基于Landsat TM遥感数据的山核桃产量预测——以浙江临安市为例

doi:10.13466/j.cnki.lyzygl.2017.04.020

林业资源管理 ›› 2017›› Issue (4): 131-134.doi: 10.13466/j.cnki.lyzygl.2017.04.020

基于Landsat TM遥感数据的山核桃产量预测——以浙江临安市为例

栗晓禹¹(), 黄兴召²(), 王雪军¹, 高作锋¹

1.国家林业局调查规划院设计院,北京 100714
2.安徽农业大学林学与园林学院,合肥 230036

收稿日期:2017-04-10 修回日期:2017-05-15 出版日期:2017-08-28 发布日期:2020-09-24
通讯作者: 黄兴召
作者简介:栗晓禹(1982-),女,辽宁本溪人,工程师,硕士,研究方向:森林经理。Email:lixiaoyu@afip.com.cn
基金资助:
国家高技术发展计划(863计划)(2013AA102605);国家自然科学基金(31170637)

Estimation of Hickory Yield Based on Landsat TM Remote Sensing Data

LI Xiaoyu¹(), HUANG Xingzhao²(), WANG Xuejun¹, GAO Zuofeng¹

1. Academy of Forest Inventory and Planning,SFA,Beijing 100714,China
2. School of Forestry and Landscape Architecture,Anhui Agricultural University,Hefei 230036,China

Received:2017-04-10 Revised:2017-05-15 Online:2017-08-28 Published:2020-09-24
Contact: HUANG Xingzhao

摘要/Abstract

摘要：

以浙江省临安市的山核桃为研究对象,基于2008—2011年连续4年的样地实测产量为基础,利用每年4个生长时期的Landsat TM遥感数据,系统地分析比较每个生长时期的植被指数与产量的关系。研究结果表明:NDVI 在各个生长期均与产量的相关性最高;SAVI与产量的相关性居中,DVI最低。以每个时期的NDVI为因子,建立不同时期山核桃产量的预估模型。各时期模型的预估效果为果实膨大期>花芽分化及授粉期>采摘至落叶期>休眠期。以不同时期的NDVI为因子,利用逐步回归,建立多因子的山核桃产量的预估模型。最优预估模型为y=126.51x₂+26.61x₁+12.56x₃-67.42(R²=0.642,SEE=12.17),为山核桃产量的预测提供可行,快速,有效的方法。

关键词: 山核桃, 生长期, 遥感, 逐步回归, 模型

Abstract:

To establish the hickory yield model and vegetation index,the actual yield from 2008 to 2011 and Landsat TM remote sensing data of four growth stages in every year were used to systematically compare their relationship in hickory source region in Lin’an of Zhejiang Province.The results show that the NDVI of each growth stage has higher correlation with yield than SAVI,DVI.The model of each growth stage was built to predict hickory yield which used NDVI.The accuracy of four models was as follows: fruit expanding stage>flower bud differentiation and pollination stage>picking to defoliation stage>dormancy stage.Using the stepwise regression that the NDVI of every growth stage were factors,the model of hickory yield was established.The optimal model was y=126.51x₂+26.61x₁+12.56x₃-67.42(R²=0.642,SEE=12.17) which provided a feasible,rapid and effective method to predict the hickory production.

Key words: hickory, growth stage, remote sensing, stepwise regression, model

中图分类号:

S727.3
TP79

栗晓禹, 黄兴召, 王雪军, 高作锋. 基于Landsat TM遥感数据的山核桃产量预测——以浙江临安市为例[J]. 林业资源管理, 2017,(4): 131-134.

LI Xiaoyu, HUANG Xingzhao, WANG Xuejun, GAO Zuofeng. Estimation of Hickory Yield Based on Landsat TM Remote Sensing Data[J]. FOREST RESOURCES WANAGEMENT, 2017,(4): 131-134.

图/表 6

图1

表1

表2

表3

图2

表4

参考文献 10

[1]	詹森梁, 赵伟明, 叶立前, 等. 临安市山核桃产量大小年特征的时间序列研究[J]. 华东森林经理, 2004,18(4):13-16.
[2]	焦洁洁, 李绍进, 黄坚钦, 等. 影响山核桃产量气象因子的调查与分析[J]. 果树学报, 2012,29(5):13-16.
[3]	Purevdor J T S, Tateishi R, Ishiyama T, et al. Relationships between percent vegetation cover and vegetation indices[J]. International Journal of Remote Sensing, 1998,19(8):3519.
[4]	王志辉, 丁丽霞. 基于叶片高光谱特性分析的树种识别[J]. 光谱学与光谱分析, 2010,30(7):1825-1829.
[5]	顾志宏. 基于高光谱的大麦籽粒蛋白质含量遥感预测[J]. 光谱学与光谱分析, 2012,32(2):435-438.
[6]	Weber V S, Arausb J L, Cairnsc J E, et al. Prediction of grain yield using reflectance spectra of canopy and leaves in maiz[J]. Field Crops Research, 2012,128:82-90. doi: 10.1016/j.fcr.2011.12.016
[7]	叶旭军, Kenshi S, 何勇. 基于机载高光谱成像的柑橘产量预测模型研究[J]. 光谱学与光谱分析, 2010,30(5):1259-1300.
[8]	黄坚钦, 夏国华. 图说山核桃生态栽培技术[D]. 杭州: 浙江科学技术出版社, 2008: 36-41.
[9]	黄有军, 王正加, 郑炳松, 等. 山核桃雄蕊发育的解剖学研究[J]. 浙江林学院学报, 2006,23(1):56-60.
[10]	黎章矩. 山核桃栽培与加工[D]. 北京: 中国农业科学技术出版社, 2003: 131.

植被指数	花芽分化及授粉期	果实膨大期	采摘至落叶期	休眠期
DVI	0.342	0.335	0.264	0.176
NDVI	0.504	0.595	0.435	0.284
SAVI	0.401	0.392	0.315	0.258

模型	R²	SEE	P	Sig
y=160.35x₂-45.71	0.595	17.64	0.000	0.000c
y=144.41x₂+24.65x₁-51.55	0.613	14.31	0.011	0.000b
y=126.51x₂+26.61x₁+12.56x₃-67.42	0.642	12.17	0.032	0.016a
y=208.73x₂+65.96x₁+50.73x₃ -229.88x₄+19.23	0.638	13.05	0.229

[1]	吴莎, 边更战, 易烜, 吕勇. 青冈栎次生林林分形高模型构建[J]. 林草资源研究, 2024, 0(1): 134-142.
[2]	郝君, 吕康婷, 胡天祺, 王云阁, 徐刚. 基于机器学习的红树林生物量遥感反演研究[J]. 林草资源研究, 2024, 0(1): 65-72.
[3]	王贵林, 谭伟, 陈波涛. 基于深度神经网络的杉木树高-胸径模型研建[J]. 林草资源研究, 2024, 0(1): 82-87.
[4]	朱赞, 王勇军, 王建琦, 许玉兰, 丘鑫琪, 万喜. 基于无人机倾斜摄影的广西桉树冠层碳储量计量模型构建[J]. 林草资源研究, 2024, 0(1): 88-94.
[5]	刘艳, 牛香, 王兵. 罗霄山区近25年生境质量时空演变及预测[J]. 林草资源研究, 2023, 0(6): 39-51.
[6]	圆圆, 盛艳, 刘林甫, 王硕, 李娟, 安丽. 窟野河流域生境质量时空演变特征及其影响机制研究[J]. 林草资源研究, 2023, 0(6): 67-74.
[7]	任晓琦, 侯鹏, 陈妍. 森林地上生物量遥感反演研究进展[J]. 林草资源研究, 2023, 0(6): 146-158.
[8]	孟先进, 林寿明, 秦琳, 黄宁辉, 丁胜, 薛亚东, 罗勇, 杨廷栋. 绿美广东生态建设示范区数字孪生应用研究[J]. 林草资源研究, 2023, 0(5): 113-121.
[9]	吴庭天, 陈毅青, 陈宗铸, 雷金睿, 陈小花, 李苑菱. 海南热带雨林代表性种群空间分布特征研究[J]. 林草资源研究, 2023, 0(5): 133-141.
[10]	白星雯, 胡晟, 布日古德, 阳帆. 一类调查与二类调查森林蓄积量数据对接方案分析研究[J]. 林草资源研究, 2023, 0(5): 142-147.
[11]	巨文珍, 韦龙斌, 彭泊林, 李常诚, 潘婷. 广西林火驱动因子及预测模型研究[J]. 林草资源研究, 2023, 0(5): 56-62.
[12]	何彬元, 曾嵘, 戴蒲英, 潘丹, 方园园, 韦立权. 广西森林城市高质量发展评价及影响因素研究[J]. 林草资源研究, 2023, 0(5): 89-97.
[13]	曾浩威, 凌成星, 张军, 刘华, 赵峰, 金跃, 刘曙光, 张雨桐. 基于融合MaxEnt和HSI模型的驼鹿生境适宜性评价[J]. 林业资源管理, 2023, 0(4): 115-122.
[14]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.
[15]	邹为民, 陈超, 黄蕾, 宋美萱, 李雪建, 杜华强. 地理加权回归模型结合卫星遥感的松阳县森林地上碳储量估算[J]. 林业资源管理, 2023, 0(4): 132-140.

基于Landsat TM遥感数据的山核桃产量预测——以浙江临安市为例

Estimation of Hickory Yield Based on Landsat TM Remote Sensing Data

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 10

相关文章 15

编辑推荐

Metrics

本文评价