【基于MODIS-EVI时序数据的江汉平原四湖地区土地覆盖动态分析】时序数据
摘要：根据２００１～２００７年江汉平原四湖地区增强型植被指数（ＥＶＩ）的时序数据，运用时间序列谐波分析法（ＨＡＮＴＳ）进行去云处理，计算各个像元ＥＶＩ时序值的平方和Ｎ，将Ｎ＞０．２５的像元划为植被覆盖区，Ｎ＜０．２５的像元划为非植被覆盖区。对植被覆盖区采用二次差分法判断ＥＶＩ时序数据的峰值出现次数，年内峰值出现１次的为林地和草地，出现２次的为耕地，出项３次及以上的为蔬菜地，采用监督分类方法划分非植被覆盖区中的城镇、水域和植被覆盖区中的林地、草地，制作了四湖地区２００１～２００７年的土地覆盖分类图，与基于２００１年多时相ＥＴＭ数据的土地覆盖分类进行了比较，耕地面积相差在１０％以内。利用ＭＯＤＩＳ的ＥＶＩ数据能够快速、有效、低成本进行土地覆盖分类。动态分析结果发现，耕地面积处在不断减少过程中，其余覆盖类型的面积呈增加趋势。
关键词：增强型植被指数（ＥＶＩ）；土地覆盖分类；江汉平原四湖地区
中图分类号：ＴＰ７５１文献标识码：Ａ文章编号：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
遥感信息是获取大范围土地覆盖分类及其变化的主要手段。１９９９年发射的Ｔｅｒｒａ卫星上的ＭＯＤＩＳ传感器在光谱性能、空间分辨率、数据质量上有了很大改善，在全球及区域尺度的土地监测和制图上受到了用户和遥感研究者的积极关注与使用［１］。近年来ＭＯＤＩＳ产品还提供了经过数据预处理以后的多时相归一化植被指数（ＮＤＶＩ）和增强型植被指数（ＥＶＩ），为开展区域土地覆盖分类及其变化研究提供了更加便捷的数据基础。吕婷婷等［２］采用ＭＯＤＩＳ－ＮＤＶＩ时序数据提取了泰国耕地面积信息，张霞等［３，４］利用ＭＯＤＩＳ－ＥＶＩ时间谱跟踪地物固有的物候信息，研究了华北平原土地覆盖分类，Ｔｏｓｈｉｈｉｒｏ等［５］利用ＭＯＤＩＳ－ＥＶＩ时间序列分析了越南湄公河三角洲水稻的物候特征，制作了５种主要水稻种植模式图。研究表明，ＥＶＩ比ＮＤＶＩ具有更强的识别作物的能力［６－８］。因此运用ＥＶＩ指数获得高精度的宏观土地覆盖和土地利用分类信息是完全可能的，且为种植模式等农业有用信息的提取、监测提供了便捷途径。但是，在不同地方、不同年份，由于种植制度、品种光谱特性、气象条件的差异，其分类关键时段、分类指标甚至分类方法都不一样［９－１３］，因此，就各个具体区域而言，如何利用ＥＶＩ时序数据进行土地覆盖类型的判别，即分类策略或决策树规则，需要进一步研究。
江汉平原四湖地区是我国重要的湿地农业区域。有关四湖地区土地覆盖及其变化的研究广受关注［１４－１６］。但此前的研究，都是基于高空间分辨率的ＴＭ的影像数据，难以做到动态连续监测。本文以ＥＶＩ时间序列数据的变异特征为依据，根据作物种植制度及其物候特点制定了四湖地区土地覆盖分类的判别规则，提取了２００１～２００７年该地区土地覆盖变化信息，旨在为利用ＥＶＩ时间序列数据进行土地覆盖分类提供案例积累和分类规则的借鉴。同时，也为快速、有效、低成本、高精度地监测四湖地区土地覆盖变化提供现实途径，为研究土地利用变化的环境影响奠定基础。
１研究区域及数据源
四湖地区位于湖北省江汉平原的腹地，是由内荆河流域组成的，因境内原来分布有三湖、白鹭湖、长湖、洪湖四个大型湖泊而得名，其地理位置为１１１°５７′～１１４°５′Ｅ，２９°２６′～３１°２′Ｎ。该区域南枕长江，北滨汉水-东荆河，东至东荆河的入长江的新滩口，西北以漳河水库总干渠、三干渠为界。境内大小湖泊星罗密布、各级干支流纵横交错，水网密集，农业生产的主要限制因子是因雨致涝致渍，部分年份春季农业用水不足也成为水产业和种植业的障碍因子。域内包括荆州市的长江以北区域和荆门、潜江的部分地区，总面积约为１２ ０００ ｋｍ２。
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文 遥感数据来自安装在ＴＥＲＲＡ和ＡＱＵＡ两颗卫星上的ＭＯＤＩＳ数据。ＭＯＤＩＳ标准数据产品分级系统由５级数据构成，其中ＭＯＤ１３为陆地二级标准数据产品，内容为每１６ｄ、栅格化的归一化植被指数和增强型植被指数（ＮＤＶＩ／ＥＶＩ）。本研究从Ｉｎｔｅｒｎｅｔ（ｈｔｔｐｓ：／／ｌｐｄａａｃ．ｕｓｇｓ．ｇｏｖ／ｌｐｄａａｃ／ｇｅｔ＿ｄａｔａ／ｄａｔａ＿ｐｏｏｌ）上下载了ＭＯＤＩＳ数据中２００１～２００７年Ｈ２７Ｖ５区、Ｈ２７Ｖ６区两个区域每个栅格的ＥＶＩ时间序列值，用来进行土地覆盖变化的识别。
数据预处理包括运用ＥＮＶＩ软件的相关功能实现图像拼接、坐标转换、剪切。由于四湖地区的影像属于Ｈ２７Ｖ５区、Ｈ２７Ｖ６区两个区域内，下载的卫星图像分成两部分，故首先对获得的两组数据进行拼接，拼接后的图像和信息，包含了四湖地区的全部区域。为保存分析的一致性，对于所有遥感与ＧＩＳ数据选用ＷＧＳ８４大地基准和ＵＴＭ４９投影。采用ＥＮＶＩ软件中的ＭＡＳＫ功能进行剪切，去除多余信息。运用ＳＴＡＣＫＩＮＧ功能将所有ＥＶＩ数据集成在一个文件，形成一个多时相数据库。
采用时间序列谐波分析法（ＨＡＮＴＳ）对时间谱数据进行去云处理。其核心算法是傅立叶变换和最小二乘法拟合，即将时间谱数据分解成有限个谐波（正弦波或余弦波），从中选取若干个能反映影像时序特征的谐波进行叠加，以达到重构时序数据的目的。本文选取谐波数为３来进行曲线平滑。
２土地覆盖分类方法
ＥＶＩ值是地表植被覆盖情况的综合反映。在非植被覆盖区域，如城镇、水体，ＥＶＩ值偏小且表现出最小的年内变异；在植被覆盖区域，ＥＶＩ偏大且表现较大的年内变异。为增加区别度，本研究采取将ＥＶＩ时序值求平方和，记为Ｎ，使像元之间ＥＶＩ值总和之间的差异有所放大，通过对水陆交界点的Ｎ值的分布特征分析发现，Ｎ＝０．２５是水陆交界点的分布中心值，据此，当Ｎ＜０．２５时，判别为非植被覆盖区，Ｎ＞０．２５时，判别为植被覆盖区。
对于非植被覆盖区域，采用监督分类方法划分城镇和水体，即事先确定城镇、水体的典型波谱，由ＥＮＶＩ软件的监督分类功能完成对城镇、水体的判别。
对于植被覆盖区域，根据ＥＶＩ时序值出现峰值的情况进行再分类。采用二次差分法判断时序峰值出现次数［１７］。步骤如下：
设ｘｉ表示像元年内ＥＶＩ的时相值，ｉ＝１，２，…，２３，定义序列：
ｓ１（ｉ）＝｛ｘｉ＋１－ｘｉ；ｉ＝１，２，…，２２｝ （１）
ｓ２（ｉ）＝ 1 当ｓ１（ｉ）＞0-1 当ｓ１（ｉ）＜0 ｉ＝１，２，…，２２（２）
ｓ３（ｉ）＝｛ｓ２（ｉ＋１）－ｓ２（ｉ）；ｉ＝１，２，…，２１｝（３）
不难看出，序列ｓ３（ｉ）只有３个可能结果：２，
－２，０，ＥＶＩ的波峰出现在序列ｓ３（ｉ）中元素为－２且前后元素皆为０的位置，而波谷出现在序列ｓ３（ｉ）中元素为２且前后元素皆为０的位置，据此，可以对每个像元的时序数据峰值出现次数（记为Ｆ）进行判断，编制一个简单程序，完成对所有像元ＥＶＩ峰值出现次数（Ｆ）的判断。根据本地区植被物候特点，林地和草地在一年内完成一个生长周期，ＥＶＩ时序数据表现为单峰型；作物以两熟制为主，表现为双峰型；具有３个以上波峰的像元，与本地蔬菜种植一年多熟的特点相吻合。因此，当Ｆ＝１，即ＥＶＩ时序数据只有一个峰值，将其判为林地或草地；Ｆ＝２，有２个峰值，将其判为耕地（作物）；Ｆ≥３，有３个以上峰值，判为菜地。
最后对林地和草地进行划分，方法与城镇、水体划分方法一样，采用监督分类完成。像元分类过程框图见图１。
３土地覆盖分类结果
３．１土地分类结果误差分析
以２００１年多时相ＥＴＭ监督分类结果作为对照，评价ＭＯＤＩＳ数据分类结果的误差。图２是利用２００１年ＥＴＭ数据监督分类的结果，所采用的数据共８个时相：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轨的３９区、４０区，１２４轨的４０区。据此计算利用ＭＯＤＩＳ―ＥＶＩ数据分类结果的误差率，见表１。由表１可知，面积小而且分散的土地覆盖类型误差大（如城镇、林地、水体等），面积大且集中分布的类型（耕地）相差在１０％以下，相对准确。
３．２土地覆盖分类动态分析
四湖地区２００１～２００７年土地覆盖分类结果见表２和图３～９。结果显示，２００１～２００７年四湖地区土地覆盖处在不断变化之中，耕地变化较大，２００１～２００７年，面积减少了２９９．０２ ｋｍ２；水域、草地、林地占地面积分别增加了２１９．５７、５３．６３、４２．２０ ｋｍ２；蔬菜占地面积减少了２１．１０ ｋｍ２；城镇占地面积增加了４．７３ ｋｍ２。
４结论与讨论
根据四湖地区植被的物侯特点，制定了依据ＥＶＩ时序变异特征进行地物类型判别的规则，完成了２００１~２００７年四湖地区土地覆盖的动态分类。研究发现，四湖地区耕地面积处于不断减少的过程中，城镇面积有所扩大，说明该地区正处于城镇化过程中。水体、林地和草地面积增加，表明近年来推行退田还湖、还渔和发展林业已取得一定的成效，该地区景观生态结构趋向好转。由此引起的生态环境变化有待进一步研究。
ＭＯＤＩＳ卫星重访周期短，数据获取简单，不需付费，所提供的植被指数数据是在已经完成若干预处理的基础上给出的。基于ＭＯＤＩＳ卫星数据的土地覆盖分类的精度，对于大面积集中分布的耕地类型而言，是可以接受的［１８］，因此，可以预期，对ＭＯＤＩＳ卫星数据产品的应用会越来越多。由于ＥＶＩ数据更新很快，因此，本文的研究成果可以用于对该地区土地覆盖变化的快速跟踪监测。当然，对上述分类规则需要进行必要的现场验证，对判别精度进行更好的评价分析，从而为充分发挥遥感数据资源的作用奠定更加坚实的基础。
参考文献：
［１］ 郭健，张继贤，张永红，等．多时相ＭＯＤＩＳ影像土地覆盖分类比较研究［Ｊ］． 测绘学报，２００９，３８（１）：８８－９２．
［２］ 吕婷婷，刘闯． 基于ＭＯＤＩＳ数据的泰国耕地信息提取［Ｊ］．农业工程学报，２０１０，２６（２）：２４４－２５０．
［３］ 张霞，孙睿，张兵，等． 基于ＭＯＤＩＳ植被指数时间谱的华北平原土地覆盖分类［Ｊ］．农业工程学报，２００６，２２（１２）：１２８－１３２．
［４］ 张霞，焦全军，张兵，等． 利用ＭＯＤＩＳ－ＥＶＩ 图像时间序列提取作物种植模式初探［Ｊ］．农业工程学报，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．
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文 ［６］ 王正兴，刘闯，陈文波，等． ＭＯＤＩＳ 增强型植被指数ＥＶＩ 与ＮＤＶＩ 初步比较［Ｊ］．武汉大学学报（信息科学版），２００６，３１（５）：４０７－４１０．
［７］ 杨嘉，郭铌，贾建华．西北地区ＭＯＤＩＳ／ＮＤＶＩ 与ＭＯＤＩＳ／ＥＶＩ 对比分析［Ｊ］．干旱气象，２００７，２５（１）：３８－４３．
［８］ 左丽君，张增祥，董婷婷，等． ＭＯＤＩＳ／ＮＤＶＩ 和ＭＯＤＩＳ／ＥＶＩ 在耕地信息提取中的应用及对比分析［Ｊ］．农业工程学报，２００８，２４（３）：１６７－１７２.
［９］ 江东，王乃斌，杨小唤，等． ＮＤＶＩ曲线与农作物长势的时序互动规律［Ｊ］．生态学报，２００２，２２（２）：２４７－２５２．
［１０］ 王长耀， 林文鹏． 基于ＭＯＤＩＳ－ＥＶＩ 的冬小麦产量遥感预测研究［Ｊ］． 农业工程学报，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］ 许文波，田亦陈． 作物种植面积遥感提取方法的研究进展［Ｊ］．云南农业大学学报，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］ 王学雷，吴宜进． 江汉平原四湖地区湿地农业景观格局分析［Ｊ］．华中农业大学学报，２０００，２０（２）：１８８－１９１．
［１５］ 陈康娟，王学雷． 人类活动影响下的四湖地区湿地景观格局分析［Ｊ］．长江流域资源与环境，２００２，１１（３）：２１９－２２３．
［１６］ 金卫斌，胡秉民． 中尺度流域的景观格局分析［Ｊ］．长江流域资源与环境，２００３，１２（３）：２７５－２７９．
［１７］ 朱孝林，李强，沈妙根，等． 基于多时相ＮＤＶＩ数据的复种指数提取方法研究［Ｊ］．自然资源学报，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：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文
本文为全文原貌 未安装PDF浏览器用户请先下载安装 原版全文