利用TIMESAT软件和时间序列卫星影像提取新疆石河子棉花种植区域

魏瑞琪 李林峰 仙巍 邵怀勇 汪盾

摘要：以新疆石河子市2014年的MOD13Q1为数据源，利用遥感技术处理获得NDVI时间序列数据集，运用TIMESAT软件集成的拟合方法[非对称高斯函数（A-G）拟合、双Logistic曲线（D-L）拟合和Savitzky-Golay（S-G）滤波法]对石河子市棉花像元的时间序列数据集进行棉花生长曲线拟合对比，最终选取效果较理想的D-L滤波法对石河子市NDVI时间序列集处理，获取石河子棉花生长曲线，分析棉花生长曲线的特点，提取棉花生长的NDVI阈值，进而提取石河子市的棉花种植区域。结果表明，利用TIMESAT软件和时间序列卫星资料提取棉花种植区域效果好、精度高。MODIS数据分辨率适中，成像面积大，利用时间序列卫星资料获取生长曲线进行棉花信息提取，对大范围的棉花种植监测和农业经济指导具有重要意义。

关键词：遥感；TIMESAT；时间序列；NDVI；生长曲线

中图分类号：P23 文献标识码：A 文章编号：0439-8114（2018）04-0105-08

DOI：10.14088/j.cnki.issn0439-8114.2018.04.028

Extracting Cotton Cultivation Regions of Xinjiang Shihezi Utilizing the TIMESAT and Satellite Time-Series Images

WEI Rui-qi1，LI Lin-feng1，XIAN Wei2，SHAO Huai-yong1，WANG Dun1

（1.Key Lab of Information Technology & Application of Land and Resources，Chengdu University of Technology，Chengdu 610059，China；

2.College of Resources and Environment，Chengdu University of Information Technology，Chengdu 610225，China）

Abstract： Applying remote sensing techniques，this paper chose MOD13Q1 in 2014 covering Shihezi City，Xinjiang Uygur Autonomous Region，and uses TIMESAT as well as satellite time-series data to discuss the abstract of vegetations area based on its growth curve. To select the ideal D-L filtering method on dealing with Shihezi NDVI time-series set，to obtains the growth curve of Shihezi cotton and then to analyzes the characteristics of cotton growth curve，to extract NDVI thresholds in the growth of cotton，further to extract the cotton cultivation regions in Shihezi we downloaded & processed MODIS data to obtain NDVI time-series data， adopted TIMESAT integration method[asymmetric Gaussian function（A-G） fitting， double logistic curve （D-L） fitting and Savitzky-Golay（S-G） filtering] on fitting and comparison between Shihezi cotton pixel time-series data and the cotton growth curve. As the results show，utilizing the TIMESAT and satellite time-series data is the most effective and accurate method to extract cotton cultivation regions. MODIS has a medium data resolution with large imaging area，which obtains the growth curve of cotton to be used for the extraction of cotton information utilizing satellite time-series data，is significant on supervising cotton cultivation on a big scale along with directing agricultural economy.

Key words： remote sensing； TIMESAT； time-series； NDVI； growth curve

中国农作物种植区域数据主要是通过各级统计部门逐级上报进行汇总，人为因素干扰大。建立符合中国国情的农业空间统计调查体系，是中国农业作物监测与统计待解决的问题[1]。及时获取大区域、大尺度农作物空间分布信息也是农情遥感监测的核心问题之一[2]。农作物的生长状况与产量，同样是中国各级管理部门一直非常关注的问题。提取农作物种植区域是遥感估产的基础工作之一，对农作物种植区域及产量动态变化的监测是农业生产领域永恒探索和研究的课题。遥感地理信息系统关键技术——遥感图像分类，是大面积农作物遥感估产的重要技术研究课题，在农作物种植区域估测中占有非常重要的地位。农作物种植面积的遥感估产也是作物产量预估的基础和主要思路，快速、高精度的遥感图像分类技术是实现作物生长状态动态监测及评估的关键。实现棉花种植区域的提取，需要采用科学的高精度算法以提高种植区域提取的准确度。种植区域提取和遥感估产的精度与数据源和分类方法有着直接的关系。同物异谱、异物同谱、混合像元等现象影响遥感影像分类方法的发展。因类别、品种复杂多样以及耕作制度的差异，农作物与自然植被相比，更具有强烈的季节性，明显的地域性和年际变化的特性。因此，利用农作物的生长特性对其进行种植区域提取将成为一种科学有效的方法，比仅靠传统与手工作业方法，逐级上报，时间长、精度低，难以快速获取精确数据更优，满足农业宏观经济计划的需要。中低分辨率遥感影像时间分辨率高，成像面积大，成本较低，不受地理条件的限制，适于大范围作物种植区域的遥感提取[3]。传统的产量调查以手工作业为主，耗费大量的人力财力仅得到离散的产量数据。中等分辨率卫星影像已广泛用于植被类型识别、植被制图等研究，MODIS遥感数据是区域和全球植被研究的重要数据[4，5]。遥感数据以其实时连续大规模动态監测的优势，可广泛应用于大规模作物区域研究与估产中。

棉花是中国的重要经济作物之一，棉花喜温、喜光，需要的光照度比一般作物都高，新疆作为中国最大的产棉区和商品棉基地，棉产量占全国的30%，占全球的8%。新疆棉花产业的发展对于新疆的农业、经济发展具有十分重要的战略地位。对棉花进行及时的高精度估产，可以为各级管理部门制定相关农业经济发展政策提供重要的参考依据。

石河子市属于新疆北部地区，石河子垦区位于天山北麓中段部分，准噶尔盆地南缘。该地区水资源极为丰富，每年河流灌溉年度总径流量为25.06亿m3，光热、水土等自然资源极为丰富。石河子市作为新疆典型棉花种植县，当地因具有适合棉花种植的各种自然条件，因此当地农户将棉花是作为重要的经济来源。随着农作物的不断生长，NDVI逐步增大，同时在一定生育期达到最大值后又开始下降。对于集中种植棉花的地区，棉花面积的监测很重要，因此基于生长曲线的棉花遥感提取方法使大范围的棉花面积监测成為可能，同时对农民的棉花种植和农业部门的决策具有重大而深远的意义。现有的研究基于植被生长曲线下的大范围下作物空间分布种植信息提取，业务化运营研究成果甚少，鲜有将其与拟合方法结合应用在实际的作物监测中。

本研究结合NDVI时间序列卫星影像与TIMESAT下的作物生长曲线拟合，以新疆石河子市为例进行研究，利用2014年新疆石河子市的MOD13Q1（MODIS陆地植被指数数据）数据为数据源，构造时间序列资料，利用TIMESAT软件提取棉花种植区域。利用MODIS大范围监测的优势，提取MODIS13Q1陆地标准产品中的NDVI数据。将新疆石河子市的棉花生长周期内的NDVI资料进行时间序列构建，以此获得季节性植被发展的信息。将时间序列数据进行转换，导出ASCII文件。利用TIMESAT进行曲线拟合，提取随生长期变化的NDVI生长曲线，拟合后的NDVI曲线较准确地反映了不同生长期棉花作物的NDVI变化信息。通过对其进行分析提取，将信息整合后，进行棉花NDVI阈值选取。利用阈值分类提取棉花像元NDVI时间序列值，从而进行棉花信息的提取，确定新疆石河子市的棉花种植区域。

1 试验数据

本研究数据源选择EOS/Terra卫星的MODIS产品之一MOD13Q1（全称为MODIS/Terra Vegetation Indices 16-Day L3 Global 250 m SIN Grid，简称：MOD13Q1）的NDVI数据，包括基于MVC方法16 d合成的250 m分辨率已经经过几何校正和大气校正的NDVI及其质量控制数据。选取石河子市2014年65～305 d的数据，覆盖棉花的整个生长周期，每16 d一幅图像，共16幅数据图像。

本研究利用的MOD13—陆地2级标准数据产品MOD13Q1，内容为栅格的归一化植被指数和增强型植被指数（NDVI/EVI），采用正弦曲线投影方式[6-8]。MODIS植被指数算法是基于像元进行运算，为了得到最佳的观测数据，以便保证植被指数值的时空一致性，采用16 d的多次观测产生一个合成的植被指数数据。基于传感器轨道的重叠，故1 d内可以多次观测，16 d最多可进行64次观测，但由于云的存在以及传感器的空间覆盖范围限制，在赤道附近一般只有较少的观测次数。MODIS植被指数算法用一个基于质量、云和观测几何滤波器对16 d数据进行滤波处理，将其中高质量、无云覆盖的滤波数据用来进行数据合成，能够用来进行合成的像元数量却是很少，一般少于10，更多情况甚至少于5。这就导致了合成的数据中会混入很多受影响的像元，因此，在利用MODIS数据前，必须对原始数据进行预处理。

2 研究方法

运用ENVI 5.1和ArcGIS 9.3软件对遥感数据进行处理分析，以及根据作物生长特点和不同的研究内容，利用TIMESAT软件，提取不同的物候信息，可以满足多种物候分析需求。

TIMESAT方案主要用于卫星数据的时间序列分析，并采用非对称高斯函数拟合，双Logistic曲线拟合和Savitzky-Golay滤波法实现模型功能。拟合模型函数的季节性参数提取植被信息。一个像素的参数可以合并到一个地图上的区域或全球尺度显示季节性。TIMESAT用来分析时间序列遥感数据、处理不同类型传感器的时间序列数据。它可以处理有噪声的时间序列数据，并从数据中提取出季节性信息（生长季节的起始点）还可得到植被动态性能的信息（植被物候学及植被当时的发展状况的信息）等。除主要处理来自卫星的光谱测量过程的时间序列植被指数外，其他类型的数据，如气象指数、火灾数据和涡动协方差的碳通量数据也可以被加工处理。

对于基于TIMESAT的NDVI时间序列重建，先对预处理的裁剪的图进行规律编号。TIMESAT软件只能处理3个周期以上的时间序列图，鉴于本研究采用的数据只有一个周期，因此对12期图复制两次，分别作为第二周期和第三周期的数据，然后建立包括了所处理的时间序列的数据图幅数量和各个图幅的绝对路径文件，从而建立NDVI时间序列数据。

2.1 非对称高斯函数（AG）拟合

一个组合代表一次植被的生长周期，通过平滑连接拟合成曲线进行时间序列重建，是一个从局部拟合到整体拟合的方法。该方法对植被生长过程用分段高斯函数模拟，然后通过对各高斯拟合曲线进行平滑连接实现时间序列重建[9-11]，分为3个步骤：

1）区间提取。用平滑滤波窗口获得NDVI时序数据的峰值和谷值。

2）局部拟合。为了拟合函数很好地描述NDVI时间序列数据的上包络曲线，对于峰值和谷值的数据进行两次局部拟合，拟合公式如下所示：

F（t）=f（t；c1，c2，a1，…，a5）=c1+c2g（t；a1，…，a5）

3）整体连接。利用各部拟合函数构建完整拟合函数，描述整个NDVI生长曲线，拟合公式如下所示：

F（t）=α（t）fL（t）+（1-α（t））fC（t）……tL

式中，[tL，tR]区间是整个NDVI变化区间，fL（t）、fC（t）、fR（t）分别代表[tL，tR]区间左边波谷值、中间波峰值以及右边波谷值所对应的局部函数，α（t）、 β（t）是位于[0，1]之间的剪切系数[12]。

2.2 Savitzky-Golay（S-G）滤波法

以最小二乘卷积拟合方法来平滑和计算一组相邻值的函数，该方法的公式如下所示：

Y=■

式中，Y为合成序列数据，Yj+1代表NDVI原始序列数据，Ci为滤波系数[13]，N为滑动窗口所包括的数据点（2m+1）[14]。

2.3 双Logistic曲线（D-L）拟合

该拟合与非对称高斯函数拟合法类似，也是一种半局部拟合方法[15]。首先取得时间序列值中的按峰值和谷值分成多个区间，分别对区间进行局部拟合，其方法与AG方法类似[16]，公式如下所示：

g（t，a1，…a4）=■-■

式中，参数a1、a2、a3、a4控制曲线左、右半部分的宽带和陡峭度。进而用完整拟合函数的特征加以综合，重建新的NDVI时间序列曲线。

3 结果与分析

3.1 棉花生长曲线提取

依据棉花物候，选取影像时段为3-11月。影像下载后利用MRT（MODIS Reproduction Tool）进行重投影等预处理。为了明确研究区范围，便于后面棉花信息提取工作，先对影像进行图像裁剪，利用研究区的1∶400万边界矢量文件进行裁剪，得到研究区范围的影像见图1，在TIMESAT软件中展示为图2（图1、图2均为2014年第225天的数据）。

NDVI标准范围为-1.0～1.0，MOD13Q1 NDVI产品是-3 000～10 000的DN值，-3 000为填充值，从DN值转化成NDVI值的关系式为NDVInormal=0.000 1×DN；在TIMESAT中，只能处理byte类型的数据，因此对数据进行拉伸：NDVI=（NDVI+1）×125。

3.2 建立NDVI时间序列数据集

在遥感应用领域，植被指数已成为评价植被覆盖及其生长活力的一个重要指标。植被光谱是植被、土壤亮度、环境影响的综合反映，且受大气变化影响，因此植被指数是一个动态的值。NDVI是用来描述地表植被特征的一个重要指标，通过分析其时间曲线的变化可以准确、有效地了解植被覆盖率、水资源以及地表生物的时空变化规律，充分反映出植物的背景信息。所谓的植被指数时间序列形象的形容就是每张影像反映了一个时期的植被指数，即一组不同时间的植被指数影像，如果用y代表时间序列中t时的植被指数值，通过提取植被指数图像中（j，k）处的像元值，可形成一个连续的时间序列（ji，ki），i=1，2，…，N。单独提取NDVI单波段，通过ENVI将MODIS-NDVI影像进行波段叠加重组，形成包含16个波段的NDVI时间影像，使合成的16个波段所对应的一年生长周期内的时间区间。

3.3 时间序列数据滤波拟合

3.3.1 选取训练区样点数据 通过前期处理后得到的MODIS-NDVI波段在软件的支撑下合成一幅具有多波段、多光谱信息的遥感图像。由于不同的光谱特性在NDVI序列里显示为不同的数值，故每个像元都拥有一条随时间变化的曲线。试验区采用了一年内的16幅MODIS影像，因此在NDVI曲线上可表现一年间地面所有类型的覆盖物随时间的变化趋势。每个时间点为每个合成的波段值，在MATLAB基础平台支持下的TIMESAT软件，可以读取出研究区域内棉花生长期间的NDVI时间序列影像图。

石河子市土地利用主要是耕地和沙漠。棉花种植非常集中，并且占有全市大部分的耕地面积，通过高分辨率的卫星影像可以直观目视解译出棉花种植的耕地。耕地上虽然也有一些其他作物种植，但种植面积不大，生长周期与棉花也不同，对棉花种植区域的提取影响不大。沙漠占有很大部分，必须将沙漠与耕地区分。利用Google Earth图（图3）根据经纬坐标选取了棉花种植区域与沙漠区域的训练区MODIS-NDVI样点像元，其对映时间序列的NDVI值如表1所示。

3.3.2 生长曲线区别分析 将样点数据导成ASCII数据后在TIMESAT中得到棉花、沙漠及其他经济作物的时间序列生长曲线。因样点数据可能受到区域概况或大气影响产生误差，故利用TIMESAT软件的优势（处理有时间序列噪声数据、提取季节性信息、得到植被动态性能的信息等），对样点曲线进行非对称高斯函数（AG）拟合，双Logistic曲线（D-L）拟合和Savitzky-Golay（S-G）滤波处理（图4）。

棉花的生长曲线呈几字形，生长起点位于140左右，波峰在230左右，在第六、第七权重点之前的NDVI上升较快，第十个权重点后的值下降较快。沙漠的值集中在120～160，振幅不大，峰值出現在第三、第四个权重点上，158左右。沙漠与棉花容易区分，其他作物主要为小麦，生长起点在120左右，因3、4月小麦返青在第三至第六权重点出现峰值为210左右，在6月左右NDVI骤降到150左右，与棉花的生长曲线差别大，可明显区分。利用棉花的NDVI生长曲线可以区别开石河子市内的其他地物，准确地提取棉花像元。

3.3.3 棉花生长曲线拟合 通过对图5拟合图像对比分析，3种方法拟合效果均较好，但在利用生长曲线提取时，由于不同植被具有其特殊性而导致拟合效果不同，对3种拟合结果进行数据统计分析如图5，偏差统计如图6。

非对称高斯函数（AG）拟合，双Logistic曲线（D-L）拟合和Savitzky-Golay（S-G）滤波法3种拟合方法对地物的曲线拟合效果不同。3种方法拟合棉花生长曲线贴切，其中AG与D-L方法较于S-G拟合效果更为理想。且在差值和相同的情况下，D-L方法的差值平方和及标准差均小于AG，所以其对原始值的拟合偏差小、更精确，是拟合棉花生长曲线较为理想的拟合方法。选择D-L拟合法获取生长曲线对石河子市的棉花生长曲线拟合，结果见图7，并将拟合值与棉花实际生长发育时间比对，结果见图8。

如图8所示，拟合后的生长曲线所示生长变化情况与石河子市实际的生长周期一致，因第120天左右播种，生长开始于第5期，经过出苗后，棉花迅速生长，在第8期逐渐稳定，在第九期达到峰值，于250左右裂铃、吐絮，NDVI逐步降低，在第25期左右停止生长。结合石河子市实际的棉花生长周期，该拟合结果真实有效。

4 棉花种植信息提取

4.1 棉花阈值选取

石河子市棉花生长曲线有一个波峰，呈几字形，棉花生长出现在3月中旬，天气开始缓慢转暖。在4～5月，气温回升，冰雪迅速融化，带来了丰沛的雨水，棉花迅猛的生长，拟合曲线快速上升。在6-7月，基本进入夏天，棉花经过前期的生长，这个时候达到最茂盛的时期，拟合曲线出现持续的峰值。进入8月，棉花开始结果，枝叶生长结束，并且叶子开始老化，叶片叶绿素逐渐变少，生长曲线曲线值迅速下降。整条棉花生长曲线，最茂盛时期同生长初期的NDVI相差很大，接近80。棉花一般在苗期后期到花铃期保持花叶子茂盛的状态，此时棉花生长曲线值较高。生长曲线峰值持续时间跨越了4幅图，说明棉花的茂盛时期持续时间为2个月。

第9期处在峰值区域，第2期处在峰谷区域，差值为90，处于繁盛期的7～9期图的NDVI差不超过4，处于波峰的第9期和处于棉花衰败的14期相差67，棉花在2～7期过程中NDVI持续上涨，但棉花NDVI最低值大于135，最高值大于210。综合考虑样点区域图而得到的拟合曲线特征以及可能出现棉花特殊区域和沙漠特征情况。

确定阈值如下：T9-T4>70；T8-T7>0；T7-T6>0；T6-T5>0；T5-T4>0；|T9-T11|<10；T3>135；T7>210（其中T1为时间序列第一幅图，范围为0～250）。

4.2 石河子市棉花种植分布及精度分析

利用阈值，用ENVI进行棉花种植区域的提取，并ArcGIS作图，得到棉花种植分布（图9）。利用7月13日棉花生长旺盛期的Landsat4-5 TM影像，对相同区域进行最大似然法监督分类提取棉花种植区域，效果如图10所示，并对两者的提取效果结合2014年石河子市统计信息网公布的实际数据进行对比分析，结果如表2所示。

如图9与图10所示，利用TIMESAT软件和时间序列卫星资料提取出的石河子市棉花主要分布在北半面，石河子城镇以外，南面几乎没有棉花种植。与石河子市自然概况北面地势平坦，水源充沛，日照时长长，南面为沙漠吻合。利用监督分类提取出的石河子市棉花分布概况与通过时间序列NDVI数据提取的效果大体一致。

如表2所示，利用TIMESAT软件和时间序列卫星资料提取出的棉花种植区域，统计棉花像元共2 135个，占地约1 770.13 km2，折合总产棉花44.07万t。监督分类下提取的棉花像元换算占地约1 458.40 km2。据石河子统计信息网实际公布数据，2014年棉花播种面积1 623.33 km2，总产棉花40.42万t，则利用TIMESAT软件在NDVI时间序列下的种植分布提取精度达到90.0%，监督分类精度在89.8%，两者提取的效果大体一致。

与Google Earth的实物比对，虽二者都未达到完全重合，但提取出的种植区域信息清晰准确。两种方法提取出的棉花种植区域，NDVI时间序列下提取的种植区域较聚拢，监督分类后的种植面积相对离散。分辨率更高的监督分类提取的棉花种植区域与真实区域匹配效果更好。利用TIMASAT软件与时间序列卫星资料提取棉花种植区域总面积比监督分类的精度高、效果好。

5 结论

基于现有的农作物种植区域数据获取繁琐，利用MODIS分辨率适中，成像面积大，成本低的优势，进行农业空间统计调查。利用MODIS-NDVI数据准确反映农作物生长变化情况，可直观区分开棉花与其他地物。利用TIMESAT集成的拟合方法（A-G拟合、D-L拟合和S-G滤波法），通过比较分析，选取拟合效果最理想的D-L拟合法完成对棉花的生长曲线拟合。通过比对棉花实际生长期，拟合效果真实有效。对其分析后提取棉花生长NDVI阈值，将棉花与其他地物通过ENVI软件分类，并利用ArcGIS作图，得到棉花种植区域。

研究表明，①通过TIMESAT软件和时间序列卫星资料对棉花的生长曲线拟合效果好，利用拟合后的生长曲线对棉花的提取，在大面积的区域上对棉花进行监测，具有很强的时效性和利用价值。②针对新疆石河子棉花的生长曲线拟合，D-L拟合效果最理想。拟合后的生长曲线与棉花实际生长周期完全拟合。③通过对棉花生长曲线的分析，选取棉花阈值，以此提取棉花种植区域，结果可靠。

本研究利用遥感广阔的视野空间，结合植被的NDVI生长曲线得到了针对研究区域的拟合提取办法，为當地发展提供了农业宏观经济计划的参考，但因NDVI阈值主要依靠人工判断而没有固定的可用模型，提取精度也会相应受人工经验影响，这些问题还有待在进一步研究中不断完善与改进。在精度分析过程中发现TM影像下的监督分类精度也具有一定优势。相信，若将其与NDVI时间序列相结合，配合使用，利用二者的优势达到提取棉花种植面积的效果将更好[17，18]。

参考文献：

[1] 宋春桥，游松财，柯灵红，等.藏北地区三种时序NDVI重建方法与应用分析[J].地球信息科学报，2011，13（1）：133-143.

[2] 曹卫彬，杨邦杰，宋金鹏.基于Landsat TM图像棉花面积提取中现状地物的扣除方法研究[J].农业工程学报，2004，20（2）：164-167.

[3] 黄 青，王利民，滕 飞.利用MODIS_NDVI数据提取新疆棉花播种面积信息及长势监测方法研究[J].干旱地区农业研究，2011， 29（2）：213-217.

[4] 于文颖，冯 锐，纪瑞鹏，等.基于MODIS数据的水稻种植面积提取研究进展[J].气象与环境学报，2011，27（2）：56-61.

[5] 张明伟，周清波，陈仲新，等.基于MODIS时序数据分析的作物识别方法[J].中国农业资源区划，2008，29（1）：31-35.

[6] 曹云峰，王正兴，邓芳萍.3种滤波算法对NDVI高质量数据保真性研究[J].遥感科学与应用，2010，25（1）：118-125.

[7] 黄 青，邹金秋，邓 辉，等.基于MODIS-NDVI的安徽省2009年冬小麦及一季稻面积遥感提取及长势监测[J].安徽农业科学，2010，38（29）：16527-16529.

[8] 吴文斌，杨 鹏，唐华俊，等.两种NDVI时间序列数据拟合方法比较[J].农业工程学报，2009，25（11）：183-188.

[9] 赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003.

[10] 黄敬峰，王秀珍.新疆棉花物候与气象条件研究[J].干旱区资源与环境，1999，13（2）：90-95.

[11] J？魻NSSON P，EKLUNDH L.TIMESAT—a program for analyzing time-series of satellite sensor data[J].Computers & Geosciences，2004，30（8）：833-845.

[12] 顧 娟，李 新，黄春林.NDVI时间序列数据集重建方法述评[J].遥感科学与技术，2006，21（4）：391-395.

[13] 宋春桥，柯灵红，游松财，等.基于TIMESAT的3种NDVI拟合方法比较研究——以藏北草为例[J].遥感技术与应用，2011， 26（2）：147-149.

[14] 刘玫岑.基于遥感和GIS的棉花面积提取和产量估测研究[D].乌鲁木齐：新疆农业大学，2006.

[15] BECK P S A，ALZBERGER C，HOGDA K A，et al. Improved monitoring of vegetation dynamics at very high latitudes：A new method using MODIS NDVI[J].Remote Sensing of Environment，2006，100（3）：321-334.

[16] 郝鹏宇，牛 铮，王 力，等.基于时序MODIS EVI匹配的棉花信息提取——以新疆博乐市为例[J].遥感技术与应用，2013， 28（2）：309-314.

[17] 王 玉.基于时序光谱库的棉花种植面积信息提取研究[D].北京：中国地质大学，2013.

[18] 王 芳.基于植被指数和气温因子的棉花估产研究[D].乌鲁木齐：新疆大学，2008.