草地系統認知理論與光譜融合量化策略

孫敏軒，焦 心，冀正欣，史良樹，戰 鷹，李蘭杰，韓文超，孫丹峰

（1.中國農業大學土地科學與技術學院，北京 100193；2.中國國土勘測規劃院，北京 100035）

草地作為地球上最廣泛的土地覆蓋類型，是地球物質能量循環最為關鍵的場所之一，除了提供食物、纖維和燃料等生活服務外，還提供許多生態系統服務，包括生物多樣性、碳固存和文化價值[1]。由于草地區域生態和社會經濟資源的有限性和可變性，草地系統極易受到不可修復的破壞，在當前全球氣候變化和經濟社會飛速發展的大背景下，我國草地類型、狀態、生產力等均面臨難以預測的變化態勢[2]。然而當前草地資源管理依然沿用20世紀80年代草原普查的相應成果，對草原的調查和認知體系也未有實質性改變[3]。在草地系統面臨全國食物結構轉型和草地退化的雙重壓力下，亟需建立對草地系統的規范認知和理解框架，同時針對規范知識建立高效、穩定、可移植的信息解譯體系。

傳統的草地資源調查工作和相關研究已經取得很好的成績，但仍存在：（1）指標繁瑣，難以規范和移植應用；（2）尺度混淆，難以應對不同等級管理需求等問題[2-4]；（3）遙感技術應用瓶頸，農業遙感飛速發展，但仍未克服光譜異質性和光譜融合應用等關鍵問題[5]。本文基于前人的草地基礎理論研究，提出包括形態結構、能量平衡和行為（管理）信息三個方面的草地系統認知理論，試圖規范不同草地資源研究場景（微觀、宏觀、生物量化、管理應用等）的知識網絡。基于該理論提出草地資源端元空間和光譜融合量化策略，基于標準光譜端元空間針對草地系統不同尺度應用需求建立遙感“解譯框架”，既能夠實現不同尺度間的融合嵌套，還能夠實現不同區域的移植。最后，本文基于該“解譯框架”分別進行了全國草地潛在植被分區、內蒙古草原類型分類和科爾沁左翼后旗草地類—組—型精細分類3個尺度的應用示范，希冀為我國草地資源調查和管理的革新提供新思路。

1 草地系統認知理論框架

草地系統不同維度的研究均能夠概括于草業科學的學科框架。任繼周繪制了草業科學的框架結構，由3類因子群（生物因子群、非生物因子群和社會因子群），3個主要界面（草叢—地境界面、草地—家畜界面和草畜—社會界面）和4個生產層（前植物、植物、動物和外生物生產層）3個板塊構成草業科學的整體[6]。這3個獨立的科學板塊由四維科學（類型維、化學維、系統維和信息維）連綴、規整為一個整體系統，四維科學強化系統內的規范知識，排除了非規范知識，規范了不同利益相關者對草地系統的認知[7]。基于四維科學理論，配合先進的時空遙感等數字表達技術可以構建草地系統規范、可移植的認知理論體系。草地系統認知理論的目的在于能夠將草地系統不同學科的知識規范、有序地組織起來，形成一張草地系統認知網絡，使得對草地系統微觀、宏觀、結構、機理等方面的認識都能產生聯系，最終為不同區域、不同尺度的管理者提供規范的信息報告。這對全球草地系統共享知識平臺的建立以及全球草地可持續利用都具備深遠的意義[8]。

所有生物有機體都需要物質組成其結構，需要能量來維持其活動，還需要相互溝通來完成演化[9]。所以，草地系統的認知理論體系可從三個方面考慮：草地的形態結構、能量平衡和行為（管理）信息。第一，草地系統的演化表現在草地形態結構的變化，草地斑塊及其生態地境的類型、數量、顏色、形狀、面積、位置等是認識草地系統的第一步；第二，系統內部能量的累積、轉化和耗散過程是驅動草地系統演化的內在機理，如草地系統的能量輸送表現在植物的光合作用及其導致的熱量和能值轉化；第三，草地系統是一個人—草—畜共生系統，草地系統的行為（管理）信息可以反映于人類的管理、物種多樣性和載畜狀況。三者結合可構建草地系統認知框架（圖1）。

圖1 草地系統認知理論框架示意Fig.1 Schematic diagram of grassland system cognitive theory framework

（1）形態結構。草地形態結構是不同因素在時間和空間維度上經過漫長的耦合和積淀形成的，所以，應當從氣候（水熱條件）、地形、土壤等方面考慮其宏觀特征，三者是草地地帶性發育的主要監管者[10]。在這些宏觀地理特征下，發育和演化各種不同草地植被群落。草地的群落結構包括物種類型、數量和組合，以及他們在水平與垂直空間排列的特征[11]。對于群落結構的特征可以借用地植物學分層的概念，每一個層片在群落中具有一定的小環境，相互作用的結果構成了群落環境，層片可以按它在群落中的作用和功能，劃分為建群層片和從屬層片等。

（2）能量平衡。生態學的主體是研究綠色植物如何獲取無機資源，以及這些資源在消費者資源利用網絡中每一個連續階段的重組過程[9]。當輻射被植物截獲時，它有可能被反射（波長不變）、傳遞（一些波段的光被過濾）或吸收。部分吸收的輻射能可提高植物的溫度，并以更長的波長輻射出去。除太陽輻射之外，不同植物對二氧化碳、水和礦物質的轉化也是草地系統能量平衡的重要環節。草地植株吸收能量并合成粗蛋白、粗脂肪、粗纖維以及礦物元素等營養物質，被牛羊啃食后部分轉化為肉、蛋、奶供人類消耗，部分基于排泄物歸還草地，重新被草地吸收，整個過程組成草地系統的能量網。可見草地系統中的能量轉化狀況是認識草地系統健康狀態和演化階段的重要環節，能量失衡是指示系統奔潰的關鍵因素。

（3）行為（管理）信息。人—草—畜在草地系統中依據物質和能量循環過程中發生的行為訊號進行的行為調整和預警，稱之為行為信息，如草地生物量和物種多樣性的時空異構狀態、牛羊喜好豐美適口的牧草、人類圍欄保護長勢不良的草場，除此之外，物種入侵、火燒、施肥、草畜比重等都表征草地系統的行為信息。人—草—畜任何一方的行為偏好都影響草地系統的演化方向。草地系統的行為信息為草地系統演化提供了證據，組成復雜的系統知識脈絡可供草地系統管理提供強有力的支撐[1]。

2 光譜端元空間和光譜融合量化策略

2.1 遙感技術發展現狀

遙感數據是記錄草地系統最經濟、迅捷、廣泛的應用手段，如何從遙感數據源的層面實現草地系統認知的規范是草地系統認知理論建立的根基[12-14]。中國早期的草地資源調查以野外實地勘探調繪再經過內業整理、核查補繪為主。20世紀80年代，賈慎修、牟新待等開始嘗試引入遙感技術參與草地資源調查工作，發現遙感能夠大大提高調查精度和效率[15-16]；后林培參與農業部與聯合國糧農組織（FAO）的農業遙感技術合作，成立“北京農業大學農業遙感應用與培訓中心”，出版了《農業遙感》[17]，掀起了農業遙感應用的高潮，但受遙感技術的限制，仍多以光學目視輔助為主，并未充分挖掘遙感技術的真正潛力。

時至今日，全譜段、多角度、高分辨率、高頻次的空天地觀測系統提供了多種多樣的對地觀測視角。除了數據源的發展，基于光譜的時空分析技術也日趨完善，表征草地生態地境要素的指數模型，如植被指數（NDVI）[18]、土壤調整植被指數（SAVI）[19]、歸一化水體指數（NDWI）、結皮指數（CI）、覆被功能指數（LCI）[20]等；反映草地演化過程及物候條件的時序分析方法[21-22]；除此之外，還發展了大批包括深度學習、神經網絡等高精度的遙感數據挖掘技術[23-26]。

盡管在過去的半個世紀里遙感技術迅速發展，但草地系統的生態和氣候異構特征使其對系統內部結構、功能、生物物理和生物化學參數的監測產生了獨特的挑戰。這些挑戰表現在中、粗分辨率的影像使得植物冠層少的灌草植物與其沙土背景混淆[5]；另外，生物認知與深度學習的黑化或灰化導致遙感解譯框架和專業知識框架難以同化。因此，亟需在草地系統概念框架的基礎上，建立現代觀測和診斷技術下的標準比較空間來支撐遙感大數據在“概念邏輯”知識體系中的深入應用，最終推動草地系統的認知和科學管理決策。

2.2 地表標準光譜端元空間

草地系統遙感解譯框架面臨挑戰最重要的癥結在于受影像空間分辨率的限制，光譜空間始終在表達復雜的地表物質狀態，從而導致光譜異質特征。所以，由地表混合光譜空間向地表端元（純凈地物）光譜空間轉變是走出困境的第一步。將混合地物光譜解構為端元光譜，進而構建地表端元空間，使得光譜信息具備了直觀的生境意義，也降低了光譜知識和專業概念的同化難度[27]。SMALL在分析全球地表覆被光譜空間時發現98%的覆被信息可以被三維光譜端元空間（SVD空間）表示，三個端元分別為基質（Substrate）、綠色植被（Vegetation）和暗色物質（Darksurface,光譜未能穿透或由背景地物散射形成的弱信號區域）[28]。這一結論意味著端元空間能夠走向標準端元空間，這使得我們很可能突破由光譜異質性造成遙感技術在多尺度應用上的瓶頸。地表標準光譜端元空間在不同的系統領域已有廣泛的應用，孫丹峰在旱地系統進行了大量的端元空間與專業概念的鉚合研究，其認為沙、鹽、植被和暗色物質能夠表征旱地系統基礎物質成分，通過四端元空間可以有效反演旱地系統生境互動模式，形成專業場景知識，最終通過決策樹來繪制專業概念模型的脈絡[29-30]；孫強強在此基礎上進一步構建高密時序的端元空間，并對荒漠草地群落生境互動特征進行了細致解剖，最終得到了精細的荒漠生境知識結構圖[31]。端元空間模式解構出地表要素，自然消除了灌草植被與背景地物混淆的問題，除此之外，它還具備時間、空間和光譜維度上的穩定性[32]，這為不同尺度草地系統認知信息的融合提供了契機。

2.3 草地認知系統光譜融合量化策略

基于標準端元空間理論和成熟的遙感應用技術，足以建立具有“概念邏輯”且可以移植的草地資源遙感解譯框架。在多尺度分層嵌套的草地類型體系及草地系統認知理論的支撐下該解譯框架能夠實現草地資源的尺度轉化，同時滿足不同的應用需求（圖2）。多級嵌套的分類邏輯滿足草地發生學原理，那么第一步需實現草地的氣候潛力區劃，認識草地植被的潛在發生單元[33-35]（此時可用地表亮溫產品MOD11、Landsat TIRS；植被指數MOD13；降水數據TRMM等遙感數字產品表征區域氣候潛力）；在潛在植被發生單元的基礎上，提取草地真實發生狀態，實現草地類別信息提取，該階段是框架可移植的關鍵，基于標準光譜端元空間取代傳統的光譜空間或光譜指數空間可以使解譯框架具備更好的穩定性和可塑性[36]；最后，為了保證尺度的傳遞性，還需實現標準端元空間的時間維、空間維甚至光譜維度上的融合，保證草地物種信息能夠在更精細的端元子空間內被界定[37]。

在實現草地類型不同尺度的光譜學解譯后，已經具備草地資源不同尺度的形態結構信息，基于草地系統認知理論，能夠實現調查結果與不同尺度需求的真正轉化（圖2）。針對不同尺度的草地單元進行系統解構，可獲取能量平衡和形為信息層面的光譜信號知識（如基于熱紅外數據推斷不同草地單元的氣孔導度和冠層蒸騰速率的變化[38-39]，通過熒光遙感分析其生長活力[40-41]；基于時間序列分析不同草地單元的畜牧模式[42]；基于高光譜、雷達等數據分析不同草地單元的健康狀態[43]等），最終服務于草畜估產、健康評價、資產核算等一系列業務管理需求。通過對系統不同層次的形態結構、能量配比和信息交流的適時觀測，可以充分掌握草地資源的分配方式以及草地系統的演化方向，最終實現可持續的草地資源管理。

圖2 草地系統認知理論光譜融合量化策略Fig.2 Spectral fusion quantitative strategy of grassland system cognitive theory

3 草地類型多級嵌套遙感分類研究

3.1 研究概況

基于上述理論，本文構建了基于標準光譜端元空間的草地類型多級嵌套遙感分類框架，主要包括3個部分內容：首先，基于MODIS熱紅外和植被指數等產品、TRMM 3B43測雨雷達數據以及DEM等多源遙感數據進行全國草地潛在植被分區；然后，在草地植被分區的指導下構建MODIS多光譜數據的標準光譜端元空間進行內蒙古自治區草地類型分類；最后，利用資源1號02D衛星（ZY1-02D）高光譜數據進行特征優化并構建高維標準光譜端元空間，對科爾沁左翼后旗進行草地類、組、型精細識別，三個尺度的應用示范實現不同尺度間的融合嵌套，能夠滿足不同尺度的管理應用需求。具體技術路線如圖3。

圖3 技術流程圖Fig.3 Technical route of study

采用了全國第一次草地調查分類系統，即將全國草地劃分為18個類，包括：高寒草甸草地類、高寒荒漠類、高寒草原類、高寒草甸類、高寒荒漠草原類、溫性草甸草原類、溫性草原類、溫性荒漠草原類、溫性荒漠類、溫性草原化荒漠類、溫性山地草甸類、暖性草叢類、暖性灌草叢類、熱性草叢類、熱性灌草叢類、低地草甸類及沼澤類。

3.1.1 數據與處理

（1）草地潛在植被區劃研究部分主要采用了1 km分辨率8天合成的MODIS LST和月度合成的NDVI產品，采用月度合成0.25°×0.25°分辨率的TRMM 3B43測雨雷達數據，以及STRM 90 m DEM數據進行潛在植被分區（其中MOD11A2 LST產品和MOD13A3 NDVI產品受傳感器參數、大氣、降雨等條件影響，往往存在不可預見的噪聲和缺失值，本文在應用前均采用了Savitzky-Golay法進行了濾波處理；TRMM 3B43數據需要經過旋轉、坐標校正及單位轉換等處理步驟，除此之外，由于其空間分辨率與MODIS產品不一致，本文基于NDVI和LST參數構建多元回歸模型對其進行降尺度處理。MODIS產品和TRMM降雨數據詳細處理過程參考[44-47]）。（2）內蒙古草地類型分類研究主要運用了500 m分辨率的MODIS多光譜數據（MOD09A1），共7個波段。（3）科爾沁左翼后旗（部分區域）草地類—組—型精細識別研究主要采用ZY1-02D高光譜數據，該數據具有30 m空間分辨率，共166個光譜通道分布于0.4～2.5 um之間，該數據需要在ENVI中手動添加載荷參數后再進行輻射定標、大氣校正等預處理。MOD09A1數據獲取于https://ladsweb.modaps.eosdis.nasa.gov，ZY1-02D數據由中國國土勘測規劃院提供。遙感數據源信息參考表1。

表1 數據源情況Tab.1 Date source

內蒙古草地類型分類主要基于2020年自然資源部草地類型專項調查樣點數據，內蒙古自治區專項調查涵蓋918個樣地，每個樣地布設3個樣方，記錄有草地類型、地形信息、植物類型、土壤狀況及生物量等；科爾沁左翼后旗部分區域精細分類基于2020年自然資源部專項調查樣點及2019年和2020年實地采集樣點，研究區內共包含19個樣地，每個樣地3個樣方，基于樣點情況可將本文分為2個草地類、6個草地組和11個草地型，樣點分布位置如圖4。

圖4 樣點分布圖Fig.4 Samples distribution

3.1.2 光譜混合分解技術

光譜混合分解模型能夠從亞像元尺度將混合像元光譜曲線分解為地表純凈要素曲線，從而構建標準光譜端元空間，完成地表混合光譜空間向端元（純凈地物）空間的轉變。光譜混合分解技術是構建地表標準光譜端元空間于光譜融合量化策略的關鍵技術，它假設混合像元光譜曲線由像元內純凈端元光譜曲線線性組成，目的在于尋求各端元組分占混合像元的面積百分比（豐度值）。

線性光譜混合分解過程主要包括：主成分分析、端元提取和光譜分解。其中，主成分分析的目的在于分析影像的光譜維度，同時消除原始影像中各波段存在的噪音以及共線性問題，從而增強光譜利用效率；端元提取是基于光譜混合分解模型構建標準光譜端元空間的關鍵，選取的端元數目標定端元空間的維度，端元類型標定端元空間的類型；線性光譜混合分解是求取端元組分占混合像元中比例的過程，見式（1），光譜混合分解的詳細處理過程參考文獻[29-30]。

式（1）中：Ri為波段i的反射率；i為影像波段；j為端元數量位置（1，2，3，…，m）；Ei,j為端元j在第i波段的反射率；Fj為端元j占像元的面積；εi為殘差。

3.2 研究過程與結果

3.2.1 草地潛在植被分區

天然草地具有地帶性和非地帶性分布規律，草地潛在植被區劃的目的在于充分了解、認識不同草地發育的氣候和生態條件，以考慮地區特點和發展前景。進一步分析草地自然條件的特性、形成結構和發展規律，以探討草地發生和演化機理。本文基于第一次全國草地資源調查指標體系方案運用多源遙感數據構建潛在草地類型區劃方案。以熱量、水分、地形因素作為各級區劃單位參考的基礎，具體如下：

（1）通過熱量指標區分熱性、暖性、溫性、高寒4種熱量級來限定草地類型命名，基于MOD11A2數據計算最暖月均溫、最冷月均溫、＞0℃積溫來構建熱量指標；（2）基于MOD11A2、MOD13A3和TRMM 3B43數據構建綜合干旱指數[45]，反映區域覆被濕潤狀態，區分荒漠、草原化荒漠、荒漠草原、典型草原、草甸草原及草甸—草叢—灌草從6個不同水分梯度；（3）基于STRM 90 m DEM數據區分高原、山地、平原等地貌狀態，結合地形狀態和綜合干旱指數，判別隱喻特征，區分地帶性和隱喻性草地。結合三個要素，參考20世紀80年代草地調查方法同時基于專項調查樣地進行閾值訓練，利用草地發生知識樹結構進行組織，最終生成中國草地潛在植被類型圖（圖5），支撐不同尺度草地類型分類。

圖5 全國草地類型潛在植被分區及其量化參數Fig.5 Grassland potential vegetation zoning and quantitative parameters in China

3.2.2 內蒙古草地類型分類

草地潛在植被區劃表征草地潛在發生的地理氣候條件，約束草地發生類別，使得分類邏輯符合發生學原理。除此之外，基于潛在植被區劃的約束下進行草地類型分類，可以有效降低光譜對覆被類別的無序配對，從而減少光譜的空間變異。本文以內蒙古自治區為試驗區，基于草地類型潛在植被區劃結果，基于光譜混合分解技術，以MOD09A1 5月、8月和11月三季相數據構建的標準光譜端元豐度圖為特征參數，針對每個草地潛在區域構建隨機森林分類模型，獲取草地類型分布結果，最終整合出內蒙古自治區的草地類型分布圖（圖6）。

圖6 內蒙古草地類型分布圖Fig.6 Distribution of grassland types in Inner Mongolia

基于驗證樣本構建混淆矩陣（表2），得到內蒙古土地覆被分類總體精度為78.85%，Kappa系數為0.73。受到MODIS多光譜數據空間分辨率的限制，分類結果對地塊破碎的草地漏分較大，如山地草甸、低地草甸以及草原—荒漠過度地帶等（均不足70%）。所以，對于更小尺度的管理需求，還需要結合更高空間分辨率或者光譜分辨率的數據進一步嵌套分析。

表2 內蒙古草地類型分類精度Tab.2 Classification accuracy of grassland types in Inner Mongolia

3.2.3 科爾沁左翼后旗草地類型精細分類

對草地類型的精細識別是草地系統底層行為管理的基礎。由于高空間或者高光譜分辨率數據源的限制，往往由地方部門在特定區域開展。本文通過構建ZY1-02D高光譜標準端元空間，開展科爾沁左翼后旗部分區域的草地類、組、型精細識別實驗。

地物光譜識別是高光譜遙感地物屬性識別分類的基礎，高光譜數據具有波段數目多、光譜分辨率高等特點，為地物光譜分類識別研究提供了極大的便利，但同時也面臨著數據量大、譜間相關性高及數據冗余嚴重等問題。所以，對高光譜數據進行降維處理和特征轉換是高光譜數據應用尤為重要的步驟。根據專項調查樣點及團隊外業考察，將研究區草地分為2大類，6個組和11個型。本文通過對地面樣點原始光譜曲線、一階微分曲線、二階微分曲線以及去包絡線進行分析，最終在原始曲線上提取5個窗口，共27個波段，構成新的光譜特征空間，具體位于464～499 nm（5個波段）、636～662 nm（4個波段）、696～730 nm（5個波段）、1 576～1 672 nm（4個波段）、2 081～2 132 nm（4個波段）（圖7）。

圖7 高光譜特征轉換Fig.7 Hyperspectral feature transformation

在優化后的光譜特征空間的基礎上，運用光譜混合分解模型構建標準光譜端元空間，與多光譜數據相比，高光譜具備更深的端元維度，能夠更細致地刻畫地表組分。在多光譜端元空間的基礎上能夠實現，端元空間的內部嵌套，構建更高緯度的地表要素空間。本文在內蒙古MODIS四端元的基礎上對土壤進一步刻畫出沙土、壤土，對植被進一步區分綠色植被和非光合作用植被，最終構建沙土、壤土、綠色植被、非光合作用植被、水、鹽6個端元。基于標準端元豐度參數和地面樣地，利用隨機森林模型最終獲取研究區草地類、組、型分布圖（圖8）。根據混淆矩陣分析類—組—型嵌套模式下的草地類型多級分類精度，其中草地類的信息提取精度為79.68%，Kappa系數為0.76；草地組的分類精度為74.2%，Kappa系數為0.71，草地型的精度為74.06%，Kappa系數為0.71。

圖8 科爾沁左翼后旗草地類、組、型分布圖Fig.8 Distribution of grassland classes, groups and types in Horqin Left Back Banner

3.3 結果分析

傳統的草地資源調查基于氣象站點和實地調查樣地，通過區域推演，由點到面繪制調查圖。本文基于端元空間和光譜融合量化策略構建草地類型多級嵌套遙感分類框架，基于遙感光譜數據的草地資源調查方案，具備傳統調查難以實現的優勢。主要表現在：（1）遙感數據面向像素連續分析，還可實現由草地發生學概念控制，由上向下續分，同時由下向上聚合論證；（2）基于標準光譜端元空間的遙感解譯框架，具備克服傳統基于光譜或光譜指數遙感解譯光譜時空異質、光譜通道參數不一導致調查標準難以統一的能力；（3）多級嵌套的分類結構，能夠有效解決不同尺度的調查問題，從而支撐不同等級的管理需求。

對于不同尺度草地信息提取方案并不受單一數據源的限制，標準光譜端元空間賦予多級嵌套解譯框架不僅能夠發揮不同載荷的自身優勢，還能真正實現多載荷、可替代的融合解譯思路。如對于小尺度草地類型的精細分類除了基于高光譜數據的光譜信息優勢來區分不同草地群落之間的光譜差異外，還可以考慮多時相多光譜數據基于草地生長物候信息提取方式，也可以通過高分辨率數據源來精細刻畫草地紋理結構信息，甚至基于融合模型通過融合高分辨率—低分辨率、高光譜—多光譜等不同數據源的方式來克服單一數據源獲取限制的問題。當然，這些也是今后本文框架需要完善的方向。

4 結論與討論

本文基于任繼周的草業學科四維科學理論和眾多相關學者的研究成果，提出草地系統認知理論框架，它從草地資源的形態結構、能量平衡和行為（管理）信息3個角度來規范和組織對草地系統的認知，使得不同業務部門能夠獲取對草地系統規范的認知，來支撐管理決策。當然，本文僅是草地系統認知理論的初探，后續仍需要從每個角度基于不同的學科背景進行更深層次的理論探索，來豐富該理論。

理論框架離不開技術支撐，大數據和高性能云計算的變革增強了在多尺度和實時視角下進行全球觀測的能力[48]。基于草地系統認知理論框架，本文針對當前遙感技術發展面臨的困境提出了基于地表標準光譜端元的草地系統認知光譜融合量化策略，能夠充分表達草地資源的形態結構、能量平衡和行為信息在不同尺度的狀態。基于標準光譜端元空間的融合策略具備更加穩定的底層邏輯，能夠支撐草地系統認知理論實現光譜數據的規范化。本文在認知理論和融合策略的指導下，提供了詳細的案例解剖，從全國—內蒙古—科爾沁左翼后旗3個尺度構建草地類型多級嵌套遙感分類示范，論證了本文對于草地資源調查研究轉型的潛力。但本文僅從MODIS多光譜數據和ZY1-02D高光譜數據進行草地類型的多級嵌套分類研究，事實上標準光譜端元空間具備更宏偉的數據源可塑性，針對不同時間—空間—光譜維度的載荷均可構建其標準的光譜端元空間，基于標準光譜端元空間將不同載荷原始光譜通道轉換到標準物理空間中，再基于端元豐度融合模型實現端元空間的尺度傳遞[37]，最終真正實現草地資源的多源遙感數據協同觀測。

本文的理論研究和技術探索的最終目的在于服務中國草地資源面臨的全球氣候變化、經濟發展和糧食結構轉型背景，希望為全國草地資源可持續管理提供新思路。