基于4-Scale模型的人工林郁闭度遥感估

第４７卷　第１期２０２３年１月
南京林业大学学报（自然科学版）
ＪｏｕｒｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ
）
Ｖｏｌ．４７，Ｎｏ．１
Ｊａｎ．，２０２３
　收稿日期Ｒｅｃｅｉｖｅｄ：２０２１ ０８ ２６ 修回日期Ａｃｃｅｐｔｅｄ：２０２１ １０ ２８　基金项目：国家自然科学基金面上项目（３１８７０６２１，３１９７１５８０）。

　第一作者：何萍（２４１６６０３９５７＠ｑｑ．ｃｏｍ）。

通信作者：于颖（ｙｕｙｉｎｇ４４５８＠１６３．ｃｏｍ），副教授。

引文格式：
何萍，于颖，范文义，等．基于４ Ｓｃａｌｅ模型的人工林郁闭度遥感估测［Ｊ］．南京林业大学学报（自然科学版），２０２３，４７（１）：２３－３０．ＨＥＰ，ＹＵＹ，ＦＡＮＷＹ，ｅｔａｌ．Ｒｅｍｏｔｅｓｅｎｓｉｎｇｅｓｔｉｍａｔｉｏｎｏｆｐｌａｎｔａｔｉｏｎｃａｎｏｐｙｃｌｏｓｕｒｅｂａｓｅｄｏｎ４ Ｓｃａｌｅｍｏｄｅｌ［Ｊ］．Ｊｏｕｒ ｎａｌｏｆＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓＥｄｉｔｉｏｎ），２０２３，４７（１）：
２３－３０．ＤＯＩ：１０．１２３０２／ｊ．ｉｓｓｎ．１０００－２００６．２０２１０８０４５．基于４ Ｓｃａｌｅ模型的人工林郁闭度遥感估测
何　萍，于　颖
，范文义，杨曦光
（森林生态系统可持续经营教育部重点实验室，东北林业大学林学院，黑龙江　哈尔滨　１５００４０）
摘要：【目的】为了寻找受区域影响较小、精度较高且鲁棒性较好的郁闭度遥感估算模型，采用４ Ｓｃａｌｅ几何光学模型估算人工林树冠孔隙率及郁闭度。

【方法】选择内蒙古旺业甸林场和广西高峰林场为实验区，首先对４ Ｓｃａｌｅ模型进行参数敏感性分析，模拟林分在不同敏感性参数下的树冠孔隙率Ｐｖｇ＿ｃ
（树冠为刚体时的冠间孔隙
率）和Ｐｖｇ
（考虑树冠内部孔隙的孔隙率），建立Ｐｖｇ＿ｃ
、Ｐｖｇ
与敏感性参数的一一对应关系数据库。

其次，根据数据
库建立Ｐｖｇ＿ｃ
和Ｐｖｇ
与敏感性参数的统计关系模型。

然后根据获得的敏感性参数估算Ｐｖｇ＿ｃ
和Ｐｖｇ
，进而估算林分郁闭度。

最后，分别采用样线法与鱼眼相机测定法测量的郁闭度检验基于Ｐｖｇ＿ｃ
和Ｐｖｇ
估算的林分郁闭度。

【结果】基于Ｐｖｇ＿ｃ
和Ｐｖｇ
估算的人工林郁闭度精度分别为８８．１７％和９２．８％。

Ｐｖｇ＿ｃ
与敏感性参数林木株数和冠半径相关性更高，模型的Ｒ２
和均方根误差（ＲＭＳＥ）分别为０．８１４和０．０４３。

Ｐｖｇ
与敏感性参数ＬＡＩ的相关性更高，模型的Ｒ２
和
ＲＭＳＥ分别为０．７９５和０．０４０。

【
结论】
Ｐｖｇ＿ｃ
和Ｐｖｇ
均可以用来估算人工林郁闭度，虽然Ｐｖｇ
估算郁闭度的精度更高，但是其估算的郁闭度不是林业上定义的郁闭度，林业上定义的郁闭度指树冠为刚体时冠层垂直投影面积比。

因此，采用Ｐｖｇ＿ｃ
估算人工林郁闭度更加准确。

应在获得树木株数与树冠半径的基础上，
采用Ｐｖｇ＿ｃ
估算人工林郁闭度。

关键词：４ Ｓｃａｌｅ模型；
郁闭度；鱼眼相机；样线法；叶面积指数中图分类号：Ｓ７７１．８ 文献标志码：Ａ开放科学（资源服务）标识码（ＯＳＩＤ）：文章编号：
１０００－２００６（２０２３）０１－００２３－０８Ｒｅｍｏｔｅｓｅｎｓｉｎｇｅｓｔｉｍａｔｉｏｎｏｆｐｌａｎｔａｔｉｏｎｃａｎｏｐｙｃｌｏｓｕｒｅｂａｓｅｄｏｎ４ Ｓｃａｌｅｍｏｄｅｌ
ＨＥＰｉｎｇ，ＹＵＹｉｎｇ ，ＦＡＮＷｅｎｙｉ，
ＹＡＮＧＸｉｇｕａｎｇ
（ＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｕｓｔａｉｎａｂｌｅＦｏｒｅｓｔＥｃｏｓｙｓｔｅｍＭａｎａｇｅｍｅｎｔ，ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎ，ＣｏｌｌｅｇｅｏｆＦｏｒｅｓｔｒｙ，
ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，Ｈａｒｂｉｎ１５００４０，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：【Ｏｂｊｅｃｔｉｖｅ】Ｃａｎｏｐｙｃｌｏｓｕｒｅｉｓｉｍｐｏｒｔａｎｔｆｏｒｆｏｒｅｓｔｍａｎａｇｅｍｅｎｔｐｌａｎｎｉｎｇ．Ｔｏｆｉｎｄｍｅｔｈｏｄｓａｎｄｍｏｄｅｌｓｆｏｒｅｓｔｉｍａｔｉｎｇｃａｎｏｐｙｃｌｏｓｕｒｅｔｈａｔａｒｅｌｅｓｓａｆｆｅｃｔｅｄｂｙｔｈｅｒｅｇｉｏｎ，ｗｉｔｈｈｉｇｈｅｒａｃｃｕｒａｃｙａｎｄｂｅｔｔｅｒｒｏｂｕｓｔｎｅｓｓ，ｔｈｅｓｔｕｄｙａｄｏｐｔｅｄａ４ Ｓｃａｌｅｇｅｏｍｅｔｒｉｃ ｏｐｔｉｃａｌｍｏｄｅｌｔｏｅｓｔｉｍａｔｅｔｈｅｃａｎｏｐｙｃｌｏｓｕｒｅｏｆｐｌａｎｔａｔｉｏｎｓ．【Ｍｅｔｈｏｄ】ＷａｎｇｙｅｄｉａｎＦｏｒｅｓｔＦａｒｍｉｎＩｎｎｅｒＭｏｎｇｏｌｉａａｎｄＧａｏｆｅｎｇＦｏｒｅｓｔＦａｒｍｉｎＧｕａｎｇｘｉＡｕｔｏｎｏｍｏｎｓＲｅｇｉｏｎｗｅｒｅｓｅｌｅｃｔｅｄａｓｔｈｅｓｔｕｄｙａｒｅａｓ．Ｆｉｒｓｔ，ａｐａｒａｍｅｔｅｒｓｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓｏｆｔｈｅ４ Ｓｃａｌｅｍｏｄｅｌｗａｓｐｅｒｆｏｒｍｅｄ，ａｎｄｔｈｅｃａｎｏｐｙｇａｐｆｒａｃｔｉｏｎＰｖｇ＿ｃ
（ｔｈｅｇａｐｆｒａｃｔｉｏｎｗｈｅｎｔｈｅｃａｎｏｐｙｗａｓａｒｉｇｉｄｂｏｄｙ）ａｎｄＰｖｇ
（ｔｈｅｇａｐｆｒａｃｔｉｏｎｏｆｔｈｅｇａｐｓｉｎａｃｒｏｗｎｗｅｒｅｃｏｎｓｉｄｅｒｅｄ）ｕｎｄｅｒｄｉｆｆｅｒｅｎｔｓｅｎｓｉｔｉｖｉｔｙｐａｒａｍｅｔｅｒｓｗｅｒｅｓｉｍｕｌａｔｅｄ．Ｔｈｅｎ，ａｏｎｅ ｔｏ ｏｎｅｃｏｒｒｅｓｐｏｎｄｅｎｃｅｄａｔａｂａｓｅｏｆＰｖｇ＿ｃ
，Ｐｖｇ
ａｎｄｔｈｅｓｅｎｓｉｔｉｖｉｔｙｐａｒａｍｅｔｅｒｓｗａｓｅｓｔａｂｌｉｓｈｅｄ．Ｓｅｃｏｎｄ，ｓｔａｔｉｓｔｉｃａｌｒｅｌａｔｉｏｎｓｈｉｐｍｏｄｅｌｓｂｅｔｗｅｅｎＰｖｇ＿ｃ
ａｎｄＰｖｇ
ａｎｄｔｈｅｓｅｎｓｉｔｉｖｉｔｙｐａｒａｍｅｔｅｒｓｗｅｒｅｅｓｔａｂｌｉｓｈｅｄｂａｓｅｄｏｎｔｈｅｄａｔａｂａｓｅ．Ｔｈｅｎ，Ｐｖｇ＿ｃ
ａｎｄＰｖｇ
ｗｅｒｅｅｓｔｉｍａｔｅｄｂａｓｅｄｏｎｔｈｅｓｅｎｓｉｔｉｖｉｔｙｐａｒａｍｅｔｅｒｓ，ａｎｄｔｈｅｓｔａｎｄｃａｎｏｐｙｃｌｏｓｕｒｅｗａｓｅｓｔｉｍａｔｅｄ．Ｆｉｎａｌｌｙ，ｔｈｅｃａｎｏｐｙｃｌｏｓｕｒｅｍｅａｓｕｒｅｄｂｙｔｈｅｔｒａｎｓｅｃｔｓａｎｄｔｈｅｆｉｓｈｅｙｅｃａｍｅｒａｍｅａｓｕｒｅｍｅｎｔｍｅｔｈｏｄｗｅｒｅｕｓｅｄｔｏｔｅｓｔｔｈｅｃａｎｏｐｙｃｌｏｓｕｒｅｂａｓｅｄｏｎＰｖｇ＿ｃ
ａｎｄＰｖｇ
ｒｅｓｐｅｃｔｉｖｅｌｙ．【Ｒｅｓｕｌｔ】ＴｈｅａｃｃｕｒａｃｙｏｆｐｌａｎｔａｔｉｏｎｃａｎｏｐｙｃｌｏｓｕｒｅｅｓｔｉｍａｔｅｄｂｙＰｖｇ＿ｃ
ａｎｄＰｖｇ
ｗａｓ８８．１７％ａｎｄ９２．８％，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｐｖｇ＿ｃ
ｈａｄａｈｉｇｈｅｒｃｏｒｒｅｌａｔｉｏｎｗｉｔｈｔｈｅｎｕｍｂｅｒｏｆｔｒｅｅｓａｎｄｃｒｏｗｎｒａｄｉｕｓ．ＴｈｅＲ２
ａｎｄＲＭＳＥｖａｌｕｅｓｏｆｔｈｅｍｏｄｅｌａｒｅ０．８１４ａｎｄ０．０４３，ｒｅｓｐｅｃｔｉｖｅｌｙ．ＴｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎＰｖｇａｎｄＬＡＩｗａｓｈｉｇｈ，ａｎｄｔｈｅＲ２
ａｎｄＲＭＳＥｏｆｔｈｅｍｏｄｅｌｗｅｒｅ０．７９５ａｎｄ０．０４０，ｒｅｓｐｅｃｔｉｖｅｌｙ．【Ｃｏｎｃｌｕｓｉｏｎ】ＢｏｔｈＰｖｇ＿ｃ
ａｎｄＰｖｇ
ｃａｎｂｅｕｓｅｄｔｏｅｓｔｉｍａｔｅｃａｎｏｐｙｃｌｏｓｕｒｅｉｎｐｌａｎｔａｔｉｏｎｓ．ＡｌｔｈｏｕｇｈＰｖｇ
ｈａｓｈｉｇｈｅｒａｃｃｕｒａｃｙ
南京林业大学学报（自然科学版）第４７卷ｉｎｅｓｔｉｍａｔｉｎｇｃａｎｏｐｙｃｌｏｓｕｒｅ，
ｔｈｅｅｓｔｉｍａｔｅｄｃａｎｏｐｙｃｌｏｓｕｒｅｉｓｎｏｔｔｈｅｃａｎｏｐｙｃｌｏｓｕｒｅｄｅｆｉｎｅｄｉｎｆｏｒｅｓｔｒｙ．Ｃａｎｏｐｙｃｌｏｓｕｒｅｉｓｄｅｆｉｎｅｄａｓｔｈｅｒａｔｉｏｏｆｔｈｅｖｅｒｔｉｃａｌｐｒｏｊｅｃｔｉｏｎａｒｅａｏｆｔｈｅｃａｎｏｐｙｗｈｅｎｉｔｉｓａｒｉｇｉｄｂｏｄｙ．Ｔｈｅｒｅｆｏｒｅ，
ｔｈｅｕｓｅｏｆＰｖｇ＿ｃｔｏｅｓｔｉｍａｔｅｔｈｅｃａｎｏｐｙｃｌｏｓｕｒｅｏｆｐｌａｎｔａｔｉｏｎｓｗａｓｍｏｒｅａｃｃｕｒａｔｅ．Ｔｏｏｂｔａｉｎｔｈｅｎｕｍｂｅｒｏｆｔｒｅｅｓａｎｄｒａｄｉｕｓｏｆｔｈｅｃｒｏｗｎ，
Ｐｖｇ＿ｃｗａｓｕｓｅｄｔｏｅｓｔｉｍａｔｅｔｈｅｃａｎｏｐｙｃｌｏｓｕｒｅｏｆｔｈｅｐｌａｎｔａｔｉｏｎ．
Ｋｅｙｗｏｒｄｓ：４ Ｓｃａｌｅｍｏｄｅｌ；ｃａｎｏｐｙｃｌｏｓｕｒｅ；ｆｉｓｈｅｙｅｃａｍｅｒａ；ｔｒａｎｓｅｃｔｓ；ｌｅａｆａｒｅａｉｎｄｅｘ（ＬＡＩ
）
郁闭度指林地内乔木树冠的垂直投影面积与林地面积之比［１
］，是人工林资源调查中的一个重要指标。

准确地测量和估算郁闭度对人工林的质量评价至关重要［２－３
］。

郁闭度的测量方法主要有样线法、样点法、树冠投影法、目测法和鱼眼相机测
定法［４－５
］，其中样线法和样点法测量精度较高［６－７
］，把冠层视为刚体，计算冠层垂直投影面积比；样线法被认为是测量郁闭度可信度最高的方法，可直接验证遥感影像估算的郁闭度［８
］。

鱼眼相机测定法主要是通过处理鱼眼相机照片将树冠和天空分离进而计算郁闭度，因为考虑了树冠内部的孔隙，此方法估算的郁闭度偏小［６
］。

郁闭度的遥感估算主要采用统计与机理模型的方法。

统计模型以多元线性回归模型为主，通过提取遥感影像的光谱参数、植被参数以及纹理参数
等，建立多元线性回归模型估算郁闭度［９－１２
］，
这种方法多数忽略了混合像元对郁闭度估算精度的影响，并且建立的模型随着研究区域与时间而变化。

机理模型有像元二分模型、贝尔定律、几何光学模型和辐射传输模型。

像元二分模型也常用于郁闭度估算，但该方法无法将乔木与灌木有效分离，很难准确地估算林分郁闭度［１３－１６
］。

贝尔定律通过林分真实叶面积指数计算冠层孔隙率，进而估算林分郁闭度，该方法假设林分水平树木在空间为随机分布，只考虑了树冠内叶子的聚集效应，实际的森林中树木大多是聚集分布而不是随机分布的，因此高估了郁闭度的估算结果。

几何光学模型和辐射传
输模型本身较为复杂，需要的参数很多［１７
］，
但是通过参数敏感性分析，采取较少的敏感性参数建立的估算模型受区域影响较小并且鲁棒性较高［１８］。

应用最多的辐射传输模型为ＰＲＯＳＡＩＬ模型，该模型适合估算林分比较均匀场景下的郁闭度［１９
］。

基于几何光学模型估算郁闭度的方法主要以Ｌｉ Ｓｔｒａｈｌｅｒ几何光学模型为主，结合中高分辨率的遥感影像和实测样地数据估算郁闭度［２０－２１
］，但忽略了样地内树木在空间的非随机分布情况。

然而，４ Ｓｃａｌｅ几何光学模型既考虑到树冠之间的聚集效应，又考虑了树冠内部枝叶的聚集效应，更符合实际森林中树木的分布，所以４ Ｓｃａｌｅ模型估算人工林郁闭度更
精准。

本研究利用４ Ｓｃａｌｅ模型模拟冠层为刚体的孔隙率（Ｐｖｇ＿ｃ
）和考虑树冠内部孔隙的孔隙率（Ｐｖｇ
），建立估算人工林郁闭度模型。

分别采用样线法与鱼眼相机测定法测定郁闭度并对估算结果进行检验，在树冠为刚体和考虑到树冠内部孔隙两种情况下，采用冠层孔隙率估算林分郁闭度的精度差异；建立受区域影响较小、精度较高且鲁棒性较好的郁闭度估算模型；采用敏感性参数进行林木株数、冠半径和叶面积指数估算人工林郁闭度的精度评价。

１　
材料与方法
１．１　
研究区概况
为选择代表中国南北方的典型人工林类型，两个研究区域分别设置在内蒙古旺业甸林场和广西高峰林场。

旺业甸林场位于内蒙古自治区赤峰市喀喇沁旗西南部（１１８°０９′～１１８°３０′Ｅ，４１°３５′～４１°
５０′Ｎ）
，森林覆盖率达８０％以上。

林场由４７％的人工林和５３％的天然林组成，人工林主要以油松（Ｐｉｎｕｓｔａｂｕｌｉｆｏｒｍｉｓ）、华北落叶松（Ｌａｒｉｘｇｍｅｌｉｎｉｉｖａｒ．ｐｒｉｎｃｉｐｉｓ ｒｕｐｐｒｅｃｈｔｉｉ）为主，天然林主要由白桦（
Ｂｅｔｕｌａｐｌａｔｙｐｈｙｌｌａ）、黑桦（Ｂｅｔｕｌａｄａｈｕｒｉｃａ）、山杏（Ａｒｍｅｎｉａｃａｓｉｂｉｒｉｃａ）
、山杨（Ｐｏｐｕｌｕｓｄａｖｉｄｉａｎａ）、榆树（Ｕｌｍｕｓｐｕｍｉｌａ）、柞树（Ｑｕｅｒｃｕｓｍｏｎｇｏｌｉｃａ）、榛子（Ｃｏｒｙｌｕｓｈｅｔｅｒｏｐｈｙｌｌａ）
等树种组成。

高峰林场位于广西壮族自治区南宁市青秀区（１０８°０８′～１０８°５３′
Ｅ，２２°４９′～２３°１５′Ｎ）
，森林覆盖率８３．７％，植被类型主要以次生人工林为主，主要树种为马尾松
（Ｐｉｎｕｓｍａｓｓｏｎｉａｎａ）、杉木（Ｃｕｎｎｉｎｇｈａｍｉａｌａｎｃｅｏｌａｔａ）和速生桉（Ｅｕｃａｌｙｐｔｕｓｒｏｂｕｓｔａ）。

１．２　数据来源１．２．１　样地数据
在旺业甸林场和高峰林场共布设６１块样地，其中旺业甸林场设置２３块样地（１６块油松林和７块落叶松林），样地面积为２５ｍ×２５ｍ；高峰林场设置３８块样地，均为速生桉树林，样地面积为２０ｍ×
２０ｍ（表１）。

在每块样地内进行每木检尺，起测胸径为５ｃｍ，分别测量胸径、树高、干高、冠幅等参数并记录树种。

采用样线法和鱼眼相机测定法测量
４
２
第１期
何　萍，等：基于４ Ｓｃａｌｅ模型的人工林郁闭度遥感估测
林分郁闭度［２
］，利用ＬＡＩ ２２００仪器测量样地的有效叶面积指数，利用ＴＲＡＣ仪器测量样地的聚集度指数，有效叶面积指数除以聚集度指数即可获得样
地的真实叶面积指数［２２
］。

表１　样地信息统计
Ｔａｂｌｅ１　Ｓｔａｔｉｓｔｉｃｓｏｆｐｌｏｔｉｎｆｏｒｍａｔｉｏｎｉｎｓｔｕｄｙａｒｅａｓ
研究区域ｓｔｕｄｙａｒｅａ
样地类型
ｐｌｏｔｔｙｐｅ
样地数量
ｎｕｍｂｅｒ
ｏｆｐｌｏｔｓ样地面积／
ｍ
２
ａｒｅａｏｆｐｌｏｔｓ
平均树高／ｍ
ａｖｅｒａｇｅｔｒｅｅｈｅｉｇｈｔ平均冠幅／ｍ
ａｖｅｒａｇｅｃｒｏｗｎｗｉｄｔｈ平均郁闭度
ａｖｅｒａｇｅｃａｎｏｐｙｃｌｏｓｕｒｅ
旺业甸林场ＷａｎｇｙｅｄｉａｎＦｏｒｅｓｔＦａｒｍ
油松林Ｐｉｎｕｓｔａｂｕｌｉｆｏｒｍｉｓｆｏｒｅｓｔ１６６２５１１．３３．２２０．６７落叶松林
Ｌａｒｉｘｇｍｅｌｉｎｉｉｆｏｒｅｓｔ７６２５１４．２２．９４０．６１高峰林场
ＧａｏｆｅｎｇＦｏｒｅｓｔＦａｒｍ
桉树林
Ｅｕｃａｌｙｐｔｕｓｒｏｂｕｓｔａｆｏｒｅｓｔ
３８
４００
１３．４
２．００
０．５６
１．２．２　
遥感数据
所采用的多光谱遥感数据为Ｓｅｎｔｉｎｅｌ ２Ａ多光谱数据，遥感影像在欧洲航空局的数据共享网站上下载得到，旺业甸林场和高峰林场的Ｓｅｎｔｉｎｅｌ ２Ａ多光谱数据成像时间分别为２０１７年９月２２日和２０１７年１２月１７日。

高空间分辨率数据采用低空无人机倾斜摄影测量数据，使用ｉＦｌｙＤ６电动多旋翼无人机搭载ｉＣａｍＱ２倾斜摄影测量相机在晴朗无风、阳光充足的条件下对研究区进行航空拍摄，
飞行高度约为２００ｍ，
影像分辨率为０．０５ｍ。

１．３　研究方法
研究分析影响４ Ｓｃａｌｅ几何光学模型模拟冠层孔隙率［冠层为刚体下的孔隙率（Ｐｖｇ＿ｃ
）与考虑树
冠内部孔隙的孔隙率（Ｐｖｇ
）
］的敏感性参数，模拟在敏感性参数变动情况下冠层孔隙率变化的一一对应数据库，建立敏感性参数与冠层孔隙率的关系模型。

通过遥感影像估算敏感性参数的空间分布，代入模型获得冠层孔隙率。

冠层孔隙率与林分郁
闭度之和为１，
据此来计算林分郁闭度。

１．３．１　４ Ｓｃａｌｅ模型冠层孔隙率计算
４ Ｓｃａｌｅ模型从群落、
树冠、树枝和叶子４个尺度上考虑冠层的结构，通过计算光照背景（Ｇ）、阴
影背景（ＺＧ）
、光照树冠（Ｔ）和阴影树冠（ＺＴ）４个分量来模拟森林冠层的双向反射特征［２３
］。

Ｒ＝ＲＴ
ＰＴ
＋ＲＧ
ＰＧ
＋ＲＺＴ
ＰＺＴ
＋ＲＺＧ
ＰＺＧ。

（１）
式中：ＲＴ
、ＲＧ
、ＲＺＴ
和ＲＺＧ分别代表４ Ｓｃａｌｅ模型中４个分量的反射率，ＰＴ
、ＰＧ
、ＰＺＴ
和ＰＺＧ代表４ Ｓｃａｌｅ模型中４个分量所占的面积比。

其中阴影背景与光照背景占总地表面积的比例和为背景可视概率，也是冠层孔隙率。

若不考虑枝叶尺度，所获得的是树冠为刚体下的背景可视概率Ｐｖｇ＿ｃ
；若考虑枝叶的尺度，则获得的是考虑树冠内孔隙的背景可视概率Ｐｖｇ
；如果不考虑群落与树冠尺度，认为树在空间中
是随机分布的，获得的背景可视概率是不准确的。

森林里大部分情况下树木的分布遵循纽曼（Ｎｅｙｍａｎ）分布，４ Ｓｃａｌｅ模型通过计算单株树在视线方向上的投影面积（Ｖｇ
），以及树冠的空间分布进而计算冠层孔隙率。

当树冠为刚体即不考虑树冠内的孔隙时，冠层孔隙率（Ｐｖｇ＿ｃ
）
计算公式如下：Ｐｖｇ＿ｃ
＝∑ｋ
ｉ＝１
ＰＮ
（ｉ）１－Ｖ
ｇ
Ａ[]ｉ。

（２）其中：Ａ为像元面积，ｉ为像元内树木的株数，ＰＮ
（ｉ）
表示Ｎｅｙｍａｎ分布，
Ｖｇ
表示单株树冠在视线方向上的投影面积。

考虑树冠内的孔隙以及树冠之间的重叠时，背
景可视概率（Ｐｖｇ
）
计算公式如下：Ｐｖｇ
＝∑ｋｉ＝１
Ｐｔｊ
（Ｖｇ
）Ｐｊｇａｐ（θｖ
）
＋Ｐｔ０
；（３）Ｐｊｇａｐ
（θｖ
）＝∏ｊ１
Ｐｇａｐ
（θｖ
）；（４）Ｐｇａｐ
（θｖ
）
＝ｅ－Ｇ（θｖ）Ｌ０ΩＥ／γ
Ｅ
；（５）　Ｐｔｊ
（Ｖｇ
）＝∑ｋｉ＝ｊ
ＰＮ
（ｉ）（ｉ＋ｊ－１）！（ｉ－１）！ｊ！[]１－Ｖｇ
Ａ[]ｉ
Ｖｇ
Ａ[]
ｊ。

（６）
式中：Ｐｊｇａｐ
（θｖ
）为树冠内的孔隙率，Ｐｇａｐ
（θｖ
）表示单株树贝尔定律计算的孔隙率，θｖ
为观测角，Ｌ０
表示单株树的真实叶面积指数，可以根据样地面积大小、树冠投影面积、株数以及样地的叶面积指数进行换算，ΩＥ
表示树冠枝叶的聚集度指数，γＥ
表示针簇比，不同的针叶树种有固定的针簇比，阔叶树种的针簇比为１，Ｇ（θｖ
）表示观测方向上的投影系数，Ｐｔｊ
（Ｖｇ
）表示在视线方向上有ｊ棵树重叠的概率，Ｐｔ０
表示没有树重叠的孔隙率。

可见，计算冠层孔隙率的参数较多，对区域尺度郁闭度估算的效率与精度产生影响，因此为了减少输入参数，需要进行参数敏感性分析。

５
２
南京林业大学学报（自然科学版）第４７卷
１．３．２　
参数敏感性分析方法
模型参数的敏感性分析对于复杂模型模拟变量时选择少量且合适的参数至关重要［２４
］。

本研究构造灵敏性函数确定影响冠层孔隙率的敏感性参数，旨在达到输入少量参数满足郁闭度估算精度的目的。

灵敏性函数为：
Ｆ′＝∑ｎｊ＝１
（Ｐｊ０
－Ｐｊｐｅｒｔ
）２
Ｐ
ｊ０。

（７）其中：Ｐｊ０
表示根据实测数据计算的原始Ｐｖｇ＿ｃ
和Ｐｖｇ
值，Ｐｊｐｅｒｔ
表示参数扰动时Ｐｖｇ＿ｃ
和Ｐｖｇ的值，Ｆ′为灵敏度［１９
］。

根据４ Ｓｃａｌｅ模型中Ｐｖｇ＿ｃ
和Ｐｖｇ
的计算公式，对树冠半径、冠长、树冠圆锥半顶角、聚集度指数、冠形、叶面积指数和树木株数进行敏感性分析。

１．３．３　基于４ Ｓｃａｌｅ模型的郁闭度估算方法根据敏感性分析结果确定对冠层孔隙率模拟敏感的参数集ｘ１
，ｘ２
，…，ｘｎ
{}，不敏感的参数设为样地观测的平均值，采用４ Ｓｃａｌｅ模型模拟敏感参数取不同数值时样地的冠层孔隙率Ｐｖｇ＿ｃ
和Ｐｖｇ
，建立Ｐｖｇ＿ｃ
和
Ｐｖｇ值与敏感性参数的一一对应关系数据库，构建Ｐｖｇ＿ｃ
、Ｐｖｇ与敏感性参数的模型关系，
通过遥感影像估算敏感性参数的空间分布，进而估算冠层孔隙率。

Ｐｖｇ＿ｃ＝ｆ（ｘ１
，ｘ２
，…，ｘｎ
）；（８）Ｐｖｇ
＝ｇ（ｘ１
，ｘ２
，…，ｘｎ
）。

（９）
其中，ｆ和ｇ为两个函数表达式。

林分郁闭度（ｃａｎｏｐｙｃｌｏｓｕｒｅ，ＣＣ，式中记为ＣＣｉ
）
与Ｐｖｇ＿ｃ
和Ｐｖｇ
的关系为：ＣＣ１＝１－Ｐｖｇ＿ｃ；（１０）ＣＣ２
＝１－Ｐｖｇ。

（１１）
林业上定义的郁闭度严格意义上不考虑树冠
内的孔隙［１
］，
因此林分郁闭度应该为１－Ｐｖｇ＿ｃ
，即ＣＣ１。

本研究中样线法测得的郁闭度为真实值，
用于检验基于Ｐｖｇ＿ｃ
估算的郁闭度结果，然而也有很多学者采用鱼眼相机测定法获得林分郁闭度，此时的
郁闭度值比林业上定义的郁闭度值偏小［６
］，
考虑了树冠内的孔隙，因此其获得的郁闭度应为１－Ｐｖｇ
，即ＣＣ２
，用于检验基于Ｐｖｇ估算的郁闭度结果。

１．３．４　精度评价
研究采用决定系数（Ｒ２
）、均方根误差［ＲＭＳＥ，式中记为σ（ＲＭＳＥ）］、平均误差［ＭＥ，式中记为σ（ＭＥ）］、平均相对误差［ＭＲＥ，式中记为σ（ＭＲＥ）］、平均绝对误差［ＭＡＥ，式中记为σ（ＭＡＥ）］和平均相对误差绝对值［ＭＡＲＥ，式中记为σ（ＭＡＲＥ）］评价郁闭度估算模型的准确性，计算方法如下：
Ｒ２
＝１
－∑ｎｉ＝１（ｙｉ－＾ｙｉ
）２∑ｎｉ＝１
（ｙｉ
－珋
ｙ２
）；（１２）σ（ＲＭＳＥ）＝∑ｎｉ＝１
（ｙｉ－＾ｙｉ
）２
ｎ槡
；（１３）σ（ＭＥ）＝∑ｎｉ＝１
（ｙｉ－＾ｙ
ｉ
ｎ
）；（１４）
σ（
ＭＲＥ）＝∑ｎ
ｉ＝１
（ｙｉ－＾ｙｉ
）珋
ｙ；（１５）σ（ＭＡＥ）
＝∑ｎ
ｉ＝１｜
ｙｉ－＾ｙｉｎ｜
；
（
１６）σ（ＭＡＲＥ）＝
∑
ｎ
ｉ＝１
｜ｙｉ－＾ｙ
ｉｎ
｜
珋ｙ。

（１７）
其中：ｙｉ
表示第ｉ个样地的郁闭度测量值，＾ｙ
ｉ
表示第ｉ个样地的郁闭度预测值，珋ｙ表示所有样地的郁闭度平均值，ｎ表示样地的数量。

２　
结果与分析
２．１　
参数敏感性分析
郁闭度的观测方向为垂直观测，所以观测天顶角为０。

贝尔定律中的叶倾角会影响孔隙率的大小，但是林分中的叶片倾角测量困难，并且对于不同冠层Ｇ（θ）都接近于０．５［２５
］，所以取Ｇ（θ）等于０ ５。

本研究计算了冠半径、冠长、树冠圆锥半顶角、聚集度指数、冠形、叶面积指数、树木株数对计算Ｐｖｇ＿ｃ
和Ｐｖｇ
的敏感性Ｆ′（表２）。

可见，冠半径和树木株数对Ｐｖｇ＿ｃ
影响较大，对于不考虑树冠内部孔隙，只把树冠视作刚体情况下，林分郁闭度的估算只受到冠半径与树木株树的影响，即树冠半径与树木株数确定后，冠层在林地上的垂直投影面积即可确定，与冠层内部叶子的聚集程度、叶面积指数无
关；叶面积指数对Ｐｖｇ
影响较大，
其次是聚集度指数，研究将叶面积指数与聚集度指数对Ｐｖｇ
的影响合并为一个变量即有效叶面积指数对Ｐｖｇ
的影响。

表２　参数敏感性分析
Ｔａｂｌｅ２　Ｓｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓｏｆｐａｒａｍｅｔｅｒｓ
ｉｎｔｈｅ４ Ｓｃａｌｅｍｏｄｅｌ
参数ｐａｒａｍｅｔｅｒＦ′（Ｐｖｇ）
Ｆ′（Ｐｖｇ＿ｃ）
冠半径ｒａｄｉｕｓｏｆｃｒｏｗｎ０．１１８
０．６８４冠长ｃｒｏｗｎｌｅｎｇｔｈ
００树冠圆锥半顶角ｈａｌｆａｐｅｘａｎｇｌｅ００聚集度指数ｃｌｕｍｐｉｎｇｉｎｄｅｘ０．２８３０冠形ｓｈａｐｅｏｆｃｒｏｗｎ
００叶面积指数ｌｅａｆａｒｅａｉｎｄｅｘ０．５７１０树木株数ｎｕｍｂｅｒｏｆｔｒｅｅｓ
０．０２２
０．５０１
６
２
第１期
何　萍，等：基于４ Ｓｃａｌｅ模型的人工林郁闭度遥感估测
２．２　
冠层孔隙率估算模型
由敏感性分析结果可知，样地树木株数（ｎ）、冠半径（ｒ）与有效叶面积指数（ＬＡＩ）对Ｐｖｇ＿ｃ
和Ｐ
ｖｇ
的模拟结果敏感，所以将其他参数设置为样地实测
结果的平均值，ｎ、
ｒ和ＬＡＩ设置为样地的实测值，运用４ Ｓｃａｌｅ模型计算所有样地的Ｐｖｇ
和Ｐｖｇ＿ｃ
值，并
分别建立Ｐｖｇ
和Ｐｖｇ＿ｃ
与ＬＡＩ和ｎｒ２
的指数模型关系（图１）。

ｎｒ２作为整体变量与冠层孔隙率建立关系，是因为ｎｒ２
与林地冠层的投影面积成正比，比单独变量建立关系模型更有物理意义。

图１　
Ｐｖｇ
和Ｐｖｇ＿ｃ
与ｎｒ２
关系以及Ｐｖｇ
和Ｐｖｇ＿ｃ
与ＬＡＩ的关系
Ｆｉｇ．１　
ＲｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＰｖｇ＿ｃ
，Ｐｖｇ
ａｎｄｎｒ２
，ａｎｄｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎＰｖｇ＿ｃ
，Ｐ
ｖｇ
ａｎｄＬＡＩ
由图１可见，ｎｒ２
与Ｐｖｇ＿ｃ
的关系模型比ＬＡＩ与Ｐｖｇ＿ｃ
的关系模型更显著，ＬＡＩ与Ｐｖｇ
的关系模型比ｎｒ２
与Ｐｖｇ
的关系模型更显著。

２．３　郁闭度的遥感估算结果
２．３．１　叶面积指数（ＬＡＩ）
的估算采用比值植被指数估算叶面积指数，采用哨兵二号多光谱数据提取比值植被指数，与样地实测的
叶面积指数（ＬＡＩ）
建立一元线性模型，进而估算整个研究区域的叶面积指数。

２．３．２　ｎｒ２
的估算结果ｎｒ２
需要采用高空间分辨率遥感影像进行估算，研究采用面向对象分割分类的方法提取（图２）
，利用ＥＮＶＩ软件中的ＳｅｇｍｅｎｔＯｎｌｙＦｅａｔｕｒｅＥｘ ｔｒａｃｔｉｏｎＷｏｒｋｆｌｏｗ对影像进行分割，
分割后采用ａｒｃｇｉｓ软件提取出树冠的轮廓，
通过几何计算获得树冠的投影面积，进而得到ｎｒ２
的值。

Ａ．原影像ｔｈｅｏｒｉｇｉｎａｌｉｍａｇｅ；Ｂ．分割后提取树冠的轮廓ｔｈｅｏｕｔｌｉｎｅ
ｏｆｔｈｅｅｘｔｒａｃｔｅｄｃａｎｏｐｙａｆｔｅｒｓｅｇｍｅｎｔａｔｉｏｎ．
图２　树冠区域及分割结果Ｆｉｇ．２　Ｔｒｅｅｃｒｏｗｎａｎｄｓｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓ
２．３．３　研究区域郁闭度的估算结果
将研究区域提取的叶面积指数（ＬＡＩ）和ｎｒ２
分别代入到ＬＡＩ与Ｐｖｇ和ｎｒ２
与Ｐｖｇ＿ｃ
的关系模型中计算背景可视概率的空间分布，进而估算出研究区域的郁闭度（图３）。

图３　ＬＡＩＰｖｇ
Ｆｉｇ．３　
ＬＡＩ，Ｐｖｇ
ａｎｄｃａｎｏｐｙｃｌｏｓｕｒｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆＷａｎｇｙｅｄｉａｎＦｏｒｅｓｔＦａｒｍ
７
２
南京林业大学学报（自然科学版）
第４７卷
２．４　
基于Ｐｖｇ＿ｃ
的郁闭度估算结果验证
林业上郁闭度和４ Ｓｃａｌｅ模型计算的Ｐｖｇ＿ｃ
都只考虑树冠之间的孔隙，所以采用样线法测量的郁闭度结果验证ＣＣ１
的估算结果精度，将二者进行比较，建立二者之间的一元线性回归模型，模型拟合Ｒ２与ＲＭＳＥ分别为０．４４和０．０８７（图４Ａ），郁闭度估算平均精度为８８．１７％。

从散点图可以看出样线法测量的郁闭度值与
ＣＣ１
值有较好的相关关系，
模型拟合效果较好。

在传统测量郁闭度的方法中样线法是较为准确的方法，说明用４ Ｓｃａｌｅ模型来估算郁闭度是可行的，并且精度较高。

采用敏感性参数与通用参数估算的郁闭度精度相差不大，基于通用参数估算的郁闭度与样线法的
关系模型Ｒ２
更高，对两种参数估算的郁闭度进行显
著性检验（表３），可以看出两组估算值无明显差异。

表３　采用敏感性参数与通用参数的基于Ｐ
ｖｇ＿ｃ
的郁闭度估算结果的比较
Ｔａｂｌｅ３　ＣｏｍｐａｒｉｓｏｎｏｆＰｖｇ＿ｃ ｂａｓｅｄｃａｎｏｐｙｃｌｏｓｕｒｅ
ｅｓｔｉｍａｔｉｏｎｒｅｓｕｌｔｓｕｓｉｎｇｓｅｎｓｉｔｉｖｉｔｙｐａｒａｍｅｔｅｒｓａｎｄｇｅｎｅｒａｌｐａｒａｍｅｔｅｒｓ
差异源ｓｏｕｒｃｅ
离差平方和ＳＳ
自由度ｄｆ
均方
ＭＳ
Ｆ
ＰＦｃｒｉｔ
组间ｇｒｏｕｐｓ６．３８×１０－１２
１６．３８×１０－１２
７．１×１０－１０
１．０００３．９２０组内ｅｒｒｏｒ１．０７８１２００．００９总计ｔｏｔａｌ１．０７８１２１　注：Ｆｃｒｉｔ
表示置信区间为９５％，自由度为１和１２０的Ｆ统计临界值。

Ｆ
ｃｒｉｔ
ｒｅｐｒｅｓｅｎｔｓｔｈｅｓｔａｔｉｓｔｉｃａｌｃｒｉｔｉｃａｌｖａｌｕｅｏｆＦｗｉｔｈ９５％ｃｏｎｆｉｄｅｎｃｅｉｎｔｅｒｒａｌａｎｄ１ａｎｄ１２０ｄｅｇｒｅｅｓｏｆ
ｆｒｅｅｄｏｍ．
图４　样线法测量的郁闭度值与ＣＣ１
的关系图
Ｆｉｇ．４　ＴｈｅｒｅｌａｔｉｏｎｓｏｆｔｈｅｃａｎｏｐｙｃｌｏｓｕｒｅｍｅａｓｕｒｅｄｂｙｌｉｎｅｔｒａｎｓｅｃｔｓａｎｄＣＣ
１
当分别评价旺业甸林场和高峰林场的郁闭度估算精度时，旺业甸林场的ＭＥ、ＭＲＥ、ＭＡＥ和
ＭＡＲＥ分别为－０．０１３、－２．０５、０．０８１和１２．５１％，
高峰林场的ＭＥ、ＭＲＥ、ＭＡＥ和ＭＡＲＥ分别为０ ００８、
１ ４４、０ ０６２和１１ ３０％，
可以看出在两个林场的基于Ｐｖｇ＿ｃ
估算郁闭度的精度均较高。

２．５　基于Ｐｖｇ
的郁闭度估算结果验证
Ｐｖｇ
考虑了树冠内的孔隙，
基于鱼眼相机测定法获得的孔隙也考虑了树冠内的孔隙，所以采用鱼眼相机测定法测定的郁闭度验证ＣＣ２
的估算结果比较合理。

二者之间的一元线性回归模型的Ｒ２
与
ＲＭＳＥ分别为０．４０和０．０６２（
图５），二者关系模型也显著，郁闭度估算平均精度为９２．８％。

因此，利用Ｐｖｇ
估算林分郁闭度也是可行的。

采用敏感性参数与通用参数估算的郁闭度精度相差不大（图５），基于通用参数估算的郁闭度与鱼眼相机测定法关系模型的Ｒ２
更高，对两种参数估算的郁闭度进行显著性检验（表４），可以看出两
组估算值无明显差异。

表４　采用敏感性参数与通用参数的基于Ｐｖｇ
的
郁闭度估算结果的比较
Ｔａｂｌｅ４　ＣｏｍｐａｒｉｓｏｎｏｆＰｖｇ ｂａｓｅｄｃａｎｏｐｙｃｌｏｓｕｒｅ
ｅｓｔｉｍａｔｉｏｎｒｅｓｕｌｔｓｕｓｉｎｇｓｅｎｓｉｔｉｖｉｔｙｐａｒａｍｅｔｅｒｓａｎｄｇｅｎｅｒａｌｐａｒａｍｅｔｅｒｓ
差异源
ｓｏｕｒｃｅ
离差平方和ＳＳ自由度ｄｆ均方ＭＳ
ＦＰＦｃｒｉｔ组间ｇｒｏｕｐｓ０．００４１０．００４０．５６４
０．４５４
３．９２０
组内ｅｒｒｏｒ０．８８７１２００．００７
总计ｔｏｔａｌ
０．８９１
１２１
当分别评价旺业甸林场和高峰林场郁闭度估算精度时，旺业甸林场的ＭＥ、ＭＲＥ、ＭＡＥ和ＭＡＲＥ分别为－０．００７、１．０２、０．０４０和５．２１％，
高峰林场的ＭＥ、ＭＲＥ、ＭＡＥ和ＭＡＲＥ分别为－０．００５、
－０．７０、０ ０５６和７．９７％，
可以看出在两个林场的基于Ｐｖｇ
估算郁闭度的精度均较高。

８
２
第１期
何　萍，等：基于４ Ｓｃａｌｅ
模型的人工林郁闭度遥感估测
图５　基于鱼眼相机测定法的郁闭度与ＣＣ２
关系图
Ｆｉｇ．５　ＴｈｅｌｉｎｅａｒｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｃａｎｏｐｙｃｌｏｓｕｒｅｃａｌｃｕｌａｔｅｄｂｙｆｉｓｈｅｙｅｃａｍｅｒａｍｅａｓｕｒｅｍｅｎｔｍｅｔｈｏｄａｎｄＣＣ
２
３　
讨　论
Ｐｖｇ＿ｃ
与ｎｒ２
的关系模型优于Ｐｖｇ
与ｎｒ２
的关系
模型，主要原因是Ｐｖｇ＿ｃ
只考虑了树冠之间的孔隙，
而没有考虑树冠内的孔隙，
ｎｒ２
表示样地内树木的株数与树冠半径平方的乘积，把树冠当成一个刚体而未考虑树冠内的孔隙，而Ｐｖｇ是树冠内与树冠间的孔隙之和，所以Ｐｖｇ＿ｃ
与ｎｒ２
的关系模型比Ｐｖｇ
与ｎｒ２
的关系模型相关性更显著。

Ｐｖｇ
与ＬＡＩ的关系模型优于Ｐｖｇ＿ｃ与ＬＡＩ的关系模型，主要原因是ＬＡＩ描述了叶子表面积，而非冠
层表面积，把冠层看成非刚体，
Ｐｖｇ
计算了树冠为非刚体的孔隙率，而Ｐｖｇ＿ｃ
只计算了树冠之间的孔隙，没有考虑树冠内叶子之间的孔隙，所以Ｐｖｇ
与ＬＡＩ的关系模型会比Ｐｖｇ＿ｃ
与ＬＡＩ的关系模型相关性更显著。

利用树木株数和树冠平均半径预测Ｐｖｇ＿ｃ
效果较好，估算的郁闭度精度为８８．１７％。

因此，对于大区域或者不便于实地测量树木株树与冠半径的区域，树木株数与树冠平均半径可以在该区域的高空间分辨率遥感影像中提取［２６
］。

相比于其他研究中的传统统计模型［２７－２８
］，通过预测Ｐｖｇ＿ｃ
进而估算郁闭度的精度更高。

利用ＬＡＩ预测Ｐｖｇ
效果更好，所以只要获得准确的ＬＡＩ值就可以估算出Ｐｖｇ
，进而估算郁闭度，基于Ｐｖｇ估算的郁闭度精度为９２．８％。

对于大区域不便于实地测量或者研究区域无高空间分辨率的影像，可以采用中低空间分辨率的遥感影像获取该区域的ＬＡＩ或者直接利用ＬＡＩ产品估算林分郁闭度［２９－３１
］。

４　
结　论
１
）通过４ Ｓｃａｌｅ模型估算郁闭度是可行的，并且通过样本数据拟合出来的模型可以运用于大区域的郁闭度估算。

４ Ｓｃａｌｅ模型估算郁闭度从光线在林分中传输过程的机理出发，模拟垂直方向上的冠层孔隙率，建立的郁闭度估算模型受研究区域的影响较小，并且鲁棒性更好。

２）Ｐｖｇ＿ｃ与ｎｒ２
的关系模型更具显著性，郁闭度估算精度较高，可以获得真正意义上的郁闭度。

所以若想要获取真正意义上的林分尺度郁闭度估测值，可以利用该区域林分的树木株数与树冠平均半径预测Ｐｖｇ＿ｃ进而估算郁闭度。

３）Ｐｖｇ
与ＬＡＩ关系模型相关性较为显著，只要获得准确的ＬＡＩ的值就可以估算Ｐｖｇ。

所以如果无法提取研究区域的树木株数与树冠平均半径，也可
以采用ＬＡＩ预测Ｐｖｇ
进而估算郁闭度，
该方法估算的郁闭度与鱼眼相机测定法测量的郁闭度具有很高的相关性，且精度较高。

参考文献（ｒｅｆｅｒｅｎｃｅ）：
［１］濮毅涵，徐丹丹，王浩斌．基于数码相片的林冠郁闭度提取
方法研究［Ｊ］．林业资源管理，２０２０（６）：１５３－１６０．ＰＵＹＨ，ＸＵＤＤ，ＷＡＮＧＨＢ．Ａｎａｐｐｒｏａｃｈｏｎｅｓｔｉｍａｔｉｎｇｃａｎｏｐｙｃｌｏｓｕｒｅｖｉａｄｉｇｉｔａｌｉｍａｇｅｓ［Ｊ］．ＦｏｒＲｅｓｏｕｒＭａｎａｇ，２０２０（６）：１５３－１６０．ＤＯＩ：１０．１３４６６／ｊ．ｃｎｋｉ．ｌｙｚｙｇｌ．２０２０．０６．０２４．
［２］ＣＨＥＮＧＳ，ＬＯＵＴＴ，ＪＩＮＧＷＰ，ｅｔａｌ．Ｓｐａｒｋｐｒ：ａｎｅｆｆｉｃｉｅｎｔ
ｐａｒａｌｌｅｌｉｎｖｅｒｓｉｏｎｏｆｆｏｒｅｓｔｃａｎｏｐｙｃｌｏｓｕｒｅ［Ｊ］．ＩＥＥＥＡｃｃｅｓｓ，２０１９，７：１３５９４９－１３５９５６．ＤＯＩ：１０．１１０９／ＡＣＣＥＳＳ．２０１９．２９４１９６６．
［３］ＦＥＲＨＡＴＫ，ＯＳＭＡＮＴ．Ｏｎｓｅｔｏｆｃａｎｏｐｙｃｌｏｓｕｒｅｆｏｒｂｌａｃｋｐｉｎｅ，ＴｕｒｋｉｓｈｒｅｄｐｉｎｅａｎｄＳｃｏｔｓｐｉｎｅｆｏｒｅｓｔｓ［Ｊ］．ＪＦｏｒＳｃｉ，２０１８，６４（５）：２２４－２２９．ＤＯＩ：１０．１７２２１／１５３／２０１７－ＪＦＳ．
［４］ＦＩＡＬＡＡＣＳ，ＧＡＲＭＡＮＳＬ，ＧＲＡＹＡＮ．Ｃｏｍｐａｒｉｓｏｎｏｆｆｉｖｅ
９
２
南京林业大学学报（自然科学版）第４７卷
ｃａｎｏｐｙｃｏｖｅｒｅｓｔｉｍａｔｉｏｎｔｅｃｈｎｉｑｕｅｓｉｎｔｈｅｗｅｓｔｅｒｎＯｒｅｇｏｎ
Ｃａｓｃａｄｅｓ［Ｊ］．ＦｏｒＥｃｏｌＭａｎａｇ，２００６，２３２（１／２／３）：１８８－１９７．
ＤＯＩ：１０．１０１６／ｊ．ｆｏｒｅｃｏ．２００６．０５．０６９．
［５］ＯＫＩＮＧＳ，ＣＬＡＲＫＥＫＤ，ＬＥＷＩＳＭＭ．Ｃｏｍｐａｒｉｓｏｎｏｆｍｅｔｈｏｄｓｆｏｒｅｓｔｉｍａｔｉｏｎｏｆａｂｓｏｌｕｔｅｖｅｇｅｔａｔｉｏｎａｎｄｓｏｉｌｆｒａｃｔｉｏｎａｌｃｏｖｅｒｕｓｉｎｇ
ＭＯＤＩＳｎｏｒｍａｌｉｚｅｄＢＲＤＦ ａｄｊｕｓｔｅｄｒｅｆｌｅｃｔａｎｃｅｄａｔａ［Ｊ］．Ｒｅｍｏｔｅ
ＳｅｎｓＥｎｖｉｒｏｎ，２０１３，１３０：２６６－２７９．ＤＯＩ：１０．１０１６／ｊ．ｒｓｅ．２０１２．
１１．０２１．
［６］ＫＯＲＨＯＮＥＮＬ，ＫＯＲＨＯＮＥＮＫＴ，ＲＡＵＴＩＡＩＮＥＮＭ，ｅｔａｌ．Ｅｓ ｔｉｍａｔｉｏｎｏｆｆｏｒｅｓｔｃａｎｏｐｙｃｏｖｅｒ：ａｃｏｍｐａｒｉｓｏｎｏｆｆｉｅｌｄ
ｍｅａｓｕｒｅｍｅｎｔｔｅｃｈｎｉｑｕｅｓ［Ｊ］．ＳｉｌｖａＦｅｎｎ，２００６，４０（４）：５７７－
５８８．ＤＯＩ：１０．１４２１４／ｓｆ．３１５．
［７］ＰＡＬＥＴＴＯＡ，ＴＯＳＩＶ．Ｆｏｒｅｓｔｃａｎｏｐｙｃｏｖｅｒａｎｄｃａｎｏｐｙｃｌｏｓｕｒｅ：ｃｏｍｐａｒｉｓｏｎｏｆａｓｓｅｓｓｍｅｎｔｔｅｃｈｎｉｑｕｅｓ［Ｊ］．ＥｕｒＪＦｏｒｅｓｔＲｅｓ，
２００９，１２８（３）：２６５－２７２．ＤＯＩ：１０．１００７／ｓ１０３４２－００９－０２６２－ｘ．［８］Ｏ ＢＲＩＥＮＲＡ．Ｃｏｍｐａｒｉｓｏｎｏｆｏｖｅｒｓｔｏｒｙｃａｎｏｐｙｃｏｖｅｒｅｓｔｉｍａｔｅｓｏｎ
ｆｏｒｅｓｔｓｕｒｖｅｙｐｌｏｔｓ［Ｊ］．ＵｓｄａｆｏｒＳｅｒｖＩｎｔＲｅｓＰａｐ，１９８９，１９８９
（４１７）：１－５．
［９］ＬＩＪＲ，ＭＡＯＸＧ．Ｃｏｍｐａｒｉｓｏｎｏｆｃａｎｏｐｙｃｌｏｓｕｒｅｅｓｔｉｍａｔｉｏｎｏｆｐｌａｎｔａｔｉｏｎｓｕｓｉｎｇｐａｒａｍｅｔｒｉｃ，ｓｅｍｉ ｐａｒａｍｅｔｒｉｃ，ａｎｄｎｏｎ
ｐａｒａｍｅｔｒｉｃｍｏｄｅｌｓｂａｓｅｄｏｎＧＦ １ｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓ［Ｊ］．
Ｆｏｒｅｓｔｓ，２０２０，１１（５）：５９７．ＤＯＩ：１０．３３９０／ｆ１１０５０５９７．［１０］ＡＨＭＥＤＯＳ，ＦＲＡＮＫＬＩＮＳＥ，ＷＵＬＤＥＲＭＡ，ｅｔａｌ．Ｃｈａｒａｃ
ｔｅｒｉｚｉｎｇｓｔａｎｄ ｌｅｖｅｌｆｏｒｅｓｔｃａｎｏｐｙｃｏｖｅｒａｎｄｈｅｉｇｈｔｕｓｉｎｇＬａｎｄｓａｔ
ｔｉｍｅｓｅｒｉｅｓ，ｓａｍｐｌｅｓｏｆａｉｒｂｏｒｎｅＬｉＤＡＲ，ａｎｄｔｈｅＲａｎｄｏｍＦｏｒｅｓｔ
ａｌｇｏｒｉｔｈｍ［Ｊ］．ＩＳＰＲＳＪＰｈｏｔｏｇｒａｍＲｅｍｏｔｅＳｅｎｓ，２０１５，１０１：８９－
１０１．ＤＯＩ：１０．１０１６／ｊ．ｉｓｐｒｓｊｐｒｓ．２０１４．１１．００７．
［１１］ＭＡＲＶＩＮＤＣ，ＡＳＮＥＲＧＰ，ＳＣＨＮＩＴＺＥＲＳＡ．Ｌｉａｎａｃａｎｏｐｙｃｏｖｅｒｍａｐｐｅｄｔｈｒｏｕｇｈｏｕｔａｔｒｏｐｉｃａｌｆｏｒｅｓｔｗｉｔｈｈｉｇｈ ｆｉｄｅｌｉｔｙ
ｉｍａｇｉｎｇｓｐｅｃｔｒｏｓｃｏｐｙ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓＥｎｖｉｒｏｎ，２０１６，１７６：
９８－１０６．ＤＯＩ：１０．１０１６／ｊ．ｒｓｅ．２０１５．１２．０２８．
［１２］ＧＵＮＬＵＡ，ＢＡＳＫＥＮＴＥＺ．Ｅｓｔｉｍａｔｉｎｇｃｒｏｗｎｃｌｏｓｕｒｅｏｆｆｏｒｅｓｔｓｔａｎｄｓｕｓｉｎｇｌａｎｄｓａｔｔｍｄａｔａ：ａｃａｓｅｓｔｕｄｙｆｒｏｍＴｕｒｋｅｙ［Ｊ］．Ｅｎｖｉ
ｒｏｎＥｎｇＭａｎａｇＪ，２０１５，１４（１）：１８３－１９３．ＤＯＩ：１０．３０６３８／
ｅｅｍｊ．２０１５．０１９．
［１３］ＴＯＮＧＳＱ，ＺＨＡＮＧＪＱ，ＨＡＳ，ｅｔａｌ．Ｄｙｎａｍｉｃｓｏｆｆｒａｃｔｉｏｎａｌｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅａｎｄｉｔｓｒｅｌａｔｉｏｎｓｈｉｐｗｉｔｈｃｌｉｍａｔｅａｎｄｈｕｍａｎ
ａｃｔｉｖｉｔｉｅｓｉｎＩｎｎｅｒＭｏｎｇｏｌｉａ，Ｃｈｉｎａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓ，２０１６，８
（９）：７７６．ＤＯＩ：１０．３３９０／ｒｓ８０９０７７６．
［１４］ＸＩＡＯＱ，ＴＡＯＪＰ，ＸＩＡＯＹ，ｅｔａｌ．Ｍｏｎｉｔｏｒｉｎｇｖｅｇｅｔａｔｉｏｎｃｏｖｅｒ
ｉｎＣｈｏｎｇｑｉｎｇｂｅｔｗｅｅｎ２００１ａｎｄ２０１０ｕｓｉｎｇｒｅｍｏｔｅｓｅｎｓｉｎｇｄａｔａ
［Ｊ］．ＥｎｖｉｒｏｎＭｏｎｉｔＡｓｓｅｓｓ，２０１７，１８９（１０）：４９３．ＤＯＩ：１０．
１００７／ｓ１０６６１－０１７－６２１０－１．
［１５］ＴＡＮＧＬ，ＨＥＭＺ，ＬＩＸＲ．Ｖｅｒｉｆｉｃａｔｉｏｎｏｆｆｒａｃｔｉｏｎａｌｖｅｇｅｔａｔｉｏｎ
ｃｏｖｅｒａｇｅａｎｄＮＤＶＩｏｆｄｅｓｅｒｔｖｅｇｅｔａｔｉｏｎｖｉａＵＡＶＲＳｔｅｃｈｎｏｌｏｇｙ
［Ｊ］．ＲｅｍｏｔｅＳｅｎｓ，２０２０，１２（１１）：１７４２．ＤＯＩ：１０．
３３９０／ｒｓ１２１１１７４２．
［１６］ＦＥＮＧＬＬ，ＪＩＡＺＱ，ＬＩＱＸ，ｅｔａｌ．ＳｐａｔｉｏｔｅｍｐｏｒａｌｃｈａｎｇｅｏｆｓｐａｒｓｅｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅｉｎｎｏｒｔｈｅｒｎＣｈｉｎａ［Ｊ］．ＪＩｎｄｉａｎＳｏｃ
ＲｅｍｏｔｅＳｅｎｓ，２０１９，４７（２）：３５９－３６６．ＤＯＩ：１０．１００７／ｓ１２５２４－
０１８－０９１２－ｘ．
［１７］ＪＡＣＱＵＥＭＯＵＤＳ．ＩｎｖｅｒｓｉｏｎｏｆｔｈｅＰＲＯＳＰＥＣＴ＋ＳＡＩＬｃａｎｏｐｙｒｅ
ｆｌｅｃｔａｎｃｅｍｏｄｅｌｆｒｏｍＡＶＩＲＩＳｅｑｕｉｖａｌｅｎｔｓｐｅｃｔｒａ：ｔｈｅｏｒｅｔｉｃａｌｓｔｕｄｙ
［Ｊ］．ＲｅｍｏｔｅＳｅｎｓＥｎｖｉｒｏｎ，１９９３，４４（２／３）：２８１－２９２．ＤＯＩ：
１０．１０１６／００３４－４２５７（９３）９００２２－Ｐ．
［１８］谷成燕，杜华强，周国模，等．基于ＰＲＯＳＡＩＬ辐射传输模型的毛竹林叶面积指数遥感反演［Ｊ］．应用生态学报，２０１３，２４
（８）：２２４８－２２５６．ＧＵＣＹ，ＤＵＨＱ，ＺＨＯＵＧＭ，ｅｔａｌ．Ｒｅ
ｔｒｉｅｖａｌｏｆｌｅａｆａｒｅａｉｎｄｅｘｏｆＭｏｓｏｂａｍｂｏｏｆｏｒｅｓｔｗｉｔｈＬａｎｄｓａｔＴｈｅ
ｍａｔｉｃＭａｐｐｅｒｉｍａｇｅｂａｓｅｄｏｎＰＲＯＳＡＩＬｃａｎｏｐｙｒａｄｉａｔｉｖｅｔｒａｎｓｆｅｒ
ｍｏｄｅｌ［Ｊ］．ＣｈｉｎＪＡｐｐｌＥｃｏｌ，２０１３，２４（８）：２２４８－２２５６．ＤＯＩ：
１０．１３２８７／ｊ．１００１－９３３２．２０１３．０３８３．
［１９］ＧＵＣＹ，ＤＵＨＱ，ＭＡＯＦＪ，ｅｔａｌ．ＧｌｏｂａｌｓｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓｏｆＰＲＯＳＡＩＬｍｏｄｅｌｐａｒａｍｅｔｅｒｓｗｈｅｎｓｉｍｕｌａｔｉｎｇＭｏｓｏｂａｍｂｏｏｆｏｒｅｓｔ
ｃａｎｏｐｙｒｅｆｌｅｃｔａｎｃｅ［Ｊ］．ＩｎｔＪＲｅｍｏｔｅＳｅｎｓ，２０１６，３７（２１／２２）：
５２７０－５２８６．ＤＯＩ：１０．１０８０／０１４３１１６１．２０１６．１２３９２８７．
［２０］ＬＩＸ，ＳＴＲＡＨＬＥＲＡＨ．Ｇｅｏｍｅｔｒｉｃ ｏｐｔｉｃａｌｂｉｄｉｒｅｃｔｉｏｎａｌｒｅｆｌｅｃｔａｎｃｅｍｏｄｅｌｉｎｇｏｆｔｈｅｄｉｓｃｒｅｔｅｃｒｏｗｎｖｅｇｅｔａｔｉｏｎｃａｎｏｐｙ：ｅｆｆｅｃｔｏｆｃｒｏｗｎｓｈａｐｅａｎｄｍｕｔｕａｌｓｈａｄｏｗｉｎｇ［Ｊ］．ＩＥＥＥＴｒａｎｓ
ＧｅｏｓｃｉＲｅｍｏｔｅＳｅｎｓ，１９９２，３０（２）：２７６－２９２．ＤＯＩ：１０．１１０９／
３６．１３４０７８．
［２１］ＺＥＮＧＹ，ＳＣＨＡＥＰＭＡＮＭＥ，ＷＵＢＦ，ｅｔａｌ．Ｓｃａｌｉｎｇ ｂａｓｅｄｆｏｒ ｅｓｔｓｔｒｕｃｔｕｒａｌｃｈａｎｇｅｄｅｔｅｃｔｉｏｎｕｓｉｎｇａｎｉｎｖｅｒｔｅｄｇｅｏｍｅｔｒｉｃ ｏｐｔｉｃａｌ
ｍｏｄｅｌｉｎｔｈｅＴｈｒｅｅＧｏｒｇｅｓｒｅｇｉｏｎｏｆＣｈｉｎａ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓＥｎ
ｖｉｒｏｎ，２００８，１１２（１２）：４２６１－４２７１．ＤＯＩ：１０．１０１６／ｊ．ｒｓｅ．２００８．
０７．００７．
［２２］ＣＨＥＮＪＭ，ＣＩＨＬＡＲＪ．Ｐｌａｎｔｃａｎｏｐｙｇａｐ ｓｉｚｅａｎａｌｙｓｉｓｔｈｅｏｒｙｆｏｒｉｍｐｒｏｖｉｎｇｏｐｔｉｃａｌｍｅａｓｕｒｅｍｅｎｔｓｏｆｌｅａｆ ａｒｅａｉｎｄｅｘ［Ｊ］．ＡｐｐｌＯｐｔ，
１９９５，３４（２７）：６２１１－６２２２．ＤＯＩ：１０．１３６４／ＡＯ．３４．００６２１１．［２３］ＣＨＥＮＪＭ，ＬＥＢＬＡＮＣＳＧ．Ａｆｏｕｒ ｓｃａｌｅｂｉｄｉｒｅｃｔｉｏｎａｌｒｅｆｌｅｃｔａｎｃｅ
ｍｏｄｅｌｂａｓｅｄｏｎｃａｎｏｐｙａｒｃｈｉｔｅｃｔｕｒｅ［Ｊ］．ＩＥＥＥＴｒａｎｓＧｅｏｓｃｉＲｅ
ｍｏｔｅＳｅｎｓ，１９９７，３５（５）：１３１６－１３３７．ＤＯＩ：１０．１１０９／
３６．６２８７９８．
［２４］ＶＥＲＳＴＲＡＥＴＥＭＭ，ＰＩＮＴＹＢ，ＭＹＮＥＮＩＲＢ．Ｐｏｔｅｎｔｉａｌａｎｄｌｉｍｉｔａｔｉｏｎｓｏｆｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎｏｎｔｈｅｔｅｒｒｅｓｔｒｉａｌｂｉｏｓｐｈｅｒｅ
ｆｒｏｍｓａｔｅｌｌｉｔｅｒｅｍｏｔｅｓｅｎｓｉｎｇ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓＥｎｖｉｒｏｎ，１９９６，５８
（２）：２０１－２１４．ＤＯＩ：１０．１０１６／Ｓ００３４－４２５７（９６）０００６９－７．［２５］ＣＨＥＮＪＭ．Ｃａｎｏｐｙａｒｃｈｉｔｅｃｔｕｒｅａｎｄｒｅｍｏｔｅｓｅｎｓｉｎｇｏｆｔｈｅｆｒａｃｔｉｏｎｏｆｐｈｏｔｏｓｙｎｔｈｅｔｉｃａｌｌｙａｃｔｉｖｅｒａｄｉａｔｉｏｎａｂｓｏｒｂｅｄｂｙｂｏｒｅａｌｃｏｎｉｆｅｒ
ｆｏｒｅｓｔｓ［Ｊ］．ＩＥＥＥＴｒａｎｓＧｅｏｓｃｉＲｅｍｏｔｅＳｅｎｓ，１９９６，３４（６）：
１３５３－１３６８．ＤＯＩ：１０．１１０９／３６．５４４５５９．
［２６］孙振峰，张晓丽，李霓雯．机载与星载高分遥感影像单木树冠分割方法和适宜性对比［Ｊ］．北京林业大学学报，２０１９，４１
（１１）：６６－７５．ＳＵＮＺＦ，ＺＨＡＮＧＸＬ，ＬＩＮＷ．Ｃｏｍｐａｒｉｓｏｎｏｆ
ｉｎｄｉｖｉｄｕａｌｔｒｅｅｃｒｏｗｎｅｘｔｒａｃｔｉｏｎｍｅｔｈｏｄａｎｄｓｕｉｔａｂｉｌｉｔｙｏｆａｉｒｂｏｒｎｅ
ａｎｄｓｐａｃｅｂｏｒｎｅｈｉｇｈ ｒｅｓｏｌｕｔｉｏｎｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓ［Ｊ］．ＪＢｅｉ
ｊｉｎｇＦｏｒＵｎｉｖ，２０１９，４１（１１）：６６－７５．ＤＯＩ：１０．１３３３２／ｊ．１０００－
１５２２．２０１８０４４６．
［２７］ＰＵＲＬ，ＧＯＮＧＰ，ＹＵＱ．ＣｏｍｐａｒａｔｉｖｅａｎａｌｙｓｉｓｏｆＥＯ １ＡｌｉａｎｄＨｙｐｅｒｉｏｎ，ａｎｄＬａｎｄｓａｔＥＴＭ＋Ｄａｔａｆｏｒｍａｐｐｉｎｇｆｏｒｅｓｔｃｒｏｗｎｃｌｏ
ｓｕｒｅａｎｄｌｅａｆａｒｅａｉｎｄｅｘ［Ｊ］．Ｓｅｎｓｏｒｓ（Ｂａｓｅｌ），２００８，８（６）：
３７４４－３７６６．ＤＯＩ：１０．３３９０／ｓ８０６３７４４．
［２８］ＰＵＲＬ，ＧＯＮＧＰ．ＷａｖｅｌｅｔｔｒａｎｓｆｏｒｍａｐｐｌｉｅｄｔｏＥＯ １ｈｙｐｅｒｓｐｅｃ ｔｒａｌｄａｔａｆｏｒｆｏｒｅｓｔＬＡＩａｎｄｃｒｏｗｎｃｌｏｓｕｒｅｍａｐｐｉｎｇ［Ｊ］．Ｒｅｍｏｔｅ
ＳｅｎｓＥｎｖｉｒｏｎ，２００４，９１（２）：２１２－２２４．ＤＯＩ：１０．１０１６／ｊ．ｒｓｅ．
２００４．０３．００６．
［２９］刘婧怡，汤旭光，常守志，等．森林叶面积指数遥感反演模型构建及区域估算［Ｊ］．遥感技术与应用，２０１４，２９（１）：１８－
２５．ＬＩＵＪＹ，ＴＡＮＧＸＧ，ＣＨＡＮＧＳＺ，ｅｔａｌ．Ａｐｐｌｉｃａｔｉｏｎｏｆｒｅ
ｍｏｔｅｓｅｎｓｉｎｇｔｏｉｎｖｅｒｓｅｔｈｅｆｏｒｅｓｔｌｅａｆａｒｅａｉｎｄｅｘａｎｄｒｅｇｉｏｎａｌｅｓｔｉ
ｍａｔｉｏｎ［Ｊ］．ＲｅｍｏｔｅＳｅｎｓＴｅｃｈｎｏｌＡｐｐｌ，２０１４，２９（１）：１８－２５．
ＤＯＩ：１０．１１８７３／ｊ．ｉｓｓｎ．１００４－０３２３．２０１４．１．００１８．
［３０］ＺＨＡＯＪ，ＬＩＪ，ＬＩＵＱＨ，ｅｔａｌ．Ｅｓｔｉｍａｔｉｎｇｆｒａｃｔｉｏｎａｌｖｅｇｅｔａｔｉｏｎｃｏｖｅｒｆｒｏｍｌｅａｆａｒｅａｉｎｄｅｘａｎｄｃｌｕｍｐｉｎｇｉｎｄｅｘｂａｓｅｄｏｎｔｈｅｇａｐ
ｐｒｏｂａｂｉｌｉｔｙｔｈｅｏｒｙ［Ｊ］．ＩｎｔＪＡｐｐｌＥａｒｔｈＯｂｓＧｅｏｉｎｆｏｒｍａｔｉｏｎ，
２０２０，９０：１０２－１１２．ＤＯＩ：１０．１０１６／ｊ．ｊａｇ．２０２０．１０２１１２．［３１］ＸＩＡＯＺＱ，ＷＡＮＧＴＴ，ＬＩＡＮＧＳＬ，ｅｔａｌ．Ｅｓｔｉｍａｔｉｎｇｔｈｅｆｒａｃ
ｔｉｏｎａｌｖｅｇｅｔａｔｉｏｎｃｏｖｅｒｆｒｏｍＧＬＡＳＳｌｅａｆａｒｅａｉｎｄｅｘｐｒｏｄｕｃｔ［Ｊ］．
ＲｅｍｏｔｅＳｅｎｓ，２０１６，８（４）：３３７．ＤＯＩ：１０．３３９０／ｒｓ８０４０３３７．
（责任编辑　李燕文）
０３。