青海省黄南地区灌木林遥感生物量模型研究

doi:10.13466/j.cnki.lyzygl.2015.03.014

林业资源管理 ›› 2015›› Issue (3): 65-69.doi: 10.13466/j.cnki.lyzygl.2015.03.014

青海省黄南地区灌木林遥感生物量模型研究

赵串串, 于杰

陕西科技大学资源与环境学院,西安 710021

出版日期:2015-06-28 发布日期:2020-12-01
作者简介:赵串串(1976-),女,陕西西安人,副教授,硕士,研究方向为流域水环境模拟与生态环境保护。Email:sxkjdxzcc@126.com
基金资助:
青海公益林监测横向项目(QLZX-2015173)

Study on the Remote Sensing Biomass Model of Shrubbery in Huangnan Region of Qinghai Province

ZHAO Chuanchuan, YU Jie

College of Resources and Environment,Shaanxi University of Science and Technology,Xi’an 710021,China

Online:2015-06-28 Published:2020-12-01

摘要/Abstract

摘要： 基于青海省黄南地区MODIS遥感影像图,通过ArcGIS提取区域归一化植被指数NDVI,结合青海省林业资源调查结果,分析区域NDVI和黄南地区灌木林优势树种生物量之间的定量关系。结果表明,NDVI与灌木林生物量显著性相关,拟合两者的回归模型,金露梅、沙棘、山生柳、杜鹃树种的最优模型分别为三次函数曲线,幂函数曲线,复合函数曲线和三次函数曲线模型。

关键词: 归一化植被指数, 遥感, 灌木林, 生物量, 青海省

Abstract: Based on the area normalized difference vegetation index from the remote sensing image and the investigation results of the forest inventory in Qinghai Province,ArcGIS and SPSS software are used for analyzing the quantitative relationship between NDVI and biomass of superiority species of shrubbery in Qinghai province and fitting the regression model between them.The results show that NDVI and the biomass of shrubbery have a significant correlation.The optimal models of fruticosa,seabuckthorn,salix oritrepha and rhododendron are respectively cubic function curve,power function curve,compound function curve and cubic function curve.

Key words: NDVI, remote sensing, shrubbery, biomass, Qinghai

中图分类号:

S718.5

赵串串, 于杰. 青海省黄南地区灌木林遥感生物量模型研究[J]. 林业资源管理, 2015,(3): 65-69.

ZHAO Chuanchuan, YU Jie. Study on the Remote Sensing Biomass Model of Shrubbery in Huangnan Region of Qinghai Province[J]. FOREST RESOURCES WANAGEMENT, 2015,(3): 65-69.

参考文献 13

[1]	卢振龙,龚孝生.灌木生物量测定的研究进展[J].林业调查规划,2009,34(4):37-40.
[2]	胡会峰,王志恒,刘国华,等.中国主要灌丛植被碳储量[J].植物生态学报,2006,30(4):539-544.
[3]	王孝康,侯晓巍.我国的特殊灌木林资源[J].林业资源管理,2014(S0):13-16.
[4]	贾宝全,蔡体久,高志海,等.白刺灌丛沙包生物量的预测模型[J].干旱区资源与环境,2002,16(1):96-99.
[5]	党晓宏,高永,虞毅,等.沙棘经济林碳汇计量研究[J].水土保持通报,2011,31(6):134-138.
[6]	雷蕾,刘贤德,王顺利,等.祁连山高山灌丛生物量分配规律及其与环境因子的关系[J].生态环境学报,2011,20(11):1602-1607.
[7]	赵成义,宋郁东,王玉潮,等.几种荒漠植物地上生物量估算的初步研究[J].应用生态学报,2004,15(1):49-52.
[8]	巩文,巩垠熙,奚存娃,等.甘肃省灌木林资源碳储量估算及预测[J].林业资源管理,2014(3):87-90.
[9]	张培松,武伟,刘洪斌,等.基于MODIS影像对NDVI和EVI的分类研究[J].西南师范大学学报,2007,32(2):70-75.
[10]	王新云,郭艺歌,何杰.基于多源遥感数据的草地生物量估算方法[J].农业工程学报,2014,30(11):159-166.
[11]	毛德华,王宗明,罗玲,等.基于MODIS和AVHRR数据源的东北地区植被 NDVI变化及其与气温和降水间的相关分析[J].遥感技术与应用,2012,27(1):77-85.
[12]	孙彦坤,王鼎震.黑龙江省黑土区NDVI时空变化及其与气象因子相关性研究[D].哈尔滨:东北农业大学,2012.
[13]	宋春桥,柯灵红,游松财,等.基于TIMESAT的3种时序NDVI拟合方法比较研究[J].遥感技术与应用,2011,26(2):147-154.

[1]	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.
[2]	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.
[3]	白星雯, 布日古德, 洪光宇, 李炜, 邵飞舟, 张雷. 毛乌素沙地典型人工林土壤水分特征及其对降水的响应[J]. 林草资源研究, 2023, 0(6): 52-60.
[4]	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.
[5]	刘楠, 路秋玲, 赵力, 徐冬平, 赵卓妍, 杨智杰. 青藏高原自然保护地与乡村社区耦合协调性评价研究——以青海省为例[J]. 林草资源研究, 2023, 0(5): 9-19.
[6]	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.
[7]	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.
[8]	梁立成, 傅晓强, 张滨, 程谷栒, 李佐晖. 基于GEE与随机森林的象山港互花米草动态监测[J]. 林业资源管理, 2023, 0(3): 38-45.
[9]	周梅, 李春干, 杨承伶, 李振. 无人机激光雷达人工林参数估测试验[J]. 林业资源管理, 2023, 0(3): 90-97.
[10]	张绘芳, 朱雅丽, 张景路, 高健, 地力夏提·包尔汉. 基于高分遥感数据的阿尔泰山乔木林地上生物量预测[J]. 林业资源管理, 2023, 0(2): 104-110.
[11]	蓝肖, 郝海坤, 黄开勇, 陈琴, 戴俊, 程琳, 陈仕昌. 杉木人工林生物量分布特征及其碳计量参数[J]. 林业资源管理, 2023, 0(2): 50-56.
[12]	蔡会德, 卢峰, 徐占勇, 潘黄儒, 孟想, 曾伟生. 桉树相容性可加性立木生物量模型系统研建[J]. 林业资源管理, 2023, 0(1): 87-93.
[13]	蒋静俭, 李子睿, 牛明月, 胡卫江, 张勇. 浙江省国有林场森林植被固碳释氧服务功能价值评估[J]. 林业资源管理, 2022, 0(zk1): 66-71.
[14]	王瑜, 蔡年辉, 陈林, 唐军荣, 许玉兰, 陈诗. 云南松苗木生物量分配与个体大小关系研究[J]. 林业资源管理, 2022, 0(6): 101-108.
[15]	聂靖, 陆驰, 欧光龙, 胥辉. 基于Landsat8 OLI遥感因子的思茅松地上生物量二阶抽样估测[J]. 林业资源管理, 2022, 0(6): 68-75.

青海省黄南地区灌木林遥感生物量模型研究

Study on the Remote Sensing Biomass Model of Shrubbery in Huangnan Region of Qinghai Province

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 13

相关文章 15

编辑推荐

Metrics

本文评价