福建省平潭綜合試驗區(qū)是海峽兩岸交流合作的試驗區(qū),木麻黃（Casuarina equisetifolia）作為平潭主要的沿海防護喬木,在平潭主島廣泛分布。采用歸一化比值植被指數(shù)（Normalized difference vegetation index,NDVI）對木麻黃生物量快速估算,可為區(qū)域尺度的單一喬木生物量快速、無破壞估算提供參考,同時為評價主島生態(tài)系統(tǒng)生產潛力和經營管理提供數(shù)據(jù)支撐。采用RS和GIS技術,對平潭主島2017年4月的Landsat 8 OLI影像進行處理,以實地調查數(shù)據(jù)為基礎,利用專家分類知識庫（Knowledge base system,KBS）提取木麻黃信息,以NDVI為自變量,引用木麻黃公式獲取的木麻黃生物量為因變量,建立NDVI與生物量的反演模型,對主島木麻黃生物量進行估算,采用K-均值聚類法對各鄉(xiāng)鎮(zhèn)木麻黃進行分區(qū)統(tǒng)計。結果表明:（1）基于專家分類知識庫的木麻黃提取,總體精度達81.3%。（2）建立的5種常用模型,通過顯著性檢驗,R值均在0.67以上,NDVI與木麻黃生物量之間存在相關性,采用NDVI估算區(qū)域生物量可行,多項式的擬合效果最佳(R=0.72... 

【文章來源】：安徽農業(yè)大學學報. 2020,47(05)CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

平潭主島區(qū)位圖

采用遙感圖像處理軟件的專家分類知識庫提取木麻黃信息。首先基于ENVI平臺，計算研究區(qū)域的NDVI，通過經驗閾值判別以及專家知識分類器對“林地”和“非林地”進行區(qū)分。因Landsat 8的OLI 1與OLI 8分別是海藍波段、全色波段，不用于木麻黃信息提取�；凇傲值亍被A上，將采集的208個木麻黃分布點導入到ERDAS 9.2中，按照不同的波段進行劃分，結合樣點在影像上的光譜值，得到木麻黃不同波段的光譜灰度閾值信息。根據(jù)知識庫提取與建立規(guī)則，建立知識庫實施專家分類，并對分類結果做反復測試和對比分析，調整后確定方案，從而得到平潭主島木麻黃分布信息。2.2.2 生物量計算方法

采用專家分類知識庫提取木麻黃，對分類結果做反復測試和對比分析，將提取結果與主島各鄉(xiāng)鎮(zhèn)矢量邊界圖疊加顯示，得到平潭主島木麻黃分布圖（圖3）。根據(jù)實地調查208個木麻黃點，用ERDAS9.2中的Accuracy Assessment功能作分類精度評價，分類總體精度達81.3%,Kappa系數(shù)達0.76。3.2 木麻黃生物量模型選擇

【參考文獻】：
期刊論文
[1]海南文昌不同林齡木麻黃人工林碳儲量分配格局[J]. 宿少鋒,薛楊,楊眾養(yǎng),王小燕,林之盼.  廣東農業(yè)科學. 2018(11)
[2]�？谑胁煌铸g木麻黃林分碳儲量分配格局[J]. 薛楊,吳至平,楊眾養(yǎng),宿少鋒,王小燕,林之盼,馮杏.  熱帶林業(yè). 2018(02)
[3]基于文獻計量的沿海防護林研究內容分析[J]. 頡洪濤,成向榮,吳統(tǒng)貴,虞木奎.  山東農業(yè)大學學報(自然科學版). 2017(03)
[4]基于森林小班的香格里拉市高山松生物量遙感建模[J]. 陸馳,張加龍,王愛蕓,胥輝.  西南林業(yè)大學學報(自然科學). 2017(03)
[5]海南島東北部木麻黃立木生物量建模[J]. 邢海濤,陸元昌,劉憲釗,薛楊,林之盼,王小燕.  南京林業(yè)大學學報(自然科學版). 2017(02)
[6]平潭島木麻黃碳儲量遙感估測[J]. 池毓鋒,賴日文,余莉莉,蘇艷琴,謝雪莉,應興亮.  森林與環(huán)境學報. 2016(04)
[7]基于高分辨率與高光譜遙感影像的北亞熱帶馬尾松及次生落葉樹種的分類[J]. 申鑫,曹林,徐婷,佘光輝.  植物生態(tài)學報. 2015(12)
[8]基于高分辨率遙感影像的城市典型喬木樹種分類研究[J]. 李丹,柯櫻海,宮輝力,李小娟,鄧曾.  地理與地理信息科學. 2016(01)
[9]基于Landsat 8 OLI的特征變量優(yōu)化提取及森林生物量反演[J]. 徐婷,曹林,佘光輝.  遙感技術與應用. 2015(02)
[10]NDVI在農作物監(jiān)測中的研究與應用[J]. 王磊,王賀,盧艷麗,白由路,楊俐蘋.  中國農業(yè)資源與區(qū)劃. 2013(04)



本文編號：3568154