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]	王俏雨, 张宏巍, 胡淑蓉, 王丽娜. 青海省东部主要乡土造林树种防火性能评价及筛选研究[J]. 林草资源研究, 2025, 0(6): 72-82.
[2]	赵兴魁, 黄金君, 何文, 姚月锋. 林分空间结构对巨尾桉人工林地上生物量的影响[J]. 林草资源研究, 2025, 0(6): 91-99.
[3]	杨晨, 李一辰, 张茂宾, 李欣, 石文杰, 泽桑梓, 马云强. 基于分阶段识别的松材线虫病遥感监测研究进展[J]. 林草资源研究, 2025, 0(5): 121-128.
[4]	和紫微, 刘智军. 2000—2023年三江源国家公园(唐北区域)草地植被覆盖度时空变化分析[J]. 林草资源研究, 2025, 0(5): 25-31.
[5]	刘皋, 谢泽奇, 周健豪, 廖利鹏. 基于机器学习与哨兵数据的森林地上生物量反演[J]. 林草资源研究, 2025, 0(4): 101-111.
[6]	郭立明, 刘宝军, 田娜玲, 李庆波, 李宛盈. 宁夏沙化土地封禁保护区生态环境变化及驱动因素分析[J]. 林草资源研究, 2025, 0(3): 9-18.
[7]	张娇, 陈凌秀, 戴洪霞, 刘晟龙, 陈思韬, 许梦杰, 谢慧黎, 刘兴诏. 2000—2020年闽江流域植被变化及其驱动因素[J]. 林草资源研究, 2025, 0(1): 104-113.
[8]	毕晓婷, 杨浚恒, 崔海军, 宋维峰, 赵旭燕, 王婷婷, 普靖媛, 元素瑶. 纳帕海湿草甸和沼泽化草甸植物群落生物量分配差异及养分机制研究[J]. 林草资源研究, 2025, 0(1): 48-57.
[9]	马媛, 王志波, 叶冬梅, 刘凤玲. 华北落叶松人工林单木地上生物量相容性模型构建[J]. 林草资源研究, 2024, 0(6): 129-139.
[10]	蔡颖莉, 朱洪革. 基于多源数据集的森林损失评估研究[J]. 林草资源研究, 2024, 0(6): 27-34.
[11]	邹文涛, 曾伟生, 杨学云, 温雪香. 哑变量模型和混合模型的比较——以构建不同区域杉木林和落叶松林生物量模型为例[J]. 林草资源研究, 2024, 0(5): 48-55.
[12]	李梓华, 姚贤宇, 廖子华, 熊俊飞, 叶绍明. 施氮和混交固氮树种对尾巨桉磷营养分配及其生长的影响[J]. 林草资源研究, 2024, 0(4): 135-146.
[13]	曾双贝, 张大为, 杜宗义. 汶川县土地利用景观格局变化分析[J]. 林草资源研究, 2024, 0(4): 70-77.
[14]	姬玉飞, 杨永志, 庞立东, 贾芳彬, 鲁雪妍, 高润红. 四合木植物群落对不同放牧强度的响应[J]. 林草资源研究, 2024, 0(4): 84-93.
[15]	熊珂, 邢元军, 和晓风, 唐林, 鲁宏旺. 基于KNN算法的森林地上生物量遥感估测[J]. 林草资源研究, 2024, 0(3): 106-112.

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