时间：2024-01-11 11:52:08
序论：在您撰写林业遥感技术时，参考他人的优秀作品可以开阔视野，小编为您整理的7篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。
【关键词】林业；遥感；森林资源
0 引言
遥感（Remote Sensing，RS）是20世纪60年展起来的一门集地学、生物学、航空航天、电磁波传输和图像处理等多学科交叉融合的新兴学科。遥感技术具有周期性观测和大面积覆盖获取地面信息的特点，可以提供一种实时、动态、综合性强的环境资源信息。遥感技术在林业中的应用被称为林业遥感技术，是指通过卫星和飞机对林业资源进行实时动态地监测，形成各种数据和信息，并通过综合分析处理为林业决策和发展提供服务。我国应用林业遥感技术已有二十多年的历史，取得了可喜的成绩，充分展现了遥感技术在林业中的巨大生命力[1]。
1 遥感技术在林业中的应用现状
遥感技术在林业中的应用非常广泛，主要包括以下几个方面：森林资源遥感调查、森林火灾遥感监测、森林病虫灾害遥感监测及林业资源遥感动态监测等。遥感技术在空间分辨率和光谱分辨率方面的提高，以及雷达遥感、航空遥感和无人遥感飞机的发展，为林业遥感提供了丰富的信息源，拓宽了林业遥感应用的深度和广度，给森林资源清查和监测工作带来了新的契机，为“数字林业”的顺利推广提供了强大的信息保证[2]。
1.1 林业遥感数据源
1.1.1 高空间分辨率遥感数据
林业遥感应用的主要数据源是光学遥感数据，如TM和SPOT等。TM数据具有较高的空间分辨率和光谱分辨率，且数据量大、信息丰富、成本较低，一直是林业遥感的主要信息源，但其30m的空间分辨率的应用精度并不令人满意。进行宏观森林资源监测时通常采用NOAA等中低分辨率数据，因为它们经济、实惠、待处理的信息量少，而且来源有保证，但随之而来的问题是在使用这种信息源时如何保持其精度。高分辨率卫星数据的出现，给林业遥感监测带来了希望，目前多用以IKONOS为代表的高分辨率的卫星影像展开对监测森林资源、工程造林质量、退耕还林效益等方面的研究。
1.1.2 高光谱遥感数据
高光谱遥感能够探测到具有细微光谱差异的各种物体，大大地改善了对植被的识别和分类精度。利用高光谱数据实行的混合光谱分解方法可以将森林郁闭度这个最终光谱单元信息提取出来，合理而真实地反映其在空间上的分布[3]，对于掌握森林结构与森林环境、加强森林生态系统管理具有重要意义。此外，高光谱遥感数据凭借大量的光谱信息，在森林分类与调查、森林资源变化信息提取、森林火灾监测、森林病虫害评估等方面起到了举足轻重的作用，为实时而科学的森林经营管理增添了一种新技术手段。
1.1.3 雷达遥感数据
一般情况下，地球有60%～70%被云层覆盖，可见光、红外技术在这种天气下难以获得有效数据，不能及时为林业行业提供数据支持。而合成孔径雷达（Synthetic Aperture Radar， SAR）具有全天时、全天候以及能够穿透掩盖物、较好反映地表结构信息的能力，为林业遥感提供了新的数据源，有效解决了上述问题。SAR遥感通过获取各种森林生物物理参数，被广泛用于识别森林类型、森林密度、年龄和监测森林生长、再生状况、森林砍伐、森林灾害以及估算森林的生物量、蓄积量，特别是对热带雨林砍伐监测，雷达几乎是唯一可以依赖的信息源[4]，这些信息有效提高了人们对森林资源的认识。
1.2 应用现状
1.2.1 森林资源遥感调查
森林资源遥感调查主要是通过野外调查和卫星图像的对照判读，进行森林类型判别，并用遥感数据与地面各种因子建立模型的定量表达，估计森林蓄积量和森林面积，利用多时相遥感影像监测森林覆盖率等。早在1954年，我国就创建了“森林航空测量调查大队”，首次建立了森林航空摄影、森林航空调查和地面综合调查相结合的森林调查技术体系[5]。
然而，过去我国森林资源规划设计调查主要是以航空照片和地形图为参考，制作外业调查手图，通过现场勾绘等手段完成林相图区划。这种传统的调查方式存在调查间隔期过长、调查人员投入多、劳动强度大、一次性经济投入大、出错机率大等问题，难以满足新时期的调查需求。自2003年起，高空间分辨率卫星影像写进森林资源规划设计调查规程，我国很多省区相继应用SPOT5数据进行了森林资源规划设计调查试点[6]，有效推动了林业资源调查数字化进程，促进了高空间分辨率卫星遥感技术的研发，相关研究内容主要包括蓄积量估测、树冠信息的提取方法、SPOT5影像用于小班区划的方法，并研发了基于高分辨遥感数据的小班区化系统[7]。高光谱遥感数据应用方面，主要开展了星载高光谱遥感数据的预处理、基于统计模型的森林郁闭度和叶面积指数估测、森林类型遥感识别方法、森林叶绿素含量的几何光学模型反演和机载高光谱数据的优势树种识别技术[8]等方面的研究。
1.2.2 森林火灾遥感监测
森林火灾是自然灾害中最为严重的一种，森林一旦发生火灾，不仅会使辛苦几十年培育的林木顷刻间化为灰烬，而且会对生态环境带来严重的负面影响。如果能及时监测、预报森林火灾，其带来的损失就会大大减小。早在20世纪50年代，我国林业行业就开展了利用航空遥感技术进行森林火灾监测的技术方法研究。到70年代末80年代初，美国的Landsat TM、NOAA等卫星数据逐步被我国相关专家学者应用于森林火灾监测的研究中，并在1987年大兴安岭特大森林火灾监测中发挥了非常重要的作用。
随着卫星遥感技术的深入发展与应用，我国科研人员不断地探讨利用遥感技术进行森林防火应用的研究，并取得了许多重要成果。尤其是“十五”以来，面对国内外不断面世的新型卫星遥感数据，我国学者解决了利用这些新型数据进行森林火灾预警监测的应用技术，如针对新出现的Terra/Aqua MODIS、ENVISAT-AATSR、ENVISAT-MERIS等卫星数据森林火灾预警监测应用技术需求，有效解决了森林火灾预警监测模型中可燃物类型的分类方法、植被因子的估测、小火点自动识别等方面的应用技术[9]；利用MODIS数据进行了森林火灾预警的应用方法；针对新型卫星数据林火信息快速提取的技术需求，建立完善了利用高性能平台森林火灾信息提取的技术系统。通过近20多年的技术突破，我国逐步研究形成了基于卫星遥感数据的森林火灾监测应用方法与技术系统，初步建立了基于航天、航空、望台（塔）以及与地面巡护相结合的森林火灾监测体系[10]；同时，还将海事卫星技术等应用于我国森林火灾的预防、监测及扑救工作中。我国国家森林防火指挥部卫星森林火灾监测系统从1995年应用至今，从以前单一的NOAA-AVHRR资料到后来综合应用NOAA、FY、MODIS等资料，逐步发展成为国家森林防火指挥部和各省市林业部门防火办森林火灾宏观监测的主要手段，并为扑救指挥提供了可靠的数据保障和技术支撑。
1.2.3 森林病虫灾害遥感监测
植物受到病虫害侵袭，会导致植物在各个波段上的波谱值发生变化。如植物在受到病虫灾害、人眼还不能感觉到时，其红外波段的光谱值就已发生了较大的变化。从遥感数据中提取这些变化的信息，分析病虫害的源地、灾情分布、和发展状况，可以为防治森林病虫害提供有效帮助。早在1978年，腾冲遥感综合试验就已开启了我国遥感技术监测森林病虫灾害的序幕。随着航天遥感技术的发展，“七五”末期、“八五”初期，我国科研人员以松毛虫等食叶害虫灾害为例，广泛开展了针对针叶损失率、松针生物量和灾害程度等遥感监测方法的研究，充分证明当森林植物遭受病虫灾害的侵袭时，其叶绿素、水分等便会急剧下降，叶黄素、叶红素等会提高，必然导致其反射率发生显著变化，此项研究结果为林业遥感病虫灾害监测提供了重要的科学依据。此外还发展了基于多种植被指数的病虫灾害信息提取技术[11]。
“八五”后期和“九五”期间，在国家众多科技项目的支持下，我国科研人员全面地开展了森林病虫灾害遥感监测预警技术的研究，建立了基于单时相和多时相卫星遥感数据的灾害信息提取技术路线，引进吸收了航空录像和航空电子勾绘等遥感监测技术方法，初步探索了天、空、地相结合的森林病虫灾害监测体系。并基于林业业务主管部门的预报、监测、灾害损失评估和决策支持需求，提出了森林病虫灾害的遥感、地理信息系统和全球定位系统技术集成应用模式[12]。最近十几年来，着重开展了基于遥感技术的森林病虫灾害监测专业应用系统的研发，并进行了生产性示范，以完善相关应用系统的可操作性和实用性，同时也展示了其指导森林病虫灾害调查情况的应用潜力[13]。
1.2.4 林业生态工程遥感监测评价
林业生态工程遥感监测评价技术就是利用遥感技术，在统一规划和设计的技术平台上，进行应用系统集成，为实现林业生态工程建设的信息资源共享和技术共享提供技术支持。早在1979年，国家就决定在我国西北、华北北部和东北西部风沙危害、水土流失严重的地区，建设大型防护林工程，即“三北”防护林工程。在“七五”期间，实施了重大遥感综合应用项目――“三北”防护林遥感综合调查研究。该项目主要采用了航天遥感技术对“三北”防护林地区的森林类型、面积、具体分布、保存率、草场的数量质量和分布、土地资源类型分布及数量和应用现状进行了综合调查，并建立了基于防护林生态效益的动态监测系统，对不同类型区的造林适宜性做出了分析评价以及对防护林的防护效益进行了评估，为“三北”地区的森林综合治理提供了可靠的数据分析资料[14]。2000年以来，国家先后启动了天然林资源保护、退耕还林工程等六大生态建设和造林工程。2004年开始的“国家林业生态工程重点区遥感监测评价项目”，利用了2003年至2011年期间的MODIS、Landsat-TM、SPOT5、QuickBird等多源卫星遥感数据，共对4个天然林资源保护工程监测区和8个退耕还林工程监测区进行了多期动态监测与评价。“十一五”期间，我国科研人员开展了天然林保护工程、重点防护林工程和京津风沙源治理工程的遥感监测技术研究，开发了“国家重点林业生态工程监测与管理系统”[15]，广泛地为林业生态工程管理提供技术支撑与服务，有效推动了林业生态工程遥感监测评价的发展。
3 展望
我国林业遥感技术的发展已有二十多年的历史，不仅做了大量的研究和实验工作、积累了丰富的资料和经验，还培养了一大批优秀的科研与应用工作者。但是，伴随新时期国家对林业的要求和林业自身的发展，目前的林业遥感技术仍然不能全面满足实际需要，因此，应进一步加强林业遥感技术与应用系统建设，逐步形成天、空、地一体化的林业遥感应用体系[16]。
3.1 建设林业遥感应用综合服务平台
目前国内除森林火灾监测系统应用低分辨率的遥感卫星进行业务运行以外，还没有应用中高分辨率的卫星建立起业务化的运行体系。为实现遥感技术在各类林业调查与监测业务中的广泛应用，形成业务化运行的能力，还需要开展一项重要的基础性、支撑性的设施建设工作，即林业遥感应用综合服务平台的建设。该平台应该建立面向林业遥感技术应用的集成环境，整合林业行业中与遥感技术应用密切相关的各类存储资源、数据资源、计算资源、软件资源和专家资源，逐步形成面向林业行业提供遥感数据的共享服务机制，并支撑林业遥感应用业务系统开发与运行服务的基础平台。该平台应具有能够支撑海量遥感数据存储、查询功能，具有基于网格的遥感数据应用处理和产品加工功能，以及对数据和产品的多层级分发与共享等强大功能。该平台的建设将大力促进森林资源调查、森林火灾、森林病虫灾害及林业生态建设工程的监测等林业遥感应用业务化运行系统的建立。
3.2 加快遥感与GIS、GPS的结合
遥感技术具有强大的数据获取能力，却在处理和分析这些数据时存在缺陷，地理信息系统（Geographic Information System，GIS）具有较为完善地空间数据综合分析处理平台，有效地解决了这一难题。概括起来，GIS在林业领域的应用研究内容主要有：森林资源信息管理、森林经营优化决策、森林分类经营区划、森林抽样设计、林业专题制图、林业采伐设计、营造林规划设计、森林资源管理网络等，极大地丰富了遥感数据的分析处理方法。同时全球定位系统（Global Positioning System， GPS）能够迅速准确地定位与导航，可以确定林业边界、地块、形状、海拔高度等，对实现“数字林业”具有重要意义[17]。因此，要加强遥感与GIS和GPS的结合，逐步形成以林业遥感为基础，以GPS为辅助手段，以GIS为综合处理方法的全方位林业服务体系，最终实现林业资源调查、规划、经营管理的数字化。
3.3 重视林业遥感教育和培训工作
任何一门学科的发展都离不开教育与培训工作。林业遥感作为一门高新技术，其发展一日千里，教育工作尤显重要。大学作为林业遥感教育和培训的主力军，不仅要开设全方位的林业遥感专业课程，而且要分层次，针对研究生、本科生和专科生开展不同的教学工作，为林业遥感培养大量的专业型人才和应用型人才。此外，还要充分发挥林业研究机构的作用，将科研成果及时有效地用于实践中。并加大对林业行业机构工作者的培训力度，全面提升我国林业工作者的专业技术水平。
4 结语
当前我国林业遥感的主要任务是以遥感技术为中心，提供信息获取与信息服务的手段，为林业建设决策提供监测与效益评价信息。林业行业应在国家林业资源与生态建设综合监测体系建设的基础上，大力推动林业遥感卫星、航空遥感平台、林业遥感信息产品标定等支撑平台的建设，不断完善林业遥感应用综合服务平台。同时应加快遥感与GIS、GPS的结合、重视林业遥感教育和培训工作，形成天、空、地一体化的综合监测模式，建立起林业遥感综合监测评价的业务运行体系，促进我国森林资源、森林火灾、森林病虫灾害和林业生态建设工程遥感监测与评价的业务化运行，为我国森林资源的管理和保护、林业生态建设的管理和决策等提供强有力的支撑。
【参考文献】
[1]王大勇，刘红润.浅谈遥感在我国林业中的应用[J].林业科技情报，2010，42（3）：31-33.
[2]史良树.遥感技术现状及其在林业中的应用[J].林业资源管理，2004，4（2）：50-52，63.
[3]谭炳香.高光谱遥感森林应用研究探讨[J].世界林业研究，2003，16（2）：33-38.
[4]魏钟铨.合成孔径雷达卫星[M].北京：科学出版社，2001.
[5]林辉，童显德，黄忠义.遥感技术在我国林业中的应用与展望[J].遥感信息，2002（1）：39-43.
[6]张煜星，等.基于SPOT数据的森林林相图更新技术研究[M].北京：中国林业出版社，2007.
[7]吴春争，冯益明，舒清态，等.基于高空间分辨率影像的林业小班遥感区划系统设计与实现[J].浙江农林大学学报，2011，28（1）：40-45.
[8]曾庆伟，武红敢.基于高光谱遥感技术的森林树种识别研究进展[J].林业资源管理，2009（5）：109-114.
[9]覃先林. 遥感与地理信息系统技术相结合的林火预警方法的研究[D].中国林业科学研究院，2005.
[10]吴雪琼，覃先林，李程，等.我国林火监测体系现状分析[J].内蒙古林业调查设计，2010，33（3）：69-72.
[11]武红敢.卫星遥感技术在森林病虫害监测中的应用[J].世界林业研究，1995，（2）： 24-29.
[12]郭志华，肖文发，张真，等.RS在森林病虫害监测研究中的应用[J].自然灾害学报，2003，12（4）：73-81.
[13]亓兴兰，刘健，陈国荣，等.应用MODIS遥感数据监测马尾松毛虫害研究[J].西南林学院学报，2010，30 （1）： 42-46.
[14]“三北”防护林遥感综合调查课题组.“三北”防护林遥感综合调查技术规程[M].北京：中国林业出版社，1988.
[15]陈永富，刘华，孟献策.国家重点林业生态工程监测与管理系统[M].北京：中国林业出版社，2011.
关键词:遥感技术 林业监测 应用要点
林业遥感技术是通过非接触性和非实地性的观测和记录林业的地理、生物、生态和其他信息,是现代做好林业监测、调查和信息获取的重要技术手段。应该在对遥感技术做出科学理解和认知的基础上,提高对林业遥感技术的重视程度,详细了解影响林业遥感技术效果的因素,明确林业遥感技术的特点,结合实际林业监测工作做好林业遥感技术的应用,提升林业监测的质量和水平,为实现林业事业又好又快发展服务。
1、遥感技术的概述
遥感技术,英文简称RS(是Remote Sensing的缩写),是一种通过非接触性和非实地性的观测和记录目标物,获取目标物体各种信息的一种技术。遥感技术在林业的应用可以称为林业遥感技术,是指通过卫星和飞机对林业资源进行监测和调查,形成对林业资源实时地和动态地监测,形成各种数据和信息,为林业决策和发展提供基础上和实施上的参考。
2、林业遥感技术的特点
2.1 林业遥感技术具有高效性
林业资源的在我国分布区域辽阔,应用林业遥感技术可以使国家有关部门在短时间里掌握大面积的林业资源状况及变化情况。
2.2 林业遥感技术具有层次性
要想提高林业资源调查和监测的精确程度和速度,就必须利用抽样技术,建立林业遥感技术不同高度的遥感平台,获得多层次遥感资料,在配合多阶抽样技术的前提下,有效提高林业资源调查和监测的速度和精度。
2.3 林业遥感技术具有动态性
林业资源的具有再生性和周期性的特点,决定了林业遥感技术必须保证林业资源信息监控和调查的动态性,实现多时相遥感和动态遥感。
2.4 林业遥感技术具有基础性
林业遥感技术得到的林业资源信息是定量的数据,方便林业资源管理、调查和监测,应该重点做好林业用地面积和森林蓄积量的定量监控工作,为林业资源调查和监测做好基础性工作。
2.5 林业遥感技术具有差异性
不同的传感器和不同的介质,接受和记录林业资源的属性不尽相同,为了林业规划的合理、林业生产的科学、林业监测的全面,必须提高林业遥感技术的差异性,将各种类型的信息接收和记录下来,以利于科学分析和综合利用。
3、遥感技术在林业监测中的应用要点
3.1 做好林业遥感技术在三个方面的应用工作
首先,做好对林业资源遥感资料的成图工作,林业资源的面积、土地类型的判定、制图和调绘是林业资源遥感技术的基础工作,也是其优势的主要方面,是林业监测的根本性工作。其次,做好木材蓄积量的估计工作,针对各地实际情况,开展有代表性的估量试验,为林业监测工作提供详尽的蓄积量信息。最后,做好林分调查因子的估计工作,加强林业遥感技术和传统监测技术的相互配合,对各种因子做以详细描述和准确记录。
3.2 做好林业遥感技术的信息共享工作
林业监测离不开林业信息的共享,林业遥感技术的信息共享是林业信息合作的重要措施,据相关林业文件报告显示,世界绝大多数国家已把遥感技术当作林业资源调查信息的主要获取手段。但各国调查方法差异很大,标准(如分类系统)也不相同,这就使资料失去可比性,影响信息共享。我国已经建立国家级的森林资源监测体系和监测项目,就是这方面很好的尝试,在林业资源分类方法与监测体系上与国际上进行了协调。这方面的工作有力地促进了各地林业信息和数据资源的共享,便于林业监测工作的开展和深入。
3.3 做好林业遥感信息的信息融合工作
随着科学技术的不断进步、社会的不断发展,对林业遥感信息源的多形式应用成为林业技术工作人员所面临的重要问题,如何做好林业遥感信息的融合工作,使信息来源多样化,信息加工多功能化,将不同系统和不同来源的信息融合成为一项值得关注的工作。随着信息源的多样化,人们总希望将各种信息源的优点集中在一起,而不是简单的叠加,这无疑是一项十分有意义的工作。目前,应该做好林业遥感信息与地理信息系统和全球卫星定位系统的融合工作,实现信息的无缝对接。
3.4 提高林业遥感数据的精度
林业应用航天遥感数据的一个重大障碍是当前运行的卫星传感器的空间分辨率低,导致现有信息源不能满足林业上的一些特殊要求,如树种的区分。当前信息源即使能区分树种组,由于大量的混杂像元存在,致使分类精度一直很低。随着高光谱技术的出现和发展,上述问题的解决有了可能。如树种区分,森林结构的表达,郁闭度及其它林分因子的测定等。高光谱是一个新的思路,它将原来仅有6~7个波段的区间,细分为更多的波段(如从400～2450m分为192个波段),目的在于建立窄光谱段与地物的直接对应关系,实现空中对地物的直接鉴别,尽管仍会有混杂与干扰,但通过多维光谱空间信息的分析,也能将林业的相关问题适当解决。
4、结语
综上所述,在林业监测工作中应用林业遥感技术是时代对林业整体工作的一项要求,林业技术人员应该明确林业遥感技术的概念,清楚林业遥感技术的特点,找到确实有效掌握林业遥感技术提升林业监测质量的方法,为林业的发展服务。本文来自于实践和基层,难免会出现水平和角度上的缺陷和漏洞,希望能够对同行起到抛砖引玉的作用,也希望同行能把文中的缺欠当做新研究的开始,通过大家的共同努力,共同推进林业监测工作的深入,振兴林业事业。
参考文献
[1]侯彦林,贺红仕,徐吉炎 等.农田防护林生态效益遥感研究方法[J].生态与环境遥感研究北京:科学出版社,1990:44~50.
关键词：林业资源；调查；遥感影响；判读技术；研究
随着科学技术的不断进步，空间遥感技术也随之发展，极大地提高了林业资源的勘探技术。传统的探测技术主要是以人工为主，费时又费力，遥感勘探技术改变了这一现状，使林业资源勘探开始面向数字化、信息化方向发展，和传统的技术相比节省了许多的人力和物力资源，帮助整体规划林业资源的发展。
1.遥感影像技术方法
1.1前期工作准备
对影像数据进行判读之前，需要先整理数据，收集目标区域的信息和资料，建立需要解译的标志，帮助后续工作的顺利进行。
1.1.1影像数据处理。总的来说，遥感情况具有视角宽广、分辨率比较高、周期性、信息量比较大等特点。经过数据的波段组合、正设矫正这些方式之后，就能够将需要的影像做空间匹配。
1.1.2收集相P资料信息。对影像数据进行处理后，在判读数据前，还要调查区域的基本情况，为后期的判读工作奠定基础。调查内容要包含影像区域各种信息，其中有气候、产业、建筑、植物种类和地理特征等。经过收集这些数据，能够使我们更有针对性地判读影像信息。
1.1.3解译标志建立。在这一部分，要了解一下影像信息的大小、布局、位置、阴影、形状等，通过这些信息来初步建立解译标志：首先，把影像的图幅作为单位，通常来说，每景要选择15条覆盖目标区域地类，这些线路要有比较高的代表性、色调相对齐全。然后，把选择线路的实地特征和影响特征做对比，互相比对参照时还要对不同区域影像一些因素进行记录，这些因素包含影像的纹理、几何形状、地理位置和色调等。最后，经过室内分析和野外勘察这些方式，确定目视判读解译标志。
1.2判读方法
1.2.1多种手段和方法相结合。在开始影像判读工作时，不能使用单一的手段，多种手段和方法相结合才能进一步提高解译工作的精确度。
1.2.2开始工作时要先易后难。先判读难度比较低的地物要，例如，居民点、公路等地方，对这些物体来说，它们的特征更加明显，因此，和其它地物相比要更容易判读。用截图方式快速标记居民点、公路等，标记完再勾绘林地，耕地等。
1.2.3对同类的地物要经常对比。这个过程，把需要解译的影响同其它已掌握的样片做比照，进一步确定影像地物的具体类型，这个确定的过程可以说是完善和修正解译标志的过程。
1.2.4多种信息分析。在这一过程中，需要考虑遥感影像所具有的多种解译特征，这个过程要参照不同地理要素的相互制约和依存关系来进行。在生活常识和充分结合相关区域环境的基础上，推断地物的具体类型。难度相对来说较高的是林地类型，对这种图像进行判读工作时，结合目标环境中明显的目标物，例如，居民点、建筑物，山丘河流等。
遇到那些难以判读的目标时，例如，类似于空地颜色的地物，这是就先做记录工作，然后后期利用野外验证方式确定这小部分类型。
1.3室外校核
初期的解译工作完成后，就能考核和验证室外地物，充分结合室外样地调查结果，确定正确的解释标志，之后校核其余部分，补测一些必要的实地区域，从而得到更精确的解译结果。通常情况下，把乡镇作为验证工作的基本单位，乡镇以村为单位，这时就可以把地类相对复杂的村当做试地验证的对象，验证完成，再检查1次，然后对判读成果做进一步的修改。
1.4总结成图
上述工作做完后就完成了判读工作，通过软件技术对工作任务要求和特点做面积求算、综合分析和数据汇总等，并开始制作专题图，正式完成了林业资源的调查工作。
1.5精度评价
虽然林业资源的调查工作已经完成，但还要再进行检查。在完成图像后，还需要在建立图幅的基础上，随机抽取5幅以上的图幅做检查。对于小班需要仔细检查它们的属性、精度以及区划边界，查看其正确率是否满足我们的要求，才能不断提高调查精度和细化程度。
1.1工作准备
在实际对数据进行判读之前，需要对相关数据做好处理工作，在对目标区域信息、资料进行收集的同时，对解译标志进行建立，以此为后续判读工作的开展做好准备。
1.1.1影像数据处理。
对于遥感情况来说，其具有视角广、多分辨率、周期性、信息量丰富等特点。其所具有的多光谱剥夺空间分辨力为10m，全色波段分辨率为2.5m。在对数据进行波段组合、正设矫正等方式之后，则可以对相关影像进行空间匹配。
1.1.2资料信息收集。
在做好影像前期处理后，在对数据进行判读前，则需要做好区域基本情况的调查，这也是对数据进行判读的重要基础工作。调查内容方面，则具有影像区域的气候、产业、建筑、项目、植被类型以及地理特征等。通过这部分数据的收集，能够帮助我们更有针对性地对影像信息进行判读。
1.1.3解译标志建立。
在该环节，则需对影像信息的大小、阴影、位置、布局、形状以及图案等进行了解，并在此基础上对解译标志进行初步建立：首先，要以影像的图幅以及景幅为单位，一般情况下，每景需选择15条能够对目标区域地类进行覆盖，且具有较高代表性、色调较齐全的线路；其次，将选择的这部分线路实地特征同影响特征进行参照比对，并在比对的同时对不同地区影像的纹理、几何形状、色调、地理位置以及地形地貌等因素进行记录，做好实况照片的拍摄；最后，要通过室内分析以及野外勘察等方式的应用，对目视判读解译标志进行建立。
1.2判读方法
在判读工作中，需要按照以下原则进行：第一，以多种手段与方法相结合。在对影像开展判读工作时，需要对google截图以及区域地形图进行充分结合，以此对解译工作的精度进行提升。第二，要以先易后难的方式开展工作。首先，要对难度较低的地物进行判读，如居民点、水域以及公路等，对于这部分地物来说，其所具有的特征较为明显，可以说所具有的判读难度相对较低。通过截图方式的应用则能够对居民点、水域以及公路进行较快标记，之后再对林地以及耕地等进行勾绘。第三，同类地物间勤对比。在对比过程中，将需要解译的影响同其余已经掌握的样片进行比照，以此对影像地物的具体类型进行确定，而这也是我们对解译标志进行完善与修正的一个过程。第四，多种信息分析。在该环节中，则需根据不同地理要素的相互制约以及依存的关系对遥感影像所具有的多种解译特征进行考虑，并在对生活常识以及对相关区域环境情况进行充分结合的基础上，对地物的具体类型进行推断。其中，林地类型判读是解译工作中难度较高的一项工作，在对此类图像进行判读时，则需同目标环境的居民点、建筑物以及河流、山丘等较为明显的目标物进行结合，以此更为准确地完成不同林木类型的判读。而对于较难判读的目标，如同空地颜色较为相似的地物来说，则可以先进行记录，之后再通过野外验证方式的应用对小班类型进行确定。
1.3室外校核
在初步解译工作完成之后，则可以对室外地物进行校核与验证，并在对室外样地调查结果进行充分结合的基础上，对正确的解释标志进行建立，之后再对其余部分进行校核，在对必要实地区域进行补测的同时，获得更为精确的解译结果。一般情况下，可以将验证工作以乡镇作为单位，而每个乡镇又以村作为单位，选择地类较为复杂的村作为重点实地验证对象，每个乡镇验证的村的数量平均为各乡镇所辖村总数的一半，并在实地验证工作完成之后，再一次对判读成果进行进一步的修改与检查。
1.4总结成图
在上述工作完成、判读工作完成之后，则可以通过GIS软件技术的应用根据工作任务要求以及特点进行面积求算、综合分析、拓扑检查以及数据汇总等工作，并对专题图进行制作，正式完成林业资源的调查工作。
1.5精度评价
在图像制作完成之后，则需要在建立图幅的基础上，抽取5幅以上对图幅进行检查，而对于小班，则需要对其属性、精度以及区划边界进行检查，看其正确率是否能够满足检查要求，以此更好地对调查精度以及细化程度进行提升。
2结语
刘振波1，张丽丽1，葛云健1，顾祝军2
（1.南京信息工程大学气象灾害省部共建教育部重点实验室，南京信息工程大学地理与遥感学院，
南京 210044；2.南京晓庄学院生物化工与环境工程学院）
摘要：以中国东北大兴安岭加格达奇林区为研究区，基于环境（HJ）卫星遥感数据提取森林植被指数，结合实测样点叶面积指数（leaf area index， LAI）数据构建研究区LAI遥感反演模型，获取研究区森林LAI。在此基础上，利用研究区LAI影像对LAI遥感产品GLOBCARBON LAI和MODIS LAI数据进行精度验证。研究结果表明：研究区LAI遥感反演模型中，基于比值植被指数（SR）的线性回归模型精度最高，模型R2为0.606（RMSE=0.251 6），相对误差19.89%；在研究区，GLOBCARBON LAI数据均值高于反演值，而MODIS LAI均值则相对较低，两者相对误差分别为12.2%和11.8%；通过对不同LAI值域的对比分析发现，研究区两种遥感LAI产品的最大误差均在LAI的低值区。
关键词 ：叶面积指数；遥感反演；森林；HJ卫星；验证
Retrieval and validation of forest leaf area index based on HJ satellite data： taking Jiagadaqi District as a case study
∥
LIU Zhenbo，ZHANG Lili，GE Yunjian，GU Zhujun
Abstract：In this study， forest leaf area index （LAI） was mapped using LAI retrieved model based on remote sensing forest vegetation indexes from HJ satellite data and situ LAI measurements data in Jiagedaqi Distract， northeastern China. GLOBCARBON LAI and MODIS LAI products data were then validated using the retrieved LAI from HJ satellite. Results showed that the accuracy of LAI retrieved model based Simple Ratio （SR） was the highest with an R?square of 0.606 and RMSE of 0.251 6. The relative error of retrieved LAI was 19.89% compared with measurement LAI data. In study area， the average value of GLOBCARBON LAI product was overestimated by 12.2% and the average value of MODIS LAI product was unde?restimated by 11.8%. Furthermore， the errors in low values under 1.5 of the two LAI products were the largest according to comparison analysis of different value ranges of LAI.
Key words：leaf area index（LAI）； retrieval； forest； HJ satellite； validation
First author’s address： Key Laboratory of Meteorological Disaster of Ministry of Education， Nanjing University of Information science and Technology， Nanjing 210044， China
收稿日期：2015-01-15
修回日期：2015-04-15
基金项目：江苏省基础研究计划（自然科学基金）项目（BK20130992，BK20131078）；江苏高校优势学科建设工程资助项目（PAPD）。
作者简介：刘振波（1978-），男，副教授，主要研究方向为资源环境遥感。E?mail： ZBLiu@nuist.edu.cn
叶面积指数（leaf area index，LAI）定义为单位地表面积上绿叶总面积的一半［1］，作为表征植被结构的重要因子，LAI已成为陆面过程、水文和生态等模型的重要输入参数之一［2］。近年来，通过卫星观测数据生产全球及区域LAI产品已成为LAI主要获取手段，如基于AVHRR、VEGETATION、MODIS、MISR等传感器数据的全球LAI 产品已广泛应用于全球变化研究中［3-4］。
不同遥感数据源及反演算法的差异导致各遥感LAI产品精度不同，因此在应用遥感LAI产品时，对LAI产品的精度评价显得尤为重要。针对遥感LAI产品精度评价，国内外学者在不同区域已有较多研究，结论不尽相同［5-6］。Pisek等［7］针对北美地区MODIS LAI产品进行了验证研究，结果表明MODIS/LAI产品相对绝对误差中值变化范围为34%～88%，且当LAI处于高值区时，产品值的波动较大。Cohen等［8］验证了北美4种不同植被覆盖区域（ 农田、草原、针叶林、混交林） 的MODIS LAI旧版算法（Collection 3）与新版算法（Collection 4），发现新版算法在农田和草原植被区域精度有较大改善，但在森林区域仍存在高估现象［8］。Abuelgasim等［9］验证了MODIS LAI、SPOT4/ VGT LAI与POLDER-1 LAI 3种产品在加拿大森林区域精度，结果显示VGT LAI产品与实测结果更为接近，另两种LAI产品精度较低。Fang等［10-11］对MODIS LAI（C4、C5）与CYCLOPES V3.1 LAI产品精度进行了综合分析，研究结果显示LAI的精度为±1.0，不能满足全球气候观测系统GCOS的应用需求（±0.5以内）。孙晨曦等［12］、王圆圆等［13］基于实测LAI数据分别对锡林浩特草原地区GLASS LAI、MODIS LAI进行了精度验证，结果显示两种LAI产品均存在一定程度的高估，GLASS LAI数据在研究区的精度与一致性要优于MODIS LAI。
综合已有研究可以发现，由于遥感数据源及反演算法的差异以及不同研究区地表植被覆盖类型的不同，现有遥感LAI数据产品在不同区域的反演精度存在较大差异。本研究针对中国森林覆盖区域，选取中国东北大兴安岭加格达奇林区为研究区，在地表森林LAI实地测量的基础上，根据实测数据首先实现较高空间分辨率环境（HJ）卫星的LAI制图，进而利用HJ卫星反演的LAI通过尺度转换分别对MODIS LAI产品与GLOBCARBON LAI产品进行精度分析。
1数据及处理
1.1研究区概况
本研究选取中国东北大兴安岭加格达奇地区为研究区（图1）。研究区位于境内，大兴安岭山脉的东南坡，面积1 587km2，气候属寒温带大陆性气候，区内森林广袤，为中国北方典型的寒温带林区，主要分布有兴安落叶林、白桦、樟子松、山杨、黑桦、云杉等树种。
1.2研究数据
1.2.1环境卫星影像及预处理
本研究首先采用环境卫星（HJ-1）数据作为较高分辨率遥感数据反演研究区LAI，数据由中国卫星资源中心（http：∥secmep.cn）下载，影像获取时间为2012年8月30日，数据均为L2 数据，经过系统辐射纠正和几何校正，需要进一步进行大气校正与几何精校正。
本研究数据大气校正采用6S模型进行影像的大气校正，根据研究区地理位置输入6S模型相关参数，模拟获得大气校正参数。几何精校正通过地面控制点进行，控制点选取在研究区内路口、桥梁、标志地物等影像上易于识别的点，利用gps实测其经纬度完成对影像的精校正，纠正误差控制在0.5个像元以内。
1.2.2遥感LAI产品数据
本研究分别对研究区MODIS LAI产品数据与GLOBCARBON LAI产品数据进行精度验证，数据时相分别为2012年8月8—15日时段的MODIS LAI数据与2012年8月的GLOBCARBON LAI产品数据，其中MODIS LAI数据为MODIS标准产品MOD15A2数据。该LAI产品数据为NASA基于TERRA-AQUA/MODIS数据生成的全球2000年以来的叶面积指数产品，每8天合成1景，空间分辨率为1 km。MOD15数据主算法将全球植被划分为8种生态群系类型，针对不同的生物群系类型，分别采用三维辐射传输模型生成查找表，以MOD09 1-7陆地波段的方向地表反射率为输入反演获取像元LAI；当光谱数据在预期范围之外时，采用基于植被类型的NDVI-LAI备用算法，产品为真实叶面积指数。
GLOBCARBON LAI数据为基于SPOT/VEGETATION数据生成的全球1999年后的LAI产品，该产品为30 d合成数据，空间分辨率1 km。GLOBCARBON LAI利用VEGEETATION地表反射率计算植被指数SR（Simple Ratio）和RSR（Reduced Simple Ritio），在地表森林与非森林区域分别建立RSR-LAI与SR-LAI关系生成叶面积指数，算法考虑植被的集聚效应，将生成的有效叶面积指数转换为真实叶面积指数。
1.2.3地面实测数据
本研究野外观测数据获取时间为2012年8月12—16日。观测时选取森林密度相对均一区域标定30 m×30 m的样区进行测量，样点LAI测量采用配备双光学感应传感器的植物冠层分析仪LAI-2200 （LI-COR，USA），于测量样区对角线上大致均匀选取5个测量点测量其森林冠层LAI。测量时一个传感器分别在地表灌丛以下随机测量4个B值，另一传感器则放置于林地外开阔地上同步测量A值，最后取5个测量点的LAI均值作为该样区森林冠层有效LAI。集聚指数测量利用冠层分析仪TRAC（Tracing Radiation and Architecture of Canopies），在样区内随机取4条直线线路，4条线路均与太阳入射光方向垂直，分别得到4组样区冠层集聚指数，取均值作为该样区森林冠层集聚指数。最后，根据样点有效LAI结合同步测量的集聚指数计算得到样点森林真实叶面积指数（LAI=LAIe /Ω），共获取33个采样点的测量数据。
1.3研究方法
本研究首先基于研究区较高空间分辨率HJ-1影像提取研究区测量样点植被指数，并结合同步测量样点LAI数据，建立研究区HJ-1影像森林LAI反演模型。其中植被指数选取NDVI［14］、SR［15］、SAVI［16］、EVI［17］、DVI［18］5种常用的植被指数。在此基础上，以HJ-1 LAI作为真值，对HJ-1LAI像元重采样到与MODIS LAI和GLOBCARBON LAI一致的空间分辨率，对该两种LAI产品进行精度验证。
2结果与分析
2.1研究区HJ-1影像LAI反演
根据预处理后的HJ-1影像，分别提取研究区各测量样点5种植被指数。根据已有研究［15，19］，回归模型分别选用线性、指数与对数3种回归模型。结合同步测量的样点LAI数据建立各植被指数与LAI回归模型（表1），其中随机选取22个LAI测量值用于建模，其余11个样点用于模型验证。由表1可见，各回归模型均具有较高的相关性，均通过了0.05的置信检验。各植被指数的3种回归模型精度基本相差不大，线性回归模型相对精度较高，5种植被指数回归模型的平均复相关系数R2为0.485 6，其次为指数模型与对数模型，R2分别为0.462和0.461 8。综合5种植被的模型回归精度，最低的为垂直植被指数（DVI）平均复相关系数R2仅为0.365 3，比值植被指数（SR）模型反演精度最高，3种回归模型的平均复相关系数R2达到0.586。
综合所有模型，基于SR的线性回归模型精度最高，R2达到0.606（RMSE=0.251 6），模型反演LAI相对误差19.89%。本研究根据此回归模型反演得到研究区LAI图（HJ-30 m LAI）（图2a）。由图2可见，研究区LAI东南部整体LAI值较高，部分区域其值高于5.0，均值为2.27，整体上沿山脉走势呈东南高西北低的趋势。
2.2研究区不同LAI统计分析
根据CEOS（Committee Earth Observing Satellites）全球中等分辨率LAI产品验证框架［20］，本研究将HJ卫星反演的30 m空间分辨率LAI数据重采样为1 km分辨率数据（HJ-1 km LAI）（图2b），以便与MODIS LAI和GLOBCARBON LAI数据进行空间匹配并验证（图2c和2d）。由图2可见，研究区重采样后的HJ-1 km LAI影像细节表现仍高于MODIS LAI与GLOBCABON LAI数据。此外，研究区3种影像LAI空间分布格局基本一致，但GLOBCARBON LAI产品数据LAI值整体上高于其他两种数据。
进一步对研究区3种LAI影像数据进行统计分析（表2）发现：研究区3种LAI数据在植被区域LAI值域范围最大的为GLOBCARBON LAI数据，其值在0.93～4.91；HJ-1 km LAI数据与MODIS LAI数据值域基本相同；GLOBCARBON LAI均值最高，其值比HJ-1 kmLAI高0.29，相对误差为12.2%；而MODIS LAI数据均值比HJ-1 km LAI均值则低0.28，相对误差为11.8%。两种遥感LAI数据产品在研究区LAI均值误差均在12%左右，但GLOBCARBON LAI存在高估现象，而MODIS LAI数据则明显低估。
2.3研究区不同区间LAI值验证
利用研究区HJ-1 km LAI影像分别与MODIS LAI影像、GLOBCARBON LAI影像相同像素点上LAI作散点图（图3），可以发现3种LAI数据均具有较高的相关性，复相关系数R2分别达到0.68和0.72。进一步按低值、中值、高值区3个LAI区间分别进行统计（表3），可见研究区森林LAI在不同值域范围内精度不同，整体上GLOBCARBON LAI与MODIS LAI两种数据产品均随着LAI值的升高其精度也随着提高，在LAI低于1.5的低值区两种LAI遥感产品精度均表现最差，其与HJ-1 km LAI的相对误差分别为+33.7%、-37.0%，而在［1.5， 3.0］值域区间内相对误差与整个值域内的LAI相对误差相似。
3结论
本研究基于野外样点实测LAI数据，首先建立研究区较高空间分辨率环境（HJ）卫星反演LAI模型，在此基础上通过像元空间聚合对遥感LAI产品数据MODIS LAI和GLOBCARBON LAI进行精度检验。研究结果表明：
1）研究区HJ卫星LAI反演模型中，基于比值植被指数（SR）的线性回归模型反演模型精度最高，模型反演的相对误差为19.89%；
2）对遥感LAI产品数据的检验结果表明，研究区MODIS LAI均值整体偏低，而GLOBCARBON LAI均值则整体偏高，两者与反演值的相对误差都在12%左右；
3）进一步通过不同区间值LAI的对比可见，研究区该两种遥感LAI产品在小于1.5的低值区部分误差最大，均值相对误差达到+33.7%和-37%，在高值区则精度均最高。
全球遥感LAI产品数据已在全球变化与碳循环研究以及植被定量监测等领域得到了广泛应用，其产品精度直接关系到研究结果的可信度。通过本研究对最常用的两种LAI遥感产品的精度验证及与已有研究可以发现，不同遥感LAI产品及不同下垫面状况下精度均表现各异，在应用各遥感LAI产品时应预先估计由此可能带来的不确定性。
参考文献
［1］Chen J M， Black T A. Defining leaf?area index fornon?flat leaves［J］.Plant Cell and Environment， 1992，15（4）：421-429.
［2］Wicks T E， Curran P J.Flipping forests：estimating future carbon sequestration of the boreal forest using remotely sensed data［J］.International Journal of Remote Sensing，2003，24（4）：835-842.
［3］丛日亮，张金池，林杰，等.苏南丘陵区主要林型叶面积指数季节动态［J］.林业科技开发，2011，25（3）：63-66.
［4］刘洋， 刘荣高， 陈镜明， 等.叶面积指数遥感反演研究进展与展望［J］.地球信息科学学报， 2013， 15（5）：734-743.
［5］曾也鲁， 李静， 柳钦火.全球LAI地面验证方法及验证数据综述［J］.地球科学进展， 2012， 27（2）：165-174.
［6］肖志强，王锦地，王锗森.中国区域MODISLA产品及其改进［J］.遥感学报， 2008， 12（6）：993-1000.
［7］Pisek J， Chen J M.Comparison and validation of MODIS and VEGETATION global LAI products over four big foot sites in North America ［J］.Remote Sensing of Environment， 2007， 109（1）：81-94.
［8］Cohen W B， Maiersperger T K， Yang Z， et al.Comparison of land cover and LAI estimates derived from ETM+ and MODIS FOR four sites in North America：A Quality Assessment of 2000/2001 Provisional MODIS Products［J］.Remote Sensing of Environment， 2003， 88（3）：233-255.
［9］Abuelgasim A A，Fernandes R A， Leblanc S G.Evaluation of national and global LAI products derived from optical remote sensing instruments over Canada［J］.IEEE Transactions on Geoscience and Remote Sensing， 2006， 44（7）：1872-1884.
［10］Fang H L， Wei S S， Jiang C Y， et al.Theoretical uncertainty analysis of global MODIS， CYCLOPES， and GLOBCARBON LAI products using a triple collocation method［J］.Remote Sensing of Environment.2012a， 124：610-621.
［11］Fang H L， Wei S S， Liang S L.Validation of MODIS and CYCLOPES LAI products using global field measurement data［J］.Remote Sen?sing of Environment，2012b， 119：43-54.
［12］孙晨曦， 刘良云， 关琳琳.内蒙古锡林浩特草原GLASS LAI产品的真实性检验［J］.遥感技术与应用， 2013，28（6）：949-954.
［13］王圆圆， 王猛， 李贵才， 等.基于野外观测和TM 数据的锡林浩特典型草原MODIS/LAI产品验证［J］.草业学报， 2011， 20（4）：252-260.
［14］Wang F M， Huang J F， Tang Y L， et al.New vegetation index and its application in estimating leaf area index of rice［J］.Rice Science，2007，14（3）：195-203.
［15］Chen J M.Evaluation of vegetation indices and a modifiedsimple ratio for boreal applications［J］.Canadian Journalof Remote Sensing， 1996（22）：229-242.
［16］Huete A R.A soil?adjusted vegetation index（SAVI）［J］.Remote Sensing of Environment，1988， 25：295-309.
［17］Jiang Z， Huete A R， Chen J， et al.Analysis of NDVI and scaled difference vegetation index retrievals of vegetation fraction ［J］.Remote Sensing of Environment，2006， 101（3）：366-78.
［18］Wang Q， Adiku S， Tenhunen J， et al.On the relationship of NDVI with leaf area index in a deciduous forest site［J］.Remote sensing of environment，2005， 94（2）：244-55.
［19］Chen J M， Pavlic G， Brown L， et al.Derivation and validationof Canada?wide coarse?resolution leaf area indexmaps using high?resolution satellite imagery and groundmeasurements［J］.Remote Sensing of Environment， 2002，80（1）：165-184.
>> 基于电子医疗数据的舒血宁注射液对肝功能影响的临床实效研究 疏血通注射液不同剂量对肝功能影响的真实世界研究 基于医院信息系统数据的舒血宁注射液对肾功能影响的临床实效研究 基于真实世界数据的舒血宁注射液临床用药分析 基于注册登记研究的舒血宁注射液治疗脑梗死临床用药特征探析 简述舒血宁注射液的临床运用 舒血宁注射液的临床运用 阿司匹林联合舒血宁注射液对急性脑梗塞患者的临床疗效 舒血宁注射液治疗原发性脑出血的临床研究 痰热清注射液对肝癌介入治疗术后肝功能的影响 基于真实世界的舒血宁注射液治疗脑梗死患者临床用药特征分析 舒血宁注射液治疗冠心病左室舒张功能不全的临床疗效观察 舒血宁注射液治疗慢性脑供血不足的临床疗效 舒血宁注射液临床不良反应特征及预警信号探测研究 舒血宁注射液联合利多卡因注射液治疗眩晕症的临床观察 386例阿司匹林联合舒血宁注射液对急性脑梗死患者的临床观察 舒血宁注射液与临床相关药物的配伍稳定性研究 舒血宁注射液对于急性脑梗死的临床治疗分析 舒血宁注射液治疗挫伤性视网膜病变的临床观察 舒血宁注射液治疗36例急性脑梗死的临床体会 常见问题解答 当前所在位置：l.
[2] 李文杰，李小云，范雪亮. 中药注射剂超剂量使用引发后果及原因概述[J]. 中国药物警戒，2011，8（10）：611.
[3] 许莉.中药注射剂临床不合理用药分析[J].中国药业，2010，19（4）：40.
[4] FDA.Guidance for industry dosage and administration section of labeling for human prescription drug and biological products-content and format[EB/OL]. [2010-03-22].http：// fda. gov/downloads/Drugs/GuidanceComplianceRegulatoryInformation/Guidances/ucm075066.
[5] 李雪梅，萧惠来. FDA《人用处方药和生物制品说明书的用量和用法部分指导原则》概述[J]. 中国新药杂志，2011，20（6）：493.
[6] 庄严，谢邦铁，翁盛鑫，等. 中药上市后再评价 HIS“真实世界”集成数据仓库的构建与实现[J].中国中药杂志，2011，36（20）：2883.
[7] 杨薇，程豪，杨虎，等.基于HIS灯盏细辛注射液“真实世界”临床用药特点分析[J]. 中国中药杂志， 2012，37（18）： 2718.
[8] 杨薇，谢雁鸣，庄严. 基于HIS“真实世界”数据仓库探索上市后中成药安全性评价方法[J]. 中国中药杂志，2011，36（20）：2779.
[9] 沈福民.流行病学原理与方法[M].上海：复旦大学出版社，上海医科大学出版社，2001.
[10] 曹建华，孔新秀，陈群蓉，等. 年龄和性别与血清肝功能相关酶的关系探讨[J]. 检验医学与临床，2010，7（4）：325.
[11] 郑立文，朱喜梅. 严重输液反应致多脏器功能受损1例[J]. 沈阳部队医药，2011， 1：36.
[12] 马刘江，李星，安京华，等. 舒血宁致多器官功能障碍综合征1例报道[J]. 当代医学，2011，22：107.
[13] 钱维，叶小飞，王超，等. 药品不良反应信号检测中混杂因素的控制方法[J]. 中国药物警戒，2010， 7：142.
[14] Stukel T A， Fisher E S， Wennberg D E，等. 对存在治疗选择偏倚的观察性研究的分析：采用倾向评分和工具变量法评价有创性心脏治疗对AMI患者生存率的影响[J]. 世界核心医学期刊文摘：心脏病学分册，2007（7）：5.
Outcome research of Shuxuening injection different dosage
impact on patient′s liver function
YANG Wei1， LI Lin2 ， XIE Yan-ming1*， YANG Wei2， ZHUANG Yan3
（1. Institute of Basic Research in Clinical Medicine， China Academy of Chinese Medical Sciences，
Beijing 100700， China； 2. School of Statistics， Renmin University of China， Beijing 100872， China；
3.The PLA Navy General Hospital， Beijing 100048， China）
[Abstract] The safety of parenterally administered Chinese medicine has caught the attention of clinicians， patients and drug administration departments. However， there are few studies that have assessed liver function damage from these medications. This study retrospectively analyzed hospital information system （HIS） data， from 20 nationwide general hospitals， of patients who were treated with parenterally administered Shuxuening. Patients that were given doses of 21-50 mL， which is above the recommended dose， acted as the observation group. Those receiving the recommended dose of
关键词：林业资源；遥感信息；尺度问题；研究
中图分类号：S750 文献标识码：A DOI：10.11974/nyyjs.20170133177
林业体系的良好运作，需要遥感技术的参与。遥感技术在林业产业的应用，主要是依据自身的信息获取手段，对不同的林业分布情况和林业种植情况等进行监测，总结出相关的数据信息，促进林业的发展。但是当下林业的遥感技术应用活动中，信息的尺度问题成为制约其发展的重要因素。因此要对林业资源的遥感信息尺度问题进行深入研究。
1 林业资源遥感技术的信息尺度的意义
林业体系中，遥感技术是被人们经常提起和利用的信息提取手段，解决了当下林业领域的许多发展难题。随着社会的发展和进步，人们对于遥感技术的资源和信息掌握更加详细，对于遥感运作活动中的信息和数据的有效截取提出更高要求，来保证林业体系发展的现象和特点及时掌握。不一样的林业产业，对于信息和数据的截取具有不同的特点，进而需要不同的尺度来衡量。我国科学专研人员，对于遥感技术的信息提取尺度进行过深入研究。研究结果告诉我们，对于不同的林业体系，对于遥感技术的应用，林业信息的提取，会随着遥感技术的不同尺度而展现不同的结果，也影响遥感信息的准确度，影响整个立业产业的结构和空间的变化。例如，在相关的林业市场调研活动中显示，对于遥感技术的不同判定依据，所获得信息的准确度也大不相同。与此同时，遥感技术的信息的准确度直接影响信息的真实性。
2 遥感技术的信息尺度问题研究和分析
2.1 不同^域的方差
利用不同区域的方差进行运算，利于找到最恰当的遥感数据和有效资源。首先要依据不同的辨别度，进行方差的计算，给出其构图的不同区域的方差，给出其平均的计算结果，进而求出不同区域的方差平均结果。最后把不同的方差数值和不同区域的空间辨别数值进行对比，找出其主要规律。不同区域的方差在辨别能力最强时，其空间的甄别能力也为极强。对于遥感构图的展示，主要是形成四处分布而且不相交的体系结构，这也是遥感技术对于不同区域的方差的辨别的主要展示方式。
2.2 变化性的函数体系
对于区域的异质特点的分析，主要是利用变化性的函数来观察。这一运作体系，主要包含了不同变化因素的区域依赖性。在进行这一活动时，对于遥感技术的尺度的合理化运用，要依据不同的变化性函数的分布图形，进行数值的计算和统计，进而求出最合理的辨别率。先利用较小的辨别构件图，进行函数变化性的实验活动，总结其数值的变化规律，进而求出数值的变化函数。在求出变化函数后，依据变化函数的理论，把其数值规律进行联系，利用科学化的运作方式进行处理。点的变化函数可以利用实验的变化性函数进行统计，进而从不同的函数变化数值中，得出函数的变化总数值。
2.3 尺度的变化
遥感技术的信息的种类具有多样性的特点，进而对于不同尺度的变化，都具有相应的遥感尺度的产生。对于不同的遥感尺度的产生，其不同类型具有多样化的体现。进而对于遥感技术尺度的变化，也要依据不同的空间变化，建立合理化的运作体系和手段。多样化的遥感尺度可以进行信息的交流和资源的整合，这主要是依据于遥感技术的关联性这一客观事实。但是从另一方面来看，对于不同尺度的不同运作环节，没有关联性。对于遥感技术的数据资源的尺度变化活动，可以依据不同的方式进行运作。包括对不同区域的尺度进行平均数的计算，运用比邻的方法等遥感尺度的管理方法，进行遥感数据和资源的增大活动。分形定理也是遥感运作体系中的重要手段。分形定理具有稳定性和一致性的特点。在林业产业的遥感技术运作活动中，林业的构建环境具有分散性的特点，在对其不同的区域构建图进行研究和分析的基础上，利用分形定理可以极大的促进遥感技术在林业的发展，增加其实际应用性。建立林业的运作机理的遥感尺度变化体系，主要是依据不同的变化模型的基础上，对林业的变化数值进行观察。林业机理这一运作方式，具有较高的准确性和物理意义。
3 结论
由上文的阐述可以看出，对于林业的遥感尺度的分析和研究显示，对于林业数据和信息的定量截取，对于遥感技术的尺度分析活动，具有重要影响，利于促进遥感技术在林业的广泛应用。但是当下的遥感技术在林业的运作活动中，其自身的信息的提取尺度问题具有发展局限性，进而要基于当下的林业发展实际情况，和遥感技术的自身发展弊端，进行遥感技术的合理化创新活动，增加遥感技术的信息提取合理化，增加遥感技术的实际应用性。
参考文献
[1]刘悦翠，樊良新.林业资源遥感信息的尺度问题研究[J].西北林学院学报，2004（4）：165-169.
