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, Vol. 0 ›› 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, 0(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, 0(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]	马鸿伟, 刘海, 姚顺彬, 周蔚. 基于林业遥感的树种分类应用分析与展望[J]. 林业资源管理, 2020, 0(3): 118-121.
[2]	江仕嵘, 童亚文, 刘耀华, 张青峰, 洪波. 秦岭国家植物园生态环境质量评价[J]. 林业资源管理, 2020, 0(3): 85-88.
[3]	曾伟生, 孙乡楠, 王六如, 王威, 蒲莹. 基于机载激光雷达数据估计林分蓄积量及平均高和断面积[J]. 林业资源管理, 2020, 0(2): 79-86.
[4]	龚召松, 曾思齐, 贺东北, 龙时胜, 姜兴艳. 湖南楠木次生林断面积生长模型研究[J]. 林业资源管理, 2020, 0(2): 87-93.
[5]	彭其龙, 陈哲夫, 陈端吕. 湖南栎类-马尾松天然混交林单木生长模型研究[J]. 林业资源管理, 2020, 0(2): 94-102.
[6]	肖义发, 王梦君, 李昕宇, 陈飞, 王继山, 张海武, 次旦普尺. 云杉大小蠹在西藏的适生区分析[J]. 林业资源管理, 2020, 0(2): 141-145.
[7]	亓兴兰, 曹祖宁, 刘健, 陈芳, 庄苇. 基于卫星遥感影像的森林病虫害监测研究进展[J]. 林业资源管理, 2020, 0(2): 181-186.
[8]	曾伟生, 曹迎春, 陈新云, 赵连清. 河北省主要树种单木和林分生长率模型研建[J]. 林业资源管理, 2020, 0(1): 30-37.
[9]	史浩伯, 李路, 陆海燕, 孙桂丽, 王桂华. 胡杨等4种植物在新疆地区的适生区预测[J]. 林业资源管理, 2020, 0(1): 38-46.
[10]	王露露, 刘雪强, 王丽霞, 马顺兴, 马瑞婷, 闫东锋. 内黄林场优势树种龄级结构优化调整及评价[J]. 林业资源管理, 2020, 0(1): 47-53.
[11]	焦银合, 于泉洲, 刘恩峰, 梁春玲, 田晓飞, 张保华. 基于遥感的南四湖菹草群落时空演变特征及其原因分析[J]. 林业资源管理, 2020, 0(1): 70-78.
[12]	朱亚楠, 闫志明, 蒲春玲, 刘志有. 乌鲁木齐市土地利用/覆被变化及生态安全评价[J]. 林业资源管理, 2020, 0(1): 79-91.
[13]	金忠明, 曹姗姗, 王蕾, 孙伟. 天山云杉林无人机可见光影像树冠信息提取方法研究[J]. 林业资源管理, 2020, 0(1): 125-135.
[14]	赵晓迪, 付佳彦, 庞新生. 城市居民绿色消费行为及影响因素研究[J]. 林业资源管理, 2020, 0(1): 191-198.
[15]	曾伟生. 总体与林分水平的树高-胸径模型对蓄积量估计的影响分析[J]. 林业资源管理, 2019, 0(6): 38-41.

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