全 文 ：
摇 摇 摇 摇 摇 生 态 学 报
摇 摇 摇 摇 摇 摇 摇 渊杂匀耘晕郧栽粤陨 载哉耘月粤韵冤
摇 摇 第 猿猿卷 第 圆园期摇 摇 圆园员猿年 员园月摇 渊半月刊冤
目摇 摇 次
前沿理论与学科综述
中小尺度下西北太平洋柔鱼资源丰度的空间变异 杨铭霞袁陈新军袁冯永玖袁等 渊远源圆苑冤噎噎噎噎噎噎噎噎噎噎
水分和温度对若尔盖湿地和草甸土壤碳矿化的影响 王摇 丹袁吕瑜良袁徐摇 丽袁等 渊远源猿远冤噎噎噎噎噎噎噎噎噎
荒漠啮齿动物群落对开垦干扰的响应及其种群生态对策 袁摇 帅袁付和平袁武晓东袁等 渊远源源源冤噎噎噎噎噎噎噎
转 月贼基因棉花对烟粉虱天敌昆虫龟纹瓢虫的影响 周福才袁顾爱祥袁杨益众袁等 渊远源缘缘冤噎噎噎噎噎噎噎噎噎
微地形改造的生态环境效应研究进展 卫摇 伟袁余摇 韵袁贾福岩袁等 渊远源远圆冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
个体与基础生态
丹顶鹤春迁期觅食栖息地多尺度选择要要要以双台河口保护区为例 吴庆明袁邹红菲袁金洪阳袁等 渊远源苑园冤噎噎噎
新疆石河子南山地区表土花粉研究 张摇 卉袁张摇 芸袁杨振京袁等 渊远源苑愿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
鄱阳湖湿地两种优势植物叶片 悦尧晕尧孕 动态特征 郑艳明袁尧摇 波袁吴摇 琴袁等 渊远源愿愿冤噎噎噎噎噎噎噎噎噎噎
基于高分辨率遥感影像的森林地上生物量估算 黄金龙袁居为民袁郑摇 光袁等 渊远源怨苑冤噎噎噎噎噎噎噎噎噎噎噎
异质性光照下匍匐茎草本狗牙根克隆整合的耗益 陶应时袁洪胜春袁廖咏梅袁等 渊远缘园怨冤噎噎噎噎噎噎噎噎噎噎
湘潭锰矿废弃地栾树人工林微量元素生物循环 罗赵慧袁田大伦袁田红灯袁等 渊远缘员苑冤噎噎噎噎噎噎噎噎噎噎噎
接种彩色豆马勃对模拟酸沉降下马尾松幼苗生物量的影响 陈摇 展袁王摇 琳袁尚摇 鹤 渊远缘圆远冤噎噎噎噎噎噎噎
生物炭对不同土壤化学性质尧小麦和糜子产量的影响 陈心想袁何绪生袁耿增超袁等 渊远缘猿源冤噎噎噎噎噎噎噎噎
延河流域植物功能性状变异来源分析 张摇 莉袁温仲明袁苗连朋 渊远缘源猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
榆紫叶甲赤眼蜂基础生物学特性及其实验种群生命表 王秀梅袁臧连生袁林宝庆袁等 渊远缘缘猿冤噎噎噎噎噎噎噎噎
几种生态因子对拟目乌贼胚胎发育的影响 彭瑞冰袁蒋霞敏袁 于曙光袁等 渊远缘远园冤噎噎噎噎噎噎噎噎噎噎噎噎
种群尧群落和生态系统
海南铜鼓岭灌木林稀疏规律 周摇 威袁龙摇 成袁杨小波袁等 渊远缘远怨冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
青海三江源区果洛藏族自治州草地退化成因分析 赵志平袁吴晓莆袁李摇 果袁等 渊远缘苑苑冤噎噎噎噎噎噎噎噎噎噎
模拟氮沉降对华西雨屏区苦竹林凋落物基质质量的影响 肖银龙袁涂利华袁胡庭兴袁等 渊远缘愿苑冤噎噎噎噎噎噎噎
基于光合色素的钦州湾平水期浮游植物群落结构研究 蓝文陆袁黎明民袁李天深 渊远缘怨缘冤噎噎噎噎噎噎噎噎噎
基于功能性状的常绿阔叶植物防火性能评价 李修鹏袁杨晓东袁余树全袁等 渊远远园源冤噎噎噎噎噎噎噎噎噎噎噎噎
北京西山地区大山雀与其它鸟类种群种间联结分析 董大颖袁范宗骥袁李扎西姐袁等 渊远远员源冤噎噎噎噎噎噎噎噎
被动式电子标签用于花鼠种群动态研究的可行性 杨摇 慧袁马建章袁戎摇 可 渊远远猿源冤噎噎噎噎噎噎噎噎噎噎噎
景观尧区域和全球生态
华北冬小麦降水亏缺变化特征及气候影响因素分析 刘摇 勤袁梅旭荣袁严昌荣袁等 渊远远源猿冤噎噎噎噎噎噎噎噎噎
基于 云粤匀孕鄄栽韵孕杂陨杂法的我国省域低碳发展水平评价 胡林林袁贾俊松袁毛端谦袁等 渊远远缘圆冤噎噎噎噎噎噎噎噎
河漫滩湿地生态阈值要要要以二卡自然保护区为例 胡春明袁刘摇 平袁张利田袁等 渊远远远圆冤噎噎噎噎噎噎噎噎噎噎
应用 蕴藻 月蚤泽泽燥灶灶葬蚤泽 法研究黄土丘陵区植被类型对土壤团聚体稳定性的影响
刘摇 雷袁安韶山袁黄华伟 渊远远苑园冤
噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
不同人为干扰下纳帕海湖滨湿地植被及土壤退化特征 唐明艳袁杨永兴 渊远远愿员冤噎噎噎噎噎噎噎噎噎噎噎噎噎
资源与产业生态
近 员园年北京极端高温天气条件下的地表温度变化及其对城市化的响应
李晓萌袁孙永华袁孟摇 丹袁等 渊远远怨源冤
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
三峡库区小江库湾鱼类食物网的稳定 悦尧晕同位素分析 李摇 斌袁徐丹丹袁王志坚袁等 渊远苑园源冤噎噎噎噎噎噎噎
研究简报
北京奥林匹克森林公园绿地碳交换动态及其环境控制因子 陈文婧袁李春义袁何桂梅袁等 渊远苑员圆冤噎噎噎噎噎噎
植被恢复对洪雅县近 员缘年景观格局的影响 王摇 鹏袁李贤伟袁赵安玖袁等 渊远苑圆员冤噎噎噎噎噎噎噎噎噎噎噎噎
高盐下条斑紫菜光合特性和 杂鄄腺苷甲硫氨酸合成酶基因表达的变化 周向红袁易乐飞袁徐军田袁等 渊远苑猿园冤噎
学术信息与动态
生态系统服务研究进展要要要圆园员猿年第 员员届国际生态学大会渊 陨晕栽耘悦韵蕴 悦燥灶早则藻泽泽冤会议述评
房学宁袁赵文武 渊远苑猿远冤
噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
生态系统服务评估要要要圆园员猿年第 远届生态系统服务伙伴国际学术年会述评 巩摇 杰袁 岳天祥 渊远苑源员冤噎噎噎
回顾过去袁引领未来要要要要圆园员猿年第 缘届国际生态恢复学会大会渊杂耘砸 圆园员猿冤简介
彭少麟袁陈宝明袁周摇 婷 渊远苑源源冤
噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
期刊基本参数院悦晕 员员鄄圆园猿员 辕 匝鄢员怨愿员鄢皂鄢员远鄢猿圆园鄢扎澡鄢孕鄢 预 怨园郾 园园鄢员缘员园鄢猿猿鄢圆园员猿鄄员园
室室室室室室室室室室室室室室
封面图说院 荒漠旱獭要要要旱獭属啮齿目尧松鼠科尧旱獭属袁是松鼠科中体型最大的一种遥 旱獭多栖息于平原尧山地和荒漠草原地
带袁集群穴居袁挖掘能力甚强袁洞道深而复杂袁多挖在岩石坡和沟谷灌丛下袁从洞中推出的大量沙石堆在洞口附近袁形
成旱獭丘遥 荒漠啮齿动物是荒漠生态系统的重要成分袁农业开垦对功能相对脆弱的荒漠生态系统的干扰极大袁往往
导致栖息地破碎化袁对动植物种产生强烈影响袁啮齿动物受到开垦干扰后对环境的响应及其群落的生态对策袁是荒
漠生态系统生物多样性及其功能维持稳定的重要基础遥
彩图及图说提供院 陈建伟教授摇 北京林业大学摇 耘鄄皂葬蚤造院 糟蚤贼藻泽援糟澡藻灶躁憎岳 员远猿援糟燥皂
第 33 卷第 20 期
2013年 10月
生 态 学 报
ACTA ECOLOGICA SINICA
Vol.33,No.20
Oct.,2013
http: / / www.ecologica.cn
基金项目:国家“863冶高技术研究发展计划项目(2012AA12A306)
收稿日期:2012鄄12鄄21; 摇 摇 修订日期:2013鄄06鄄26
*通讯作者 Corresponding author.E鄄mail: juweimin@ nju.edu.cn
DOI: 10.5846 / stxb201212211841
黄金龙,居为民,郑光,康婷婷.基于高分辨率遥感影像的森林地上生物量估算.生态学报,2013,33(20):6497鄄6508.
Huang J L, Ju W M, Zheng G, Kang T T.Estimation of forest aboveground biomass using high spatial resolution remote sensing imagery.Acta Ecologica
Sinica,2013,33(20):6497鄄6508.
基于高分辨率遥感影像的森林地上生物量估算
黄金龙,居为民*,郑摇 光,康婷婷
(南京大学国际地球系统科学研究所, 南京摇 210046)
摘要:以南京市紫金山林区为研究区,利用 e鄄Cognition面向对象分类方法,基于光谱和空间信息融合后的 IKONOS 影像提取单
木树冠阳性冠幅(PoCA)信息,并结合野外实测的样方生物量数据,分别建立了针叶林和阔叶林地上生物量 (AGB)的遥感估算
模型,并利用实测森林生物量数据对模型进行了验证。 结果表明,基于遥感影像提取的 PoCA 与实测 AGB 存在较好的非线性
相关关系,所建针叶林 AGB估算模型的可靠性优于阔叶林模型。 对建模样本而言,估算的针叶林和阔叶林 AGB与观测数据比
较的 R2分别为 0.62 (P<0.01,n= 9) 和 0.56(P<0.01,n= 16)。 验证表明,所建 AGB估算模型的可靠性较好,估算的针叶林和阔
叶林 AGB与观测数据比较的 R2分别为 0.55(P<0.01,n= 6) 和 0.52(P<0.01,n= 10),但当 AGB较低时,模型结果偏高,AGB较
低时,模型结果偏低。 研究说明通过高分辨率遥感数据的融合、提取树冠信息进行生物量估算是可行性的。
关键词:高分辨率遥感;地上生物量;面向对象;阳性冠幅
Estimation of forest aboveground biomass using high spatial resolution remote
sensing imagery
HUANG Jinlong, JU Weimin*, ZHENG Guang, KANG Tingting
International Institute for Earth System Science, Nanjing University, Nanjing 210046, China
Abstract: Forests are important terrestrial ecosystems and play an important role in maintaining ecological environment.
Globally, they are acting as a carbon sink and a crucial player in alleviating global climate change. Forest AGB
(Aboveground Biomass) is an important indicator of forest functioning and a key component of the carbon cycle in forest
ecosystems. The accurate estimation of AGB is of importance for study the budget of global terrestrial ecosystems. However,
it is challengeable to map AGB at regional and global scales. In recent years, various studies have been conducted to
retrieve AGB using remote sensing data at regional scales due to the more effectiveness and lower cost of remote sensing
compared with the traditional inventory method. This study took Zijin Mountain, located in the urban area of Nanjing city,
as the study area to explore the applicability of high resolution remote sensing data in retrieving AGB. This study area is
dominantly covered by various species of trees. The spectral and spatial information in an IKONOS image were first fused
using the Brovey transformation method to generate images of green, red, near infrared bands at a spatial resolution of 1m.
Then, positive crown area (PoCA) of individual trees was delineated using the reflectance of green, red, near infrared
bands and normalized difference index retrieved from the fused images and the object鄄oriented classification method
implemented in the e鄄Cognition platform. The classification rules were determined using the See 5 software. Meanwhile,
field campaigns were conducted to record the number of trees, the height and diameter at breast height (DBH) of individual
trees, tree species, geological coordinates, and topography at 41 representative plots (16 plots for coniferous forests and 25
http: / / www.ecologica.cn
plots for broadleaf forests) with an area of 25 m伊 25m. For each plot, AGB was calculated using models developed in
previous studies and field measured height and DBH of individual trees. These field samples were randomly selected for
developing models (25 samples) and validating the developed modes (16 samples) . The retrieved PoCA data were used in
conjunction with plot鄄level AGB measured to develop empirical models for estimating AGB. The developed models were
further validated using measured AGB. The results show that PoCA retrieved from remote sensing data shows distinguishable
spatial patterns and is tightly correlated with AGB. The developed empirical model is more applicable for coniferous forests
than for broadleaf forests in retrieving AGB. As to the samples used to develop the models, the R2 values of estimated AGB
against field measurements are 0.62 (P<0.01,n= 9) for coniferous forests and 0.56 (P<0.01,n= 16) for broadleaf forests,
respectively. The validation indicates that the developed models are reliable. The R2 values of estimated AGB against
measurements are 0.55 (P<0.01,n= 6) for coniferous forests and 0.52 (P<0.01,n= 10) for broadleaf forests, respectively.
However, the models tend to overestimate AGB under the condition of low AGB and to underestimate AGB when AGB is
high. This study indicates that it is practically feasible to estimate forest AGB using the tree canopy area information
retrieved from fused high resolution remote sensing image.
Key Words: High spatial resolution remote sensing; AGB; object鄄oriented; positive crown area
森林是重要的陆地生态系统,在陆地生物圈层和大气圈层之间的碳循环交换过程中起着重要作用[1]。
森林生物量约占全球陆地植被生物量的 90%[2],不仅是森林固碳能力的重要标志,也是评估森林碳收支的重
要参数[3]。 森林生物量按来源的部位不同可分为根、干、枝和叶生物量。 其中, 干、枝、叶生物量合称为森林
地上生物量[4]。 地上生物量是森林生态系统碳汇潜力评估的重要基础,如何快速、准确地获取森林地上生物
量信息,成为近年来森林生态系统与全球气候变化研究的关键[5]。
传统的森林地上生物量估算方法以野外实测数据为基础,这种方法精度较高,但通常只能获得观测点上
的数据,且劳动强度大、成本高,不利于研究生物量的空间分布和动态变化。 遥感技术具有宏观、大面积、动
态、快速、可重复等特点,所收集的光谱信息和森林地上生物量具有一定的相关性,已经成为区域森林生物量
估算的主要方法[6]。
随着遥感技术的快速发展,多源遥感数据已经被用于各种尺度上的森林生物量估算。 光学遥感数据最早
被用于森林生物量的估算,Hame等[7]利用 AVHRR 数据提取 NDVI 植被指数,结合实地调查的生物量数据,
在欧洲以针叶林为主的北方森林地区分别建立针叶林和落叶林生物量估算模型,进行区域生物量的估算。
Zheng等[8]结合 Landsat7 ETM+数据和野外实测生物量数据估算了美国威斯康辛州确夸美光国家森林的地上
生物量,并生成了生物量分布图。 黄国胜等[9]以 MODIS数据为源数据驱动 Dong 模型,估测了我国东北地区
的森林生物量。 已有的利用光学遥感数据进行生物量估算的研究大部分采用的是中低空间分辨率的光学遥
感数据,比如 AVHRR、MODIS和 Landsat TM / ETM等数据[3,5],存在混合像元和野外实测样方面积与遥感影像
像元大小难以匹配等突出问题,结果易存在不确定性。 近年来,国内外学者开始借助微波雷达和激光雷达等
遥感数据进行地上生物量的估算工作[10鄄13]。
商用高空间分辨率卫星数据的出现,为人们利用遥感技术研究树冠结构提供了新的数据源[14]。 与低空
间分辨率遥感影像相比,高空间分辨率遥感影像包含了大量的纹理、形状、位置等空间几何信息,具有细节更
加清晰、信息更加丰富等特点。 在高空间分辨率遥感影像上,森林中每棵树木的树冠都清晰可辨,纹理和细节
信息非常明显,这对于高效而精准地提取森林参数十分有利[15]。 利用高空间分辨率卫星数据提取森林参数,
国外已经进行了很多年的研究,取得了很多重要成果,而国内目前仍处于起步阶段[16]。 Hay 等[17]针对高分
辨率遥感影像提出了一种面向对象的多尺度分割方法,并通过实验表明该方法用于高分影像的树冠及林分信
息的提取能够取得较好的效果。 Read等[18]认为可利用高空间分辨率数据提取树冠大小进行生物量估算,他
们利用 IKONOS影像得到的树冠面积与胸径存在明显的相关性(R2 = 0.84)。 大量研究都已证明胸径或生物
8946 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
http: / / www.ecologica.cn
量与树冠大小有密切的关系[19鄄20]。 因此,用单木树冠自动提取方法得到的树冠直径或面积结合各种模型推
算树木胸径和森林生物量是一个便捷可行的选择[21]。 目前国内在这方面的研究主要是利用高分辨率卫星数
据提取森林参数[22鄄23],而应用高空间分辨率数据进行森林地上生物量估算的研究还有待加强和深入。
在利用高分辨率遥感数据提取树冠大小进行生物量估算时会遇到这样的挑战, 森林中树冠相互重叠的
现象,利用现有的高分辨率遥感数据提取的不是树冠的真实冠幅,而是没有被遮挡的阳性冠幅(PoCA)。 近年
来,国内已有不少学者对 PoCA的定义和应用进行了探讨[24鄄26]。 阳性冠是指四周与林木接触点最高处枝条基
部以上的树冠部分,阳性冠的冠幅大小即称作 PoCA。 通俗地说,阳性冠幅就是林分中单株林木垂直投影且不
与其它林木重叠的那一部分冠幅[25]。 Ren 等[27]认为,阳性冠幅部分光合效率最高,是树木体内光合有机产
物的主要来源,而下部的枝条净光合效率低,对树木机体生长贡献很小。 因此,PoCA的大小真实体现了单株
林木的营养空间,用其研究林分密度是最合适的[26],从而可以应用于生物量的估算。
本文旨在发展一种利用高空间分辨率光学遥感数据估算森林地上生物量的方法,即利用高空间分辨率遥
感影像,提取单木的 PoCA,结合野外实测生物量数据,建立研究区内森林 AGB 的遥感估算模型,并对模型可
靠性进行验证,以期为利用高分辨遥感数据估算森林生物量提供参考。
1摇 研究资料与研究方法
本研究的基本思路是在对 IKONOS高分辨率遥感影像进行预处理的基础上,利用面向对象的分类软件 e鄄
Cognition对影像进行多尺度分割以及面向对象分析,提取出单木树冠的轮廓信息,然后结合野外实测生物量
数据建立样地水平的阳性冠幅与地上生物量的回归模型,进行森林生物量的估算,技术流程图见图 1。 由于
IKONOS遥感影像太阳天顶角(8毅)较小,可以将该景影像近似认为垂直投影成像,因此所提取的树冠可认为
是阳性冠幅。
图 1摇 研究技术流程图
Fig.1摇 Flow chart of this study
1.1摇 研究区概况
本研究于南京市紫金山林区进行,紫金山位于江苏省南京市东部,地理位置为 118毅48忆24义—118毅53忆04义E,
32毅01忆57义—32毅16忆15义N(图 2),属亚热带向暖温带过渡地带,四季分明,光能资源充足,年平均气温为15.7 益,
年降水量平均为 1106 mm,全年无霜期达 237 d。 总面积 3008.8 hm2,其中森林面积有 2107.6 hm2,森林郁闭度
为 0.75—0.80,最高峰海拔 448.9 m,是宁镇山脉的最高峰。 降水量丰富,年平均降雨 117 d,降雨量 1021 mm
左右,6月下旬到 7月中旬的梅雨季节,有较长的阴沉多雨天气,夏季和秋季有西太平洋台风带来的大量雨
水。 夏季主导风向为东南、东风,冬季主导风向为东北、东风。 土壤为黄棕壤和黄褐土类。 目前紫金山植被的
主要为人工林和天然恢复的次生林,各类植物资源比较丰富,乔木、灌木、藤本、草本共 113 科 600 种以上,各
类树种所占比例为:40%的栎类、枫香树,21%的马尾松、黑松、火炬松、湿地松,32%的其他阔叶树,4%的刺槐,
9946摇 20期 摇 摇 摇 黄金龙摇 等:基于高分辨率遥感影像的森林地上生物量估算 摇
http: / / www.ecologica.cn
图 2摇 研究区示意图
Fig.2摇 Location of the study area
1郾 5%的毛竹,其他树种 1.5%。
1.2摇 野外观测数据采集与处理
为了获得实测生物量数据,于 2011年 11 月在研究
区进行了地面样地调查。 按不同立地条件、林型选取有
代表性的标准样地,最终设置了 25 m伊25 m 的标准样
地 41个(26 个阔叶林样地、15 个针叶林样地)。 研究
区内阔叶主要为麻栎和枫香,针叶主要为马尾松和黑
松,所选样地基本包括了所有优势树种。 对每个样地分
别进行立地环境调查和每木检尺调查,记录胸径大于
6 cm的每棵树的胸径,在每个样地中选取 3棵标准木观
测树高和真实冠幅,同时记录每个样地的坡度、坡向、海
拔和和中心位置等信息。
利用同时观测的树高和胸径数据,建立由胸径估算
树高的模型,得到样地中每棵树的高度,再利用生物量
方程计算单木生物量,使用的优势树种的生物量方程见
表 1。
1.3摇 遥感数据的获取与预处理
本研究采用的是 2009 年 6 月 18 日获取的南京市
IKONOS遥感影像,数据包括一个空间分辨率为 1 m 的
全色波段和四个空间分辨率为 4 m 的多光谱波段(蓝
色:0.45—0.52 滋m;绿色:0.51—0.60 滋m;红色:0.63—
0郾 70 滋m; 近红外: 0. 76—0. 85 滋m; 全色: 0. 45—
0.90 滋m)。 影像数据质量很好,太阳天顶角为 8毅,没有云覆盖。
表 1摇 各优势树种生物量估算方程
Table 1摇 Allometric biomass equations of dominant species
树种
Tree species
树干生物量
Stem biomass
树枝生物量
Branch biomass
树叶生物量
Leaf biomass
来源
Source
马尾松
pinus thunbergii
WS = 0.0166 伊 (D2H) 0.9586 WB = 0.0005 伊 (D2H) 1.2225 WL = 0.00017 伊 (D2H) 1.3029 [28]
黑松
pinus thunbergii
WS = 0.0957 伊 (D2H) 2.2926 WB = 0.0006 伊 (D2H) 1.2958 WL = 0.0276 伊 D1.7541 [29]
杉木
Cunninghamia lanceolata
WS = 0.12428 伊 (D2H) 0.68 WB = 0.24338 伊 D0.9467 WL = 0.85369 伊 D0.5399 [30]
麻栎
Quercus acutissima
WS = 0.0006571 伊 D1.8473H2.41 WB = 0.0001163 伊 D2.9497H1.3223 WL = 0.0032 伊 D1.5148 伊 H0.8821 [31]
枫香
Liquidambar formosana
WS = 1.5988 伊 e0.2772D WB = 0.0825 伊 (D2H) 0.6492 WL = 1.0836 伊 (D2H) 0.2166 [32]
刺槐
Robinia pseudoacacia
WS = 0.02583 伊 (D2H) 0.95406 WB = 0.00464 伊 D3.21307 WL = 0.0234 伊 D1.92768 [33]
栾树
Koelreuteria paniculata
WS = 0.04215 伊 D2.56359 WB = 0.00379 伊 D3.13611 WL = 0.00024 伊 D3.18456 [34]
摇 摇 * 样地的总森林地上生物量计算为样地中所有胸径大于 6 cm的单木生物量之和
对原始影像进行了几何和辐射校正,首先利用野外采集的研究区内 17个控制点对影像进行几何精校正,
校正误差控制在半个像元以内,采用二阶双线性内插法进行重采样,再完成全色波段和多光谱波段的相对配
准。 再采用 ENVI 4.7软件对 IKONOS数据进行辐射定标,消除传感器本身产生的误差;接着利用 FLAASH模
0056 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
http: / / www.ecologica.cn
块进行 IKONOS数据的大气校正,从而消除大气的影响,得到地表反射率数据。
为了更好地利用 IKONOS数据的高空间分辨率和光谱信息,对该影像数据进行了融合处理。 目前有多种
方法可以应用于 IKONOS影像的融合[35鄄37],本研究分别采用了 PC 变换法、Brovey 变换法和 Gram鄄schmidt 变
换法对 IKONOS全色和多光谱影像进行了融合处理,得到空间分辨率为 1m 的融合影像。 通过目视比较和分
析融合前后 NDVI值的变化,发现采用 Brovey变换法得到的融合影像效果最好(图 3)。 因此,采用该方法融
合生成的数据进行后续处理和计算。
图 3摇 原始影像(左)和用 Brovey方法融合后的影像(右)(2、4、3 波段合成)
Fig.3摇 Comparison of the original image ( left) and the image after fusion using the Brovey method ( right) (Composition of bands 2, 4,
and 3)
图 4摇 部分影像的分割结果(2、4、3波段合成)
Fig.4摇 Part of the segmented image composed of bands 2, 4 and 3
1.4摇 单木树冠轮廓提取
目前常用的单木树冠提取方法有局部最大值法、模
版匹配法、种子区域生长法、分水岭分割法、谷地跟踪法
和多尺度分割法[21]。 其中,多尺度分割法是一种从单
像素对象开始的自下而上的区域合并技术,随后根据光
谱同质性将小的对象与邻近像元合并为大的对象。 分
割尺度和同质性因子是影像分割的两个重要参数,其中
影像分割尺度是一个表征多边形对象异质性最小的阈
值,与空间分辨率是两个不同的概念,前者决定了生成
的最小多边形的大小,分割尺度值越大,生成的影像对
象多边形面积越大而数目越少。 均质性因子包括颜色
(光谱)和形状两个属性因子, 其中形状因子又包括光
滑度和紧致度两个因子。 大多数情况下,光谱因子是生
成对象最重要的因子,而形状因子则可以避免影像对象
过于破碎, 进行多尺度分割时,形状参数与颜色参数是
相对的,这两个参数值之和为 1,形状参数设置的值越大,颜色(光谱)在分割时的权重相应就小。 本研究采用
eCognition软件的多尺度分割功能, 对遥感影像进行图像分割处理。 为找到最佳的分割尺度参数,分别将分
割尺度设置为 1、2、3、4、5、8和 10进行试验,通过对分割结果分析对比发现,分割尺度设置为 2 时,分割效果
最好。 在分割过程中,还需要设置颜色因子,形状因子,光滑度参数和紧致度参数。 在本研究中选择 Shape 因
1056摇 20期 摇 摇 摇 黄金龙摇 等:基于高分辨率遥感影像的森林地上生物量估算 摇
http: / / www.ecologica.cn
子为 0.5,Compactness为 0.7,则 Color因子为 0.5,Smoothness为 0.3。 部分影像的分割结果如图 4所示。
1.5摇 面向对象分类
面向对象的遥感影像分类方法是针对高分辨率影像应用而兴起的一种新的遥感分类技术,分类时不仅依
靠地物的光谱特性,而且根据像元的形状、纹理等几何特征和结构信息,把具有相同特征的像元组成一个对
象,然后根据每一个对象的特征进行分类。 因此,可以有效地克服基于像元层次分类的不足。 影像分割完成
后,影像的基本单元由单个像元上升到许多同质像元组成的多边形对象,每个多边形对象可计算出所包含像
元的平均光谱信息以及多边形的形状信息、纹理信息、位置信息和多边形间的拓扑关系等属性。 分类规则的
建立可以充分地利用对象所提供的各种信息进行组合,以提取具体的地物。
摇 图 5摇 利用 see5软件训练得到的分类规则(括号中的数值为训练
样本数)
Fig.5摇 Classification rule constructed by using the See5 program
(Values in brackets represent the number of training samples)
在分类时,特征参数值的选取比较困难,通常需要
基于先验知识,反复尝试,操作繁琐且分类效果难以理
想[38]。 本研究中使用了智能数据分析软件 See5[39],它
是一个通过分析和快速训练样本,并以决策树和规律集
的形式来生成分类器的程序。 使用 eCognition 在研究
区内均匀地选择各类地物的样本进行训练,经过 See5
的聚类分析后,得到了各种地物类别的分类特征集(图
5),从而在 eCognition 中建立分类规则进行分类(文中
分别选取了亮度、绿光波段光谱值、红光波段光谱值、近
红外波段光谱值和 NDVI 等的均值作为多边形对象的
特征信息)。 为了保证分类规则的精度,在使用 See5 软
件训练样本时要保证所选样本误差尽可能的小
(臆3%)。
为了消除非植被的影响,首先选取了一个分割尺度
(分割尺度为 4,Shape为 0.5,Compactness 为 0.7,则 Color 为 0.5,Smoothness 为 0.3)进行植被的提取,得到植
被分布图,然后选择一个最佳尺度 (分割尺度为 2,Shape为 0.5,Compactness为 0.7,则 Color为 0.5,Smoothness
为 0.3)对植被区进行分割,得到树冠阳性冠幅对象,再对阳性冠幅对象进行面向对象分类。 由于在研究区内
绝大部分植被是森林,因此将地物最终分为非植被、针叶林和阔叶林。 分类完成后将分类结果导出成 shp 文
件,在 ArcGIS软件中转成 img格式文件,导入到 ERDAS软件中进行分类精度评价。 得到满意分类精度后,计
算样地水平的阳性冠幅面积。
1.6摇 地上生物量估算模型的建立与验证
回归模型常常被用来建立生物量与各种实测树木生物物理参数(胸径、树高、冠幅等)之间的相关关系,
回归方程是地上生物量估算中常用的统计方法[40]。 研究中将样地观测数据按 60%和 40%比例随机选取,分
为用于模型建立和验证。 在建立模型时,以样地的总 PoCA为自变量、AGB 为因变量,建立线性和非线性(指
数和对数等)模型,以模拟的 AGB与观测数据比较的 R2为指标选择模型。
2摇 结果与分析
2.1摇 分类精度评价及 PoCA提取结果
对非植被、针叶林和阔叶林的分类精度评价在 ERDAS软件中进行,利用其精度评价模块,在研究区遥感
影像上随机选取 256个样点,生成误差矩阵。 由分类精度评价结果(表 2)看出,除了针叶林的生产者精度偏
低外,其他所有分类精度都达到 80%以上,总体精度为 83.20%,Kappa系数为 0.7370,分类精度较高。
图 6是提取的部分研究区的 PoCA分布图,可以发现针叶林和阔叶林的单木 PoCA都存在明显的空间变
化,具有较大 PoCA的单木分布相对分散,而具有较小 PoCA的单木分布相对集中。 表 3给出了每个样地的实
测生物量和阳性冠幅面积。 在 41个样方中,AGB的变化范围为 4.57—29.21 kg / m2,其中针叶林样方的 AGB
2056 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
http: / / www.ecologica.cn
平均值为 12. 51 kg / m2,阔叶林样方的 AGB 平均值为 16. 61 kg / m2。 提取的 PoCA 的变化范围为 0. 64—
41.6 m2,其中针叶林样方的 PoCA平均值为 11.32 m2, 阔叶林样方的 PoCA平均值为 12.78 m2。
表 2摇 面向对象分类精度评价
Table 2摇 Accuracy evaluation of Object鄄oriented classification
参考数据 Reference data 用户精度 / %User忆s accuracy
分类数据 类别 非植被 针叶 阔叶 样本数
Classified data 非植被 60 9 6 75 80.0
针叶林 0 49 8 57 85.96
阔叶林 6 14 104 124 83.87
样本数 66 72 118 256 —
生产者精度 / %
Producer忆s accuracy 90.91 68.06 88.14 — 总体精度:83.20
图 6摇 部分研究区阳性冠幅提取结果图
Fig.6摇 PoCA extraction results for part of the study area
2.2摇 基于 PoCA的地上生物量估算模型
通过回归分析发现,样地水平的 PoCA与 AGB之间呈较好的相关关系, 建立针叶林和阔叶林的 AGB 估
算模型分别为 AGB= 10.148PoCA1.051和 AGB= 3.0836PoCA1.245。 模型估算的针叶林和阔叶林 AGB 与观测数据
比较的R2分别为0.62(P<0.01,n = 9)和0.56(P<0.01,n = 16)。模型验证结果表明,所建AGB估算模型的可
3056摇 20期 摇 摇 摇 黄金龙摇 等:基于高分辨率遥感影像的森林地上生物量估算 摇
http: / / www.ecologica.cn
表 3摇 样方生物量和提取的阳性冠幅面积统计
Table 3摇 Statistical field measured AGB and extracted PoCA of every sample plot
样方号
Quadrat
number
优势树种
Dominant Species
株数
Tree number
平均树高 / m
Average
height
平均胸径
Average
DBH / cm
样方生物量
Quadrat AGB
/ (kg / m2)
样方总阳
性冠幅
Total quadrat
POCA / m2
01 马尾松 pinus thunbergii 46 21.67 31.0 9.97 524.42
02 喜树 Camptotheca acuminata 63 16.50 22.5 10.07 617.70
03 麻栎 Quercus acutissima 56 18.50 26.7 25.88 604.74
04 枫香 Liquidambar formosana 81 15.70 22.3 9.31 608.74
05 麻栎 Quercus acutissima 50 14.60 24.2 15.08 444.80
06 黑松 pinus thunbergii 57 12.50 24.4 8.34 354.56
07 刺槐 Robinia pseudoacacia 26 19.50 34.5 24.98 602.88
08 马尾松 pinus thunbergii 91 21.00 33.6 16.23 302.88
09 麻栎 Quercus acutissima 86 13.87 18.8 9.61 443.53
10 麻栎 Quercus acutissima 89 13.67 18.8 8.77 417.92
11 麻栎 Quercus acutissima 24 20.33 28.9 25.95 610.56
12 马尾松 pinus thunbergii 37 16.00 22.1 7.31 569.44
13 麻栎 Quercus acutissima 48 15.50 24.8 13.55 608.64
14 麻栎 Quercus acutissima 42 17.25 25.9 20.34 606.72
15 栾树 Koelreuteria paniculata 98 11.67 12.5 13.59 578.40
16 枫香 Liquidambar formosana 35 14.00 24.1 21.73 513.94
17 马尾松 pinus thunbergii 72 11.34 18.7 4.66 518.24
18 栾树 Koelreuteria paniculata 67 11.63 15.7 11.80 522.88
19 杉木 Cunninghamia lanceolata 46 14.00 20.6 13.22 464.48
20 麻栎 Quercus acutissima 31 10.50 23.0 29.21 598.42
21 麻栎 Quercus acutissima 94 8.67 19.2 10.44 525.74
22 麻栎 Quercus acutissima 83 11.40 16.9 8.23 528.08
23 马尾松 pinus thunbergii 50 13.20 25.1 7.07 278.40
24 马尾松 pinus thunbergii 59 8.20 20.2 4.57 338.56
25 麻栎 Quercus acutissima 98 9.13 14.4 7.50 401.92
26 马尾松 pinus thunbergii 78 13.63 25.3 13.69 413.72
27 马尾松 pinus thunbergii 55 9.90 24.3 12.60 420.28
28 枫香 Liquidambar formosana 56 10.17 23.1 17.01 547.20
29 杉木 Cunninghamia lanceolata 92 11.34 23.9 12.01 311.04
30 枫香 Liquidambar formosana 60 12.40 20.7 19.80 573.44
31 麻栎 Quercus acutissima 44 10.33 20.3 21.47 568.32
32 马尾松 pinus thunbergii 47 10.00 23.8 7.96 326.40
33 枫香 Liquidambar formosana 52 11.50 19.0 8.95 427.52
34 马尾松 pinus thunbergii 57 10.35 19.4 10.55 349.44
35 马尾松 pinus thunbergii 68 10.67 15.0 8.14 358.40
36 枫香 Liquidambar formosana 37 14.77 21.6 15.24 436.85
37 马尾松 pinus thunbergii 58 10.56 18.7 11.76 601.60
38 马尾松 pinus thunbergii 31 13.03 18.8 6.17 378.88
39 枫香 Liquidambar formosana 72 12.00 16.9 12.05 617.60
40 枫香 Liquidambar formosana 41 12.15 36.0 22.37 615.68
41 枫香 Liquidambar formosana 42 11.24 18.7 12.65 618.24
摇 摇 AGB: Aboveground biomass
靠性较高,估算的针叶林和阔叶林 AGB 与观测数据比较的 R2分别为 0.55(P<0.01,n = 5)和 0.52(0郾 01, n =
10)。 但地上生物量较低时,模型结果偏高;而当地上生物量较高时,模型结果偏低。 所建针叶林 AGB 估算模
型优于阔叶林模型,这与树冠结构特征有关,针叶树冠形状较为规则,一般呈伞状,树木相互之间的重叠较少,
4056 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
http: / / www.ecologica.cn
利用遥感数据提取的树冠轮廓精度较高,提取得到的 PoCA基本近似于真实的树冠面积。 而阔叶树的树冠很
不规则,当林分郁闭度较高时树冠之间的重叠现象比较严重,导致自动提取的阔叶树 PoCA 与真实的树冠面
积差别较大,估算的 AGB误差较大(图 7)。
图 7摇 基于 PoCA的 AGB估算模型和模型验证结果
Fig.7摇 Empirical models for estimating AGB of conifer and broadleaf forests based on PoCA and validation of modeled AGB for conifer
and broadleaf forests
最终,根据建立的生物量估算模型,进行森林地上生物量制图,生成了研究区内森林地上生物量空间分布
图(图 8)。 从图 8可以看出,单木的 AGB 存在明显的空间变化特征,单木的 AGB 主要集中在 0—400 kg 之
内,其空间分布相对集中;AGB介于 400—700 kg之间的单木数量较少,空间分布相对分散;而 AGB 高于 700
kg的单木数目很少,空间分布很零散。
3摇 结论与讨论
本研究基于冠层冠幅可以估算 AGB,而阳性冠幅与冠层冠幅相关的事实,采用面向对象的图像分析方
法,从融合的 IKONOS影像中提取单木的阳性冠幅,用于估算生物量。 结果表明,在经过充分训练后面向对象
的分析方法应用于单木 PoCA的提取具有较高精度(总体精度为 83.20%,Kappa系数为 0.7370),在样地尺度,
PoCA与 AGB之间具有较好的相关性,基于 PoCA 建立的针叶林和阔叶林 AGB 估算模型的 R2分别达到了
0郾 62(P<0.01,n= 9)和 0.56(P<0.01,n= 16),模型验证也表明,所建模型具有较好的可靠性。 从而说明,通过
高分辨率遥感数据提取 PoCA进行森林地上生物量的是可行性的。 同时,针叶林 PoCA与 AGB之间的相关性
优于阔叶林,表明这一方法更适用于针叶林地上生物量的遥感估算。
但是,本研究尚存在一些不足,需要进一步深入研究。
由于树冠之间的重叠,使得进行图像分割时分割尺度的选择存在一定的困难,分割尺度设置过小时会发
生过度分割现象,而分割尺度设置过大时则会导致欠分割的问题。 本研究采取尺度分割试验的方法确定该参
数,具有一定的主观性。 随着激光雷达的不断发展,今后可以考虑加入激光雷达数据,结合其高度信息,提高
5056摇 20期 摇 摇 摇 黄金龙摇 等:基于高分辨率遥感影像的森林地上生物量估算 摇
http: / / www.ecologica.cn
图 8摇 部分研究区地上生物量分布图
Fig.8摇 AGB map for part of the study area
树冠分割精度。
图像分割是高分辨率遥感图像进行面向对象分析的前提和基础,图像分割结果的质量直接影响后续处理
的精度,但是,目前还缺乏统一可靠的图像分割精度评价标准。 因此,如何建立统一可靠的图像分割精度评价
标准将是今后需要进一步研究的问题。
由于 IKONOS数据的全色波段空间分辨率实际可达到 81 cm,理论上大于 81 cm的单木树冠都可以通过
相关的图像分析方法从影像上提取出来,由于卫星扫描姿态偏移以及太阳天顶角偏大等因素,图像上会存在
地物阴影,影响树冠提取精度。 本研究所采用的影像数据太阳天顶角较小,所以没有考虑阴影的影响。
在进行样地 AGB计算时,使用的是文献中发表的生物量计算方程,其建模使用数据的样地条件与本研究
的样地存在一定的差异,会导致 AGB的计算结果的一定误差,从而在一定程度上影响到 AGB 估算模型的精
度评价结果。 加之由于观测条件的限制,野外观测数据样本数相对偏少,对提取的 PoCA 无法进行有效验证
等缺陷。 所以,本文所建立模型的适用性还有待进一步的验证。
冠幅与 AGB 之间关系随树种和森林年龄变化, 由于植被冠层光谱的相似性,要从影像上对每一种树种
进行分类在现研究阶段还很困难,本研究中只分为针叶林和阔叶林两大类,分别进行建模,也没有考虑森林年
龄的作用。
6056 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
http: / / www.ecologica.cn
References:
[ 1 ]摇 Houghton R A. Aboveground forest biomass and the global carbon balance. Global Change Biology, 2005, 11(6): 945鄄958.
[ 2 ] 摇 Winjum J K, Dixon R K, Schroeder P E. Forest management and carbon storage: An analysis of 12 key forest nations. Water, Air, and Soil
Pollution, 1993, 70(1 / 4): 239鄄257.
[ 3 ] 摇 Xu X L, Cao M K. An analysis of the applications of remote sensing method to the forest biomass estimation. Geo鄄Information Science, 2006, 8
(4): 122鄄128.
[ 4 ] 摇 Lou X T, Zeng Y, Wu B F. Advances in the estimation of above鄄ground biomass of forest using remote sensing. Remote Sensing for Land and
Resources, 2011, 23(1): 1鄄8.
[ 5 ] 摇 Tang X G, Liu D W, Wang Z M, Jia M M, Dong Z Y, Liu J Y, Xu W M. Estimation of forest aboveground biomass based on remote sensing data:
A review. Chinese Journal of Ecology, 2012, 31(5): 1311鄄1318.
[ 6 ] 摇 Li D R, Wang C W, Hu Y M, Liu S G. General review on remote sensing鄄based biomass estimation. Geomatics and Information Science of Wuhan
University, 2012, 37(6): 631鄄635.
[ 7 ] 摇 Hame T, Salli A, Andersson K, Lohi A. A new methodology for the estimation of biomass of conifer鄄dominated boreal forest using NOAA AVHRR
data. International Journal of Remote Sensing, 1997, 18(15): 3211鄄3243.
[ 8 ] 摇 Zheng D L, Rademacherb J, Chena J Q, Crow T, Bresee M, Moine J L, Ryu S R. Estimating aboveground biomass using landsat7 ETM+ data
across a managed landscape in Northern Wisconsin, USA. Remote Sensing of Environment, 2004, 93(3): 402鄄411.
[ 9 ] 摇 Huang G S, Xia C Z. MODIS鄄based estimation of forest biomass in Northeast China. Forest Resources Management, 2005, (4): 40鄄44.
[10] 摇 Solberg S, Astrup R, Gobakken T, Nasset E, Weydahl D J. Estimating spruce and pine biomass with interferometric X鄄band SAR. Remote Sensing
of Environment, 2010, 114(10): 2353鄄2360.
[11] 摇 Yu Y, Fan W Y, Li M Z, Yang X G. Estimation of forest tree heights and biomass from GLAS data. Scientia Silvae Sinicae, 2010, 46(9): 84鄄87.
[12] 摇 Clark M L, Roberts D A, Ewel J J, Clark D B. Estimation of tropical rain forest aboveground biomass with small鄄footprint lidar and hyperspectral
sensors. Remote Sensing of Environment, 2011, 115(11): 2931鄄2942.
[13] 摇 Song Q, Fan W Y. ALOS PALSAR estimation of vegetation biomass in Daxing忆anling region. Chinese Journal of Applied Ecology, 2011, 22(2):
303鄄308.
[14] 摇 Qin X L, Li Z Y, Yi H R. Extraction method of tree crown using high鄄resolution satellite image. Remote Sensing Technology and Application,
2005, 20(2): 228鄄232.
[15] 摇 Liu X S, Huang J W, Ju H B. Study on extraction of forest parameters by high spatial resolution remote sensing. Forest Resources Management,
2009, 4(2): 111鄄117.
[16] 摇 Cui S W. Study on Individual Tree Crown Extraction based on High Resolution Remote Sensing [ D]. Heilongjiang: Northeast Forestry
University, 2011.
[17] 摇 Hay G J, Castilla G, Wulder M A, Ruiz J R. An automated object鄄based approach for the multiscale image segmentation of forest scenes.
International Journal of Applied Earth Observation and Geoinformation, 2005, 7(4): 339鄄359.
[18] 摇 Read J M, Clark D B, Venticinque E M, Moreira M P. Application of merged 1鄄m and 4鄄m resolution satellite data to research and management in
tropical forests. Journal of Applied Ecology, 2003, 40(3): 592鄄600.
[19] 摇 Shimano K. Analysis of the relationship between DBH and crown projection area using a new model. Journal of Forest Research, 1997, 2(4):
237鄄242.
[20] 摇 Hemery G E, Savill P S, Pryor S N. Applications of the crown diameter鄄stem diameter relationship for different species of broadleaved trees. Forest
Ecology Management, 2005, 215(1 / 3): 285鄄294.
[21] 摇 Liu X S, Huang J W, Ju H B. Research progress in the methods and applications of individual tree crown忆s automatic extraction by high spatial
resolution remote sensing. Journal of Zhejiang Forestry College, 2010, 27(1): 126鄄133.
[22] 摇 Huang J W, Chen Y F, Ju H B. Study on tree crown extraction from QuickBird imagery based on object oriented approach in the project of
converting cropland to forest. Scientia Silvae Sinicae, 2006, 42(z1): 68鄄71.
[23] 摇 Wang R W, Peng D L, Wu T, Xu D. Study on tree鄄crown extraction from QuickBird data based on object鄄oriented method. Chinese Agricultural
Science Bulletin, 2010, 26(15): 128鄄134.
[24] 摇 Wang D S, Song X M. A new singe鄄tree competition measure鄄relative effective crown ratio. Forest Research, 1994, 7(3): 337鄄341.
[25] 摇 Zhu X Q. Relationship between crown size and tree diameter breast height of pinus sylvestris var mongovica. Hebei Journal of Forestry and Orchard
Research, 2001, 16(2): 124鄄124.
[26] 摇 Shi M Z, Zhang F D. Studies on relationship between crown size and tree diameter at breast height of 107 Populus. Journal of Fujian Science and
Technology, 2005, 32(4): 97鄄98.
[27] 摇 Ren X B, Wang X T, Tadaki T, Shimizu K. Theoretical study of coexistence of ordering and spinodal decomposition. Science in China (Series E),
1996, 39(4): 412鄄423.
[28] 摇 Feng Z W, Chen C Y, Zhang J W, Wang K P, Zhao J L, Gao H. Determination of Biomass of Pinus massoniana stand in Huitong county, Hunan
province. Scientia Silvae Sinicae, 1982, 18(2): 127鄄134.
[29] 摇 Zhang X D, Wu Z M, Peng Z H. Mathematical models of the Biomass structure of Pinus Thunbergii plantation. Journal of Biomathematics, 1994, 9
7056摇 20期 摇 摇 摇 黄金龙摇 等:基于高分辨率遥感影像的森林地上生物量估算 摇
http: / / www.ecologica.cn
(5): 60鄄65.
[30] 摇 Ye J Z, Jiang Z L. A study on the above ground Biomass of Chinese fir forest in a hilly region of southern Jiangsu. Journal of Nanjing Forestry
University, 1982, (3): 109鄄115.
[31] 摇 Xu J H, Wang M L, Huang Q F, Gong S F. Study on aboveground biomass model of natural individual trees of Quercus acutissima. Anhui Forestry
Science and Technology, 2011, 37(4): 3鄄6.
[32] 摇 Qian G Q. Studies on the dynamic change of the net production quantity of Liquidambar formosana Plantation. Acta Agriculturae Universitis
Jiangxiensis, 2000, 22(3): 399鄄404.
[33] 摇 Zhang B L, Chen C G. Biomass and production of Robinia pseudoacacia plantation in Hongxing Tree Farm of Changwu county, Shaanxi Province.
Shaanxi Forest Science and Technology, 1992, (3): 13鄄17.
[34] 摇 Wang Z, Han Y J, Kang H Z, Huang D, Xue C Y, Yin S, Liu C J. Carbon storage of main tree species plantations for water resources conversation
in upper reaches of Huangpu River, Shanghai. Chinese Journal of Ecology, 2012, 31(8): 1930鄄1935.
[35] 摇 Weng Y L, Tian Q J, Hui F M. Research on the fusion effects of IKONOS high鄄resolution remote sensing image. Journal of Southeast University:
Natural Science Edition, 2004, 34(2): 274鄄277.
[36] 摇 Song G X, Pan J J, Zhu W J. Study on optimum fusion technology of IKONOS image. Science of Surveying and Mapping, 2009, 34(2): 106鄄108.
[37] 摇 Wang Z W, Liu S X, Chen X D. An automatic method of simulating low resolution panchromatic image in IKONOS image fusion. Geomatics and
Information Science of Wuhan University, 2010, 35(11): 1283鄄1287.
[38] 摇 Xing B L. The effects of land cover change on net primary productivity of terrestrial ecosystems in Nanjing City [ D]. Nanjing: Nanjing
University, 2012.
[39] 摇 Liang K, Chang L Q. A study of construction and classification of decision tree classifiers based on See5. 0 Algorithm. Mine Surveying, 2009, (2):
41鄄43.
[40] 摇 Lu D S. The potential and challenge of remote sensing鄄based biomass estimation. International Journal of Remote Sensing, 2006, 27 ( 7):
1297鄄1328.
参考文献:
[ 3 ]摇 徐新良, 曹明奎. 森林生物量遥感估算与应用分析. 地球信息科学, 2006, 8(4): 122鄄128.
[ 4 ] 摇 娄雪婷, 曾源, 吴炳方. 森林地上生物量遥感估测研究进展. 国土资源遥感, 2011, 23(1): 1鄄8.
[ 5 ] 摇 汤旭光, 刘殿伟, 王宗明, 贾明明, 董张玉, 刘婧怡, 徐文明. 森林地上生物量遥感估算研究进展. 生态学杂志, 2012, 31( 5):
1311鄄1318.
[ 6 ] 摇 李德仁, 王长委, 胡月明, 刘曙光. 遥感技术估算森林生物量的研究进展. 武汉大学学报: 信息科学版, 2012, 37(6): 631鄄635.
[ 9 ] 摇 黄国胜, 夏朝宗. 基于 MODIS的东北地区森林生物量研究. 林业资源管理, 2005, (4): 40鄄44.
[11] 摇 于颖, 范文义, 李明泽, 杨曦光. 利用大光斑激光雷达数据估测树高和生物量. 林业科学, 2010, 46(9): 84鄄87.
[13] 摇 宋茜, 范文义. 大兴安岭植被生物量的 ALOS PALSAR估算. 应用生态学报, 2011, 22(2): 303鄄308.
[14] 摇 覃先林, 李增元, 易浩若. 高空间分辨率卫星遥感影像树冠信息提取方法研究. 遥感技术与应用, 2005, 20(2): 228鄄232.
[15] 摇 刘晓双, 黄建文, 鞠洪波. 高空间分辨率遥感森林参数提取探讨. 林业资源管理, 2009, 4(2): 111鄄117.
[16] 摇 崔少伟. 基于高分辨率遥感数据单木树冠提取研究 [D]. 黑龙江: 东北林业大学, 2011.
[21] 摇 刘晓双, 黄建文, 鞠洪波. 高空间分辨率遥感的单木树冠自动提取方法与应用. 浙江林学院学报, 2010, 27(1): 126鄄133.
[22] 摇 黄建文, 陈永富, 鞠洪波. 基于面向对象技术的退耕还林树冠遥感信息提取研究. 林业科学, 2006, 42(z1): 68鄄71.
[23] 摇 王茹雯, 彭道黎, 吴涛, 徐定. 利用面向对象的技术进行树冠信息提取研究. 中国农学通报, 2010, 26(15): 128鄄134.
[24] 摇 王迪生, 宋新民. 一个新的单木竞争指标———相对有效冠幅比. 林业科学研究, 1994, 7(3): 337鄄341.
[25] 摇 朱晓青. 樟子松阳性冠幅与胸径关系的研究. 河北林果研究, 2001, 16(2): 124鄄124.
[26] 摇 时明芝, 张凡东. 107杨树阳性冠幅与胸径关系的研究. 福建林业科技, 2005, 32(4): 97鄄98.
[28] 摇 冯宗炜, 陈楚莹, 张家武, 王开平, 赵吉录, 高虹. 湖南会同地区马尾松林生物量的测定. 林业科学, 1982, 18(2): 127鄄134.
[29] 摇 张旭东, 吴泽民, 彭镇华. 黑松人工林生物量结构的数学模型. 生物数学学报, 1994, 9(5): 60鄄65.
[30] 摇 叶镜中, 姜志林. 苏南丘陵区杉木林地上部分生物量的研究. 南京林产工业学院学报, 1982, (3): 109鄄115.
[31] 摇 许剑辉, 汪茂林, 黄庆丰, 宫守飞. 天然麻栎单木地上生物量模型研究. 安徽林业科技, 2011, 37(4): 3鄄6.
[32] 摇 钱国钦. 枫香人工林净生产量动态变化研究. 江西农业大学学报, 2000, 22(3): 399鄄404.
[33] 摇 张柏林, 陈存根. 长武县红星林场刺槐人工林的生物量和生产量. 陕西林业科技, 1992, (3): 13鄄17.
[34] 摇 王哲, 韩玉洁, 康宏樟, 黄丹, 薛春燕, 殷杉, 刘春江. 黄浦江上游主要树种水源涵养林生态系统碳储量. 生态学杂志, 2012, 31(8):
1930鄄1935.
[35] 摇 翁永玲, 田庆久, 惠凤鸣. IKONOS高分辨率遥感影像自身融合效果分析. 东南大学学报: 自然科学版, 2004, 34(2): 274鄄277.
[36] 摇 宋刚贤, 潘剑君, 朱文娟. IKONOS影像的最佳融合技术研究. 测绘科学, 2009, 34(2): 106鄄108.
[37] 摇 王忠武, 刘顺喜, 陈晓东. IKONOS 图像融合中自动拟合低分辨率全色图像的方法. 武汉大学学报: 信息科学版, 2010, 35( 11):
1283鄄1287.
[38] 摇 邢白灵. 地表覆盖变化对南京市生态系统净初级生产力的影响 [D]. 南京: 南京大学, 2012.
[39] 摇 梁坤, 常鲁群. 基于 See5. 0算法的决策树构建与分类研究. 矿山测量, 2009, (2): 41鄄43.
8056 摇 生摇 态摇 学摇 报摇 摇 摇 33卷摇
粤悦栽粤 耘悦韵蕴韵郧陨悦粤 杂陨晕陨悦粤 灾燥造援猿猿袁晕燥援圆园 韵糟贼援袁圆园员猿渊杂藻皂蚤皂燥灶贼澡造赠冤
悦韵晕栽耘晕栽杂
云则燥灶贼蚤藻则泽 葬灶凿 悦燥皂责则藻澡藻灶泽蚤增藻 砸藻增蚤藻憎
杂责葬贼蚤葬造 增葬则蚤葬遭蚤造蚤贼赠 燥枣 泽皂葬造造 葬灶凿 皂藻凿蚤怎皂 泽糟葬造藻泽忆 则藻泽燥怎则糟藻 葬遭怎灶凿葬灶糟藻 燥枣 韵皂皂葬泽贼则藻责澡藻泽 遭葬则贼则葬皂蚤蚤 蚤灶 晕燥则贼澡憎藻泽贼 孕葬糟蚤枣蚤糟
再粤晕郧 酝蚤灶早曾蚤葬袁 悦匀耘晕 载蚤灶躁怎灶袁 云耘晕郧 再燥灶早躁蚤怎袁 藻贼 葬造 渊远源圆苑冤
噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
栽澡藻 藻枣枣藻糟贼 燥枣 皂燥蚤泽贼怎则藻 葬灶凿 贼藻皂责藻则葬贼怎则藻 燥灶 泽燥蚤造 悦 皂蚤灶藻则葬造蚤扎葬贼蚤燥灶 蚤灶 憎藻贼造葬灶凿 葬灶凿 泽贼藻责责藻 燥枣 贼澡藻 在燥蚤早藻 则藻早蚤燥灶袁 悦澡蚤灶葬
宰粤晕郧 阅葬灶袁 蕴灾 再怎造蚤葬灶早袁 载哉 蕴蚤袁 藻贼 葬造 渊远源猿远冤
噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
砸藻泽责燥灶泽藻 葬灶凿 责燥责怎造葬贼蚤燥灶 遭蚤燥灶燥皂蚤糟 泽贼则葬贼藻早蚤藻泽 燥枣 凿藻泽藻则贼 则燥凿藻灶贼 糟燥皂皂怎灶蚤贼蚤藻泽 贼燥憎葬则凿泽 凿蚤泽贼怎则遭葬灶糟藻 燥枣 糟怎造贼蚤增葬贼蚤燥灶
再哉粤晕 杂澡怎葬蚤袁 云哉 匀藻责蚤灶早袁 宰哉 载蚤葬燥凿燥灶早袁 藻贼 葬造 渊远源源源冤
噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
耘枣枣藻糟贼泽 燥枣 月贼鄄糟燥贼贼燥灶 燥灶 孕则燥责赠造藻葬 躁葬责燥灶蚤糟葬袁 葬灶 耘灶藻皂赠 陨灶泽藻糟贼 燥枣 月藻皂蚤泽蚤葬 贼葬遭葬糟蚤 渊郧藻灶灶葬凿蚤怎泽冤
在匀韵哉 云怎糟葬蚤袁郧哉 粤蚤曾蚤葬灶早袁再粤晕郧 再蚤扎澡燥灶早袁藻贼 葬造 渊远源缘缘冤
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
砸藻泽藻葬则糟澡 责则燥早则藻泽泽 蚤灶 贼澡藻 藻糟燥造燥早蚤糟葬造 藻枣枣藻糟贼泽 燥枣 皂蚤糟则燥鄄造葬灶凿枣燥则皂 皂燥凿蚤枣蚤糟葬贼蚤燥灶 宰耘陨 宰藻蚤袁 再哉 再怎灶袁 允陨粤 云怎赠葬灶袁 藻贼 葬造 渊远源远圆冤噎噎噎噎噎
粤怎贼藻糟燥造燥早赠 驭 云怎灶凿葬皂藻灶贼葬造泽
粤 皂怎造贼蚤鄄泽糟葬造藻 枣藻藻凿蚤灶早 澡葬遭蚤贼葬贼 泽藻造藻糟贼蚤燥灶 燥枣 砸藻凿鄄糟则燥憎灶藻凿 糟则葬灶藻 凿怎则蚤灶早 泽责则蚤灶早 皂蚤早则葬贼蚤燥灶 葬贼 贼澡藻 杂澡怎葬灶早贼葬蚤澡藻噪燥怎 晕葬贼怎则藻 砸藻泽藻则增藻袁
蕴蚤葬燥灶蚤灶早 孕则燥增蚤灶糟藻袁 悦澡蚤灶葬 宰哉 匝蚤灶早皂蚤灶早袁 在韵哉 匀燥灶早枣藻蚤袁 允陨晕 匀燥灶早赠葬灶早袁 藻贼 葬造 渊远源苑园冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
杂怎则枣葬糟藻 责燥造造藻灶 则藻泽藻葬则糟澡 燥枣 晕葬灶泽澡葬灶 则藻早蚤燥灶袁 杂澡蚤澡藻扎蚤 悦蚤贼赠 蚤灶 载蚤灶躁蚤葬灶早 在匀粤晕郧 匀怎蚤袁 在匀粤晕郧 再怎灶袁 再粤晕郧 在澡藻灶躁蚤灶早袁藻贼 葬造 渊远源苑愿冤噎噎
阅赠灶葬皂蚤糟泽 燥枣 造藻葬枣 糟葬则遭燥灶袁 灶蚤贼则燥早藻灶 葬灶凿 责澡燥泽责澡燥则怎泽 燥枣 贼憎燥 凿燥皂蚤灶葬灶贼 泽责藻糟蚤藻泽 蚤灶 葬 孕燥赠葬灶早 蕴葬噪藻 憎藻贼造葬灶凿
在匀耘晕郧 再葬灶皂蚤灶早袁 再粤韵 月燥袁 宰哉 匝蚤灶袁 藻贼 葬造 渊远源愿愿冤
噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
耘泽贼蚤皂葬贼蚤燥灶 燥枣 枣燥则藻泽贼 葬遭燥增藻早则燥怎灶凿 遭蚤燥皂葬泽泽 怎泽蚤灶早 澡蚤早澡 泽责葬贼蚤葬造 则藻泽燥造怎贼蚤燥灶 则藻皂燥贼藻 泽藻灶泽蚤灶早 蚤皂葬早藻则赠
匀哉粤晕郧 允蚤灶造燥灶早袁 允哉 宰藻蚤皂蚤灶袁 在匀耘晕郧 郧怎葬灶早袁 藻贼 葬造 渊远源怨苑冤
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
悦燥泽贼鄄遭藻灶藻枣蚤贼泽 燥枣 贼澡藻 糟造燥灶葬造 蚤灶贼藻早则葬贼蚤燥灶 燥枣 悦赠灶燥凿燥灶 凿葬糟贼赠造燥灶袁 葬 泽贼燥造燥灶 澡藻则遭葬糟藻燥怎泽 责造葬灶贼袁 怎灶凿藻则 澡藻贼藻则燥早藻灶藻燥怎泽 造蚤早澡贼蚤灶早 糟燥灶凿蚤贼蚤燥灶
栽粤韵 再蚤灶早泽澡蚤袁 匀韵晕郧 杂澡藻灶早糟澡怎灶袁蕴陨粤韵 再燥灶早皂藻蚤袁 藻贼 葬造 渊远缘园怨冤
噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
月蚤燥造燥早蚤糟葬造 糟赠糟造蚤灶早 燥枣 运燥藻造则藻怎贼藻则蚤葬 责葬灶蚤糟怎造葬贼葬 责造葬灶贼葬贼蚤燥灶 皂蚤糟则燥藻造藻皂藻灶贼泽 蚤灶 载蚤葬灶早贼葬灶 酝葬灶早葬灶藻泽藻 酝蚤灶藻 憎葬泽贼藻造葬灶凿
蕴哉韵 在澡葬燥澡怎蚤袁 栽陨粤晕 阅葬造怎灶袁 栽陨粤晕 匀燥灶早凿藻灶早袁 藻贼 葬造 渊远缘员苑冤
噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
耘枣枣藻糟贼泽 燥枣 藻糟贼燥皂赠糟燥则则澡蚤扎葬造 枣怎灶早蚤 渊 贼蚤灶糟贼燥则蚤怎泽 渊孕藻则泽援冤 悦燥噪藻则 驭 悦燥怎糟澡冤燥灶 贼澡藻 遭蚤燥皂葬泽泽 燥枣 皂葬泽泽燥灶 责蚤灶藻 渊孕蚤灶怎泽 皂葬泽泽燥灶蚤葬灶葬冤 泽藻藻凿造蚤灶早泽
怎灶凿藻则 泽蚤皂怎造葬贼藻凿 葬糟蚤凿 则葬蚤灶 悦匀耘晕 在澡葬灶袁宰粤晕郧 蕴蚤灶袁 杂匀粤晕郧 匀藻 渊远缘圆远冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
耘枣枣藻糟贼泽 燥枣 遭蚤燥糟澡葬则 燥灶 泽藻造藻糟贼藻凿 泽燥蚤造 糟澡藻皂蚤糟葬造 责则燥责藻则贼蚤藻泽 葬灶凿 燥灶 憎澡藻葬贼 葬灶凿 皂蚤造造藻贼 赠蚤藻造凿
悦匀耘晕 载蚤灶曾蚤葬灶早袁匀耘 载怎泽澡藻灶早袁郧耘晕郧 在藻灶早糟澡葬燥袁藻贼 葬造 渊远缘猿源冤
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
杂燥怎则糟藻 燥枣 增葬则蚤葬贼蚤燥灶 燥枣 责造葬灶贼 枣怎灶糟贼蚤燥灶葬造 贼则葬蚤贼泽 蚤灶 贼澡藻 再葬灶澡藻 则蚤增藻则 憎葬贼藻则泽澡藻凿院 贼澡藻 蚤灶枣造怎藻灶糟藻 燥枣 藻灶增蚤则燥灶皂藻灶贼 葬灶凿 责澡赠造燥早藻灶藻贼蚤糟 遭葬糟噪鄄
早则燥怎灶凿 在匀粤晕郧 蕴蚤袁 宰耘晕 在澡燥灶早皂蚤灶早袁酝陨粤韵 蕴蚤葬灶责藻灶早 渊远缘源猿冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
栽澡藻 早藻灶藻则葬造 遭蚤燥造燥早赠 葬灶凿 藻曾责藻则蚤皂藻灶贼葬造 责燥责怎造葬贼蚤燥灶 造蚤枣藻 贼葬遭造藻 葬遭燥怎贼 粤泽赠灶葬糟贼葬 葬皂遭则燥泽贼燥皂葬藻
宰粤晕郧 载蚤怎皂藻蚤袁 在粤晕郧 蕴蚤葬灶泽澡藻灶早袁 蕴陨晕 月葬燥择蚤灶早袁 藻贼 葬造 渊远缘缘猿冤
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
耘枣枣藻糟贼 燥枣 泽藻增藻则葬造 藻糟燥造燥早蚤糟葬造 枣葬糟贼燥则泽 燥灶 藻皂遭则赠燥灶蚤糟 凿藻增藻造燥责皂藻灶贼 燥枣 杂藻责蚤葬 造赠糟蚤凿葬泽
孕耘晕郧 砸怎蚤遭蚤灶早袁允陨粤晕郧 载蚤葬皂蚤灶袁再哉 杂澡怎早怎葬灶早袁藻贼 葬造 渊远缘远园冤
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
孕燥责怎造葬贼蚤燥灶袁 悦燥皂皂怎灶蚤贼赠 葬灶凿 耘糟燥泽赠泽贼藻皂
栽澡藻 贼澡蚤灶灶蚤灶早 则藻早怎造葬则 燥枣 贼澡藻 贼澡藻 泽澡则怎遭遭藻则赠 葬贼 栽燥灶早早怎造蚤灶早 晕葬贼蚤燥灶葬造 晕葬贼怎则藻 砸藻泽藻则增藻 燥灶 匀葬蚤灶葬灶 陨泽造葬灶凿袁悦澡蚤灶葬
在匀韵哉 宰藻蚤袁蕴韵晕郧 悦澡藻灶早袁再粤晕郧 载蚤葬燥遭燥袁藻贼 葬造 渊远缘远怨冤
噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
栽澡藻 糟葬怎泽藻 燥枣 早则葬泽泽造葬灶凿 凿藻早则葬凿葬贼蚤燥灶 蚤灶 郧燥造燥早 栽蚤遭藻贼葬灶 粤怎贼燥灶燥皂燥怎泽 孕则藻枣藻糟贼怎则藻 蚤灶 贼澡藻 栽澡则藻藻 砸蚤增藻则泽 匀藻葬凿憎葬贼藻则泽 砸藻早蚤燥灶 燥枣 匝蚤灶早澡葬蚤
孕则燥增蚤灶糟藻 在匀粤韵 在澡蚤责蚤灶早袁宰哉 载蚤葬燥责怎袁蕴陨 郧怎燥袁藻贼 葬造 渊远缘苑苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
耘枣枣藻糟贼泽 燥枣 泽蚤皂怎造葬贼藻凿 灶蚤贼则燥早藻灶 凿藻责燥泽蚤贼蚤燥灶 燥灶 泽怎遭泽贼则葬贼藻 择怎葬造蚤贼赠 燥枣 造蚤贼贼藻则枣葬造造 蚤灶 葬 孕造藻蚤燥遭造葬泽贼怎泽 葬皂葬则怎泽 责造葬灶贼葬贼蚤燥灶 蚤灶 砸葬蚤灶赠 粤则藻葬 燥枣 宰藻泽贼
悦澡蚤灶葬 载陨粤韵 再蚤灶造燥灶早袁 栽哉 蕴蚤澡怎葬袁 匀哉 栽蚤灶早曾蚤灶早袁 藻贼 葬造 渊远缘愿苑冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
孕澡赠贼燥责造葬灶噪贼燥灶 糟燥皂皂怎灶蚤贼赠 泽贼则怎糟贼怎则藻 遭葬泽藻凿 燥灶 责蚤早皂藻灶贼 糟燥皂责燥泽蚤贼蚤燥灶 蚤灶 匝蚤灶扎澡燥怎 遭葬赠 凿怎则蚤灶早 葬增藻则葬早藻 憎葬贼藻则 责藻则蚤燥凿
蕴粤晕 宰藻灶造怎袁 蕴陨 酝蚤灶早皂蚤灶袁 蕴陨 栽蚤葬灶泽澡藻灶 渊远缘怨缘冤
噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
云怎灶糟贼蚤燥灶葬造 贼则葬蚤贼鄄遭葬泽藻凿 藻增葬造怎葬贼蚤燥灶 燥枣 责造葬灶贼 枣蚤则藻责则燥燥枣蚤灶早 糟葬责葬遭蚤造蚤贼赠 枣燥则 泽怎遭贼则燥责蚤糟葬造 藻增藻则早则藻藻灶 遭则燥葬凿鄄造藻葬增藻凿 憎燥燥凿赠 责造葬灶贼泽
蕴陨 载蚤怎责藻灶早袁 再粤晕郧 载蚤葬燥凿燥灶早袁 再哉 杂澡怎择怎葬灶袁 藻贼 葬造 渊远远园源冤
噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
陨灶贼藻则泽责藻糟蚤枣蚤糟 葬泽泽燥糟蚤葬贼蚤燥灶泽 遭藻贼憎藻藻灶 孕葬则怎泽 皂葬躁燥则 葬灶凿 燥贼澡藻则 遭蚤则凿 糟燥皂皂怎灶蚤贼蚤藻泽 蚤灶 月藻蚤躁蚤灶早 载蚤泽澡葬灶 则藻早蚤燥灶
阅韵晕郧 阅葬赠蚤灶早袁 云粤晕 在澡燥灶早躁蚤袁 蕴陨 在澡葬曾蚤躁蚤藻袁 藻贼 葬造 渊远远员源冤
噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
云藻葬泽蚤遭蚤造蚤贼赠 葬灶葬造赠泽蚤泽 燥枣 责葬泽泽蚤增藻 蚤灶贼藻早则葬贼藻凿 贼则葬灶泽责燥灶凿藻则泽 蚤灶 责燥责怎造葬贼蚤燥灶 藻糟燥造燥早赠 泽贼怎凿蚤藻泽 燥枣 杂蚤遭藻则蚤葬灶 糟澡蚤责皂怎灶噪
再粤晕郧 匀怎蚤袁 酝粤 允蚤葬灶扎澡葬灶早袁 砸韵晕郧 运藻 渊远远猿源冤
噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
蕴葬灶凿泽糟葬责藻袁 砸藻早蚤燥灶葬造 葬灶凿 郧造燥遭葬造 耘糟燥造燥早赠
阅赠灶葬皂蚤糟 增葬则蚤葬贼蚤燥灶 燥枣 憎葬贼藻则 凿藻枣蚤糟蚤贼 燥枣 憎蚤灶贼藻则 憎澡藻葬贼 葬灶凿 蚤贼泽 责燥泽泽蚤遭造藻 糟造蚤皂葬贼蚤糟 枣葬糟贼燥则泽 蚤灶 晕燥则贼澡藻则灶 悦澡蚤灶葬
蕴陨哉 匝蚤灶袁 酝耘陨 载怎则燥灶早袁 再粤晕 悦澡葬灶早则燥灶早袁 藻贼 葬造 渊远远源猿冤
噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
杂贼怎凿赠 燥灶 贼澡藻 造藻增藻造泽忆 藻增葬造怎葬贼蚤燥灶 燥枣 责则燥增蚤灶糟蚤葬造 造燥憎鄄糟葬则遭燥灶 凿藻增藻造燥责皂藻灶贼 蚤灶 悦澡蚤灶葬 遭葬泽藻凿 燥灶 贼澡藻 云粤匀孕鄄栽韵孕杂陨杂 皂藻贼澡燥凿
匀哉 蕴蚤灶造蚤灶袁 允陨粤 允怎灶泽燥灶早袁 酝粤韵 阅怎葬灶择蚤葬灶袁 藻贼 葬造 渊远远缘圆冤
噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
粤灶 蚤灶增藻泽贼蚤早葬贼蚤燥灶 燥枣 贼澡藻 泽葬枣藻贼赠 贼澡则藻泽澡燥造凿 燥枣 葬 枣造燥燥凿责造葬蚤灶 憎藻贼造葬灶凿院 葬 糟葬泽藻 泽贼怎凿赠 燥枣 贼澡藻 耘则鄄运葬 晕葬贼怎则藻 砸藻泽藻则增藻袁 悦澡蚤灶葬
匀哉 悦澡怎灶皂蚤灶早袁 蕴陨哉 孕蚤灶早袁 在匀粤晕郧 蕴蚤贼蚤葬灶袁 藻贼 葬造 渊远远远圆冤
噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
粤责责造蚤糟葬贼蚤燥灶 燥枣 造藻 遭蚤泽泽燥灶灶葬蚤泽 皂藻贼澡燥凿 贼燥 泽贼怎凿赠 泽燥蚤造 葬早早则藻早葬贼藻 泽贼葬遭蚤造蚤贼赠 怎灶凿藻则 凿蚤枣枣藻则藻灶贼 增藻早藻贼葬蚤燥灶 燥灶 贼澡藻 造燥藻泽泽 责造葬贼藻葬怎
蕴陨哉 蕴藻蚤袁粤晕 杂澡葬燥泽澡葬灶袁匀怎葬灶早 匀怎葬憎藻蚤 渊远远苑园冤
噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
粤灶葬造赠泽蚤泽 燥枣 增藻早藻贼葬贼蚤燥灶 葬灶凿 泽燥蚤造 凿藻早则葬凿葬贼蚤燥灶 糟澡葬则葬糟贼藻则蚤泽贼蚤糟泽 怎灶凿藻则 凿蚤枣枣藻则藻灶贼 澡怎皂葬灶 凿蚤泽贼怎则遭葬灶糟藻 蚤灶 造葬噪藻泽蚤凿藻 憎藻贼造葬灶凿袁 晕葬责葬澡葬蚤
栽粤晕郧 酝蚤灶早赠葬灶袁 再粤晕郧 再燥灶早曾蚤灶早 渊远远愿员冤
噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
砸藻泽燥怎则糟藻 葬灶凿 陨灶凿怎泽贼则蚤葬造 耘糟燥造燥早赠
悦澡葬灶早藻泽 燥枣 造葬灶凿 泽怎则枣葬糟藻 贼藻皂责藻则葬贼怎则藻 葬灶凿 蚤贼泽 则藻泽责燥灶泽藻 贼燥 怎则遭葬灶蚤扎葬贼蚤燥灶 怎灶凿藻则 贼澡藻 藻曾贼则藻皂藻 澡蚤早澡鄄贼藻皂责藻则葬贼怎则藻 遭葬糟噪早则燥怎灶凿 蚤灶 则藻糟藻灶贼
贼藻灶 赠藻葬则泽 燥枣 月藻蚤躁蚤灶早 蕴陨 载蚤葬燥皂藻灶早袁 杂哉晕 再燥灶早澡怎葬袁 酝耘晕郧 阅葬灶袁 藻贼 葬造 渊远远怨源冤噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
杂贼葬遭造藻 蚤泽燥贼燥责藻 渊 员猿悦 葬灶凿员缘晕冤 葬灶葬造赠泽蚤泽 燥枣 枣蚤泽澡 枣燥燥凿 憎藻遭 燥枣 贼澡藻 载蚤葬燥躁蚤葬灶早 月葬赠 蚤灶 栽澡则藻藻 郧燥则早藻泽 砸藻泽藻则增燥蚤则
蕴陨 月蚤灶袁 载哉 阅葬灶凿葬灶袁 宰粤晕郧 在澡蚤躁蚤葬灶袁 藻贼 葬造 渊远苑园源冤
噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
砸藻泽藻葬则糟澡 晕燥贼藻泽
阅赠灶葬皂蚤糟泽 燥枣 悦韵圆 藻曾糟澡葬灶早藻 葬灶凿 蚤贼泽 藻灶增蚤则燥灶皂藻灶贼葬造 糟燥灶贼则燥造泽 蚤灶 葬灶 怎则遭葬灶 早则藻藻灶鄄造葬灶凿 藻糟燥泽赠泽贼藻皂 蚤灶 月藻蚤躁蚤灶早 韵造赠皂责蚤糟 云燥则藻泽贼 孕葬则噪
悦匀耘晕 宰藻灶躁蚤灶早袁 蕴陨 悦澡怎灶赠蚤袁 匀耘 郧怎蚤皂藻蚤袁 藻贼 葬造 渊远苑员圆冤
噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
耘枣枣藻糟贼泽 燥枣 增藻早藻贼葬贼蚤燥灶 则藻泽贼燥则葬贼蚤燥灶 燥灶 造葬灶凿泽糟葬责藻 责葬贼贼藻则灶 燥枣 匀燥灶早赠葬 悦燥怎灶贼则赠 蚤灶 则藻糟藻灶贼 员缘 赠藻葬则泽
宰粤晕郧 孕藻灶早袁 蕴陨 载蚤葬灶憎藻蚤袁 在匀粤韵 粤灶躁蚤怎袁 藻贼 葬造 渊远苑圆员冤
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
孕澡燥贼燥泽赠灶贼澡藻贼蚤糟 糟澡葬则葬糟贼藻则蚤泽贼蚤糟泽 葬灶凿 杂粤酝杂 早藻灶藻 藻曾责则藻泽泽蚤燥灶 蚤灶 贼澡藻 则藻凿 葬造早葬 孕燥则责澡赠则葬 赠藻扎燥藻灶泽蚤泽 哉藻凿葬 怎灶凿藻则 澡蚤早澡 泽葬造蚤灶蚤贼赠
在匀韵哉 载蚤葬灶早澡燥灶早袁 再陨 蕴藻枣藻蚤袁 载哉 允怎灶贼蚤葬灶袁 藻贼 葬造 渊远苑猿园冤
噎噎噎噎噎噎
噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎噎
远源苑远 摇 生摇 态摇 学摇 报摇 摇 摇 猿猿卷摇
叶生态学报曳圆园员猿年征订启事
叶生态学报曳是由中国科学技术协会主管袁中国生态学学会尧中国科学院生态环境研究中心主办的生态学
高级专业学术期刊袁创刊于 员怨愿员年袁报道生态学领域前沿理论和原始创新性研究成果遥 坚持野百花齐放袁百家
争鸣冶的方针袁依靠和团结广大生态学科研工作者袁探索生态学奥秘袁为生态学基础理论研究搭建交流平台袁
促进生态学研究深入发展袁为我国培养和造就生态学科研人才和知识创新服务尧为国民经济建设和发展服务遥
叶生态学报曳主要报道生态学及各分支学科的重要基础理论和应用研究的原始创新性科研成果遥 特别欢
迎能反映现代生态学发展方向的优秀综述性文章曰研究简报曰生态学新理论尧新方法尧新技术介绍曰新书评价和
学术尧科研动态及开放实验室介绍等遥
叶生态学报曳为半月刊袁大 员远开本袁猿园园页袁国内定价 怨园元 辕册袁全年定价 圆员远园元遥
国内邮发代号院愿圆鄄苑袁国外邮发代号院酝远苑园
标准刊号院陨杂杂晕 员园园园鄄园怨猿猿摇 摇 悦晕 员员鄄圆园猿员 辕 匝
全国各地邮局均可订阅袁也可直接与编辑部联系购买遥 欢迎广大科技工作者尧科研单位尧高等院校尧图书
馆等订阅遥
通讯地址院 员园园园愿缘 北京海淀区双清路 员愿号摇 电摇 摇 话院 渊园员园冤远圆怨源员园怨怨曰 远圆愿源猿猿远圆
耘鄄皂葬蚤造院 泽澡藻灶早贼葬蚤曾怎藻遭葬燥岳 则糟藻藻泽援葬糟援糟灶摇 网摇 摇 址院 憎憎憎援藻糟燥造燥早蚤糟葬援糟灶
本期责任副主编摇 宋金明摇 摇 摇 编辑部主任摇 孔红梅摇 摇 摇 执行编辑摇 刘天星摇 段摇 靖
生摇 态摇 学摇 报渊杂匀耘晕郧栽粤陨摇 载哉耘月粤韵冤渊半月刊摇 员怨愿员年 猿月创刊冤
第 猿猿卷摇 第 圆园期摇 渊圆园员猿年 员园月冤
粤悦栽粤 耘悦韵蕴韵郧陨悦粤 杂陨晕陨悦粤摇渊杂藻皂蚤皂燥灶贼澡造赠袁杂贼葬则贼藻凿 蚤灶 员怨愿员冤摇灾燥造郾 猿猿摇 晕燥郾 圆园 渊韵糟贼燥遭藻则袁 圆园员猿冤
编摇 摇 辑摇 叶生态学报曳编辑部
地址院北京海淀区双清路 员愿号
邮政编码院员园园园愿缘
电话院渊园员园冤远圆怨源员园怨怨憎憎憎援藻糟燥造燥早蚤糟葬援糟灶泽澡藻灶早贼葬蚤曾怎藻遭葬燥岳 则糟藻藻泽援葬糟援糟灶
主摇 摇 编摇 王如松
主摇 摇 管摇 中国科学技术协会
主摇 摇 办摇 中国生态学学会
中国科学院生态环境研究中心
地址院北京海淀区双清路 员愿号
邮政编码院员园园园愿缘
出摇 摇 版摇
摇 摇 摇 摇 摇 地址院北京东黄城根北街 员远号
邮政编码院员园园苑员苑
印摇 摇 刷摇 北京北林印刷厂
发 行摇
地址院东黄城根北街 员远号
邮政编码院员园园苑员苑
电话院渊园员园冤远源园猿源缘远猿耘鄄皂葬蚤造院躁燥怎则灶葬造岳 糟泽责早援灶藻贼
订摇 摇 购摇 全国各地邮局
国外发行摇 中国国际图书贸易总公司
地址院北京 猿怨怨信箱
邮政编码院员园园园源源
广告经营
许 可 证摇 京海工商广字第 愿园员猿号
耘凿蚤贼藻凿 遭赠摇 耘凿蚤贼燥则蚤葬造 遭燥葬则凿 燥枣
粤悦栽粤 耘悦韵蕴韵郧陨悦粤 杂陨晕陨悦粤
粤凿凿院员愿袁杂澡怎葬灶早择蚤灶早 杂贼则藻藻贼袁匀葬蚤凿蚤葬灶袁月藻蚤躁蚤灶早 员园园园愿缘袁悦澡蚤灶葬
栽藻造院渊园员园冤远圆怨源员园怨怨
憎憎憎援藻糟燥造燥早蚤糟葬援糟灶
泽澡藻灶早贼葬蚤曾怎藻遭葬燥岳 则糟藻藻泽援葬糟援糟灶
耘凿蚤贼燥则鄄蚤灶鄄糟澡蚤藻枣摇 宰粤晕郧 砸怎泽燥灶早
杂怎责藻则增蚤泽藻凿 遭赠摇 悦澡蚤灶葬 粤泽泽燥糟蚤葬贼蚤燥灶 枣燥则 杂糟蚤藻灶糟藻 葬灶凿 栽藻糟澡灶燥造燥早赠
杂责燥灶泽燥则藻凿 遭赠摇 耘糟燥造燥早蚤糟葬造 杂燥糟蚤藻贼赠 燥枣 悦澡蚤灶葬
砸藻泽藻葬则糟澡 悦藻灶贼藻则 枣燥则 耘糟燥鄄藻灶增蚤则燥灶皂藻灶贼葬造 杂糟蚤藻灶糟藻泽袁 悦粤杂
粤凿凿院员愿袁杂澡怎葬灶早择蚤灶早 杂贼则藻藻贼袁匀葬蚤凿蚤葬灶袁月藻蚤躁蚤灶早 员园园园愿缘袁悦澡蚤灶葬
孕怎遭造蚤泽澡藻凿 遭赠摇 杂糟蚤藻灶糟藻 孕则藻泽泽
粤凿凿院员远 阅燥灶早澡怎葬灶早糟澡藻灶早早藻灶 晕燥则贼澡 杂贼则藻藻贼袁
月藻蚤躁蚤灶早摇 员园园苑员苑袁悦澡蚤灶葬
孕则蚤灶贼藻凿 遭赠摇 月藻蚤躁蚤灶早 月藻蚤 蕴蚤灶 孕则蚤灶贼蚤灶早 匀燥怎泽藻袁
月藻蚤躁蚤灶早 员园园园愿猿袁悦澡蚤灶葬
阅蚤泽贼则蚤遭怎贼藻凿 遭赠摇 杂糟蚤藻灶糟藻 孕则藻泽泽
粤凿凿院员远 阅燥灶早澡怎葬灶早糟澡藻灶早早藻灶 晕燥则贼澡
杂贼则藻藻贼袁月藻蚤躁蚤灶早 员园园苑员苑袁悦澡蚤灶葬
栽藻造院渊园员园冤远源园猿源缘远猿
耘鄄皂葬蚤造院躁燥怎则灶葬造岳 糟泽责早援灶藻贼
阅燥皂藻泽贼蚤糟 摇 摇 粤造造 蕴燥糟葬造 孕燥泽贼 韵枣枣蚤糟藻泽 蚤灶 悦澡蚤灶葬
云燥则藻蚤早灶 摇 摇 悦澡蚤灶葬 陨灶贼藻则灶葬贼蚤燥灶葬造 月燥燥噪 栽则葬凿蚤灶早
悦燥则责燥则葬贼蚤燥灶
粤凿凿院孕援韵援月燥曾 猿怨怨 月藻蚤躁蚤灶早 员园园园源源袁悦澡蚤灶葬
摇 陨杂杂晕 员园园园鄄园怨猿猿悦晕 员员鄄圆园猿员 辕 匝 国内外公开发行 国内邮发代号 愿圆鄄苑 国外发行代号 酝远苑园 定价 怨园郾 园园元摇