時間：2024-01-11 11:52:08
序論：在您撰寫林業遙感技術時，參考他人的優秀作品可以開闊視野，小編為您整理的7篇范文，希望這些建議能夠激發您的創作熱情，引導您走向新的創作高度。
【關鍵詞】林業；遙感；森林資源
0 引言
遙感（Remote Sensing，RS）是20世紀60年展起來的一門集地學、生物學、航空航天、電磁波傳輸和圖像處理等多學科交叉融合的新興學科。遙感技術具有周期性觀測和大面積覆蓋獲取地面信息的特點，可以提供一種實時、動態、綜合性強的環境資源信息。遙感技術在林業中的應用被稱為林業遙感技術，是指通過衛星和飛機對林業資源進行實時動態地監測，形成各種數據和信息，并通過綜合分析處理為林業決策和發展提供服務。我國應用林業遙感技術已有二十多年的歷史，取得了可喜的成績，充分展現了遙感技術在林業中的巨大生命力[1]。
1 遙感技術在林業中的應用現狀
遙感技術在林業中的應用非常廣泛，主要包括以下幾個方面：森林資源遙感調查、森林火災遙感監測、森林病蟲災害遙感監測及林業資源遙感動態監測等。遙感技術在空間分辨率和光譜分辨率方面的提高，以及雷達遙感、航空遙感和無人遙感飛機的發展，為林業遙感提供了豐富的信息源，拓寬了林業遙感應用的深度和廣度，給森林資源清查和監測工作帶來了新的契機，為“數字林業”的順利推廣提供了強大的信息保證[2]。
1.1 林業遙感數據源
1.1.1 高空間分辨率遙感數據
林業遙感應用的主要數據源是光學遙感數據，如TM和SPOT等。TM數據具有較高的空間分辨率和光譜分辨率，且數據量大、信息豐富、成本較低，一直是林業遙感的主要信息源，但其30m的空間分辨率的應用精度并不令人滿意。進行宏觀森林資源監測時通常采用NOAA等中低分辨率數據，因為它們經濟、實惠、待處理的信息量少，而且來源有保證，但隨之而來的問題是在使用這種信息源時如何保持其精度。高分辨率衛星數據的出現，給林業遙感監測帶來了希望，目前多用以IKONOS為代表的高分辨率的衛星影像展開對監測森林資源、工程造林質量、退耕還林效益等方面的研究。
1.1.2 高光譜遙感數據
高光譜遙感能夠探測到具有細微光譜差異的各種物體，大大地改善了對植被的識別和分類精度。利用高光譜數據實行的混合光譜分解方法可以將森林郁閉度這個最終光譜單元信息提取出來，合理而真實地反映其在空間上的分布[3]，對于掌握森林結構與森林環境、加強森林生態系統管理具有重要意義。此外，高光譜遙感數據憑借大量的光譜信息，在森林分類與調查、森林資源變化信息提取、森林火災監測、森林病蟲害評估等方面起到了舉足輕重的作用，為實時而科學的森林經營管理增添了一種新技術手段。
1.1.3 雷達遙感數據
一般情況下，地球有60%～70%被云層覆蓋，可見光、紅外技術在這種天氣下難以獲得有效數據，不能及時為林業行業提供數據支持。而合成孔徑雷達（Synthetic Aperture Radar， SAR）具有全天時、全天候以及能夠穿透掩蓋物、較好反映地表結構信息的能力，為林業遙感提供了新的數據源，有效解決了上述問題。SAR遙感通過獲取各種森林生物物理參數，被廣泛用于識別森林類型、森林密度、年齡和監測森林生長、再生狀況、森林砍伐、森林災害以及估算森林的生物量、蓄積量，特別是對熱帶雨林砍伐監測，雷達幾乎是唯一可以依賴的信息源[4]，這些信息有效提高了人們對森林資源的認識。
1.2 應用現狀
1.2.1 森林資源遙感調查
森林資源遙感調查主要是通過野外調查和衛星圖像的對照判讀，進行森林類型判別，并用遙感數據與地面各種因子建立模型的定量表達，估計森林蓄積量和森林面積，利用多時相遙感影像監測森林覆蓋率等。早在1954年，我國就創建了“森林航空測量調查大隊”，首次建立了森林航空攝影、森林航空調查和地面綜合調查相結合的森林調查技術體系[5]。
然而，過去我國森林資源規劃設計調查主要是以航空照片和地形圖為參考，制作外業調查手圖，通過現場勾繪等手段完成林相圖區劃。這種傳統的調查方式存在調查間隔期過長、調查人員投入多、勞動強度大、一次性經濟投入大、出錯機率大等問題，難以滿足新時期的調查需求。自2003年起，高空間分辨率衛星影像寫進森林資源規劃設計調查規程，我國很多省區相繼應用SPOT5數據進行了森林資源規劃設計調查試點[6]，有效推動了林業資源調查數字化進程，促進了高空間分辨率衛星遙感技術的研發，相關研究內容主要包括蓄積量估測、樹冠信息的提取方法、SPOT5影像用于小班區劃的方法，并研發了基于高分辨遙感數據的小班區化系統[7]。高光譜遙感數據應用方面，主要開展了星載高光譜遙感數據的預處理、基于統計模型的森林郁閉度和葉面積指數估測、森林類型遙感識別方法、森林葉綠素含量的幾何光學模型反演和機載高光譜數據的優勢樹種識別技術[8]等方面的研究。
1.2.2 森林火災遙感監測
森林火災是自然災害中最為嚴重的一種，森林一旦發生火災，不僅會使辛苦幾十年培育的林木頃刻間化為灰燼，而且會對生態環境帶來嚴重的負面影響。如果能及時監測、預報森林火災，其帶來的損失就會大大減小。早在20世紀50年代，我國林業行業就開展了利用航空遙感技術進行森林火災監測的技術方法研究。到70年代末80年代初，美國的Landsat TM、NOAA等衛星數據逐步被我國相關專家學者應用于森林火災監測的研究中，并在1987年大興安嶺特大森林火災監測中發揮了非常重要的作用。
隨著衛星遙感技術的深入發展與應用，我國科研人員不斷地探討利用遙感技術進行森林防火應用的研究，并取得了許多重要成果。尤其是“十五”以來，面對國內外不斷面世的新型衛星遙感數據，我國學者解決了利用這些新型數據進行森林火災預警監測的應用技術，如針對新出現的Terra/Aqua MODIS、ENVISAT-AATSR、ENVISAT-MERIS等衛星數據森林火災預警監測應用技術需求，有效解決了森林火災預警監測模型中可燃物類型的分類方法、植被因子的估測、小火點自動識別等方面的應用技術[9]；利用MODIS數據進行了森林火災預警的應用方法；針對新型衛星數據林火信息快速提取的技術需求，建立完善了利用高性能平臺森林火災信息提取的技術系統。通過近20多年的技術突破，我國逐步研究形成了基于衛星遙感數據的森林火災監測應用方法與技術系統，初步建立了基于航天、航空、望臺（塔）以及與地面巡護相結合的森林火災監測體系[10]；同時，還將海事衛星技術等應用于我國森林火災的預防、監測及撲救工作中。我國國家森林防火指揮部衛星森林火災監測系統從1995年應用至今，從以前單一的NOAA-AVHRR資料到后來綜合應用NOAA、FY、MODIS等資料，逐步發展成為國家森林防火指揮部和各省市林業部門防火辦森林火災宏觀監測的主要手段，并為撲救指揮提供了可靠的數據保障和技術支撐。
1.2.3 森林病蟲災害遙感監測
植物受到病蟲害侵襲，會導致植物在各個波段上的波譜值發生變化。如植物在受到病蟲災害、人眼還不能感覺到時，其紅外波段的光譜值就已發生了較大的變化。從遙感數據中提取這些變化的信息，分析病蟲害的源地、災情分布、和發展狀況，可以為防治森林病蟲害提供有效幫助。早在1978年，騰沖遙感綜合試驗就已開啟了我國遙感技術監測森林病蟲災害的序幕。隨著航天遙感技術的發展，“七五”末期、“八五”初期，我國科研人員以松毛蟲等食葉害蟲災害為例，廣泛開展了針對針葉損失率、松針生物量和災害程度等遙感監測方法的研究，充分證明當森林植物遭受病蟲災害的侵襲時，其葉綠素、水分等便會急劇下降，葉黃素、葉紅素等會提高，必然導致其反射率發生顯著變化，此項研究結果為林業遙感病蟲災害監測提供了重要的科學依據。此外還發展了基于多種植被指數的病蟲災害信息提取技術[11]。
“八五”后期和“九五”期間，在國家眾多科技項目的支持下，我國科研人員全面地開展了森林病蟲災害遙感監測預警技術的研究，建立了基于單時相和多時相衛星遙感數據的災害信息提取技術路線，引進吸收了航空錄像和航空電子勾繪等遙感監測技術方法，初步探索了天、空、地相結合的森林病蟲災害監測體系。并基于林業業務主管部門的預報、監測、災害損失評估和決策支持需求，提出了森林病蟲災害的遙感、地理信息系統和全球定位系統技術集成應用模式[12]。最近十幾年來，著重開展了基于遙感技術的森林病蟲災害監測專業應用系統的研發，并進行了生產性示范，以完善相關應用系統的可操作性和實用性，同時也展示了其指導森林病蟲災害調查情況的應用潛力[13]。
1.2.4 林業生態工程遙感監測評價
林業生態工程遙感監測評價技術就是利用遙感技術，在統一規劃和設計的技術平臺上，進行應用系統集成，為實現林業生態工程建設的信息資源共享和技術共享提供技術支持。早在1979年，國家就決定在我國西北、華北北部和東北西部風沙危害、水土流失嚴重的地區，建設大型防護林工程，即“三北”防護林工程。在“七五”期間，實施了重大遙感綜合應用項目――“三北”防護林遙感綜合調查研究。該項目主要采用了航天遙感技術對“三北”防護林地區的森林類型、面積、具體分布、保存率、草場的數量質量和分布、土地資源類型分布及數量和應用現狀進行了綜合調查，并建立了基于防護林生態效益的動態監測系統，對不同類型區的造林適宜性做出了分析評價以及對防護林的防護效益進行了評估，為“三北”地區的森林綜合治理提供了可靠的數據分析資料[14]。2000年以來，國家先后啟動了天然林資源保護、退耕還林工程等六大生態建設和造林工程。2004年開始的“國家林業生態工程重點區遙感監測評價項目”，利用了2003年至2011年期間的MODIS、Landsat-TM、SPOT5、QuickBird等多源衛星遙感數據，共對4個天然林資源保護工程監測區和8個退耕還林工程監測區進行了多期動態監測與評價。“十一五”期間，我國科研人員開展了天然林保護工程、重點防護林工程和京津風沙源治理工程的遙感監測技術研究，開發了“國家重點林業生態工程監測與管理系統”[15]，廣泛地為林業生態工程管理提供技術支撐與服務，有效推動了林業生態工程遙感監測評價的發展。
3 展望
我國林業遙感技術的發展已有二十多年的歷史，不僅做了大量的研究和實驗工作、積累了豐富的資料和經驗，還培養了一大批優秀的科研與應用工作者。但是，伴隨新時期國家對林業的要求和林業自身的發展，目前的林業遙感技術仍然不能全面滿足實際需要，因此，應進一步加強林業遙感技術與應用系統建設，逐步形成天、空、地一體化的林業遙感應用體系[16]。
3.1 建設林業遙感應用綜合服務平臺
目前國內除森林火災監測系統應用低分辨率的遙感衛星進行業務運行以外，還沒有應用中高分辨率的衛星建立起業務化的運行體系。為實現遙感技術在各類林業調查與監測業務中的廣泛應用，形成業務化運行的能力，還需要開展一項重要的基礎性、支撐性的設施建設工作，即林業遙感應用綜合服務平臺的建設。該平臺應該建立面向林業遙感技術應用的集成環境，整合林業行業中與遙感技術應用密切相關的各類存儲資源、數據資源、計算資源、軟件資源和專家資源，逐步形成面向林業行業提供遙感數據的共享服務機制，并支撐林業遙感應用業務系統開發與運行服務的基礎平臺。該平臺應具有能夠支撐海量遙感數據存儲、查詢功能，具有基于網格的遙感數據應用處理和產品加工功能，以及對數據和產品的多層級分發與共享等強大功能。該平臺的建設將大力促進森林資源調查、森林火災、森林病蟲災害及林業生態建設工程的監測等林業遙感應用業務化運行系統的建立。
3.2 加快遙感與GIS、GPS的結合
遙感技術具有強大的數據獲取能力，卻在處理和分析這些數據時存在缺陷，地理信息系統（Geographic Information System，GIS）具有較為完善地空間數據綜合分析處理平臺，有效地解決了這一難題。概括起來，GIS在林業領域的應用研究內容主要有：森林資源信息管理、森林經營優化決策、森林分類經營區劃、森林抽樣設計、林業專題制圖、林業采伐設計、營造林規劃設計、森林資源管理網絡等，極大地豐富了遙感數據的分析處理方法。同時全球定位系統（Global Positioning System， GPS）能夠迅速準確地定位與導航，可以確定林業邊界、地塊、形狀、海拔高度等，對實現“數字林業”具有重要意義[17]。因此，要加強遙感與GIS和GPS的結合，逐步形成以林業遙感為基礎，以GPS為輔助手段，以GIS為綜合處理方法的全方位林業服務體系，最終實現林業資源調查、規劃、經營管理的數字化。
3.3 重視林業遙感教育和培訓工作
任何一門學科的發展都離不開教育與培訓工作。林業遙感作為一門高新技術，其發展一日千里，教育工作尤顯重要。大學作為林業遙感教育和培訓的主力軍，不僅要開設全方位的林業遙感專業課程，而且要分層次，針對研究生、本科生和專科生開展不同的教學工作，為林業遙感培養大量的專業型人才和應用型人才。此外，還要充分發揮林業研究機構的作用，將科研成果及時有效地用于實踐中。并加大對林業行業機構工作者的培訓力度，全面提升我國林業工作者的專業技術水平。
4 結語
當前我國林業遙感的主要任務是以遙感技術為中心，提供信息獲取與信息服務的手段，為林業建設決策提供監測與效益評價信息。林業行業應在國家林業資源與生態建設綜合監測體系建設的基礎上，大力推動林業遙感衛星、航空遙感平臺、林業遙感信息產品標定等支撐平臺的建設，不斷完善林業遙感應用綜合服務平臺。同時應加快遙感與GIS、GPS的結合、重視林業遙感教育和培訓工作，形成天、空、地一體化的綜合監測模式，建立起林業遙感綜合監測評價的業務運行體系，促進我國森林資源、森林火災、森林病蟲災害和林業生態建設工程遙感監測與評價的業務化運行，為我國森林資源的管理和保護、林業生態建設的管理和決策等提供強有力的支撐。
【參考文獻】
[1]王大勇，劉紅潤.淺談遙感在我國林業中的應用[J].林業科技情報，2010，42（3）：31-33.
[2]史良樹.遙感技術現狀及其在林業中的應用[J].林業資源管理，2004，4（2）：50-52，63.
[3]譚炳香.高光譜遙感森林應用研究探討[J].世界林業研究，2003，16（2）：33-38.
[4]魏鐘銓.合成孔徑雷達衛星[M].北京：科學出版社，2001.
[5]林輝，童顯德，黃忠義.遙感技術在我國林業中的應用與展望[J].遙感信息，2002（1）：39-43.
[6]張煜星，等.基于SPOT數據的森林林相圖更新技術研究[M].北京：中國林業出版社，2007.
[7]吳春爭，馮益明，舒清態，等.基于高空間分辨率影像的林業小班遙感區劃系統設計與實現[J].浙江農林大學學報，2011，28（1）：40-45.
[8]曾慶偉，武紅敢.基于高光譜遙感技術的森林樹種識別研究進展[J].林業資源管理，2009（5）：109-114.
[9]覃先林. 遙感與地理信息系統技術相結合的林火預警方法的研究[D].中國林業科學研究院，2005.
[10]吳雪瓊，覃先林，李程，等.我國林火監測體系現狀分析[J].內蒙古林業調查設計，2010，33（3）：69-72.
[11]武紅敢.衛星遙感技術在森林病蟲害監測中的應用[J].世界林業研究，1995，（2）： 24-29.
[12]郭志華，肖文發，張真，等.RS在森林病蟲害監測研究中的應用[J].自然災害學報，2003，12（4）：73-81.
[13]亓興蘭，劉健，陳國榮，等.應用MODIS遙感數據監測馬尾松毛蟲害研究[J].西南林學院學報，2010，30 （1）： 42-46.
[14]“三北”防護林遙感綜合調查課題組.“三北”防護林遙感綜合調查技術規程[M].北京：中國林業出版社，1988.
[15]陳永富，劉華，孟獻策.國家重點林業生態工程監測與管理系統[M].北京：中國林業出版社，2011.
關鍵詞:遙感技術 林業監測 應用要點
林業遙感技術是通過非接觸性和非實地性的觀測和記錄林業的地理、生物、生態和其他信息,是現代做好林業監測、調查和信息獲取的重要技術手段。應該在對遙感技術做出科學理解和認知的基礎上,提高對林業遙感技術的重視程度,詳細了解影響林業遙感技術效果的因素,明確林業遙感技術的特點,結合實際林業監測工作做好林業遙感技術的應用,提升林業監測的質量和水平,為實現林業事業又好又快發展服務。
1、遙感技術的概述
遙感技術,英文簡稱RS(是Remote Sensing的縮寫),是一種通過非接觸性和非實地性的觀測和記錄目標物,獲取目標物體各種信息的一種技術。遙感技術在林業的應用可以稱為林業遙感技術,是指通過衛星和飛機對林業資源進行監測和調查,形成對林業資源實時地和動態地監測,形成各種數據和信息,為林業決策和發展提供基礎上和實施上的參考。
2、林業遙感技術的特點
2.1 林業遙感技術具有高效性
林業資源的在我國分布區域遼闊,應用林業遙感技術可以使國家有關部門在短時間里掌握大面積的林業資源狀況及變化情況。
2.2 林業遙感技術具有層次性
要想提高林業資源調查和監測的精確程度和速度,就必須利用抽樣技術,建立林業遙感技術不同高度的遙感平臺,獲得多層次遙感資料,在配合多階抽樣技術的前提下,有效提高林業資源調查和監測的速度和精度。
2.3 林業遙感技術具有動態性
林業資源的具有再生性和周期性的特點,決定了林業遙感技術必須保證林業資源信息監控和調查的動態性,實現多時相遙感和動態遙感。
2.4 林業遙感技術具有基礎性
林業遙感技術得到的林業資源信息是定量的數據,方便林業資源管理、調查和監測,應該重點做好林業用地面積和森林蓄積量的定量監控工作,為林業資源調查和監測做好基礎性工作。
2.5 林業遙感技術具有差異性
不同的傳感器和不同的介質,接受和記錄林業資源的屬性不盡相同,為了林業規劃的合理、林業生產的科學、林業監測的全面,必須提高林業遙感技術的差異性,將各種類型的信息接收和記錄下來,以利于科學分析和綜合利用。
3、遙感技術在林業監測中的應用要點
3.1 做好林業遙感技術在三個方面的應用工作
首先,做好對林業資源遙感資料的成圖工作,林業資源的面積、土地類型的判定、制圖和調繪是林業資源遙感技術的基礎工作,也是其優勢的主要方面,是林業監測的根本性工作。其次,做好木材蓄積量的估計工作,針對各地實際情況,開展有代表性的估量試驗,為林業監測工作提供詳盡的蓄積量信息。最后,做好林分調查因子的估計工作,加強林業遙感技術和傳統監測技術的相互配合,對各種因子做以詳細描述和準確記錄。
3.2 做好林業遙感技術的信息共享工作
林業監測離不開林業信息的共享,林業遙感技術的信息共享是林業信息合作的重要措施,據相關林業文件報告顯示,世界絕大多數國家已把遙感技術當作林業資源調查信息的主要獲取手段。但各國調查方法差異很大,標準(如分類系統)也不相同,這就使資料失去可比性,影響信息共享。我國已經建立國家級的森林資源監測體系和監測項目,就是這方面很好的嘗試,在林業資源分類方法與監測體系上與國際上進行了協調。這方面的工作有力地促進了各地林業信息和數據資源的共享,便于林業監測工作的開展和深入。
3.3 做好林業遙感信息的信息融合工作
隨著科學技術的不斷進步、社會的不斷發展,對林業遙感信息源的多形式應用成為林業技術工作人員所面臨的重要問題,如何做好林業遙感信息的融合工作,使信息來源多樣化,信息加工多功能化,將不同系統和不同來源的信息融合成為一項值得關注的工作。隨著信息源的多樣化,人們總希望將各種信息源的優點集中在一起,而不是簡單的疊加,這無疑是一項十分有意義的工作。目前,應該做好林業遙感信息與地理信息系統和全球衛星定位系統的融合工作,實現信息的無縫對接。
3.4 提高林業遙感數據的精度
林業應用航天遙感數據的一個重大障礙是當前運行的衛星傳感器的空間分辨率低,導致現有信息源不能滿足林業上的一些特殊要求,如樹種的區分。當前信息源即使能區分樹種組,由于大量的混雜像元存在,致使分類精度一直很低。隨著高光譜技術的出現和發展,上述問題的解決有了可能。如樹種區分,森林結構的表達,郁閉度及其它林分因子的測定等。高光譜是一個新的思路,它將原來僅有6~7個波段的區間,細分為更多的波段(如從400～2450m分為192個波段),目的在于建立窄光譜段與地物的直接對應關系,實現空中對地物的直接鑒別,盡管仍會有混雜與干擾,但通過多維光譜空間信息的分析,也能將林業的相關問題適當解決。
4、結語
綜上所述,在林業監測工作中應用林業遙感技術是時代對林業整體工作的一項要求,林業技術人員應該明確林業遙感技術的概念,清楚林業遙感技術的特點,找到確實有效掌握林業遙感技術提升林業監測質量的方法,為林業的發展服務。本文來自于實踐和基層,難免會出現水平和角度上的缺陷和漏洞,希望能夠對同行起到拋磚引玉的作用,也希望同行能把文中的缺欠當做新研究的開始,通過大家的共同努力,共同推進林業監測工作的深入,振興林業事業。
參考文獻
[1]侯彥林,賀紅仕,徐吉炎 等.農田防護林生態效益遙感研究方法[J].生態與環境遙感研究北京:科學出版社,1990:44~50.
關鍵詞：林業資源；調查；遙感影響；判讀技術；研究
隨著科學技術的不斷進步，空間遙感技術也隨之發展，極大地提高了林業資源的勘探技術。傳統的探測技術主要是以人工為主，費時又費力，遙感勘探技術改變了這一現狀，使林業資源勘探開始面向數字化、信息化方向發展，和傳統的技術相比節省了許多的人力和物力資源，幫助整體規劃林業資源的發展。
1.遙感影像技術方法
1.1前期工作準備
對影像數據進行判讀之前，需要先整理數據，收集目標區域的信息和資料，建立需要解譯的標志，幫助后續工作的順利進行。
1.1.1影像數據處理?？偟膩碚f，遙感情況具有視角寬廣、分辨率比較高、周期性、信息量比較大等特點。經過數據的波段組合、正設矯正這些方式之后，就能夠將需要的影像做空間匹配。
1.1.2收集相P資料信息。對影像數據進行處理后，在判讀數據前，還要調查區域的基本情況，為后期的判讀工作奠定基礎。調查內容要包含影像區域各種信息，其中有氣候、產業、建筑、植物種類和地理特征等。經過收集這些數據，能夠使我們更有針對性地判讀影像信息。
1.1.3解譯標志建立。在這一部分，要了解一下影像信息的大小、布局、位置、陰影、形狀等，通過這些信息來初步建立解譯標志：首先，把影像的圖幅作為單位，通常來說，每景要選擇15條覆蓋目標區域地類，這些線路要有比較高的代表性、色調相對齊全。然后，把選擇線路的實地特征和影響特征做對比，互相比對參照時還要對不同區域影像一些因素進行記錄，這些因素包含影像的紋理、幾何形狀、地理位置和色調等。最后，經過室內分析和野外勘察這些方式，確定目視判讀解譯標志。
1.2判讀方法
1.2.1多種手段和方法相結合。在開始影像判讀工作時，不能使用單一的手段，多種手段和方法相結合才能進一步提高解譯工作的精確度。
1.2.2開始工作時要先易后難。先判讀難度比較低的地物要，例如，居民點、公路等地方，對這些物體來說，它們的特征更加明顯，因此，和其它地物相比要更容易判讀。用截圖方式快速標記居民點、公路等，標記完再勾繪林地，耕地等。
1.2.3對同類的地物要經常對比。這個過程，把需要解譯的影響同其它已掌握的樣片做比照，進一步確定影像地物的具體類型，這個確定的過程可以說是完善和修正解譯標志的過程。
1.2.4多種信息分析。在這一過程中，需要考慮遙感影像所具有的多種解譯特征，這個過程要參照不同地理要素的相互制約和依存關系來進行。在生活常識和充分結合相關區域環境的基礎上，推斷地物的具體類型。難度相對來說較高的是林地類型，對這種圖像進行判讀工作時，結合目標環境中明顯的目標物，例如，居民點、建筑物，山丘河流等。
遇到那些難以判讀的目標時，例如，類似于空地顏色的地物，這是就先做記錄工作，然后后期利用野外驗證方式確定這小部分類型。
1.3室外校核
初期的解譯工作完成后，就能考核和驗證室外地物，充分結合室外樣地調查結果，確定正確的解釋標志，之后校核其余部分，補測一些必要的實地區域，從而得到更精確的解譯結果。通常情況下，把鄉鎮作為驗證工作的基本單位，鄉鎮以村為單位，這時就可以把地類相對復雜的村當做試地驗證的對象，驗證完成，再檢查1次，然后對判讀成果做進一步的修改。
1.4總結成圖
上述工作做完后就完成了判讀工作，通過軟件技術對工作任務要求和特點做面積求算、綜合分析和數據匯總等，并開始制作專題圖，正式完成了林業資源的調查工作。
1.5精度評價
雖然林業資源的調查工作已經完成，但還要再進行檢查。在完成圖像后，還需要在建立圖幅的基礎上，隨機抽取5幅以上的圖幅做檢查。對于小班需要仔細檢查它們的屬性、精度以及區劃邊界，查看其正確率是否滿足我們的要求，才能不斷提高調查精度和細化程度。
1.1工作準備
在實際對數據進行判讀之前，需要對相關數據做好處理工作，在對目標區域信息、資料進行收集的同時，對解譯標志進行建立，以此為后續判讀工作的開展做好準備。
1.1.1影像數據處理。
對于遙感情況來說，其具有視角廣、多分辨率、周期性、信息量豐富等特點。其所具有的多光譜剝奪空間分辨力為10m，全色波段分辨率為2.5m。在對數據進行波段組合、正設矯正等方式之后，則可以對相關影像進行空間匹配。
1.1.2資料信息收集。
在做好影像前期處理后，在對數據進行判讀前，則需要做好區域基本情況的調查，這也是對數據進行判讀的重要基礎工作。調查內容方面，則具有影像區域的氣候、產業、建筑、項目、植被類型以及地理特征等。通過這部分數據的收集，能夠幫助我們更有針對性地對影像信息進行判讀。
1.1.3解譯標志建立。
在該環節，則需對影像信息的大小、陰影、位置、布局、形狀以及圖案等進行了解，并在此基礎上對解譯標志進行初步建立：首先，要以影像的圖幅以及景幅為單位，一般情況下，每景需選擇15條能夠對目標區域地類進行覆蓋，且具有較高代表性、色調較齊全的線路；其次，將選擇的這部分線路實地特征同影響特征進行參照比對，并在比對的同時對不同地區影像的紋理、幾何形狀、色調、地理位置以及地形地貌等因素進行記錄，做好實況照片的拍攝；最后，要通過室內分析以及野外勘察等方式的應用，對目視判讀解譯標志進行建立。
1.2判讀方法
在判讀工作中，需要按照以下原則進行：第一，以多種手段與方法相結合。在對影像開展判讀工作時，需要對google截圖以及區域地形圖進行充分結合，以此對解譯工作的精度進行提升。第二，要以先易后難的方式開展工作。首先，要對難度較低的地物進行判讀，如居民點、水域以及公路等，對于這部分地物來說，其所具有的特征較為明顯，可以說所具有的判讀難度相對較低。通過截圖方式的應用則能夠對居民點、水域以及公路進行較快標記，之后再對林地以及耕地等進行勾繪。第三，同類地物間勤對比。在對比過程中，將需要解譯的影響同其余已經掌握的樣片進行比照，以此對影像地物的具體類型進行確定，而這也是我們對解譯標志進行完善與修正的一個過程。第四，多種信息分析。在該環節中，則需根據不同地理要素的相互制約以及依存的關系對遙感影像所具有的多種解譯特征進行考慮，并在對生活常識以及對相關區域環境情況進行充分結合的基礎上，對地物的具體類型進行推斷。其中，林地類型判讀是解譯工作中難度較高的一項工作，在對此類圖像進行判讀時，則需同目標環境的居民點、建筑物以及河流、山丘等較為明顯的目標物進行結合，以此更為準確地完成不同林木類型的判讀。而對于較難判讀的目標，如同空地顏色較為相似的地物來說，則可以先進行記錄，之后再通過野外驗證方式的應用對小班類型進行確定。
1.3室外校核
在初步解譯工作完成之后，則可以對室外地物進行校核與驗證，并在對室外樣地調查結果進行充分結合的基礎上，對正確的解釋標志進行建立，之后再對其余部分進行校核，在對必要實地區域進行補測的同時，獲得更為精確的解譯結果。一般情況下，可以將驗證工作以鄉鎮作為單位，而每個鄉鎮又以村作為單位，選擇地類較為復雜的村作為重點實地驗證對象，每個鄉鎮驗證的村的數量平均為各鄉鎮所轄村總數的一半，并在實地驗證工作完成之后，再一次對判讀成果進行進一步的修改與檢查。
1.4總結成圖
在上述工作完成、判讀工作完成之后，則可以通過GIS軟件技術的應用根據工作任務要求以及特點進行面積求算、綜合分析、拓撲檢查以及數據匯總等工作，并對專題圖進行制作，正式完成林業資源的調查工作。
1.5精度評價
在圖像制作完成之后，則需要在建立圖幅的基礎上，抽取5幅以上對圖幅進行檢查，而對于小班，則需要對其屬性、精度以及區劃邊界進行檢查，看其正確率是否能夠滿足檢查要求，以此更好地對調查精度以及細化程度進行提升。
2結語
劉振波1，張麗麗1，葛云健1，顧祝軍2
（1.南京信息工程大學氣象災害省部共建教育部重點實驗室，南京信息工程大學地理與遙感學院，
南京 210044；2.南京曉莊學院生物化工與環境工程學院）
摘要：以中國東北大興安嶺加格達奇林區為研究區，基于環境（HJ）衛星遙感數據提取森林植被指數，結合實測樣點葉面積指數（leaf area index， LAI）數據構建研究區LAI遙感反演模型，獲取研究區森林LAI。在此基礎上，利用研究區LAI影像對LAI遙感產品GLOBCARBON LAI和MODIS LAI數據進行精度驗證。研究結果表明：研究區LAI遙感反演模型中，基于比值植被指數（SR）的線性回歸模型精度最高，模型R2為0.606（RMSE=0.251 6），相對誤差19.89%；在研究區，GLOBCARBON LAI數據均值高于反演值，而MODIS LAI均值則相對較低，兩者相對誤差分別為12.2%和11.8%；通過對不同LAI值域的對比分析發現，研究區兩種遙感LAI產品的最大誤差均在LAI的低值區。
關鍵詞 ：葉面積指數；遙感反演；森林；HJ衛星；驗證
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
基金項目：江蘇省基礎研究計劃（自然科學基金）項目（BK20130992，BK20131078）；江蘇高校優勢學科建設工程資助項目（PAPD）。
作者簡介：劉振波（1978-），男，副教授，主要研究方向為資源環境遙感。E?mail： ZBLiu@nuist.edu.cn
葉面積指數（leaf area index，LAI）定義為單位地表面積上綠葉總面積的一半［1］，作為表征植被結構的重要因子，LAI已成為陸面過程、水文和生態等模型的重要輸入參數之一［2］。近年來，通過衛星觀測數據生產全球及區域LAI產品已成為LAI主要獲取手段，如基于AVHRR、VEGETATION、MODIS、MISR等傳感器數據的全球LAI 產品已廣泛應用于全球變化研究中［3-4］。
不同遙感數據源及反演算法的差異導致各遙感LAI產品精度不同，因此在應用遙感LAI產品時，對LAI產品的精度評價顯得尤為重要。針對遙感LAI產品精度評價，國內外學者在不同區域已有較多研究，結論不盡相同［5-6］。Pisek等［7］針對北美地區MODIS LAI產品進行了驗證研究，結果表明MODIS/LAI產品相對絕對誤差中值變化范圍為34%～88%，且當LAI處于高值區時，產品值的波動較大。Cohen等［8］驗證了北美4種不同植被覆蓋區域（ 農田、草原、針葉林、混交林） 的MODIS LAI舊版算法（Collection 3）與新版算法（Collection 4），發現新版算法在農田和草原植被區域精度有較大改善，但在森林區域仍存在高估現象［8］。Abuelgasim等［9］驗證了MODIS LAI、SPOT4/ VGT LAI與POLDER-1 LAI 3種產品在加拿大森林區域精度，結果顯示VGT LAI產品與實測結果更為接近，另兩種LAI產品精度較低。Fang等［10-11］對MODIS LAI（C4、C5）與CYCLOPES V3.1 LAI產品精度進行了綜合分析，研究結果顯示LAI的精度為±1.0，不能滿足全球氣候觀測系統GCOS的應用需求（±0.5以內）。孫晨曦等［12］、王圓圓等［13］基于實測LAI數據分別對錫林浩特草原地區GLASS LAI、MODIS LAI進行了精度驗證，結果顯示兩種LAI產品均存在一定程度的高估，GLASS LAI數據在研究區的精度與一致性要優于MODIS LAI。
綜合已有研究可以發現，由于遙感數據源及反演算法的差異以及不同研究區地表植被覆蓋類型的不同，現有遙感LAI數據產品在不同區域的反演精度存在較大差異。本研究針對中國森林覆蓋區域，選取中國東北大興安嶺加格達奇林區為研究區，在地表森林LAI實地測量的基礎上，根據實測數據首先實現較高空間分辨率環境（HJ）衛星的LAI制圖，進而利用HJ衛星反演的LAI通過尺度轉換分別對MODIS LAI產品與GLOBCARBON LAI產品進行精度分析。
1數據及處理
1.1研究區概況
本研究選取中國東北大興安嶺加格達奇地區為研究區（圖1）。研究區位于境內，大興安嶺山脈的東南坡，面積1 587km2，氣候屬寒溫帶大陸性氣候，區內森林廣袤，為中國北方典型的寒溫帶林區，主要分布有興安落葉林、白樺、樟子松、山楊、黑樺、云杉等樹種。
1.2研究數據
1.2.1環境衛星影像及預處理
本研究首先采用環境衛星（HJ-1）數據作為較高分辨率遙感數據反演研究區LAI，數據由中國衛星資源中心（http：∥secmep.cn）下載，影像獲取時間為2012年8月30日，數據均為L2 數據，經過系統輻射糾正和幾何校正，需要進一步進行大氣校正與幾何精校正。
本研究數據大氣校正采用6S模型進行影像的大氣校正，根據研究區地理位置輸入6S模型相關參數，模擬獲得大氣校正參數。幾何精校正通過地面控制點進行，控制點選取在研究區內路口、橋梁、標志地物等影像上易于識別的點，利用gps實測其經緯度完成對影像的精校正，糾正誤差控制在0.5個像元以內。
1.2.2遙感LAI產品數據
本研究分別對研究區MODIS LAI產品數據與GLOBCARBON LAI產品數據進行精度驗證，數據時相分別為2012年8月8—15日時段的MODIS LAI數據與2012年8月的GLOBCARBON LAI產品數據，其中MODIS LAI數據為MODIS標準產品MOD15A2數據。該LAI產品數據為NASA基于TERRA-AQUA/MODIS數據生成的全球2000年以來的葉面積指數產品，每8天合成1景，空間分辨率為1 km。MOD15數據主算法將全球植被劃分為8種生態群系類型，針對不同的生物群系類型，分別采用三維輻射傳輸模型生成查找表，以MOD09 1-7陸地波段的方向地表反射率為輸入反演獲取像元LAI；當光譜數據在預期范圍之外時，采用基于植被類型的NDVI-LAI備用算法，產品為真實葉面積指數。
GLOBCARBON LAI數據為基于SPOT/VEGETATION數據生成的全球1999年后的LAI產品，該產品為30 d合成數據，空間分辨率1 km。GLOBCARBON LAI利用VEGEETATION地表反射率計算植被指數SR（Simple Ratio）和RSR（Reduced Simple Ritio），在地表森林與非森林區域分別建立RSR-LAI與SR-LAI關系生成葉面積指數，算法考慮植被的集聚效應，將生成的有效葉面積指數轉換為真實葉面積指數。
1.2.3地面實測數據
本研究野外觀測數據獲取時間為2012年8月12—16日。觀測時選取森林密度相對均一區域標定30 m×30 m的樣區進行測量，樣點LAI測量采用配備雙光學感應傳感器的植物冠層分析儀LAI-2200 （LI-COR，USA），于測量樣區對角線上大致均勻選取5個測量點測量其森林冠層LAI。測量時一個傳感器分別在地表灌叢以下隨機測量4個B值，另一傳感器則放置于林地外開闊地上同步測量A值，最后取5個測量點的LAI均值作為該樣區森林冠層有效LAI。集聚指數測量利用冠層分析儀TRAC（Tracing Radiation and Architecture of Canopies），在樣區內隨機取4條直線線路，4條線路均與太陽入射光方向垂直，分別得到4組樣區冠層集聚指數，取均值作為該樣區森林冠層集聚指數。最后，根據樣點有效LAI結合同步測量的集聚指數計算得到樣點森林真實葉面積指數（LAI=LAIe /Ω），共獲取33個采樣點的測量數據。
1.3研究方法
本研究首先基于研究區較高空間分辨率HJ-1影像提取研究區測量樣點植被指數，并結合同步測量樣點LAI數據，建立研究區HJ-1影像森林LAI反演模型。其中植被指數選取NDVI［14］、SR［15］、SAVI［16］、EVI［17］、DVI［18］5種常用的植被指數。在此基礎上，以HJ-1 LAI作為真值，對HJ-1LAI像元重采樣到與MODIS LAI和GLOBCARBON LAI一致的空間分辨率，對該兩種LAI產品進行精度驗證。
2結果與分析
2.1研究區HJ-1影像LAI反演
根據預處理后的HJ-1影像，分別提取研究區各測量樣點5種植被指數。根據已有研究［15，19］，回歸模型分別選用線性、指數與對數3種回歸模型。結合同步測量的樣點LAI數據建立各植被指數與LAI回歸模型（表1），其中隨機選取22個LAI測量值用于建模，其余11個樣點用于模型驗證。由表1可見，各回歸模型均具有較高的相關性，均通過了0.05的置信檢驗。各植被指數的3種回歸模型精度基本相差不大，線性回歸模型相對精度較高，5種植被指數回歸模型的平均復相關系數R2為0.485 6，其次為指數模型與對數模型，R2分別為0.462和0.461 8。綜合5種植被的模型回歸精度，最低的為垂直植被指數（DVI）平均復相關系數R2僅為0.365 3，比值植被指數（SR）模型反演精度最高，3種回歸模型的平均復相關系數R2達到0.586。
綜合所有模型，基于SR的線性回歸模型精度最高，R2達到0.606（RMSE=0.251 6），模型反演LAI相對誤差19.89%。本研究根據此回歸模型反演得到研究區LAI圖（HJ-30 m LAI）（圖2a）。由圖2可見，研究區LAI東南部整體LAI值較高，部分區域其值高于5.0，均值為2.27，整體上沿山脈走勢呈東南高西北低的趨勢。
2.2研究區不同LAI統計分析
根據CEOS（Committee Earth Observing Satellites）全球中等分辨率LAI產品驗證框架［20］，本研究將HJ衛星反演的30 m空間分辨率LAI數據重采樣為1 km分辨率數據（HJ-1 km LAI）（圖2b），以便與MODIS LAI和GLOBCARBON LAI數據進行空間匹配并驗證（圖2c和2d）。由圖2可見，研究區重采樣后的HJ-1 km LAI影像細節表現仍高于MODIS LAI與GLOBCABON LAI數據。此外，研究區3種影像LAI空間分布格局基本一致，但GLOBCARBON LAI產品數據LAI值整體上高于其他兩種數據。
進一步對研究區3種LAI影像數據進行統計分析（表2）發現：研究區3種LAI數據在植被區域LAI值域范圍最大的為GLOBCARBON LAI數據，其值在0.93～4.91；HJ-1 km LAI數據與MODIS LAI數據值域基本相同；GLOBCARBON LAI均值最高，其值比HJ-1 kmLAI高0.29，相對誤差為12.2%；而MODIS LAI數據均值比HJ-1 km LAI均值則低0.28，相對誤差為11.8%。兩種遙感LAI數據產品在研究區LAI均值誤差均在12%左右，但GLOBCARBON LAI存在高估現象，而MODIS LAI數據則明顯低估。
2.3研究區不同區間LAI值驗證
利用研究區HJ-1 km LAI影像分別與MODIS LAI影像、GLOBCARBON LAI影像相同像素點上LAI作散點圖（圖3），可以發現3種LAI數據均具有較高的相關性，復相關系數R2分別達到0.68和0.72。進一步按低值、中值、高值區3個LAI區間分別進行統計（表3），可見研究區森林LAI在不同值域范圍內精度不同，整體上GLOBCARBON LAI與MODIS LAI兩種數據產品均隨著LAI值的升高其精度也隨著提高，在LAI低于1.5的低值區兩種LAI遙感產品精度均表現最差，其與HJ-1 km LAI的相對誤差分別為+33.7%、-37.0%，而在［1.5， 3.0］值域區間內相對誤差與整個值域內的LAI相對誤差相似。
3結論
本研究基于野外樣點實測LAI數據，首先建立研究區較高空間分辨率環境（HJ）衛星反演LAI模型，在此基礎上通過像元空間聚合對遙感LAI產品數據MODIS LAI和GLOBCARBON LAI進行精度檢驗。研究結果表明：
1）研究區HJ衛星LAI反演模型中，基于比值植被指數（SR）的線性回歸模型反演模型精度最高，模型反演的相對誤差為19.89%；
2）對遙感LAI產品數據的檢驗結果表明，研究區MODIS LAI均值整體偏低，而GLOBCARBON LAI均值則整體偏高，兩者與反演值的相對誤差都在12%左右；
3）進一步通過不同區間值LAI的對比可見，研究區該兩種遙感LAI產品在小于1.5的低值區部分誤差最大，均值相對誤差達到+33.7%和-37%，在高值區則精度均最高。
全球遙感LAI產品數據已在全球變化與碳循環研究以及植被定量監測等領域得到了廣泛應用，其產品精度直接關系到研究結果的可信度。通過本研究對最常用的兩種LAI遙感產品的精度驗證及與已有研究可以發現，不同遙感LAI產品及不同下墊面狀況下精度均表現各異，在應用各遙感LAI產品時應預先估計由此可能帶來的不確定性。
參考文獻
［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］叢日亮，張金池，林杰，等.蘇南丘陵區主要林型葉面積指數季節動態［J］.林業科技開發，2011，25（3）：63-66.
［4］劉洋， 劉榮高， 陳鏡明， 等.葉面積指數遙感反演研究進展與展望［J］.地球信息科學學報， 2013， 15（5）：734-743.
［5］曾也魯， 李靜， 柳欽火.全球LAI地面驗證方法及驗證數據綜述［J］.地球科學進展， 2012， 27（2）：165-174.
［6］肖志強，王錦地，王鍺森.中國區域MODISLA產品及其改進［J］.遙感學報， 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］孫晨曦， 劉良云， 關琳琳.內蒙古錫林浩特草原GLASS LAI產品的真實性檢驗［J］.遙感技術與應用， 2013，28（6）：949-954.
［13］王圓圓， 王猛， 李貴才， 等.基于野外觀測和TM 數據的錫林浩特典型草原MODIS/LAI產品驗證［J］.草業學報， 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.
>> 基于電子醫療數據的舒血寧注射液對肝功能影響的臨床實效研究 疏血通注射液不同劑量對肝功能影響的真實世界研究 基于醫院信息系統數據的舒血寧注射液對腎功能影響的臨床實效研究 基于真實世界數據的舒血寧注射液臨床用藥分析 基于注冊登記研究的舒血寧注射液治療腦梗死臨床用藥特征探析 簡述舒血寧注射液的臨床運用 舒血寧注射液的臨床運用 阿司匹林聯合舒血寧注射液對急性腦梗塞患者的臨床療效 舒血寧注射液治療原發性腦出血的臨床研究 痰熱清注射液對肝癌介入治療術后肝功能的影響 基于真實世界的舒血寧注射液治療腦梗死患者臨床用藥特征分析 舒血寧注射液治療冠心病左室舒張功能不全的臨床療效觀察 舒血寧注射液治療慢性腦供血不足的臨床療效 舒血寧注射液臨床不良反應特征及預警信號探測研究 舒血寧注射液聯合利多卡因注射液治療眩暈癥的臨床觀察 386例阿司匹林聯合舒血寧注射液對急性腦梗死患者的臨床觀察 舒血寧注射液與臨床相關藥物的配伍穩定性研究 舒血寧注射液對于急性腦梗死的臨床治療分析 舒血寧注射液治療挫傷性視網膜病變的臨床觀察 舒血寧注射液治療36例急性腦梗死的臨床體會 常見問題解答 當前所在位置：l.
[2] 李文杰，李小云，范雪亮. 中藥注射劑超劑量使用引發后果及原因概述[J]. 中國藥物警戒，2011，8（10）：611.
[3] 許莉.中藥注射劑臨床不合理用藥分析[J].中國藥業，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，蕭惠來. FDA《人用處方藥和生物制品說明書的用量和用法部分指導原則》概述[J]. 中國新藥雜志，2011，20（6）：493.
[6] 莊嚴，謝邦鐵，翁盛鑫，等. 中藥上市后再評價 HIS“真實世界”集成數據倉庫的構建與實現[J].中國中藥雜志，2011，36（20）：2883.
[7] 楊薇，程豪，楊虎，等.基于HIS燈盞細辛注射液“真實世界”臨床用藥特點分析[J]. 中國中藥雜志， 2012，37（18）： 2718.
[8] 楊薇，謝雁鳴，莊嚴. 基于HIS“真實世界”數據倉庫探索上市后中成藥安全性評價方法[J]. 中國中藥雜志，2011，36（20）：2779.
[9] 沈福民.流行病學原理與方法[M].上海：復旦大學出版社，上海醫科大學出版社，2001.
[10] 曹建華，孔新秀，陳群蓉，等. 年齡和性別與血清肝功能相關酶的關系探討[J]. 檢驗醫學與臨床，2010，7（4）：325.
[11] 鄭立文，朱喜梅. 嚴重輸液反應致多臟器功能受損1例[J]. 沈陽部隊醫藥，2011， 1：36.
[12] 馬劉江，李星，安京華，等. 舒血寧致多器官功能障礙綜合征1例報道[J]. 當代醫學，2011，22：107.
[13] 錢維，葉小飛，王超，等. 藥品不良反應信號檢測中混雜因素的控制方法[J]. 中國藥物警戒，2010， 7：142.
[14] Stukel T A， Fisher E S， Wennberg D E，等. 對存在治療選擇偏倚的觀察性研究的分析：采用傾向評分和工具變量法評價有創性心臟治療對AMI患者生存率的影響[J]. 世界核心醫學期刊文摘：心臟病學分冊，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
關鍵詞：林業資源；遙感信息；尺度問題；研究
中圖分類號：S750 文獻標識碼：A DOI：10.11974/nyyjs.20170133177
林業體系的良好運作，需要遙感技術的參與。遙感技術在林業產業的應用，主要是依據自身的信息獲取手段，對不同的林業分布情況和林業種植情況等進行監測，總結出相關的數據信息，促進林業的發展。但是當下林業的遙感技術應用活動中，信息的尺度問題成為制約其發展的重要因素。因此要對林業資源的遙感信息尺度問題進行深入研究。
1 林業資源遙感技術的信息尺度的意義
林業體系中，遙感技術是被人們經常提起和利用的信息提取手段，解決了當下林業領域的許多發展難題。隨著社會的發展和進步，人們對于遙感技術的資源和信息掌握更加詳細，對于遙感運作活動中的信息和數據的有效截取提出更高要求，來保證林業體系發展的現象和特點及時掌握。不一樣的林業產業，對于信息和數據的截取具有不同的特點，進而需要不同的尺度來衡量。我國科學專研人員，對于遙感技術的信息提取尺度進行過深入研究。研究結果告訴我們，對于不同的林業體系，對于遙感技術的應用，林業信息的提取，會隨著遙感技術的不同尺度而展現不同的結果，也影響遙感信息的準確度，影響整個立業產業的結構和空間的變化。例如，在相關的林業市場調研活動中顯示，對于遙感技術的不同判定依據，所獲得信息的準確度也大不相同。與此同時，遙感技術的信息的準確度直接影響信息的真實性。
2 遙感技術的信息尺度問題研究和分析
2.1 不同^域的方差
利用不同區域的方差進行運算，利于找到最恰當的遙感數據和有效資源。首先要依據不同的辨別度，進行方差的計算，給出其構圖的不同區域的方差，給出其平均的計算結果，進而求出不同區域的方差平均結果。最后把不同的方差數值和不同區域的空間辨別數值進行對比，找出其主要規律。不同區域的方差在辨別能力最強時，其空間的甄別能力也為極強。對于遙感構圖的展示，主要是形成四處分布而且不相交的體系結構，這也是遙感技術對于不同區域的方差的辨別的主要展示方式。
2.2 變化性的函數體系
對于區域的異質特點的分析，主要是利用變化性的函數來觀察。這一運作體系，主要包含了不同變化因素的區域依賴性。在進行這一活動時，對于遙感技術的尺度的合理化運用，要依據不同的變化性函數的分布圖形，進行數值的計算和統計，進而求出最合理的辨別率。先利用較小的辨別構件圖，進行函數變化性的實驗活動，總結其數值的變化規律，進而求出數值的變化函數。在求出變化函數后，依據變化函數的理論，把其數值規律進行聯系，利用科學化的運作方式進行處理。點的變化函數可以利用實驗的變化性函數進行統計，進而從不同的函數變化數值中，得出函數的變化總數值。
2.3 尺度的變化
遙感技術的信息的種類具有多樣性的特點，進而對于不同尺度的變化，都具有相應的遙感尺度的產生。對于不同的遙感尺度的產生，其不同類型具有多樣化的體現。進而對于遙感技術尺度的變化，也要依據不同的空間變化，建立合理化的運作體系和手段。多樣化的遙感尺度可以進行信息的交流和資源的整合，這主要是依據于遙感技術的關聯性這一客觀事實。但是從另一方面來看，對于不同尺度的不同運作環節，沒有關聯性。對于遙感技術的數據資源的尺度變化活動，可以依據不同的方式進行運作。包括對不同區域的尺度進行平均數的計算，運用比鄰的方法等遙感尺度的管理方法，進行遙感數據和資源的增大活動。分形定理也是遙感運作體系中的重要手段。分形定理具有穩定性和一致性的特點。在林業產業的遙感技術運作活動中，林業的構建環境具有分散性的特點，在對其不同的區域構建圖進行研究和分析的基礎上，利用分形定理可以極大的促進遙感技術在林業的發展，增加其實際應用性。建立林業的運作機理的遙感尺度變化體系，主要是依據不同的變化模型的基礎上，對林業的變化數值進行觀察。林業機理這一運作方式，具有較高的準確性和物理意義。
3 結論
由上文的闡述可以看出，對于林業的遙感尺度的分析和研究顯示，對于林業數據和信息的定量截取，對于遙感技術的尺度分析活動，具有重要影響，利于促進遙感技術在林業的廣泛應用。但是當下的遙感技術在林業的運作活動中，其自身的信息的提取尺度問題具有發展局限性，進而要基于當下的林業發展實際情況，和遙感技術的自身發展弊端，進行遙感技術的合理化創新活動，增加遙感技術的信息提取合理化，增加遙感技術的實際應用性。
參考文獻
[1]劉悅翠，樊良新.林業資源遙感信息的尺度問題研究[J].西北林學院學報，2004（4）：165-169.
