留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

大理苍山东西坡植被的垂直分布格局

张萍 张军 李佳玉 薛宇飞 李宇宸

张萍, 张军, 李佳玉, 薛宇飞, 李宇宸. 大理苍山东西坡植被的垂直分布格局[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220136
引用本文: 张萍, 张军, 李佳玉, 薛宇飞, 李宇宸. 大理苍山东西坡植被的垂直分布格局[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220136
ZHANG Ping, ZHANG Jun, LI Jiayu, XUE Yufei, LI Yuchen. Vertical distribution pattern of vegetation on the east and west slopes of Cangshan Mountain in Dali[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220136
Citation: ZHANG Ping, ZHANG Jun, LI Jiayu, XUE Yufei, LI Yuchen. Vertical distribution pattern of vegetation on the east and west slopes of Cangshan Mountain in Dali[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220136

本文已在中国知网网络首发,可在知网搜索、下载并阅读全文。

大理苍山东西坡植被的垂直分布格局

doi: 10.11833/j.issn.2095-0756.20220136
基金项目: 高分辨率对地观测系统重大专项省域产业化应用项目(89-Y40G19-9001-18/20)
详细信息
    作者简介: 张萍(ORCID:0000-0002-1576-1000),从事GIS应用与遥感信息提取研究。E-mail: 2437174233@qq.com
    通信作者: 张军(ORCID: 0000-0002-1278-6077),副研究员,博士,硕导,从事遥感信息提取、GIS应用等教学和研究工作。E-mail: zhjun@ynu.edu.cn
  • 中图分类号: S718.5

Vertical distribution pattern of vegetation on the east and west slopes of Cangshan Mountain in Dali

  • 摘要:   目的  分析云南省大理苍山东西坡植被的垂直分布格局变化特征,为有效保护苍山生态环境和物种多样性提供参考依据。  方法  以大理苍山为研究区域,基于高分二号(GF-2)高分辨率遥感影像,结合大理苍山完整的山地植被垂直地带性分布规律,辅以纹理特征和数字高程模型(DEM)数据,采用面向对象的多层次图像分割法,通过构建地形约束因子参与分类过程,准确选择样本,高精度提取研究区域的植被信息,并分析苍山山区东西坡植被的垂直分布格局。  结果  ①引入辅助信息的面向对象分类法提取的苍山各植被类型连续且效果好,分类总体精度为95.3%,Kappa系数为0.946 6。②苍山东西坡现状植被垂直分布格局明显,各自具有6个垂直分布带,并随着海拔高程的增大,植被分布类型趋同性增大,但东西坡垂直带谱内的优势植被类型相比也存在部分差异。  结论  相较于传统主观性强的分类方法,引入垂直带谱信息的地形约束因子进行分类,可以有效地提高山地植被分类的精度。这充分说明了基于面向对象的多层次分割法适用于苍山植被信息的精确提取。图5表3参22
  • 图  1  研究区位置示意图

    Figure  1  Location of the study area

    图  2  大理苍山植被垂直带谱

    Figure  2  Vertical band spectrum of vegetation in Cangshan Mountain, Dali      

    图  3  大理苍山地形约束因子分布

    Figure  3  Distribution of topographic constraint factors in Cangshan Mountain, Dali

    图  4  DEM纹理参与和未参与图像分割的结果对比

    Figure  4  Comparison of the results of DEM texture participation and non-participation in image segmentation

    图  5  大理苍山植被分类结果示意图

    Figure  5  Results of vegetation classification in Cangshan Mountain, Dali    

    表  1  多尺度分割的参数设置

    Table  1.   Multi-scale segmentation parameter settings

    分割层次尺度形状因子紧致度因子对象类别
    1 120 0.1 0.5 植被、非植被
    2 90 0.1 0.5 耕地、林地
    3 70 0.1 0.5 云南松林、华山松林、云南铁杉阔叶混交林、苍山冷杉-杜鹃林、亚高山草甸、杜鹃灌丛、
     亚热带干热河谷次生灌丛、常绿阔叶林、针叶-杜鹃-箭竹矮林、杜鹃灌丛草甸
    下载: 导出CSV

    表  2  不同层次的地物分类规则

    Table  2.   Classification rules of different levels of ground objects

    层次类别分类方法特征隶属度函数特征值范围
    1 非植被 模糊分类 最大化差异度量 小于 [0.1, 0.6]
    归一化植被指数 小于 [−0.2, 0.6]
    高程 小于 [1 900, 2 100]
    高程 大于 [3 400, 4 200]
    植被 不是非植被
    2 耕地、林地 最邻近分类 近红外波段均值、波段亮度值、 长宽比、同质性、面积、归一 化植被指数
    3 云南松林、华山松林、云南铁杉阔叶混 交林、苍山冷杉-杜鹃林、亚高山草 甸、杜鹃灌丛、亚热带干热河谷次生 灌丛、常绿阔叶林、针叶-杜鹃-箭竹 矮林、杜鹃灌丛草甸 最邻近分类 近红外波段均值、高程均值、亮 度值、最大化差异度量、同质 性
    、对比度、归一化植被指数
    下载: 导出CSV

    表  3  分类结果的混淆矩阵

    Table  3.   Confusion matrix of classification results

    类别裸地旱地云南
    松林
    华山
    松林
    云南铁
    杉阔叶
    混交林
    苍山冷杉-杜
    鹃林
    亚高山
    草甸
    杜鹃
    灌丛
    亚热带干
    热河谷次
    生灌丛
    常绿阔
    叶林
    杜鹃灌
    丛草甸
    针叶-杜鹃-
    箭竹矮林
    总和
    裸地 18 1 0 0 0 0 0 0 0 0 0 0 19
    旱地 0 13 0 0 0 0 0 0 1 0 0 0 14
    云南松林 0 1 73 1 0 0 0 0 2 0 0 0 77
    华山松林 0 0 1 33 0 0 0 0 0 0 0 0 34
    云南铁杉阔叶混交林 0 1 2 1 126 0 0 0 0 1 0 0 131
    苍山冷杉-杜鹃林 0 0 0 0 0 54 0 0 0 0 0 0 54
    亚高山草甸 0 2 0 0 0 0 28 1 0 0 0 0 31
    杜鹃灌丛 0 0 1 1 0 1 0 78 0 0 0 1 82
    亚热带干热河谷次生灌丛 0 0 3 0 0 0 0 0 10 0 0 1 14
    常绿阔叶林 0 1 1 0 0 0 0 0 1 41 0 0 44
    杜鹃灌丛草甸 0 0 0 0 0 0 0 0 2 0 8 0 10
    针叶-杜鹃-箭竹矮林 0 0 0 0 0 0 0 0 0 0 0 90 90
    总和 18 19 81 36 126 55 28 79 16 42 8 92
    生产者精度/% 100.0 68.4 90.1 91.7 100.0 98.2 100.0 98.7 62.5 97.6 100.0 97.8
    用户精度/% 94.7 92.9 94.8 97.1 96.2 100.0 90.3 95.1 71.4 93.2 80.0 100.0
      说明:总体分类精度95.3%,Kappa系数0.946 6。混淆矩阵中的行表示实际地物与分类结果的样本对应情况,列表示遥感影像的分     类结果在实际中被分为各个类别的相应数量,矩阵中主对角线表示正确的分类数,非对角线表示相应的误分数目,从而算得     分类精度
    下载: 导出CSV
  • [1] 张俊瑶, 姚永慧, 索南东主, 等. 基于垂直带谱的太白山区山地植被遥感信息提取[J]. 地球信息科学学报, 2019, 21(8): 1284 − 1294. doi:  10.12082/dqxxkx.2019.180650

    ZHANG Junyao, YAO Yonghui, SUONAN Dongzhu, et al. Mapping of mountain vegetation in Taibai Mountain based on mountain altitudinal belts with remote sensing [J]. J Geo-Inf Sci, 2019, 21(8): 1284 − 1294. doi:  10.12082/dqxxkx.2019.180650
    [2] 于法展. 庐山不同森林植被类型土壤特性与健康评价研究[D]. 徐州: 中国矿业大学, 2018.

    YU Fazhan. Research on Soil Characteristics and Health Evaluation of Different Forest Vegetation Types in Lushan[D]. Xuzhou: China University of Mining and Technology, 2018.
    [3] SALAS E A L, BOYKIN K G, VALDEZ R. Multispectral and texture feature application in image-object analysis of summer vegetation in Eastern Tajikistan Pamirs[J/OL]. Remote Sensing, 2016, 8(1): 78[2020-10-20]. doi: 10.3390/rs8010078.
    [4] 张嵩, 马保东, 陈玉腾, 等. 融合遥感影像光谱和纹理特征的矿区林地信息变化监测[J]. 地理与地理信息科学, 2017, 33(6): 44 − 49. doi:  10.3969/j.issn.1672-0504.2017.06.008

    MA Song, MA Baodong, CHEN Yuteng, et al. Monitoring on the changes of forestry in mining area based on remote sensing images combing with the spectral and texture features [J]. Geogr Geo-Inf Sci, 2017, 33(6): 44 − 49. doi:  10.3969/j.issn.1672-0504.2017.06.008
    [5] 张春华, 李修楠, 吴孟泉, 等. 基于Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取[J]. 地理科学, 2018, 38(11): 1904 − 1913.

    ZHANG Chunhua, LI Xiunan, WU Mengquan, et al. Object-oriented classification of land cover based on Landsat 8 OLI image data in the Kunyu Mountain [J]. Sci Geogr Sin, 2018, 38(11): 1904 − 1913.
    [6] LIU Yanan, GONG Weishu, HU Xiangyun, et al. Forest type identification with random forest using Sentinel-1A, Sentinel-2A, multi-temporal Landsat-8 and DEM data[J/OL]. Remote Sensing, 2018, 10(6): 946[2020-11-12]. doi: 10.3390/rs10060946.
    [7] FU Yuanyuan, ZHAO Chunjiang, WANG Jihua, et al. An improved combination of spectral and spatial features for vegetation classification in hyperspectral images[J/OL]. Remote Sensing, 2017, 9(3): 261. doi: 10.3390/rs9030261.
    [8] SUCHENWIRTH L, FORSTER M, CIERJACKS A, et al. Knowledge-based classification of remote sensing data for the estimation of below- and above-ground organic carbon stocks in riparian forests [J]. Wetlands Ecol Manage, 2012, 20(2): 151 − 163. doi:  10.1007/s11273-012-9252-8
    [9] PEÑA M A, LIAO R, BRENNING A. Using spectrotemporal indices to improve the fruit-tree crop classification accuracy [J]. ISPRS J Photogramm Remote Sensing, 2017, 128: 158 − 169. doi:  10.1016/j.isprsjprs.2017.03.019
    [10] JOHANSEN K, COOPS N C, GERGEL S E, et al. Application of high spatial resolution satellite imagery for riparian and forest ecosystem classification [J]. Remote Sensing Environ, 2007, 110(1): 29 − 44. doi:  10.1016/j.rse.2007.02.014
    [11] 何鸿杰, 穆亚超, 魏宝成, 等. 分层分类和多指标结合的西北农牧交错带植被信息提取[J]. 干旱区地理, 2019, 42(2): 332 − 340.

    HE Hongjie, MU Yachao, WEI Baocheng, et al. Vegetation information extraction in farming-pastoral ectones in northwest China using hierarchical classification and multiple indices [J]. Arid Land Geogr, 2019, 42(2): 332 − 340.
    [12] 陈波, 胡玉福, 喻攀, 等. 基于纹理和地形辅助的山区土地利用信息提取研究[J]. 地理与地理信息科学, 2017, 33(1): 1 − 8. doi:  10.3969/j.issn.1672-0504.2017.01.001

    CHEN Bo, HU Yufu, YU Pan, et al. Research on information extraction of land use in mountainous area on texture and terrain [J]. Geogr Geo-Inf Sci, 2017, 33(1): 1 − 8. doi:  10.3969/j.issn.1672-0504.2017.01.001
    [13] 张友静, 樊恒通. 城市植被尺度鉴别与分类研究[J]. 地理与地理信息科学, 2007, 23(6): 54 − 57. doi:  10.3969/j.issn.1672-0504.2007.06.013

    ZHANG Youjing, FAN Hengtong. Scale identification for urban vegetation classification using high spatial resolution satellite data [J]. Geogr Geo-Inf Sci, 2007, 23(6): 54 − 57. doi:  10.3969/j.issn.1672-0504.2007.06.013
    [14] 袁睿佳, 杨树华, 王宝荣. 苍山东坡植被垂直分布格局研究[J]. 云南大学学报(自然科学版), 2008, 30(3): 318 − 325.

    YUAN Ruijia, YANG Shuhua, WANG Baorong. Study on the altitudinal pattern of vegetation distribution along the eastern slope of Cangshan Mountain, Yunnan, China [J]. J Yunnan Univ Nat Sci Ed, 2008, 30(3): 318 − 325.
    [15] 中国科学院中国植被编辑委员会. 中国植被图集(1∶100万) [M]. 北京: 科学出版社, 2001.
    [16] 闵天禄, 方瑞征. 点苍山的植被与杜鹃属植物的分布[J]. 云南植物研究, 1982, 4(4): 383 − 391.

    MIN Tianlu, FANG Ruizheng. The vegetation on Cangshan Yunnan and the distribution of genus Rhododendron [J]. Yunnan Bot Res, 1982, 4(4): 383 − 391.
    [17] 段诚忠. 苍山植被科学考察[M]. 昆明: 云南科技出版社, 1995.
    [18] 中华人民共和国国家质量监督检验检疫总局和中国国家标准化管理委员会. 土地利用现状分类: GB/T 21010—2007 [S]. 北京: 中国标准出版社, 2007.
    [19] 程璐, 宁黎平, 才永吉. 图像分割与SVM的城市森林植被分类技术研究[J]. 青海大学学报, 2017, 35(3): 71 − 75, 87.

    CEHNG Lu, NING Liping, CAI Yongji. Applying segmentation method and SVM technology on urban forest regetation classification research [J]. J Qinghai Univ, 2017, 35(3): 71 − 75, 87.
    [20] 马浩然, 赵天忠, 曾怡. 面向对象的最优分割尺度下多层次森林植被分类[J]. 东北林业大学学报, 2014, 42(9): 52 − 57. doi:  10.3969/j.issn.1000-5382.2014.09.012

    MA Haoran, ZHAO Tianzhong, ZENG Yi. Object-based multi-level classification of forest vegetation on optimal segmentation scale [J]. J Northeast For Univ, 2014, 42(9): 52 − 57. doi:  10.3969/j.issn.1000-5382.2014.09.012
    [21] 刘绍贵, 姬忠林, 张月平, 等. 基于GF-1影像面向对象分类方法的水稻种植信息提取研究[J]. 中国稻米, 2017, 23(6): 43 − 46. doi:  10.3969/j.issn.1006-8082.2017.06.008

    LIU Shaogui, JI Zhonglin, ZHANG Yueping, et al. Planting information extraction of rice by object-oriented classification method based on GF-1 images [J]. China Rice, 2017, 23(6): 43 − 46. doi:  10.3969/j.issn.1006-8082.2017.06.008
    [22] HARALICK R M, SHANMUGAN K, DINSREIN I. Textural features for image classification [J]. IEEE Trans System Man Cybern, 1973, 3(6): 610 − 621.
  • [1] 胡海波, 邓文斌, 王霞.  长江流域河岸植被缓冲带生态功能及构建技术研究进展 . 浙江农林大学学报, doi: 10.11833/j.issn.2095-0756.20210201
    [2] 朱赞, 袁希平, 甘淑, 张良洁, 赵庆会.  高分1号数据用于云南文山三七种植信息提取 . 浙江农林大学学报, 2020, 37(1): 129-135. doi: 10.11833/j.issn.2095-0756.2020.01.017
    [3] 姚兰, 张焕朝, 胡立煌, 王艮梅, 方炎明.  黄山不同海拔植被带土壤活性有机碳、氮及其与酶活性的关系 . 浙江农林大学学报, 2019, 36(6): 1069-1076. doi: 10.11833/j.issn.2095-0756.2019.06.003
    [4] 朱晓成, 吴永波, 余昱莹, 李文霞.  太湖乔木林河岸植被缓冲带截留氮素效率 . 浙江农林大学学报, 2019, 36(3): 565-572. doi: 10.11833/j.issn.2095-0756.2019.03.018
    [5] 李龙伟, 李楠, 陆灯盛.  多时相Sentinel-2影像在浙西北茶园信息提取中的应用 . 浙江农林大学学报, 2019, 36(5): 841-848. doi: 10.11833/j.issn.2095-0756.2019.05.001
    [6] 郭建曜, 王渌, 杨静, 马风云, 马雪松, 王文波, 董玉峰.  鲁中南山地黑松人工林土壤和林下植被的动态格局 . 浙江农林大学学报, 2018, 35(2): 209-218. doi: 10.11833/j.issn.2095-0756.2018.02.003
    [7] 穆亚南, 丁丽霞, 李楠, 陆琳莹, 吴明.  基于面向对象和随机森林模型的杭州湾滨海湿地植被信息提取 . 浙江农林大学学报, 2018, 35(6): 1088-1097. doi: 10.11833/j.issn.2095-0756.2018.06.012
    [8] 梁文海, 刘吉凯, 张伟, 李新伟, 钟仕全.  基于面向对象方法的GF-2影像桉树林信息提取 . 浙江农林大学学报, 2017, 34(4): 721-729. doi: 10.11833/j.issn.2095-0756.2017.04.019
    [9] 陈丽萍, 李平衡, 莫路锋, 周国模, 李金荣.  基于通量源区模型的雷竹林生态系统碳通量信息提取 . 浙江农林大学学报, 2016, 33(1): 1-10. doi: 10.11833/j.issn.2095-0756.2016.01.001
    [10] 董心玉, 范文义, 田甜.  基于面向对象的资源3号遥感影像森林分类研究 . 浙江农林大学学报, 2016, 33(5): 816-825. doi: 10.11833/j.issn.2095-0756.2016.05.013
    [11] 郑世伟, 江洪, 唐敏忠.  天目山地区大气酸沉降的动态特征 . 浙江农林大学学报, 2015, 32(2): 188-194. doi: 10.11833/j.issn.2095-0756.2015.02.004
    [12] 严军, 查玚晟, 梁慧琳.  基于山形特征的山地公园景观空间选址研究 . 浙江农林大学学报, 2015, 32(6): 927-932. doi: 10.11833/j.issn.2095-0756.2015.06.016
    [13] 王丽敏, 陈征海, 马丹丹, 夏国华, 李根有.  4种分布于浙江石灰岩山地的新记录植物 . 浙江农林大学学报, 2012, 29(3): 467-469. doi: 10.11833/j.issn.2095-0756.2012.03.024
    [14] 郝红, 徐常青, 张新平.  基于非负矩阵分解的航拍图像信息提取 . 浙江农林大学学报, 2012, 29(1): 72-77. doi: 10.11833/j.issn.2095-0756.2012.01.013
    [15] 汪平, 贾黎明, 李效文, 李江婧.  北京西山地区侧柏游憩林群落结构及植物多样性 . 浙江农林大学学报, 2010, 27(4): 565-571. doi: 10.11833/j.issn.2095-0756.2010.04.015
    [16] 吴见, 彭道黎.  多伦县土地利用遥感信息提取技术 . 浙江农林大学学报, 2010, 27(3): 417-423. doi: 10.11833/j.issn.2095-0756.2010.03.016
    [17] 高玉池, 魏志刚, 杨传平, 刘桂丰, 刘关君.  帽儿山地区10年生白桦种源试验 . 浙江农林大学学报, 2009, 26(6): 784-791.
    [18] 肖胜和, 孙治, 包亚芳.  山地型旅游资源非优区的旅游规划探讨 . 浙江农林大学学报, 2006, 23(2): 198-201.
    [19] 田波, 丁丽霞, 周云轩, 汤臣栋.  多层分布式林业信息服务平台的构建 . 浙江农林大学学报, 2006, 23(4): 429-434.
    [20] 胡伯智, 吴黎明, 毛轩平, 章健平.  山地白枇杷高接换种试验 . 浙江农林大学学报, 2003, 20(2): 137-140.
  • 加载中
  • 链接本文:

    https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20220136

    https://zlxb.zafu.edu.cn/article/zjnldxxb/2022//1

计量
  • 文章访问数:  20
  • 被引次数: 0
出版历程
  • 收稿日期:  2021-01-25
  • 修回日期:  2021-09-27

大理苍山东西坡植被的垂直分布格局

doi: 10.11833/j.issn.2095-0756.20220136
    基金项目:  高分辨率对地观测系统重大专项省域产业化应用项目(89-Y40G19-9001-18/20)
    作者简介:

    张萍(ORCID:0000-0002-1576-1000),从事GIS应用与遥感信息提取研究。E-mail: 2437174233@qq.com

    通信作者: 张军(ORCID: 0000-0002-1278-6077),副研究员,博士,硕导,从事遥感信息提取、GIS应用等教学和研究工作。E-mail: zhjun@ynu.edu.cn
  • 中图分类号: S718.5

摘要:   目的  分析云南省大理苍山东西坡植被的垂直分布格局变化特征,为有效保护苍山生态环境和物种多样性提供参考依据。  方法  以大理苍山为研究区域,基于高分二号(GF-2)高分辨率遥感影像,结合大理苍山完整的山地植被垂直地带性分布规律,辅以纹理特征和数字高程模型(DEM)数据,采用面向对象的多层次图像分割法,通过构建地形约束因子参与分类过程,准确选择样本,高精度提取研究区域的植被信息,并分析苍山山区东西坡植被的垂直分布格局。  结果  ①引入辅助信息的面向对象分类法提取的苍山各植被类型连续且效果好,分类总体精度为95.3%,Kappa系数为0.946 6。②苍山东西坡现状植被垂直分布格局明显,各自具有6个垂直分布带,并随着海拔高程的增大,植被分布类型趋同性增大,但东西坡垂直带谱内的优势植被类型相比也存在部分差异。  结论  相较于传统主观性强的分类方法,引入垂直带谱信息的地形约束因子进行分类,可以有效地提高山地植被分类的精度。这充分说明了基于面向对象的多层次分割法适用于苍山植被信息的精确提取。图5表3参22

English Abstract

张萍, 张军, 李佳玉, 薛宇飞, 李宇宸. 大理苍山东西坡植被的垂直分布格局[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220136
引用本文: 张萍, 张军, 李佳玉, 薛宇飞, 李宇宸. 大理苍山东西坡植被的垂直分布格局[J]. 浙江农林大学学报. doi: 10.11833/j.issn.2095-0756.20220136
ZHANG Ping, ZHANG Jun, LI Jiayu, XUE Yufei, LI Yuchen. Vertical distribution pattern of vegetation on the east and west slopes of Cangshan Mountain in Dali[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220136
Citation: ZHANG Ping, ZHANG Jun, LI Jiayu, XUE Yufei, LI Yuchen. Vertical distribution pattern of vegetation on the east and west slopes of Cangshan Mountain in Dali[J]. Journal of Zhejiang A&F University. doi: 10.11833/j.issn.2095-0756.20220136

返回顶部

目录

    /

    返回文章
    返回