劉婷 包廣道 張大偉 何懷江 羅也 張忠輝

摘 要：以0.8 m的GF-2衛(wèi)星影像為主要數(shù)據(jù)源，根據(jù)防護(hù)林特有植被指數(shù)特征，研究GF-2遙感影像通過(guò)植被指數(shù)快速提取防護(hù)林的方法。通過(guò)樣本點(diǎn)特征分析和對(duì)比分析分別確定比值植被指數(shù)（RVI）、差值植被指數(shù)（DVI）和歸一化差值植被指數(shù)（NDVI）的提取閾值，輔助Landsat8 OLI影像做掩膜去除建設(shè)用地中林地的干擾信息，對(duì)影像做二值化處理，分別得到3種植被指數(shù)防護(hù)林的提取結(jié)果。研究結(jié)果表明，用RVI、DVI以及NDVI分類的林帶識(shí)別總體精度分別為89.2%、90.4%和88.3%，均在85%以上，說(shuō)明這三種方法都可以較精確地提取防護(hù)林信息，其中采用DVI的方法提取效果相對(duì)較好，同時(shí)在林帶交錯(cuò)及林帶間距較小時(shí)，DVI可提供更為豐富的細(xì)節(jié)信息，有助于林帶信息的精準(zhǔn)識(shí)別。本研究可在大尺度下為東北地區(qū)防護(hù)林的現(xiàn)狀監(jiān)測(cè)及評(píng)價(jià)提供科學(xué)支撐。

關(guān)鍵詞：防護(hù)林;植被指數(shù);GF-2;遙感;信息提取

中圖分類號(hào)：S127 ; S757; F301.21 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1006-8023（2018）06-0013-07

Research on Rapid Extraction of Shelter Forest Using GF-2 Images Based on Vegetation Indices

LIU Ting， BAO Guangdao*， ZHANG Dawei， HE Huaijiang， LUO Ye， ZHANG Zhonghui

（Jilin Provincial Academy of Forestry Sciences， Changchun 130033）

Abstract： In this study， 0.8 m GF-2 satellite image was taken as the main data source. According to the vegetation index characteristics of shelter forest， the method of GF-2 remote sensing image to quickly extract shelter forest through vegetation index was studied. The extraction thresholds of the ratio vegetation index （RVI）， the difference vegetation index （DVI） and the normalized difference vegetation index （NDVI） were determined by sample point feature analysis and comparative analysis， respectively. The Landsat8 OLI image was used as a mask to remove the interference information of the forest land in the construction land， and the image was binarized to obtain the extraction results of the three vegetation indexes of the shelter forest. The results show that the overall accuracy of forest belt identification using RVI， DVI and NDVI are 89.2%， 90.4% and 88.3%， respectively， both are above 85%， indicating that these three methods can extract the information of shelter forest very accurately. Among them， DVI method has relatively accurate extraction result， and it can provide more detailed information when the forest belt is interlaced and the forest belt spacing is small， which is helpful for the accurate identification of forest belt information. This study can provide scientific support for the monitoring of current status and remote sensing inversion of large-scale shelterbelts in Northeast China.

Keywords： Shelter forest; vegetation index; GF-2; remote sensing; information extraction

0 引言

防護(hù)林是指以防護(hù)效應(yīng)作為基本經(jīng)營(yíng)目的，由人工林和天然林組成的森林總稱[1]。防護(hù)林可為生態(tài)較為脆弱地區(qū)的經(jīng)濟(jì)環(huán)境、土地資源、農(nóng)業(yè)生產(chǎn)、畜牧養(yǎng)殖，建筑設(shè)施和居住環(huán)境提供保護(hù)，防止或減輕所保護(hù)地區(qū)的自然災(zāi)害，或避免不利因素的損害和干擾[2-3]，對(duì)提高作物產(chǎn)量和增強(qiáng)氣候變化下的穩(wěn)定性具有潛在優(yōu)勢(shì)，降低非農(nóng)投入水平[4]，為社會(huì)提供多種的外部效益[5]。常規(guī)的防護(hù)林調(diào)查和識(shí)別方法一般以高成本、費(fèi)時(shí)、費(fèi)力的野外實(shí)地調(diào)查和遙感影像人工解譯為主。由于遙感技術(shù)具有宏觀、綜合、動(dòng)態(tài)和快速等特點(diǎn)，可快速提供大范圍空間數(shù)據(jù)，而逐漸被廣泛應(yīng)用于林業(yè)動(dòng)態(tài)監(jiān)測(cè)和制圖中，目前已成為防護(hù)林調(diào)查的主要技術(shù)手段。隨著遙感技術(shù)的快速發(fā)展，時(shí)間、空間和光譜分辨率的不斷提高，傳統(tǒng)方法逐漸無(wú)法滿足實(shí)際工作對(duì)調(diào)查效率的需求，簡(jiǎn)單、快速、精準(zhǔn)的防護(hù)林識(shí)別方法，能夠減少人力物力投入，增加調(diào)查效率、提高調(diào)查精度。

早期應(yīng)用遙感技術(shù)對(duì)防護(hù)林的研究主要以中低分辨率的Landsat TM/ETM+[6-9]為主，隨后，高分辨率遙感衛(wèi)星逐漸得到應(yīng)用，應(yīng)用較多的是基于ZY-3[10-11]、SPOT5[12-13]、QuickBird[14]和Geo-eye[8，15]開展的研究。在提取防護(hù)林的方法上，主要有實(shí)地測(cè)量法、人機(jī)交互解譯法、植被指數(shù)法[11，16]、面向?qū)ο蠓╗17-19]以及決策樹分類法[20]。現(xiàn)有防護(hù)林提取研究中，植被指數(shù)多采用NDVI和RVI，此次加入DVI方法，探尋各植被指數(shù)提取防護(hù)林的效果差異，應(yīng)用鮮有研究的國(guó)產(chǎn)高分辨率GF-2遙感影像為主要數(shù)據(jù)源，從而找出快速提取防護(hù)林空間分布信息的方法，為監(jiān)測(cè)與管理防護(hù)林提供數(shù)據(jù)支持，對(duì)后續(xù)防護(hù)林的維護(hù)與結(jié)構(gòu)調(diào)整提供依據(jù)，對(duì)促進(jìn)經(jīng)濟(jì)增產(chǎn)與生態(tài)平衡具有重要意義。

1 研究區(qū)概況

本研究選取德惠和農(nóng)安境內(nèi)的23.5 km×23.5 km （44°10′45′′ ～ 44°25′20′′N，125°15′54′′～ 125°36′50′′E）范圍為研究區(qū)域，如圖1所示。該地區(qū)地處松遼平原中部腹地，屬寒溫帶半濕潤(rùn)大陸性氣候，春季干燥少雨，風(fēng)害嚴(yán)重。是吉林省著名的商品糧基地。于建國(guó)初期開展防護(hù)林的營(yíng)造活動(dòng)，自1978年國(guó)務(wù)院作出開展建設(shè)“三北”防護(hù)林體系的決定以來(lái)，至今已形成比較完善的農(nóng)田林網(wǎng)化[21]。為當(dāng)?shù)厣鷳B(tài)環(huán)境、農(nóng)業(yè)生產(chǎn)和區(qū)域經(jīng)濟(jì)發(fā)展帶來(lái)了積極的作用與影響。

2 研究方法

2.1 遙感數(shù)據(jù)及預(yù)處理

采用GF-2衛(wèi)星遙感影像作為主要數(shù)據(jù)源，原始影像包括0.8 m的全色影像和3.2 m的4波段多光譜影像。為確保影像清晰，選擇云覆蓋少于影像總面積的10%;為區(qū)分耕地和防護(hù)林，影像獲取時(shí)間介于五月中旬至六月上旬。最終，選取接收時(shí)間為2015年5月15日的影像數(shù)據(jù)。通過(guò)ENVI5.5遙感處理軟件對(duì)GF-2遙感影像進(jìn)行輻射定標(biāo)、大氣校正、正射校正以及圖像融合等預(yù)處理工作，最終得到研究區(qū)0.8 m的多光譜遙感影像數(shù)據(jù)。此外，還選擇美國(guó)30 m空間分辨率的Landsat8 OLI遙感影像作為提取建設(shè)用地中林地掩膜信息的數(shù)據(jù)源，采集時(shí)間為2015年1月7日。

2.2 植被指數(shù)

根據(jù)植被對(duì)于可見(jiàn)光紅波段表現(xiàn)出強(qiáng)吸收、近紅外波段表現(xiàn)為高透射的光譜特性。將可見(jiàn)光紅波段和近紅外波段進(jìn)行組合，形成各種植被指數(shù)，可達(dá)到簡(jiǎn)單、有效的定量和定性對(duì)地表植被狀況進(jìn)行評(píng)價(jià)的目的。目前，已定義四十多種植被指數(shù)，并廣泛應(yīng)用在全球與區(qū)域土地覆蓋、植被分類和環(huán)境變化、干旱監(jiān)測(cè)等方面[22]。此次研究選取應(yīng)用比較廣泛的比值植被指數(shù)（RVI）、差值植被指數(shù)（DVI）和歸一化差值植被指數(shù)（NDVI）3種植被指數(shù)進(jìn)行快速防護(hù)林信息提取。

2.2.1 信息提取

基于研究區(qū)0.8 m GF-2的遙感影像分別計(jì)算RVI、DVI和NDVI。由于影像中存在一定的噪聲或離群值，使提取的植被指數(shù)的最大值、最小值、均值和標(biāo)準(zhǔn)差與實(shí)際情況的數(shù)值存在一定的偏差。為減弱噪聲和離群值對(duì)植被指數(shù)閾值判斷的影響[23]，此次研究基于統(tǒng)計(jì)學(xué)原理，對(duì)每個(gè)植被指數(shù)的提取值進(jìn)行統(tǒng)計(jì)，最終選取累計(jì)概率為[2%，98%]的置信區(qū)間，確定RVI、DVI和NDVI的取值范圍分別為 [0，5]、[-10，1800]和[-1，1]。并將各植被指數(shù)計(jì)算結(jié)果以2%的線性拉伸方式顯示，如圖2和圖3所示。

本次研究采用結(jié)合Landsat8 OLI遙感影像提取研究區(qū)的建設(shè)用地邊界，做掩膜處理去除建設(shè)用地中的植被干擾信息，建設(shè)用地邊界提取如圖5所示。根據(jù)研究區(qū)實(shí)際情況與遙感影像的光譜特征，結(jié)合研究目的將地物類型劃分為防護(hù)林、耕地、建設(shè)用地和水域4類，由于已做建設(shè)用地邊界掩膜處理，故研究區(qū)的地物類型為防護(hù)林、耕地和水域3類。

使用Arcgis軟件，在整個(gè)研究區(qū)每類地物隨機(jī)選取樣點(diǎn)，其中防護(hù)林236個(gè)，耕地233個(gè)，水域135個(gè)，總計(jì)604個(gè)樣點(diǎn)，如圖4所示。將選取的樣點(diǎn)與植被指數(shù)疊加，計(jì)算各個(gè)植被指數(shù)樣點(diǎn)的最大值、最小值、平均值以及標(biāo)準(zhǔn)差等特征值。

由表2可知，三種植被指數(shù)變化幅度最大的是DVI，NDVI變化幅度最小。在RVI、DVI和NDVI下，防護(hù)林與耕地均能得到較好的區(qū)分，但利用RVI和NDVI提取的防護(hù)林與水域均有部分區(qū)域重合。由于DVI對(duì)土壤背景的變化極為敏感，能較好地識(shí)別植被與水體，DVI對(duì)防護(hù)林的區(qū)分能力要稍優(yōu)于其他兩種植被指數(shù)。主要結(jié)合各地物在不同植被指數(shù)下的特征值分析，并通過(guò)對(duì)閾值進(jìn)行反復(fù)實(shí)驗(yàn)調(diào)整，當(dāng)防護(hù)林信息能被較為完善的提取，且耕地與水域的干擾相對(duì)最低時(shí)，最終確定各植被指數(shù)提取防護(hù)林信息的閾值。RVI為1.5、DVI為600以及NDVI為0.2。

通過(guò)閾值對(duì)研究區(qū)各植被指數(shù)影像圖做二值化處理，最終得到研究區(qū)防護(hù)林的分布影像圖，如圖6和圖7所示。

2.2.2 精度檢驗(yàn)

精度檢驗(yàn)方法包括野外實(shí)地調(diào)查驗(yàn)證數(shù)據(jù)、高分辨率遙感影像數(shù)據(jù)以及已有成果數(shù)據(jù)。全區(qū)驗(yàn)證采用在影像范圍內(nèi)隨機(jī)抽樣100個(gè)采點(diǎn)，并于2015年5月22日至 2015年5月28日進(jìn)行野外實(shí)地驗(yàn)證，記錄各采集點(diǎn)防護(hù)林狀態(tài)及相關(guān)周邊信息。

經(jīng)過(guò)檢驗(yàn)，通過(guò)RVI、DVI和NDVI 3種植被指數(shù)均能較好地快速提取防護(hù)林信息，準(zhǔn)確率分別為89.2%、90.4%和88.3%，均大于85%。其中，耕地的分類精度最高，分別為90.2%、92.5%和92.1%，均大于90%。防護(hù)林的精度次之，為88.5%、91.2%和86.6%。水域的分類精度最低，分別為85.3%、90.9%和83.7%。

3 結(jié)果與分析

本次研究選取由可見(jiàn)光紅波段與近紅外波段不同組合的三種常見(jiàn)植被指數(shù)RVI、DVI和NDVI，輔助Landsat 8 OLI遙感影像提取建設(shè)用地掩膜邊界去除居民地中的林木干擾信息，通過(guò)對(duì)各地物隨機(jī)選取采樣點(diǎn)提取植被指數(shù)特征值確定分割閾值，最終二值化獲得防護(hù)林信息的快速提取結(jié)果。

本研究選擇春季為研究時(shí)段，耕地處于裸土?xí)r，防護(hù)林與其他地物的特征差異比較明顯，易于進(jìn)行防護(hù)林的信息提取。為避免噪聲及離群值的影響，首先對(duì)植被指數(shù)進(jìn)行[2%，98%]的置信區(qū)間處理，RVI為[0，5]，DVI為[-10，1 800]，NDVI為[-1，1]。

在閾值選取時(shí)，充分考慮低閾值會(huì)導(dǎo)致少量耕地被誤分成防護(hù)林，同時(shí)較寬的防護(hù)林帶出現(xiàn)加粗、毛刺等現(xiàn)象。過(guò)高的閾值會(huì)使部分林帶提取不完整，造成林帶稀疏和幼齡林林帶遺漏現(xiàn)象的發(fā)生。通過(guò)分析各地物采樣點(diǎn)的植被指數(shù)特征值及多次驗(yàn)證，最終確定各植被指數(shù)的提取閾值，RVI為0.15，DVI為600，NDVI為0.2。

RVI、DVI和NDVI 3種植被指數(shù)在防護(hù)林的提取中均表現(xiàn)出較好的效果。在防護(hù)林和耕地的提取上，3種植被指數(shù)提取效果較為接近。在連片性好的耕地區(qū)域，防護(hù)林信息提取效果較好，反之則較差。由于研究區(qū)的水域多為窄線性或小面積目標(biāo)，不容易識(shí)別。DVI相較于RVI和NDVI具有較大的變化幅度，在防護(hù)林和水域的區(qū)分能力上能夠表現(xiàn)出更好的效果。林帶交錯(cuò)及林帶間距較小時(shí)，DVI也可提供更為豐富的細(xì)節(jié)信息，有效提高林帶信息的識(shí)別精度。

本研究提取的速度與成本明顯小于人工目視解譯。與現(xiàn)有的防護(hù)林自動(dòng)信息提取方法相比，本文采用的方法優(yōu)點(diǎn)主要有：①確定RVI、DVI和NDVI的置信區(qū)間，去除異常值對(duì)閾值選取的干擾;②使用Landsat 8 OLI遙感影像提取建設(shè)用地邊界做掩膜，去除建設(shè)用地中的林地干擾;③確定提取防護(hù)林的各植被指數(shù)閾值;④基于植被指數(shù)提取防護(hù)林信息的方法快速且準(zhǔn)確度較高，輔以人工目視判讀，將誤分的信息刪除或修改可得到更完善的結(jié)果。

4 討論

此次研究以GF-2為主要數(shù)據(jù)源，以德惠與農(nóng)安境內(nèi)23.5 km×23.5 km為研究區(qū)，提出不同植被指數(shù)下防護(hù)林的置信區(qū)間與提取閾值，其他數(shù)據(jù)源、時(shí)間段或研究區(qū)下植被指數(shù)的置信區(qū)間與提取閾值可能會(huì)略有不同。但本文提供了一種定量分析的方法和思路，可為相關(guān)研究提供科學(xué)的參考和借鑒。

基于3種植被指數(shù)提取的防護(hù)林信息精度均在85%以上，均可滿足大區(qū)域尺度下防護(hù)林狀態(tài)監(jiān)測(cè)的需要，且具有效率高、投入小的優(yōu)點(diǎn)。此次研究主要旨在提取與實(shí)際情況相符，且具有快速可操作的目的，所以未對(duì)存在一定長(zhǎng)度斷口不連續(xù)的林帶進(jìn)行形態(tài)學(xué)的膨脹、腐蝕等處理。針對(duì)不同的工作及研究需要，可酌情添加形態(tài)學(xué)手段以期獲得較連續(xù)和完整的林帶信息。通過(guò)分析發(fā)現(xiàn)提取的防護(hù)林信息會(huì)存在一定的線性不等加寬、毛刺等現(xiàn)象，針對(duì)這一問(wèn)題后期可綜合其他幾何與紋理特征做深入研究，分析其不同條件下的拉伸系數(shù)，進(jìn)一步提高防護(hù)林的提取精度。

本研究深化了遙感技術(shù)及植被指數(shù)在防護(hù)林監(jiān)測(cè)方面的研究，提升了防護(hù)林研究的技術(shù)水平，為防護(hù)林研究增加了新的方法和思路，為探索防護(hù)林的快速提取與監(jiān)測(cè)提供科學(xué)的依據(jù)。

【參 考 文 獻(xiàn)】

[1]ZAGAS T D，RAPTIS D I，ZAGAS D T. Identifying and mapping the protective forests of southeast Mt.Olympus as a tool for sustainable ecological and silvicultural planning，in a multi-purpose forest management framework[J].Ecological Engineering，2011，37（2）：286-293.

[2]BRANDLEJ R，HINTZDL. Agriculture，ecosystems and environment-special issue-proceedings of an international-symposium on windbreak technology-lincoln，nebraska-june 23-27，1986-preface[J].Agriculture Ecosystems & Environment，1988，22（3）：R9-R10.

[3]姜鳳岐，于占源，曾德慧，等.三北防護(hù)林呼喚生態(tài)文明[J].防護(hù)林科技，2013，28（5）：1-3.

JIANG F Q，YU Z Y，ZENG D H，et al.Three-north shelterbelt calls for ecological progress[J].Protection Forest Science and Technology，2013，28（5）：1-3.

[4]BRANDLE J R，HODGES L，ZHOU X H.Windbreaks in north American agricultural systems[J].Agroforestry Systems，2004，61（1-3）： 65-78.

[5] RIVEST D，VEZINA A. Maize yield patterns on the leeward side of tree windbreaks are site-specific and depend on rainfall conditions in eastern Canada[J].Agroforestry Systems，2015，89（2）：237-246.

[6]徐冠華，徐吉炎.再生資源遙感研究——“三北”防護(hù)林地區(qū)平泉遙感綜合調(diào)查的方法與實(shí)踐[M]北京：科學(xué)出版社.1988.

XU G H，XU J Y. Research on remote sensing of renewable resources - methods and practice of comprehensive survey Three-North shelterbelt by remote sensing in Pingquan[M]. Beijing： China Science Publishing， 1988.

[7]劉興漢，張柏.TM圖像在“三北”防護(hù)林遙感調(diào)查中的應(yīng)用：以吉林省西部為例[J].遙感技術(shù)動(dòng)態(tài)，1990，5（3） ：25-29.

LIU X H，ZHANG B. Application of TM image in remote sensing geological survey of Three-North shelterbelt： the west of Jilin province as an example[J]. Remote Sensing Technology Trends，1990，5（3）：25-29.

[8]王文娟，鄧榮鑫，李穎，等.TM與SPOT5數(shù)據(jù)對(duì)農(nóng)田防護(hù)林景觀評(píng)價(jià)影響的對(duì)比分析[J].東北林業(yè)大學(xué)學(xué)報(bào)，2011，39（9）：54-56.

WANG W J，DENG R X，LI Y，et al.Contrastive analysis of influences of TMand SPOT5 data on landscape assessment of farmland shelterbelts[J].Journal of Northeast Forestry University，2011，39（9）：54-56.

[9]鄧榮鑫，李穎，張樹文，等.基于TM影像的農(nóng)田防護(hù)林信息提取研究[J].農(nóng)業(yè)系統(tǒng)科學(xué)與綜合研究，2011，27（1） ：12-16.

DENG R X，LI Y，ZHANG S. Research on extracting information of shelterbelt based on TM remote sensing images[J].System Sciences and Comprehensive Studies in Agriculture，2011，27（1）：12-16.

[10]扈晶晶.基于HJ-1和ZY-3遙感圖像的農(nóng)田防護(hù)林信息提取研究[D].北京：北京林業(yè)大學(xué)，2014.

HU J J. The farmland shelterbelts extraction based on HJ-1 and ZY-3 satellite images[D].Beijing： Beijing Forestry University，2014.

[11]幸澤峰，李穎，鄧榮鑫，等.基于ZY-3影像的農(nóng)田防護(hù)林自動(dòng)提取[J].林業(yè)科學(xué)，2016，52（4） ：11-20.

XING Z F，LI Y，DENG R X，et al.Extracting farmland shelterbelt automatically based on ZY-3 remote sensing images[J].Scientia Silvae Sinicae，2016，52（4）：11-20.

[12]張艷，郭彥茹，張曉勉，等.基于SPOT-5的岱山島沿海防護(hù)林動(dòng)態(tài)監(jiān)測(cè)[J].浙江林業(yè)科技，2013，33（5）：62-66.

ZHANG Y，GUO Y R，ZHANG X M，et al.Dynamic changes of coastal protective forests on Daishan island from SPOT5 imagery[J]. Journal of Zhejiang forestry Science&Technology， 2013，33（5）：62-66.

[13]鄭曉，朱教君.基于多元遙感影像的三北地區(qū)片狀防護(hù)林面積估算[J].應(yīng)用生態(tài)學(xué)報(bào)，2013，24（8） ：2257-2264.

ZHENG X，ZHU J J.Estimation of shelter forest area in Three-North shelter forest program region based on multi-sensor remote sensing data[J].Chinese Journal of Applied Ecology，2013，24（8）：2257-2264.

[14]CZEREPOWICZ L，CASE B S，DOSCHER C. Using satellite image data to estimate aboveground shelterbelt carbon stocks across an agricultural landscape[J].Agriculture Ecosystems & Environment，2012，156（6）：142-150.

[15]呂雅慧，張超，鄖文聚，等.高分辨率遙感影像農(nóng)田林網(wǎng)自動(dòng)識(shí)別[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2018，49（1） ：157-163.

LV Y H，ZHANG C，YUN W J，et al.Automatic recognition of farmland shelterbelts in high spatial resolution remote sensing data[J]. Transactions of the Chinese Society for Agricultural Machinery，2018，49（1）：157-163.

[16] 張春桂，朱曉鈴，陳惠，等.福建沿海防護(hù)林資源的衛(wèi)星遙感監(jiān)測(cè)[J].中國(guó)農(nóng)業(yè)氣象，2007，28（4） ：446-449.

ZHANG C G，ZHU X L，CHEN H，et al.A study on monitoring of Littoral shelter forest by remote sensing in Fujian[J].Chinese Journal of Agrometrorology， 2007，28（4）：446-449.

[17]梁文海，劉吉?jiǎng)P，張偉，等.基于面向?qū)ο蠓椒ǖ腉F-2影像桉樹林信息提取[J].浙江農(nóng)林大學(xué)學(xué)報(bào)，2017，34（4） ：721-729.

LIANG W H，LIU J K，ZHANG W，et al.Extracting eucalyptus information using GF-2 images based on an object-oriented method[J].Journal of Zhejiang A&F University，34（4）：721-729.

[18]尹毅.基于對(duì)象分析方法的人工防護(hù)林分布格局及其變化研究[D].蘭州：蘭州大學(xué)，2014.

YIN Y.Study on the spatial pattern and evolution of protective forest plantation using object-based image analysis[D]. Lanzhou： Lanzhou University，2014.

[19]GHIMIRE K，DULIN M W，ATCHISON R L，et al. Identification of windbreaks in Kansas using object-based image analysis，GIS techniques and field survey[J].Agroforestry Systems，2014，88（5）： 865-875.

[20]周淑玲，徐涵秋.基于決策樹的泉州灣沿海防護(hù)林動(dòng)態(tài)變化研究[J].遙感技術(shù)與應(yīng)用，2011，26（5） ：619-626.

ZHOU S L，XU H Q.Study on dynamics ofcoastal protecting forest in Quanzhou bay based on decision tree classification[J].Remote Sensing Technology and Application，2011，26（5）：619-626.

[21] 郭濤，王成祖.三北防護(hù)林體系建設(shè)20年綜述[J].林業(yè)經(jīng)濟(jì)，1998（6）：1-13.

GUO T，WANG C Z.Review of twenty-year construction of Three-North protection forest project[J].Forestry Economics，1998（6）：1-13.

[22]陳明華，柴鵬，陳文祥，等.不同植被指數(shù)估算植被覆蓋度的比較研究[J].亞熱帶水土保持，2016，28（1） ：1-4.

CHEN M H，CHAI P，CHEN W X，et al.Comparative study on the estimation of the vegetation coverage by different vegetation index[J].Subtropical Soil and Water Conservation，2016，28（1）：1-4.

[23]李鈺溦，賈坤，魏香琴，等.中國(guó)北方地區(qū)植被覆蓋度遙感估算及其變化分析[J].國(guó)土資源遙感，2015，27（2） ：112-117.

LI Y W，JIA K，WEI X Q，et al. Fractional vegetation cover estimation in northern China and its change analysis[J].Remote Sensing for Land and Resources，2015，27（2）：112-117.