基于归一化差值植被指数(normalized difference vegetation index,　NDVI）， 提出了一种新的物候遥感监测方法， 基于森林植被的年NDVI时间累积曲线， 利用Logistic模型对NDVI累积曲线进行拟合， 依据曲率极值方法提取森林植被物候期的关键参数（生长季开始日期, SOS; 生长季结束日期, EOS）， 并对森林植被的生长季长度（length of season, LOS）进行分析， 探讨近10年东北森林物候的时空变化。 主要结论为： （1）2001年～2010年间， 东北森林生长季开始日期集中在110～140天但在10年间没有明显变化； （2）第260～290天， 森林逐渐停止生长， 生长季结束日期从北向南逐渐推迟， 但在十年间几乎没变化； （3）与生长季开始和结束日期相对应， 东北森林生长季长度集中在120～160天之间， 但存在空间差异， 大兴安岭地区森林生长季长度较短， 集中在120～140天之间， 小兴安岭、 长白山、 辽东半岛地区的森林生长季长度可达到160天， 对整个研究区来讲， 近10年间变化的区域仅占研究区的14.9%， 变化趋势集中在1d/10年。 研究结果与物候观测数据及已有的研究具有较好的一致性， 说明利用遥感数据动态监测东北森林植被物候期具有一定的可靠性。

以内蒙古地区Spot/vegetation归一化植被指数(NDVI)影像为基本信息源,综合应用地理信息系统(GIS)技术进行了大尺度神经网络分类实验研究.建立多年份高分辨影像数据库,通过GIS软件集成与遥感影像目视解译方法,在全区范围选取了"纯净"样本数据,并辅助应用DTM数据和影像化多年气像观测数据,完成土地覆盖类型的BP人工神经网络分类.结果表明,GIS技术支持下,大面积区域尺度上spot/vegetation NDVI影像的BP神经网络分类可达到较高的分类精度.