浙江大学学报(农业与生命科学版) 27(6):682～690,2001Jour nal of Zhej iang Univer sity (Agr ic.&Life Sci.) 收稿日期:2000-12-21基金项目:国家自然科学基金资助项目(49771056)作者简介:申广荣(1965—),女,山西太谷县人,副教授,博士生,主要从事植被遥感,农业信息技术应用方面的研究.文章编号:1008-9209(2001)06-0682-09植被光谱遥感数据的研究现状及其展望申广荣,王人潮(浙江大学农业遥感与信息技术应用研究所,浙江杭州310029)摘 要:植被光谱遥感是地表植被地学过程对地观测的强有力工具.本文概述了植被光谱遥感在植被信息提取、植物长势监测和估产以及估算植物光合有效辐射和初级生产力等方面的应用及研究现状,特别关注了高光谱遥感及其与近年逐步兴起的多角度遥感结合,更精确地反演植被参数等方面的发展状况.并讨论了今后植被光谱遥感应用发展的方向和研究领域.关 键 词:植被光谱遥感;高光谱遥感;植被监测;双向反射模型;数据融合中图分类号:Q 948.15;TP 79 文献标识码:ASHEN Guang-r ong,WANG R en-cha o (I nst .of Agr ic .Remote S ensing &I nf orm .A ppli .,Zhej iang U -niver sity ,H angz hou 310029,China )R eview of the application of vegeta tion r emote sensing .Journal of Zhejiang University (Agr ic.&Life Sci.),2001,27(6):682-690Abstr act :Vegetation r emot e sensing data plays an impor tant role in monitoring dynamically ea rth re-sour ce fr om the space .In this paper ,t he applicat ion of vegetation r emote sensing in detecting the vege-ta tion growth st ate,estimating the canopy biochemical char acter istics and pr oductivity of crop fr om veget ation r emote sensing dat a war e r eviewed in detail.T he special at tention to t he r ecent wor ks about t he integr ation of multiangle r emot e sensing a nd hyperspectral r emote sensing data to inver t accurat ely veget ation par ameter s war e given .F inally the paper discussed the way and studied fields of the fur ther a pplication of rem ote sensing informat ion.Key wor ds :vegeta tion r emot e sensing ;hyper spectr al r emot e sensing ;vegeta tion monitoring ;bi -direc-tional reflectance distr ibution function m odel ;data fusion 近年来,随着遥感和计算机软、硬件技术的发展与完善,植被光谱遥感的应用范围越来越广且不断深入.除在区域和全球尺度上广泛应用于从高空对农作物与林木生长状况,农业估产和生态环境的监测外,还应用于山区地物识别和分类制图以及地质找矿,酸雨的监测,植被覆盖空间结构的分析和监测以及地下深部油气的探测等领域.成象光谱仪的出现使从飞机到卫星平台获取高光谱分辨率图象数据成为可能.经相应的高光谱遥感信息处理技术处理后,与逐步建立及完善的双向反射模型的反演相结合,加上逐步成熟的植被高光谱分析算法,为更准确地探测植被的精细光谱信息,定量反演植被各组分含量及叶面积指数LAI 等植被结构参数,精确估算植物所吸收的光合有效辐射APAR,植物的初级生产力N PP等指标提供了可能,从而推进了遥感定量化的进程.植被光谱遥感已成为地表植被地学过程对地观测的强有力工具.1 应用及研究现状 植物的反射光谱曲线具有显著的特征[1].不同的植物以及同一种植物的不同生长发育阶段,正常生长的植物和由于受病虫害的侵扰或患有缺素症的植物,其反射光谱曲线的形态和特征不同,此外,由于灌溉和施肥等条件以及地下深部富集元素的不同也会引起植物反射光谱曲线的变化.因此,可以利用植被光谱遥感的这一特征和遥感数据,结合地面调查,借助于GIS和GPS的支持,进行区域和全球尺度上农作物与林木生长状况及生态环境的监测等领域的应用研究.1.1 植被信息的提取 根据植被的反射光谱特征,通常是用植被红光,近红外波段的反射率和其它因子及其组合所获得的植被指数VI来提取植被信息[2],并在区域和全球尺度上从高空监测植被.归一化植被指数NDVI是最广泛使用的一种植被指数,它使应用遥感图象进行植被研究以及植物物候研究得到了广泛应用,是植物生长状态及植被空间分布密度的最佳指示因子,与植被分布密度呈线性相关.另外还有土壤调节植被指数SAVI,变形的土壤调节植被指数T SAVI,修正的土壤调节植被指数MSAVI,垂直植被指数PVI,黄色指数YI等等.T s.Purevdorj用地面实测的反射光谱数据结合气象卫星AVHRR数据,通过计算NDVI,SAVI, MSAV I和T SAVI来估计植被覆盖度,比较分析结果表明,用TSAVI和NDVI估计面积大、植被密度高区域的植被覆盖度效果更佳[3].S. J.Hurcom认为在半干旱区用地面测量的反射光谱数据经高光谱分解技术,通过NDVI估计植被的丰度比用LAI或生物量等指标效果好[4].另外,NDVI和植被的低覆盖度及叶面积指数有相关关系,从而可以用遥感估算植被的低覆盖度和叶面积指数[5].但实验表明,对土壤背景的变化较为敏感.利用高光谱遥感数据可以消除土壤信号在NDV I中的作用[6].结合双向反射模型的应用,可以提取更精确的植被信息.最优化土壤调节植被指数OSAVI= (NIR-R)/(NIR+R+0.16),其中土壤调节系数0.16是减小土壤背景影响的最优值. Michael D.Steven用地面测量光谱数据与SPOT结合,对英国的甜菜用SAIL-SOIL-SPECT-PROSPECT-KUU SK模型检测OS-AVI对各种观测和环境因子的敏感性.认为由于甜菜叶大且接近地面从而易于产生的热点效应是可以忽略的,但叶角分布对甜菜的产量和覆盖度的估算是很重要的一个因子[7].J.Qiu 等人也通过反演植被的双向反射模型来估算植被的表面特性[8].利用混合光谱分解技术可以提高定量监测植被丰度随时间变化的精确性与准确性[9].1.2 植被长势监测和估产1.2.1 植被长势的监测 遥感图象宏观,综合,快速,动态的特点使其得以方便地对作物长势进行动态监测成为其最基本和广泛的应用功能.如对小麦[10]、水稻[11,12]、草地、森林及植被环境[13]等,一般通过计算NDVI值来实现,用得较多的是N OAA气象卫星.因为NOAA气象卫星具有周期短、覆盖面积大、对绿色植被及水分温度反映比较灵敏等特点.所以NOAA气象卫星已被广泛应用于监测植被,分析植被物候特征及植被估产.其中应用最广的是用归一化植被指数(NDVI)估算水稻的叶面积指数来监测作物长势[10,12].但用NDVI推算LAI有其局限性,一个是NDVI与LAI的关系因植被类型和品种而异,另一个是NDV I不能充分反映植被双向反射的作用;所以,一些研究采用将双向反射函数与作物生长模拟模型结合起来,通过改进或引进新的模型反演技术(如神经网络)等方法进行作物长势的监测和估产[14～17].另有一些研究则着重考虑了减少双向角度对N OAA/AVHRR图象影响的方法和手段[18,19],Goel和Qin W则利用计算机模拟模型研究了植被冠层结构对各种植被指数和LAI 及FPAR等参数的影响[20].这些结果为充分利用遥感数据反映作物实际生长状况的优势,进683 第6期 申广荣,王人潮 植被光谱遥感数据的研究现状及其展望 行大面积作物长势监测和估算水稻产量奠定了基础.同时,通过地面实测的光谱数据研究作物不同生长发育阶段的反射波谱特征及与作物长势的关系,也为利用卫星遥感资料进行水稻宏观长势的监测提供了理论依据[12,21].温刚利用NOAA/NASA Pathfinder AVHRR陆地数据集,建立了中国东部季风区(108°～123°E,210°～45°N)的1986年归一化植被指数N DVI距平图象序列,展示了中国东部季风区的植被物候季节性特征和地域差异[22].Wessman等用机载高分辨率光谱仪所获得的图象来估计Wis-consin州整个森林冠层的木质素浓度,并且在未受到干扰的森林生态系统中观测到冠层木质素浓度与有效N之间有很强的相关性,并认为冠层木质素可以作为氮状态的一个指标,从而通过遥感可估计森林地区的N循环速率并制图[23]. 植物光谱维方向的特征信息主要集中在因植物叶片中生物化学成分含量的变化而形成的吸收波形处.植物光谱的导数实质上反映了植物内部物质(叶绿素及其它生物化学成分)的吸收波形变化.因此,可以通过植物的光谱特性监测植物的各种缺素症和病虫害.M.L.Adams 利用AVIRIS高光谱数据,引入黄色指数YI 来监测胁迫植物叶片的缺氯症.叶片的黄色指数YI作为光谱数据的二阶导数,当胁迫植物叶片缺氯症特别严重时,其反射率在大约0.55 L m左右达到一个高峰值;相反的情况是在大约0.65L m左右达到反射率的最低点[24].也有人在研究作物缺乏氮,磷,钾时的光谱特性[25],可望通过其光谱特征来监测植物是否患有缺素症.病虫害感染会导致叶肉细胞结构发生变化,使得叶片的光谱反射率也发生变化.Malthus 和Madeir a考察了大豆受蚕豆斑点葡萄孢感染后的光谱反射率变化情况.发现受感染后,大豆反射率在可见光区变得平坦,在近红外光的80 nm处反射率低.受感染的程度与可见光的反射率的相关性,一阶导数比原始的反射率要高,故可以用它来监测病虫害的感染情况[26].水稻受重金属铬和铜污染伤害后,无论在生理上还是在反射光谱方面变化都比较显著,尤以铬和铜拌土生长的水稻在分蘖期受到的影响最明显[27].将地面实测高光谱数据和双向反射模型相结合,还可反演草地的生物物理参数和监测干旱环境条件下植被指数与土壤颜色的关系[28,29].运用高光谱遥感还能监测植被受空气污染的状况[30].1.2.2 植被叶片生理特征参数的估算 常规的植被叶片生理特征参数的估算采用各种植被指数来进行.水稻不同氮素营养水平的光谱特征及其相关分析表明:不同氮素水平的水稻单张叶片的光谱特征明显不同,比值植被指数(RVI),归一化植被指数(NDVI)与稻叶含氮量之间均呈相关,相关系数达极显著水平,所以在一定条件下用光谱特征分析水稻氮素水平是可能的.根据植被指数与氮素水平及叶绿素含量的关系,可以间接推算出稻叶含氮量和叶绿素含量[31]. 叶面积指数难以直接从遥感信息直接反演.但高光谱遥感应用与发展为此提供了可能.童庆禧等就是根据LAI与高光谱遥感图象植被因子之间的理论模型来获取LAI: LAI=-(1/2C)ln(1-U) 式中C2=k2-B2,k为植被吸收系数,B为散射系数;U为归一化植被因子.该方程中使用的不是某几个点的导数值,而是包含了叶绿素吸收和叶细胞反射重要波段范围内的导数波形积分值[32].同时,实验也已证明用高光谱分辨率数据能够估计叶片的化学成分[33].植被光谱模型反演植被生物物理参量是定量遥感发展的重要趋势.在植被双向反射模型中,植被体内唯一与光谱特征有关的是叶片的反射率和透射率.PROSPECT植被光谱模型可以在400～2500nm的光谱范围内以比较高的光谱分辨率模拟叶片的光谱特性,因而可以作为植被双向反射模型如SAIL模型的输入参量,从而计算高光谱条件下的植被双向反射特性.Jacque-moud已证明了该模型的可反演性.Kuusk,B.A ndrieu等分别将PROSPECT模型用于自己的模型反演工作[34,35],结果证明利用这种模型,可以反演叶片的化学组分和植被的结构特征.Barry D.Ganapol建立了植被叶片的辐射传输模型(LEAFMOD),给定叶片的厚度和一些光学特性如叶片吸收和散射系数即可估算叶684 浙江大学学报(农业与生命科学版) 第27卷 片的反射和透射系数.反过来,由实测的叶片反射和透射光谱特性即可计算叶片的吸收和散射系数[36].Terence P.Dawson也建立了模型LIBERT Y,通过叶片的光谱数据来监测叶片的生物化学成分[37].1.2.3 估 产 目前,利用遥感进行作物估产,主要有两条途径:一是通过卫星图象估算种植面积和建立单产模型(通过遥感,统计和农学等方法)来估总产[38,39];一是直接进行总产估算.一般来说,无论是单产还是总产的遥感模型,均是利用某种植被指数在作物生长发育之关键期内的和与产量的实测或统计数据间建立起各种形式的相关方程来实现的[11].但也有利用地面实测光谱数据,从作物冠层对光谱的反射特征出发,通过叶面积系数LAI来进行遥感估产,张晓阳在江汉平原监利县红城乡的3块试验田用302型野外光谱仪进行了水稻光谱测试,利用水稻样点观测数据对所建立的遥感估产模式进行了验证,取得了较好的效果[40].但这些估产方法都还处在理论研究阶段,要真正应用于实际还需继续完善估产模式并研制开发实用的估产系统.1.3 光能利用和蒸散 理论和实验都证明植物冠层的光合有效辐射与反射率有联系.遥感所得的A PAR比LAI 能更可靠地估计作物的生物量,因为作物的光合作用过程直接把APAR能量转换成干物质,因此APAR是作物初级生产力的一个较好的指标. Eduardo Ridao利用地面测量的光谱数据计算了9种植被指数RVI,NDVI,SAVI2, TSAVI,RDVI,PVI,GVI3,STVI,CRV I,用来估算灌溉和非灌溉区豆类的fAPAR.结果表明,这些VI值都受测量光谱的太阳角影响,特别是在太阳角大于45°时.其中受影响最大的是ST VI和CRVI.RVI和NDVI用来估计豆类的fAPAR效果最好[41].研究表明,可直接反演双向反射模型,用卫星和地面测量的光谱数据来估算叶子的生物物理参数LAI和FA-PAR[35,42].C.E.Mcmichael在北极冻原生态系统中用手持光谱仪测得的光谱数据计算ND-VI,来估计CO2的流量,并建立了NDVI与研究区光合作用,生态系统呼吸作用的关系[43]. 1.4 植被初级生产力NPP与生物量 冠层的理化特性在一定程度上控制着森林的初级生产力(NPP),比如叶面积和氮含量通过控制光合作用和传输速率来影响NPP. T ucker等在研究大气CO2浓度的变化与ND-VI动态关系的基础上,认为可用NDVI来估计植被的光合能力[44].在利用参数模型进行NPP 的估算时,有的直接利用NDVI与NPP的关系进行计算.Prince在Sahelia在半干旱草原进行了长达8年的实地生产力观测,并与同一时期的多时相NOAA的年NDVI之和进行分析,表明生产力在0～3000kg/hm2的范围内时它们之间存在很强的线性关系[45].另外,也有人认为年NDVI与ANPP间存在非线性关系. Chong等认为ANPP与NDVI间存在幂函数关系[46];而肖乾广等则认为ANPP与NDVI间存在对数函数关系,并用此关系估算了中国陆地的NPP[47]. 张良培利用样本NDVI和测量所得的生物量数据进行回归分析,相关系数在0.7以上.黄熟期叶绿素的损失会在可见光波段表现出来.在出穗期的R1100和R1200可用于生物量估算,通过回归方法也可用R1260来估算水稻单产.Hame等结合地面调查和高分辨率图象(T M)用相关分析的方法建立了预测生物量的模型,然后再直接应用到低分辨率的AVHRR 图象上,成功地估算了面积达几百万平方公里的欧洲以针叶树占优势的北方针叶林的生物量,并且估算的精度超过了预先的期望[48].1.5 植被的分类制图 基于遥感数据的植被分类和制图,主要利用遥感的数据特征,辅以其它地面数据并借助于GIS进行数据整合、分类和GPS的精确定位来实现.借助于GIS和GPS的支持,遥感图象还可应用于植被覆盖空间结构的分析和监测. 用遥感数据进行分类,一般多用NDVI数据.因为年内的NDVI随时间的变化与物候相关,特别是在气候年变化大,生境多样的地区.如Badwhar利用Landsat MSS数据根据ND-VI高峰值的时间、最大值和生长季的长度来区分作物类型[49].随着遥感应用的深入,人们逐685 第6期 申广荣,王人潮 植被光谱遥感数据的研究现状及其展望 渐认识到中、热红外波段信息在分类中的作用. Boyd等用复除指数CDI可以区分Oregon州实验地森林4个不同的演替阶段[50],这意味着从可见光、中红外和热红外等波段的遥感数据中可得到全球的植被信息.近年来,高光谱遥感数据也逐渐应用于植被的分类制图中.M.E. Mar tin等人利用高光谱遥感数据对Harvard 林区的11种森林覆盖用最大似然法进行了分类,其中有些地区是针叶林和阔叶林的混合林,然后利用地面数据进行取样验证[51].P.M. Atkinson和D.R.Emery利用SE-590TM光谱仪分析了英国Middlebere Heath和Grain Kent两个地区的空间变异与光谱特征之间的关系,找出了最佳监测研究区空间变异的光谱波段[52].J.Dungan基于遥感图象和地面实测数据,利用空间分析方法预测植被属性空间变异性,找到了预测空间变异的合适方法,为实现植被的分类和空间变异预测制图奠定了基础[53]. D.A.Roberts用AVIRIS高光谱数据,采用混合光谱分解和光谱匹配技术相结合的方法对美国Santa Monica山区进行地物识别和分类制图[54],进一步表明了用高光谱遥感数据可以在区域尺度上对山区的植被变化进行监测. 由于植被特征受地形和气候的影响很大,因此遥感和GIS结合的植被分类已日渐受到重视.Sader等用四种不同分类方法对Maine 州的森林湿地进行分类,并对分类精度进行了显著性检验,结果表明,GIS模型分类方法显著优于传统的非监督分类和T aseled cap分类[55].实验证明:用图象处理、GIS和数据库来整合多时相/历史数据和地面辅助数据等多源数据的分类方法是未来植被分类制图中最具有前途的方法.1.6 其它方面 利用植被光谱遥感数据还可进行陆地生态学等其它领域的研究.比如对洪涝、旱情[56]和火灾[57]的监测,对土壤状况、土地覆盖变化的监测以及景观多样性和生物多样性的监测和制图.吴继友等通过对山东招远金矿区赤松针叶反射光谱红边的季节特征研究,认为春季和秋季是高光谱遥感探测赤松林下金属矿藏的最好季节[58].植被光谱特性还可用来探测地下深部的油气贮藏量[59].李德成等研究了模拟酸雨对水稻叶片反射光谱特性的影响,结果表明:酸雨会引起水稻叶片反射光谱中可见光区和中红外区的反射率升高,近红外区的反射率降低,相应的反射率比值也随之变化,一阶和二阶导数光谱蓝移,且上述变化的程度与酸雨的酸度、水稻的品种和生育期有关[60].这一结果也表明遥感技术监测酸雨污染作物是可行的.2 应用展望 植被光谱遥感数据以其显著的特点已经成为连接遥感数据,地面测量,光谱模型和应用的强有力的工具.伴随着遥感和计算机软硬件技术的发展和遥感理论研究的不断深化,植被光谱遥感数据将具有更为广阔的应用前景.2.1 地面遥感的深化 遥感应用研究最初是通过航空遥感实验和地面实况勘测,详细研究一些典型地区的环境背景条件;利用航空光谱辐射计与地球资源卫星进行大面积的同步观测实验,为遥感图象的纠正与数据处理,提供几何校准与辐射校准的依据.然后用实测的光谱数据研究植被的各种光谱特征例如通过计算NDVI等各种植被指数,为用气象卫星或地球资源卫星对植被资源进行动态的监测和管理提供依据.随着遥感技术的发展和应用的不断深入,发展高光谱和多角度遥感是适合于对某一植被类型进行小尺度定点研究的地面遥感今后发展的必然趋势,也是遥感进一步定量化的需要和基础. 高光谱遥感的显著特点是在特定光谱区域以高光谱分辨率同时获取连续的地物光谱图象,从而使遥感应用着重于在光谱维上进行空间信息展开,定量分析地球表层生物物理化学过程和参数.高光谱遥感的超多波段(几十,上百个)和光谱分辨率高(3～20nm)的特点,使其可探测植被的精细光谱信息(特别是植被各种生化组分的吸收光谱信息),反演各组分含量,监测植被生长状况.目前在世界上已有30余台航空成象光谱仪正在运行之中,用得最多的是AVIRIS成象光谱数据,如何有效地充分686 浙江大学学报(农业与生命科学版) 第27卷 利用这些高光谱数据进行植被定量对地观测,除发展和建立各种有效的图象处理技术和相关的植被光谱分析算法外,进行地面高光谱遥感的深入研究是关键.为此首先应:¹建造高光谱数据库,以便高光谱图象与此直接匹配识别植被类型和土壤覆盖类型等.º深入研究植被的高光谱特性与植被生物物理参量的关系,建立合理的模型,为用高光谱图象在大范围内反演植被的各种生长参数,监测植被长势,估产奠定基础.»充分利用高光谱数据,改进传统的植被指数以定量获取植被生物物理参量(LAI,生物量,光合有效吸收系数APAR等),实现植被生物化学成分定量制图.¼与多角度遥感相结合,利用高光谱数据分析影响双向反射的因子进而建立双向反射模型,以便增强植被冠层(群丛)结构参数反演的精确性和准确性. 其次,地表反射是非朗伯体的,植被的反射特性不仅与表面光学性质和冠层结构有关,还与太阳光入射角度及观测角度有关.而且,这两种角度的差异,明显地引起冠层反射的差别,这种差别不仅随着双种角度的变化而变化,而且随着冠层结构要素的变化而变化.因此,从逆过程分析,通过这种变化可以获得更丰富的冠层结构信息,基于这种考虑,在植被遥感领域中,植被双向反射的研究就异军突起.目前,已建立了大约200种双向反射模型.其中一类基于几何原理,一类基于辐射传输原理,还有混合模型将二者结合起来.尽管双向反射模型已经取得了重大的进展,但远没有达到完美的地步,从而应用于生产实践即以遥感信息更精确地反演植被冠层更丰富的结构参数.这是因为,¹双向反射模型需要同一冠层的多角度的反射信息.而对于目前普遍使用的LANDSAT、NOAA卫星资料而言,均不能很好满足这种要求.º大多数双向反射模型还没有摆脱地面观测的辅助信息.所以,双向反射模型要能达到实用阶段,需通过地面遥感,a.与高光谱遥感数据结合,在解决模型精度和所需地面观测参数间矛盾的基础上,建立更合适的双向反射模型. b.进行最佳波段和最佳角度的试验,回答在什么波段,什么角度能得到最多信息,要多少波段,多少角度的信息才能实现冠层结构参数的反演.»在上述研究的基础上,进一步研究用于纠正由于观测角度引起的NOAA AVIHRR图象畸变的实用模式,从而深化将地面与卫星图象资料相结合进行植被覆盖的监测等方面的应用研究,为遥感的进一步定量化奠定基础.2.2 3S的结合和多源遥感影象数据融合技术的应用 随着遥感技术的发展及光学、热红外和微波等大量不同卫星传感器对地观测的应用,获取的同一地区的多种遥感影像数据(多时相、多光谱、多传感器、多平台和多分辨率)越来越多.与单源遥感影像数据相比,多源遥感影像数据所提供的信息具有冗余性、互补性和合作性.多源遥感影象数据的冗余性表示他们对环境或目标的表示、描述或解译结果相同;互补性是指信息来自不同的自由度且相互独立;合作性是不同传感器在观测和处理信息时对其它信息有依赖关系.所以,为了从多源遥感信息中提取比从单源数据中更丰富、更可靠、更有用的信息,要进行“数据融合”.实际上,遥感中的“数据融合”属于一种属性融合,它是将同一地区的多源遥感影象数据加以智能化合成,产生比单一信息源更精确、更完全、更可靠的估计和判断.通过“数据融合”可提高影像的空间分解力和清晰度,提高平面测图精度、分类精度与可靠性,增强解译和动态监测能力,减少模糊度,有效提高遥感影象数据的利用率等. 航空遥感由于其地面分辨率高,飞行时间灵活,比较适合于冠层结构和群落结构动态方面的研究.微波遥感具有全天侯工作的能力,也已被应用于冠层结构、植被分类和生物量估算等的研究中.成象光谱仪的出现使从飞机到卫星平台获取高光谱分辨率图象数据成为可能.在数字化地球的浪潮中,为充分发挥各遥感平台的优势,多源遥感影象数据融合在今后遥感动态监测全球植被资源中将发挥越来越大的作用.全球定位系统GPS可以实现研究中调查取样的准确定位.地理信息系统GIS在空间数据管理,空间分析,多源数据的整合、数据的统计分析、模型的建立和制图等方面具有强大的功能.所以,3S的结合是今后遥感成功应用于全球植被监测和管理研究中的必然趋势.687 第6期 申广荣,王人潮 植被光谱遥感数据的研究现状及其展望 。
