基于地表温度-植被指数特征空间的区域土壤干湿状况

土壤干湿状况是监测土地状况的重要指标之一,在水文、气候和生态等多个领域有广泛应用.地表温度-植被指数特征空间(Ts/VI)综合了传感器从可见光到近红外波段的信息,能较好地反映区域土壤干湿状况.以华北平原作为研究区,选择了研究区的云量较少的16幅MODIS产品,包括每日500m地表反射率产品(MOD09GA),每日1km地表温度产品(MOD11A1),建立温度-植被指数特征空间.首先利用线性方程拟合了特征空间的上下边界,改进了计算特征空间的干湿边的方法,并分析了干湿边参数随时间变化的趋势,比较了归一化植被指数(NDVI)和增强型植被指数(EVI)构建的地表温度-植被指数特征空间形状的差异.基于研究区107个土壤湿度站点的数据,讨论分别由Ts/NDVI和Ts/EVI特征空间计算得到的温度植被干旱指数(temperature vegetation dryness index,简称TVDI,分别为TVDIN与TVDIE)和土壤湿度的相关性,以此验证TVDI反映区域土壤干湿状况的能力.利用Ts/EVI空间计算得到的TVDI分析了研究区4个时期土壤湿度的5空间分布规律.同时在气象站点尺度上,讨论了TVDI与降水变化的相关性.研究结果表明,TVDI能够反映土壤表层的干湿状况;Ts/EVI空间计算得到的TVDI与土壤湿度的相关性比Ts/NDVI空间计算得到的TVDI与土壤湿度的相关性要高.降水随时间变化的规律和TVDI也有明显的相关性,即:每次连续降水以后TVDI值下降,表明土壤湿度升高;经过一段无降水的时间之后,TVDI值上升,土壤湿度降低.研究区不同时期的TVDIE图表明,TVDIE能够有效的反映土壤湿度的时空差异,是一种有效的实时监测土壤干湿状况的手段.     

2000—2018年黄河流域生长季植被指数变化及其对气候因子的响应

黄河流域位于我国干旱、半干旱地区,生态环境脆弱,探究其植被指数变化和对气候因子的响应对该地区生态建设具有重要意义。基于黄河流域2000—2018年MODIS归一化植被指数、增加型植被指数和气象数据,利用最大值合成法、趋势分析和相关分析等方法,分析了两种植被指数的时空变化特征及受气候因子的影响机制,探讨了NDVI与EVI在反映植被变化和对气候因子响应的差异。结果表明：2000—2018年,黄河流域地区植被NDVI、EVI分别以0.059/10a、0.038/10a的变化率增加,空间上以显著改善为主,面积占比分别为77.13%和75.27%,大多分布在1000—1500 m海拔处,中游地区改善较为良好,林地改善率最高。显著退化区域较小,主要分布在巴颜喀拉山西北部、西宁市、银川市、包头市、呼和浩特市、太原市、西安市及关中盆地和洛阳市周边,建设用地退化率最高。在生长季期间,植被指数变化与气温和降水以正相关为主,气温滞后时间为1个月,降水滞后时间为3个月,都为草地最为相关;与辐射之间为负相关,滞后时间为3个月,其中林地最为相关。在0.05显著性检验水平下,驱动黄河流域生长季植被变化的主要气候因子...     

基于MODIS数据的神农架大九湖泥炭藓沼泽植被指数变化研究

泥炭藓是陆地生态系统中最重要的固碳植物之一,固碳量约占全球土壤碳的15%。近几十年来,由全球气候变暖导致的泥炭藓沼泽水热状况变化对泥炭藓的固碳量和速率产生影响。选取我国最重要的亚高山泥炭沼泽——神农架大九湖泥炭藓沼泽为试验区,以分析中纬度地区泥炭藓沼泽植被生长状况受气候变化的影响。研究以2000—2017年MODIS植被指数NDVI和EVI为数据源,通过对比Logistic模型订正后的NDVI和EVI时间序列在泥炭藓沼泽植被生长状况监测中的优劣,选出最佳指标以获得18年来泥炭藓沼泽植被生长状况的变化趋势。研究结果表明:1)Logistic模型能够很好的消除泥炭藓沼泽植被指数时间序列的噪声;2)在季节和年际两个时间尺度上,EVI对泥炭藓沼泽植被生长状况的监测效果均优于NDVI。在季节周期上,虽然EVI和NDVI均得到泥炭藓沼泽植被生长周期规律,但EVI更灵敏。在年际分析中,EVI有更大的值域响应空间,以准确反映泥炭藓沼泽植被的年际变化规律;3)由EVI获得18年来泥炭藓沼泽植被变化趋势指出,泥炭藓沼泽植被呈显著微弱增长,年均EVI增长率为3.8‰(R~2=0.45,P0.01)。相比于EVI年均值,EVI年内最大值(R~2=0.47,P0.01)更敏锐的反映泥炭藓沼泽植被生长状况的动态变化。     

安徽省近十年植被指数时空变化特征

利用2000—2009年的MODIS数据,研究安徽省近10年来植被指数在时间和空间上的变化。结果表明:近10年来,安徽省年平均NDVI趋势总体增加,但空间分布上有差异,局部地区的植被指数趋于减少,其他大部分地区的植被活动在增强;植被指数的月际变化呈弱双峰型,最大值出现在8月,最小值出现在1月;从各季节的线性拟合斜率来看,春季的植被指数增加最快,秋季次之,冬季最低;安徽省的大别山区和皖南山区的植被指数年际标准差和变异系数比较小,表明山区的林地植被指数变化不明显,受外界干扰较小;沿淮的粮食种植区的植被指数标准差和变异系数较大,植被指数年际变化较大,受人为活动干扰强烈。     

植被指数研究进展:从AVHRR-NDVI到MODIS-EVI

目前应用广泛的植被指数AVHRR—NDVI仍有一些缺陷。主要表现在：(1)在植被高覆盖区容易饱和。这除了红光通道就容易饱和外．主要是基于NIR／Red比值的NDVI算式本身存在容易饱和的缺陷;(2)没有考虑树冠背景对植被指数的影响;(3)NDVI的比值算式和最大值合成算法(MVC)确实消涂了某些内部和外部噪音。但最终的合成产品仍然有较多噪音;(4)MVC不能确保选择最小视角内的最佳像元。所有这此AVHRR—NDVI的局限性。在基于“中分辨率成像光谱仪(MODIS)”的“增强型植被指数(EVI)”产品中。都有不同程度改善。MODIS—EVI改善表现在：(1)大气校正包括大气分子、气溶胶、薄云、水汽和臭氧。而AVHRR—NDVI仅对瑞利散射和臭氧吸收做了校正;这样MODIS—EVI可以不采用基于比值的方法。因为比值算式是以植被指数饱和为代价来减少大气影响;(2)根据蓝光和红光对气溶胶散射存在差异的原理。采用“抗大气植被指数(ARVl)对残留气溶胶做进一步的处理;(3)采用“土壤调节植;波指数(SAVl)”减弱了树冠背景土壤变化对植被指数的影响;(4)综合ARVI和SAVI的理论基础。形成“增强型植被指数(EVI)”。它可以同时减少来自大气和土壤噪音的影响;(5)采用“限定视角内最大值合成法(CV—MVC)”。选择最小视角内的最佳像元。此外。目前正在试验的“双向反射分布函数(ERDF)合成法”。首先把不同视角换算为星下点像元反射值。然后采用CV—MVC合成。目的是进一步提高EVI对植被季节性变化的敏感性。总之。MODIS—EVI使植被指数与不同覆盖程度植被的线性关系得到明显改善。尤其在高覆盖区表现良好。     

基于遥感数据的广东植被指数时空变化研究

在GIS和RS工具支持下,利用多时相遥感数据MODIS13数据产品研究了广东省、珠三角以及广州市2000-2005年植被指数NDVI及其时空分布特征。结果表明:无论是广东省,珠三角还是广州市,区域植被指数有一定的时空分布规律和成因机制;广东省植被指数NDVI普遍介于0.4～0.7之间,具有很强的季节规律特征,夏高冬低,且年变化显著,这主要是因为该区气温和水分条件季节变化明显的缘故。广东省NDVI的地区差异显著,反映了广东省地表植被覆盖因受人类开发活动影响而比较破碎的特点。     

乌珠穆沁草原水热分配差异对植被的影响

利用MODIS NDVI 数据和气象站点的气温和降水资料, 运用最大值合成、一元线性分析和相关分析方法, 分别从年际变化、季节变化和月变化角度分析2000-2013 年乌珠穆沁草原植被覆盖变化及其对气温和降水变化的响应特征。结果表明, 从年际变化看, 近15 年来乌珠穆沁草原植被覆盖呈增加趋势, 其变化趋势主要受降水量的控制; 从季节变化来看, 夏季和秋季植被覆盖度呈上升趋势, 而春季呈下降趋势。春季和夏季植被覆盖变化主要受降水的影响,而秋季植被生长与气温的关系较与降水的关系密切; 从植被生长的月变化来看, NDVI 与气温的相关性小, 与降水量的相关性大。在返青期初期(4、5 月)NDVI 值随气温升高而升高, 温度有助于植被的生长, 其他时段气温对NDVI 值产生负向作用, 其中7 月份植被生长受气温的负向作用最明显; 4-6 月受当月降水量的影响明显, 7、8 月份NDVI 值与6月份降水量呈显著相关, 表明植被生长对降水变化具有一定滞后性。     

湖南省NDVI时空变化特征及影响因子分析

研究湖南省植被时空分布特征及影响因子,可以深入了解亚热带季风气候区植被变化规律,为生态环境改善提供更加科学的决策。基于湖南省2001—2015年MOD13A1产品NDVI数据,采用逐像元趋势分析,相关分析等方法,探索研究NDVI时空变化特征和其对气候、地形因子及植被类型的响应关系。研究结果表明:(1)湖南省植被整体生长状况良好,多年平均NDVI值以中高值(0.380.57)为主,分别占全省60.7%和35.6%的面积;春夏秋冬四季NDVI值空间分布模式差异较大;(2)2001—2015年全省NDVI值以0.0023/10a的速度缓慢波动上升;多年出现NDVI突变点,但是受益于地区良好的水热组合条件,植被生长具有较强的自我恢复能力,展现出较强的生态弹性;(3)春季水热耦合最为显著,秋季降水主导了NDVI值的空间分布,冬季温度为植被生长主要影响因子;(4)温度在常绿阔叶林和针阔混交林NDVI高值区表现出强正相关性;温度与草地NDVI中高值区的相关系数最大;该地区5种植被的NDVI值在0.4-0.6之间与降水的负相关系数最大;落叶阔叶...     

安徽省2000-2009年不同类型植被的变化及其与气温、降水的关系

为了了解安徽省不同类型植被与气候环境因子的关系,利用2000-2009年的逐月MODIS/NDVI数据、安徽省80个气象站逐日气温、降水资料和安徽省土地覆盖数据,研究了安徽省近10年来植被指数的时空变化特征及其与气温、降水的相关性.结果表明:近10年来,安徽省各覆盖类型的植被指数变化趋势不一致,作物种植区和城镇的植被指数增加显著,其他覆盖类型的植被指数变化不显著;林地的平均植被指数最高,作物种植区次之,城镇最低;植被指数的月变化在作物种植区呈现双峰型,而其他覆盖类型呈现单峰型.安徽省月平均NDVI分别与月平均气温、月降水量呈显著线性正相关和非线性正相关,降水量对植被NDVI的作用存在一个阈值,但年际关系均呈弱正相关.植被指数与气温的偏相关系数林地最高,作物种植区最低,自然植被区的偏相关系数较人工植被区的大,植被指数与降水的偏相关系数恰好相反.安徽省淮北平原中部和江淮之间北部大部分地区(非水浇地)的植被是由气温和降水的共同作用驱动;淮北中部少数格点和少数水体格点的植被是单独由降水作用驱动;除一些水面的格点是非气象因子驱动外,其他大部分地区的植被是单独由气温作用驱动.     

毛乌素沙地海流兔河流域植被净初级生产力估算

采用CASA(Carnegie-Ames-Stanford Approach)模型,结合TERRA MODIS卫星数据和气象数据,对毛乌素沙地海流兔河流域2015年各月的植被净初级生产力(NPP)进行估算,并对植被NPP月平均值的时空分布规律及其与气象因子和地下水位埋深的关系进行了分析.结果表明:毛乌素沙地海流兔河流域2015年植被NPP总量为2.88×1011 g,生长季(4月份至10月份)的植被NPP总量达2.81×1011 g,占全年植被NPP总量的97.57%.随着时间推移,植被NPP月平均值和归一化差分植被指数(NDVI)月平均值呈"缓慢增加—急剧增加—急剧下降"的变化趋势.植被NPP月平均值季节变化明显,春季、夏季、秋季和冬季植被NPP月平均值之和分别为20.55、69.39、20.46和0.48 g·m-2.从空间分布上看,中部河谷和滩地的植被NPP月平均值总体上高于东南部、西部和西北部等沙丘荒漠区.月平均气温对植被NPP月平均值变化的影响最大,其次为平均实际日蒸散发量和地表月太阳辐射.植被NPP月平均值随着地下水位埋深的增加而减小,最大值出现在地下水位埋深1~2 m之间.上述研究结果显示:采用CASA模型可以较好地估算毛乌素沙地海流兔河流域植被NPP值,月平均气温和地下水位埋深对该流域植被NPP值的影响较大.     

湖北省地区植被覆盖变化及其对气候因子的响应

归一化植被指数(NDVI)作为一个重要的遥感参数,能够准确地反映植被覆盖程度和植被生长状况、生物物理化学性质及生态系统参数的变化,其时序数据也已成为基于生物气候特征开展大区域植被和土地覆盖分类的基本手段。基于2001—2012年MODIS-NDVI数据,利用趋势分析法以及线性相关分析等方法对湖北省植被年际变化趋势、月变化趋势进行详细分析;并且研究该区植被覆盖时空变化及其与气温和降水的关系。结果表明近12年来,研究区大部分区域植被覆盖度良好,其中鄂西北及鄂南地区NDVI值较高为0.82,鄂中东部城市NDVI值较低为0.13;2001—2012年间年均NDVI整体呈增加趋势,增速1%/10a;植被覆盖度基本不变区域占研究区总面积的92.8%,大致符合我国中部地区植被覆盖变化趋势;分析NDVI与气候因子的相关关系可知,降水量对湖北植被NDVI年变化起有重要影响;逐月NDVI与月平均气温及月降水量的回归分析表明,降水和气温对生长季不同月份的植被NDVI影响明显不同,同时呈现一定的滞后性。     

Monitoring rapid vegetation succession in estuarine wetland using time series MODIS-based indicators: An application in the Yangtze River Delta area

Frequent and continuous time series is required for the detection of plant phenology and vegetation succession. The launch of novel remote sensor MODIS (moderate resolution imaging spectroradiometer) provided us with an opportunity to make a new trial of studying the rapid vegetation succession in estuarine wetlands. In this study, the spatiotemporal variations of vegetation cover and tidal flat elevation along a transect (covering 6 pixels of MODIS) of an estuarine wetland at Dongtan, Chongming Island, in Yangtze River estuary, China were investigated to assess its rapid vegetation succession and physical conditions. By combining the field data collected, the time series of MODIS-based VIs (vegetation indices), including NDVI (normalized difference vegetation index), EVI (enhanced vegetation index) and MSAVI (modified soil adjusted vegetation index), and a water index, LSWI (land surface water index) were utilized to characterize the rapid vegetation succession between 2001 and 2006. We found that NDVI, EVI and MSAVI exhibited significant spatial and temporal correlations with vegetation succession, while LSWI behaved in a positive manner with surface water and soil moisture along with the successional stages. In order to take the advantages of both VIs and water index, a composite index of VWR (vegetation water ratio) combining LSWI and EVI or MSAVI was proposed in this paper. This index facilitates the identification of vegetation succession by simply comparing the values of VWR at different stages, and therefore it could track vegetation succession and estimate community spread rate. Additionally, this study presented an attempt of using MODIS datasets to monitor the change of tidal flat elevation, which demonstrated a potential remote sensing application in geodesy of coastal and estuarine areas.     

2001—2020年川西北高原归一化植被指数演变特征及其对极端气候的响应

川西北高原是典型的生态气候敏感区,其植被状况与气候变化密切相关。本研究基于2001—2020年MODIS-NDVI数据集和气象数据,采用最大值合成、地理探测器模型、线性趋势分析、相关分析等方法,研究川西北高原生长季归一化植被指数(NDVI)的变化趋势及其对气候因子的响应机制。结果表明: 研究期间,川西北高原植被覆盖度整体状况良好,86.8%的区域植被稳定,12.6%的区域NDVI呈弱持续性上升趋势,0.6%的区域NDVI呈下降趋势,全区生态环境呈稳中向好的发展趋势。研究区植被覆盖度空间差异大,总体呈由西南向东北上升的趋势,并有显著的立体变化。海拔1350 m以下,NDVI随海拔升高而上升;海拔1350～3650 m,NDVI无显著变化;海拔3650～5900 m,NDVI随海拔升高而下降,在4750～5900 m快速下降;海拔5900 m以上,几乎无植被。川西北高原的NDVI受多种自然因子交互作用影响,热量因子(月最高气温极大值、月最低气温极小值、植物生长期、年均温、生长期均温)是主导气候因子,除月最高气温极大值外,其余温度因子对NDVI均以正贡献为主。NDVI对气温指数的响应高于降水指数。在气候变暖背景下,极端气温暖指数对川西北高原植被生长尤其是高海拔地区植被生长及改善以促进作用为主。     

2000—2016年云南地区植被覆盖时空变化及其对水热因子的响应

基于2000-2016年MODIS-NDVI数据,利用趋势分析法以及线性相关分析等方法对云南地区植被月变化趋势、年际变化趋势进行详细分析;探讨植被覆盖变化与主要气候水热因子的关系。结果表明：研究区大部分地区植被覆盖良好,年NDVI的平均值为0.55,其中NDVI较高值（> 0.8）区域主要分布于南部,而西北部和中部城市地区NDVI值较低;自2000年开始,研究区NDVI总体呈显著（P < 0.05）增加趋势,年NDVI的变化斜率为0.0036,植被覆盖呈增加趋势的区域占研究区总面积79.80%;不同季节（春、夏、秋、冬）和生长季的植被状况均呈良性发展趋势;湿润指数和水热综合因子在滇西北与NDVI多呈负相关,在滇中地区以正相关为主;春、夏、秋3个季节NDVI受降水影响较大,而冬季NDVI则受气温影响较大;受降水影响较大的区域主要分布在中部和南部,受气温影响较大区域主要分布在滇西北、滇东北地区;NDVI在不同月份对气候因子的滞后时间存在差异,NDVI与当月气温的相关性强于与当月降水的相关性,植被生长对气温的响应无明显滞后效应,对降水存在3个月的滞后期。     

浙江省植被NDVI动态及其对气候的响应

利用GIMMS和MODIS两种归一化植被指数(NDVI)资料反演了1982—2010年浙江植被覆盖状况,结合同期研究区63个气象站点的气温、降水和湿润指数等气候指标,分析了该地区植被年际变化、月际变化及其对气候要素的响应特征。结果表明:(1)研究期间,浙江气候总体呈暖干化趋势,植被覆盖缓慢下降,主要是由于森林植被遭破坏,农业生产活动受抑制影响所致,其中NDVI显著减少的地区约占全省陆域面积的29.1%,主要发生在6—11月;(2)降水量及干湿程度对浙江植被NDVI年变化起着决定性作用。植被与气候要素年变化相关分析发现,NDVI与湿润指数关系较降水、气温更为密切,两者相关及偏相关系数均通过0.05水平的置信度检验,这表明在年际尺度上,湿度的增加增大了植被的生长势,有利于植被生长;(3)植被与气候要素月变化分析表明冬季的热量供给是影响浙江植被生长的重要因子,而植被变化对夏季降水和干湿程度的最大响应为滞后两个月;(4)农业生产水平的提高使得农作物种植区NDVI有所增加,人类活动对浙江植被覆盖的影响不可忽视。     

青藏高原植被覆盖时空变化及其对气候因子的响应

研究青藏高原植被覆盖时空分布特征对加深气候变化的认识及生态环境保护具有重要的生态价值和现实意义。利用2000—2016年MODIS NDVI 1km/月分辨率数据以及气象观测数据,采用最大合成法、趋势性分析以及相关分析方法,探讨了不同时间尺度青藏高原地区NDVI的分布特征及其与降水、气温的关系。结果表明:(1)青藏高原东南部植被状况明显好于西北部,植被覆盖的分布格局与区域水热条件的时空分布保持了较好的一致性;近17年来青藏高原植被覆盖改善的地区要比退化的地区面积大,严重退化的区域主要位于青藏高原西南部;青藏高原NDVI值在2000—2016年呈幅度较小的增加趋势。(2)除夏季降水量外,研究时段内其他季节降水量均呈增加趋势;气温均呈增加趋势,尤其以春季增加最为显著,整体上青藏高原气候呈现"暖湿化"趋势。总体上年降水量与年最大合成NDVI呈较好的正相关;年平均气温与年最大合成NDVI在高原东南部呈正相关,西南部呈负相关。降水量和热量条件均是高原植被生长的影响因素,降水与植被覆盖的影响较气温密切。     

基于MOD09产品的水稻叶面积指数和叶绿素含量的遥感估算模型

基于中分辨率成像光谱仪MODIS (moderate resolution imaging spectroradiometer)反射率产品MOD09的同步野外实测水稻叶面积指数（LAI）和叶绿素含量（Chltot）相关数据,探寻用MOD09产品提取的植被指数(VIs)与水稻LAI和Chltot之间的相关性以及估算模型. 结果表明,MOD09计算的VI数值比MODIS前3个波段数值偏大,归一化植被指数NDVI (normalized difference vegetation index) 值普遍比增强性植被指数EVI(enhanced vegetation index) 值大. 通过4种不同植被指数与LAI相关性的比较,得出EVI与LAI的相关关系在水稻各个生育期优于其它植被指数,基于MOD09-EVI建立水稻LAI的遥感估算模型,经实际地面同步数据检验, 模型精度较高. 因而, MOD09-EVI较适用于水稻叶面积指数的实时遥感监测. MOD09红波段与Chltot之间的相关性在水稻前中期达到显著,并且优于其它植被指数,基于MOD09红波段建立了水稻前中期Chltot的估算模型并进行了精度检验. 除水稻孕穗期叶绿素含量估算模型的相关系数和F值通过了显著性检验外, 其余生育期估算模型都没有通过显著性检验.     

Spectral vegetation indices as the indicator of canopy photosynthetic productivity in a deciduous broadleaf forest

Aims Understanding of the ecophysiological dynamics of forest canopy photosynthesis and its spatial and temporal scaling is crucial for revealing ecological response to climate change. Combined observations and analyses of plant ecophysiology and optical remote sensing would enable us to achieve these studies. In order to examine the utility of spectral vegetation indices (VIs) for assessing ecosystem-level photosynthesis, we investigated the relationships between canopy-scale photosynthetic productivity and canopy spectral reflectance over seasons for 5 years in a cool, temperate deciduous broadleaf forest at 'Takayama' super site in central Japan.Methods Daily photosynthetic capacity was assessed by in situ canopy leaf area index (LAI), (LAI × V cmax [single-leaf photosynthetic capacity]), and the daily maximum rate of gross primary production (GPP max) was estimated by an ecosystem carbon cycle model. We examined five VIs: normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), green–red vegetation index (GRVI), chlorophyll index (CI) and canopy chlorophyll index (CCI), which were obtained by the in situ measurements of canopy spectral reflectance.Important findings Our in situ observation of leaf and canopy characteristics, which were analyzed by an ecosystem carbon cycling model, revealed that their phenological changes are responsible for seasonal and interannual variations in canopy photosynthesis. Significant correlations were found between the five VIs and canopy photosynthetic capacity over the seasons and years; four of the VIs showed hysteresis-type relationships and only CCI showed rather linear relationship. Among the VIs examined, we applied EVI–GPP max relationship to EVI data obtained by Moderate Resolution Imaging Spectroradiometer to estimate the temporal and spatial variation in GPP max over central Japan. Our findings would improve the accuracy of satellite-based estimate of forest photosynthetic productivity in fine spatial and temporal resolutions, which are necessary for detecting any response of terrestrial ecosystem to meteorological fluctuations.     

Estimating the spatial pattern of soil respiration in Tibetan alpine grasslands using Landsat TM images and MODIS data

Monitoring soil respiration (R_s) at regional scales using images from operational satellites remains a challenge because of the problem in scaling local R_s to the regional scales. In this study, we estimated the spatial distribution of R_s in the Tibetan alpine grasslands as a product of vegetation index (VI). Three kinds of vegetation indices (VIs), that is, normalized difference vegetation index (NDVI), enhanced vegetation index (EVI), and modified soil adjusted vegetation index (MSAVI), derived from Landsat Thematic Mapper (TM) and Moderate-resolution Imaging Spectroradiometer (MODIS) surface reflectance product were selected to test our method. Different statistical models were used to analyze the relationships among the three VIs and R_s. The results showed that, based on the remote sensing data from either MODIS or Landsat TM, exponential function was the optimal fit function for describing the relationships among VIs and R_s during the peak growing season of alpine grasslands. Additionally, NDVI consistently showed higher explanation capacity for the spatial variation in R_s than EVI and MSAVI. Thus, we used the exponential function of TM-based NDVI as the R_s predictor model. Since it is difficult to achieve full spatial coverage of the entire study area with Landsat TM images only, we used the MODIS 8-day composite images to obtain the spatial extrapolation of plot-level R_s after converting the NDVI_MODIS into its corresponding NDVI_TM. The performance of the R_s predictor model was validated by comparing it with the field measured R_s using an independent dataset. The TM-calibrated MODIS-estimated R_s was within an accuracy of field measured R_s with R² of 0.78 and root mean square error of 1.45 gC m⁻² d⁻¹. At the peak growing season of alpine grasslands, R_s was generally much higher in the southeastern part of the Tibetan Plateau and gradually decreased toward the northwestern part. Satellite remote sensing demonstrated the potential for the large scale mapping of R_s in this study.