribution of grassland degradation in Northern Tibet.Acta Geographica Sinica，2005，60(6):87-95.

［17］ Donohue R J，Mcvicar T R，Roderick M L.Climate-related trends in Australian vegetation cover as inferred from satellite observations，1981—2006.Global Change Biology，2009，15(4):1025-1039.

［18］ Somers B，Asner G P，Tits L，Coppin P.Endmember variability in spectral mixture analysis:a review.Remote Sensing of Environment，2011，115(7):1603-1616.

［19］ Hu JB，Chen W，Li X Y，He X Y.Urban vegetation coverage change inside the Third-Rind Road of Shenyang City，China:a study with linear spectral unmixing technique.Chinese Journal of Applied Ecology，2009，20(5):1140-1146.

［20］ Hu M G，Wang JF.Mixed-pixel decomposition and super-resolution reconstruction of RSimage.Progress in Geography，2010，29(6):747-756.

［21］ Byambakhuu I，Sugita M，Matsushima D.Spectral unmixing model to assess land cover fractions in Mongolian steppe regions.Remote Sensing of Environment，2010，114(10):2361-2372.

［22］ Roberts D A，Gardner M，Church R，Ustin S，Scheer G，Green R O.Mapping chaparral in the Santa Monica Mountains using multiple endmember spectral mixture models.Remote Sensing of Environment，1998，65(3):267-279.

［23］ Wan J，Cai Y L.Applying linear spectral unmixing approach to the research of land cover change in Karst area:A case in Guanling County of Guizhou Province.Geographical Research，2003，22(4):439-446.

［24］ Youngentob K N，Roberts D A，Held A A，Dennison P E，Jia X P，Lindenmayer D B.Mapping two Eucalyptus subgenera using multiple endmember spectral mixture analysis and continuum-removed imaging spectrometry data.Remote Sensing of Environment，2011，115(5):1115-1128.

［25］ Theseira M A，Thomas G，Sannier CA D.An evaluation of spectral mixture modelling applied to a semi-arid environment.International Journal of Remote Sensing，2002，23(4):687-700.

［26］ Xiao JF，Moody A.A comparison of methods for estimating fractional green vegetation cover within a desert-to-upland transition zone in central New Mexico，USA.Remote Sensing of Environment，2005，98(2/3):237-250.

［27］ Pu R L，Gong P，Michishita R，Sasagawa T.Spectral mixture analysis for mapping abundance of urban surface components from the Terra/ASTER data.Remote Sensing of Environment，2008，112(3):939-954.

［28］ Xie M M，Wang Y L，Li G C.Spatial variation of impervious surface area and vegetation cover based on SubPixel Model in Shenzhen.Resources Science，2009，31(2):257-264.

［29］ Zhang W H，Lu T，Ma K M，Zhou JY，Li SL.Analysis on the environmental and spatial factors for plant community distribution in the arid valley in the upper reach of Minjiang River.Acta Ecologica Sinica，2004，24(3):552-559.

［30］ Yang Z P，Chang Y，Yang M，Hu Y M，Bu R C，He X Y.Dynamics and influence width of dry valley landscape boundary in upper reaches of Minjiang River.Chinese Journal of Applied Ecology，2007，18(9):1972-1976.

［31］ Elmore A J，Mustard J F，Manning SJ，Lobell D B.Quantifying vegetation change in semiarid environments:precision and accuracy of spectral mixture analysis and the normalized difference vegetation index.Remote Sensing of Environment，2000，73(1):87-102.

［32］ Yingshi Z.A study on environmental change analysis in Sand Hill of Nebraska using remote sensing.Geographical Research，2001，20(2):213-219.

［33］ Hu T G，Zhang JS，Jia B，Pan Y Z，Dong Y S，Li L.Research on LSMM of remote sensing images based on different resolution.Geography and Geo-Information Science，2008，24(3):20-23.

［34］ Chen X N，Bao A M，Zhang H L，Liu M Y.A study on methods and accuracy assessment for extracting snow covered areas from MODISimages based on pixel unmixing:a case on the middle of the Tianshan Mountain.Resources Science，2010，32(9):1761-1768.

［35］ Dai F C，Lee CF.Landslide characteristics and，slope instability modeling using GIS，Lantau Island，Hong Kong.Geomorphology，2002，42(3/4):213-228.

［36］ Lee S.Application of logistic regression model and its validation for landslide susceptibility mapping using GIS and remote sensing data.International Journal of Remote Sensing，2005，26(7):1477-1491.

［37］ Chang K T，Chiang SH，Hsu M L.Modeling typhoon-and earthquake-induced landslides in a mountainous watershed using logistic regression.Geomorphology，2007，89(3/4):335-347.

［38］ Wang H B，Sassa K，Xu W Y.Analysis of a spatial distribution of landslides triggered by the 2004 Chuetsu earthquakes of Niigata Prefecture，Japan.Natural Hazards，2007，41(1):43-60.

［39］ Khazai B，Sitar N.Evaluation of factors controlling earthquake-induced landslides caused by Chi-Chi earthquake and comparison with the Northridge and Loma Prieta events.Engineering Geology，2004，71(1/2):79-95.

［40］ Owen L A，Kamp U，Khattak G A，Harp E L，Keefer D K，Bauer M A.Landslides triggered by the 8 October 2005 Kashmir earthquake.Geomorphology，2008，94(1/2):1-9.

［41］ Huang R Q，Li WL.Analysis of the geo-hazards triggered by the12 May 2008 Wenchuan Earthquake，China.Bulletin of Engineering Geology and the Environment，2009，68(3):363-371.

參考文獻:

［3］ 歐陽志云，徐衛華，王學志，王文杰，董仁才，鄭華，李迪華，李智琦，張宏鋒，莊長偉.汶川大地震對生態系統的影響.生態學報，2008，28(12):5801-5809.

［4］ 包維楷.汶川地震重災區生態退化及其恢復重建對策.中國科學院院刊，2008，23(4):324-329.

［5］ 吳寧，盧濤，羅鵬，朱單.地震對山地生態系統的影響——以5.12汶川大地震為例.生態學報，2008，28(12):5810-5819.

［16］ 高清竹，李玉娥，林而達，江村旺扎，萬運帆，熊偉，王寶山，李文福.藏北地區草地退化的時空分布特征.地理學報，2005，60(6):965-973.

［19］ 胡健波，陳瑋，李小玉，何興元.基于線性混合像元分解的沈陽市三環內城市植被蓋度變化.應用生態學報，2009，20(5):1140-1146.

［20］ 胡茂桂，王勁峰.遙感影像混合像元分解及超分辨率重建研究進展.地理科學進展，2010，29(6):747-756.

［23］ 萬軍，蔡運龍.應用線性光譜分離技術研究喀斯特地區土地覆被變化——以貴州省關嶺縣為例.地理研究，2003，22(4):439-446.

［28］ 謝苗苗，王仰麟，李貴才.基于亞像元分解的不透水表面與植被覆蓋空間分異測度—以深圳市為例.資源科學，2009，31(2):257-264.

［29］ 張文輝，盧濤，馬克明，周建云，劉世梁.岷江上游干旱河谷植物群落分布的環境與空間因素分析.生態學報，2004，24(3):552-559.

［30］ 楊兆平，常禹，楊孟，胡遠滿，布仁倉，何興元.岷江上游干旱河谷景觀邊界動態及其影響域.應用生態學報，2007，18(9):1972-1976.

［32］ 趙英時.美國中西部沙山地區環境變化的遙感研究.地理研究，2001，20(2):213-219.

［33］ 胡潭高，張錦水，賈斌，潘耀忠，董燕生，李樂.不同分辨率遙感圖像混合像元線性分解方法研究.地理與地理信息科學，2008，24(3):20-23.

［34］ 陳曉娜，包安明，張紅利，柳梅英.基于混合像元分解的MODIS積雪面積信息提取及其精度評價——以天山中段為例.資源科學，2010，32(9):1761-1768.