洪 嬌 舒清態(tài) 吳嬌嬌 郎曉雪

(西南林業(yè)大學(xué)林學(xué)院，云南 昆明 650224)

?

基于Hyperion數(shù)據(jù)的滇西北高寒山區(qū)高山松典型森林生態(tài)系統(tǒng)健康分級研究

洪 嬌 舒清態(tài) 吳嬌嬌 郎曉雪

(西南林業(yè)大學(xué)林學(xué)院，云南 昆明 650224)

選取香格里拉高寒山區(qū)典型森林生態(tài)系統(tǒng)高山松純林為研究對象，以Hyperion影像為數(shù)據(jù)源，在利用敏感性分析法篩選高山松林健康評價指標體系基礎(chǔ)上，建立研究區(qū)基于像元的森林健康指數(shù)綜合評判模型 (FHI)，運用層次分析法和德爾菲法確定FHI模型中的各項指標權(quán)重，并結(jié)合地面樣地調(diào)查數(shù)據(jù)，將研究區(qū)森林健康指數(shù)劃分為健康、亞健康、中等健康和不健康4個等級。結(jié)果表明：研究區(qū)遙感影像的森林健康指數(shù)為-0.25～75.34，平均值為33.23，研究區(qū)森林整體處于亞健康狀態(tài)；其中不健康森林面積約占森林總面積的16.24%，中度健康面積約為31.60%，亞健康森林面約為25.80%，健康面積約為26.36%。

Hyperion數(shù)據(jù)；植被指數(shù)；森林健康；高山松；生態(tài)系統(tǒng)

森林作為陸地生態(tài)系統(tǒng)的主體，提供人類生產(chǎn)生活必不可少的自然資源，是生物圈中極其重要的一環(huán)。而森林健康是當(dāng)前林業(yè)發(fā)展的新目標，直接關(guān)系到全球生態(tài)安全和人類社會的可持續(xù)發(fā)展。據(jù)聯(lián)合國糧農(nóng)組織 (FAO) 發(fā)布的 《世界森林資源評估 (2015)：世界森林如何變化》 分析顯示，近年來世界森林面積日益減少，總面積由1990年的41.28億hm2下降至39.99億hm2，約占世界陸地總面積的30.6%[1]。

森林健康是森林生態(tài)系統(tǒng)健康和恢復(fù) (forest ecosystem health/restoration) 的簡稱[2-4]，是森林健康狀況評估和森林資源管理的標準，能夠最充分地持續(xù)發(fā)揮森林的生態(tài)、社會和經(jīng)濟效益[5]，已經(jīng)成為林業(yè)科學(xué)技術(shù)中一個新的發(fā)展方向與發(fā)展趨勢，得到了社會各界的廣泛認同與支持，是森林經(jīng)營的現(xiàn)代化、國際化的必然產(chǎn)物，具有深刻的歷史背景和廣闊的發(fā)展前景[6-7]。因此，加強對森林生態(tài)系統(tǒng)健康的監(jiān)測評價，維持和改善森林健康是現(xiàn)代林業(yè)發(fā)展的重中之重。

本研究選取香格里拉高寒山區(qū)典型森林生態(tài)系統(tǒng)高山松 (Pinusdensata) (原名西康油松(Pinasdensata)) 純林為研究對象，基于Hyperion高光譜數(shù)據(jù)擬通過篩選出與森林生長健康狀況密切相關(guān)的植被指數(shù)指標，結(jié)合相關(guān)資料和專家意見確定其在評估森林健康狀況模型中所占的權(quán)重，由此建立基于植被指數(shù)評價森林生長健康狀況的評價體系，并實現(xiàn)在遙感領(lǐng)域?qū)ι纸】荡蟪叨鹊暮透呔鹊脑u估。

1 研究區(qū)自然概況

研究區(qū)位于云南省西北部，地處滇、川、藏三省結(jié)合部的青藏高原南延地段的香格里拉市，地處東經(jīng)99°20′～100°19′、北緯26°52′～28°52′[8-9]。該地區(qū)是 “三江并流” 核心區(qū)的一顆明珠，素有 “高山大花園” “動植物王國” 的美稱。這里地勢復(fù)雜且氣候寒冷，屬于寒溫帶氣候區(qū)，年降雨量618.4 mm，年平均氣溫4.7～16.5 ℃，年極端最高氣溫25.1 ℃，最低氣溫-27.4 ℃。據(jù)統(tǒng)計，全州林業(yè)用地161.5萬hm2，森林覆蓋率達73.9%，高于云南省平均水平[10-11]。其中高山松以其耐寒、耐旱、耐貧瘠、天然更新良好等優(yōu)點成為該地區(qū)的主要優(yōu)勢樹種，在滇西北高寒山區(qū)占有特定的生態(tài)環(huán)境范圍，扮演者著不可替代的角色[12-15]。因此，充分研究和利用高山松的優(yōu)良特性，對于加快造林更新速度、增加研究區(qū)森林覆被率、發(fā)揮高山松的經(jīng)濟和社會等多重效益具有至關(guān)重要的現(xiàn)實意義。

2 研究方法

2.1 數(shù)據(jù)采集

1) 高光譜數(shù)據(jù)：本研究采用成像于2015年3月12日的香格里拉北部的Hyperion高光譜影像數(shù)據(jù)作為研究對象。EO-Hyperion是美國NASA于2000年發(fā)射的第一個星載民用成像光譜儀，本研究使用的是L1R產(chǎn)品，傳感器空間分辨率30 m，包含224個波段，具體特性見表1[16]。

表1 Hyperion具體特征介紹

2) 國家森林資源二類調(diào)查數(shù)據(jù)：香格里拉市2006年國家森林資源二類調(diào)查數(shù)據(jù)。

3) 數(shù)字高程模型柵格圖 (DEM)：香格里拉市基本單元大小為25 × 25的數(shù)字高程模型柵格圖 (DEM)。

4) 樣地數(shù)據(jù)：香格里拉市高山松50塊現(xiàn)地調(diào)查數(shù)據(jù) (圖1)。調(diào)查指標包括樹高、胸徑、年齡、坡向、坡度、郁閉度、GPS坐標、森林健康等級狀況。

2.2 數(shù)據(jù)預(yù)處理

本研究所采用的Hyperion數(shù)據(jù)經(jīng)過了輻射校正，但仍受傳感器和大氣等影響產(chǎn)生許多虛假信息，存在不正常像元。需要在ENVI下對所獲取的數(shù)據(jù)進行條紋修復(fù)及壞線去除、未定標及水汽嚴重吸收波段剔除、D-Streak、Smile效應(yīng)校正、大氣校正、幾何精校正等一系列處理，以排除虛假信息的影響[17-20]?；玖鞒桃妶D2。

圖1 研究區(qū)樣地分布

Fig.1 Position of distribution of the sample

圖2 Hyperion數(shù)據(jù)處理流程圖

Fig.2 Flow diagram of Hyperion date process

Hyerion LI產(chǎn)品有242個波段，其中VNIR8-57以及SWIR77-224共198個波段經(jīng)過了輻射定標處理。但由于VNIR56-57與SWIR77-78重疊，實際上只有196個獨立的定標波段。此外，經(jīng)測定光譜范圍在1 356～1 417、1 820～1 932 nm和>2 395 nm的波段受水汽影響較為嚴重，相對應(yīng)的波段分別為：121～127、167～178和224共20個波段，將這些波段剔除后剩余176個波段，分別為：8～57、79～120、128～166、179～223。

2.3 植被指標提取

植被指數(shù)是利用遙感信息監(jiān)測地面植被生長狀況和時空分布情況的一種簡單、有效的方法，可以在一定程度上反映植被的演化信息，表明植被活力，是植被生態(tài)研究領(lǐng)域的基礎(chǔ)[20-25]。經(jīng)過近幾十年的發(fā)展，植被指數(shù)已被廣泛應(yīng)用于作物預(yù)測預(yù)報、植被監(jiān)測、植被分類等方面，目前已經(jīng)定義了40多種植被指數(shù)[22,24,26]。本研究按獨立性、代表性、科學(xué)性、系統(tǒng)性以及實用性等5個原則從綠度指數(shù)、光利用率指數(shù)、葉色素指數(shù)以及地形因子等4個方面確定14個評價指標，對高寒山區(qū)典型森林生態(tài)系統(tǒng)進行健康狀況監(jiān)測與評價[27](表2)。

表2 植被指數(shù)計算公式

依據(jù)上述計算公式，基于ENVI軟件中的波段計算模塊，計算相關(guān)14個相關(guān)指數(shù)，計算結(jié)果見圖3。

圖3 評價指標提取

2.4 指標賦權(quán)

植被指數(shù)表明了植被活力，反映了植被生長健康狀況，對森林生態(tài)系統(tǒng)健康監(jiān)測起著十分重要的作用[28-29]。在森林健康狀況監(jiān)測與評價過程中，指標權(quán)重的確定至關(guān)重要，賦權(quán)方法是否合理，權(quán)重結(jié)果是否客觀，不僅能夠直接影響森林健康監(jiān)測結(jié)果的精確程度，而且對最后的森林健康狀況評價的影響也十分巨大[30-31]。常用的指標權(quán)重確定的方法有很多，如層次分析法 (AHP)、專家打分法 (Delphi)、主成分分析法、熵值法等[32-33]。

本研究中采用層次分析法[29,34]，將其與該區(qū)域內(nèi)各植被指數(shù)分析結(jié)果和地形因子相合 (圖4)，在此基礎(chǔ)上通過采用調(diào)查問卷的形式，廣泛征求各方面專家的意見，進行定性定量分析，確定判斷標度，得到判斷矩陣以及各層次指標權(quán)重 (表3)[35-36]。

圖4 森林健康評價指標層次

Fig.4 Indicator system of the FHI evaluation model

表3 指標權(quán)重匯總

2.5 判斷矩陣一致性檢驗

專家打分存在一定的人為干擾因素，與理論上的判斷矩陣存在一定誤差，因此需要對分析結(jié)果進行一致性檢驗以判斷矩陣是否合理，檢驗指標為CI[37-39]。

式中：n為矩陣階數(shù)；λmax對應(yīng)判斷矩陣的最大特征根。

本研究為防止各專家因認識不同所引起的隨機誤差，故加入一致性檢驗指標RI。

CR=CI/RI

式中：CR為一致性比例，當(dāng)CR < 0.10時，認為判斷矩陣一致性是合理的；當(dāng)CR ≥ 0.10時，認為判斷矩陣的一致性不合理，應(yīng)該加以修改。CI為一致性指標，當(dāng)CI=0時，表明矩陣具有完全一致性[29,35]。由表4可知，各判斷矩陣具有很好的一致性。

表4 一致性檢驗

2.6 評價模型的建立

根據(jù)前文中計算出來的14個植被指標建立森林健康狀況評價模型。

在該森林健康狀況評價模型FHI中，va、vb、vc分別表示綠度指數(shù)、葉色素指數(shù)、光利用率指數(shù)等3方面涉及的植被指數(shù)，vd表示地形因子；W1、W2、W3、W4表示以上4個方面的權(quán)重，且W1+W2+W3+W4=1；wa、wb、wc、wd表示每個指數(shù)指標方面所占的權(quán)重，且

基于上述判斷矩陣給各指標權(quán)重賦值，得到關(guān)于本研究的森林生態(tài)系統(tǒng)健康模型：

FHI=(0.5×VPRI+0.157 1×VSIPI+0.249 5×VRGI)×0.136 4+(0.332 5×VCRI1+0.527 8×VCRI2+0.139 6×VARI1)×0.136 4+(0.332 5×VNDVI+0.075 9×VEVI+0.075 7×VRVI+0.148 7×VSGI+0.238 4×VNDVI705+0.128 0×VVOGI1)×0.232 2+(0.666 7×V坡度+0.333 3×V坡向)×0.495 0

3 結(jié)果與分析

3.1 森林健康分級標準

基于ENVI軟件中的band math運算模塊并結(jié)合Arcgis中的疊加分析模塊，對影像逐像元進行處理，得到研究區(qū)森林生態(tài)系統(tǒng)健康評價模型。為了使顯示結(jié)果與國家森林資源連續(xù)清查森林健康監(jiān)測的評定標準相一致，本研究采用樣點實地調(diào)查法將森林健康評價結(jié)果劃分成健康、亞健康、中健康和不健康4個等級。樣地點調(diào)查指標評判分級標準見表5。

表5 樣地點調(diào)查指標評判分級標準

3.2 森林健康分級結(jié)果

將野外實地調(diào)查獲取的50個樣地點GPS坐標數(shù)據(jù)疊加到研究區(qū)高山松森林健康等級評價分布圖上，提取各樣點的森林健康指數(shù)值，并基于實地調(diào)查評判標準將其分級，得出每一級的平均值、最大值與最小值。實測樣地數(shù)據(jù)選取樹高、森林郁閉度、齡級、單位面積蓄積、坡度、坡向以及高山松受災(zāi)害程度等，并對數(shù)據(jù)進行綜合調(diào)查篩選，最終選取具有代表性的50個純林樣地數(shù)據(jù)，其中包括：被火燒林地3塊、病蟲害林地1塊、幼齡林5塊、中齡林10塊、近熟林10塊、成熟林13塊以及過熟林8塊，各林地空間分布均勻。調(diào)查分析結(jié)果見表6。

由表6的調(diào)查結(jié)果顯示，研究區(qū)域遙感影像的森林健康指數(shù) (FHI) 為-0.25～75.34，平均值為33.23，研究區(qū)森林整體處于亞健康狀態(tài)。從等級分析可以看出，不健康森林面積約占森林總面積的16.24%；中度健康面積為1 643.31 hm2，約占森林總面積的31.60%；亞健康森林面約為25.80%；健康面積約為26.36%最終篩選的50個純林樣地中，3塊火燒林地、1塊病蟲害林地以及其他部分林地處于不健康狀態(tài)，占研究區(qū)總面積的16.24%。

表6 森林健康等級劃分

與不健康狀態(tài)相關(guān)的主要是胡蘿卜素指數(shù)1、胡蘿卜素指數(shù)2、花青素指數(shù)1等與森林健康狀況呈負相關(guān)的植被指數(shù)，此外也包括可以敏感反應(yīng)葉片內(nèi)胡蘿卜素含量的光化學(xué)植被指數(shù)等；而與健康狀態(tài)相關(guān)的植被指數(shù)為歸一化植被指數(shù)、比值植被指數(shù)、增強型植被指數(shù)等，這些指數(shù)與森林健康狀況均呈正相關(guān)關(guān)系。

通過前文公式計算，最終得到研究區(qū)精確的高山松森林健康等級分布圖，見圖5。

圖5 森林健康等級分布圖

Fig.5 Distribution of forest health level

4 結(jié)論與討論

本研究選取香格里拉高寒山區(qū)典型森林生態(tài)系統(tǒng)高山松純林為研究對象，在對Hyperion數(shù)據(jù)進行預(yù)處理的前提下，提取14個能敏感反應(yīng)森林健康狀況的植被指數(shù)，并通過計算健康指數(shù)得到研究區(qū)遙感影像的森林健康指數(shù)為-0.25～75.34，平均值為33.23，研究區(qū)森林整體處于亞健康狀態(tài)。其中不健康森林面積約占森林總面積的16.24%，中度健康面積約為31.60%，亞健康森林面約為25.80%，健康面積約為26.36%。

對于森林生態(tài)系統(tǒng)健康狀況評價的研究，國內(nèi)外相關(guān)領(lǐng)域在理論方面探討的較多，但總體來說，仍然缺乏一個完善的評價指標體系和技術(shù)手段。因此，在對香格里拉高寒山區(qū)典型森林生態(tài)系統(tǒng)健康監(jiān)測與評價過程中，仍然存在一些亟待解決的問題。首先在評價指標的選取上，受研究條件等方面的影響和限制，一些重要的指標沒有考慮進來，因此削弱了評價的完整性與精度；其次無論是在指標選取和指標賦權(quán)過程中，都是依靠個人經(jīng)驗和相關(guān)領(lǐng)域?qū)＜規(guī)椭?，帶有較大的主觀成分；最后，對于計算結(jié)果的精度還有待進一步推敲驗證。

[1] Chirici G, Corona P, Portoghesi L. Global forest resources assessment[J]. Italian Journal of Forest & Mountain Environments, 2013.

[2] 薛沛沛, 王兵, 牛香, 等. 森林生態(tài)系統(tǒng)健康評估方法的現(xiàn)狀與前景[J]. 中國水土保持科學(xué), 2012, 10(5): 109-115.

[3] 谷建才, 陸貴巧, 白順江, 等. 森林健康評價指標及應(yīng)用研究[J]. 河北農(nóng)業(yè)大學(xué)學(xué)報, 2006, 29(2): 68-71.

[4] 陳高, 代力民, 范竹華, 等. 森林生態(tài)系統(tǒng)健康及其評估監(jiān)測[J]. 應(yīng)用生態(tài)學(xué)報, 2002, 13(5): 605- 610.

[5] Dayle D. Bennett, Borys M. Tkacz. Forest health monitoring in the United States: a program overview[J]. Australian Forestry, 2008, 71(3): 223-228.

[6] 徐世芳, 李小英, 夏靜, 等. 昆明?？诹謭錾纸】禒顩r評價[J]. 西南林業(yè)大學(xué)學(xué)報, 2015, 35(2): 68-72.

[7] 王懿祥, 陸元昌, 張守攻, 等. 森林生態(tài)系統(tǒng)健康評價現(xiàn)狀及展望[J]. 林業(yè)科學(xué), 2010, 46(2): 134- 140.

[8] 宋發(fā)榮. 香格里拉縣的森林資源及其特點分析[J]. 西部林業(yè)科學(xué), 2008, 37(1): 124-128.

[9] 岳彩榮. 香格里拉縣森林生物量遙感估測研究[D]. 北京: 北京林業(yè)大學(xué), 2012.

[10] 楊學(xué)光. 香格里拉縣林業(yè)志[M]. 昆明: 云南民族出版社, 2006.

[11] 單之薔. 大香格里拉序篇: 八大重合橫斷山[J]. 中國國家地理, 2004(7): 38-41.

[12] 劉建幫, 曾啟相, 羅文禮. 高山松 (PiunsdensataMast) 生物學(xué)特性及人工直播更新試驗觀察[J]. 四川林業(yè)科技, 1981(4): 25-28.

[13] 曾平江, 陳全春. 米亞羅林區(qū)高山松的更新特性和生長狀況的初步調(diào)查[R]. 1979年四川高山林業(yè)研究資料集刊, 1979.

[14] 郭立群. 滇西北地區(qū)高山松的林學(xué)特性及更新過程的研究[J]. 云南林業(yè)科技, 1982(1)： 1-19.

[15] 中國植被編輯委員會. 中國植被[M]. 北京: 科學(xué)出版社, 1980.

[16] Richard Beck. EO-1 User Guide v.2.3.2003[R/OL]. http://eol.usgs.gov & http://eol.gsfs.nasa, gov.[17] 譚炳香, 李增元, 陳爾學(xué), 等. 高光譜遙感森林信息提取研究進展[J]. 林業(yè)科學(xué)研究, 2008, 21(S1): 105-111.

[18] 楊玲莉, 張廷斌, 何菊紅, 等. 基于ENVl的Hyperion數(shù)據(jù)預(yù)處理方法[J]. 河南科技, 2015(9): 39- 42.

[19] 梁繼, 王建. Hyperion高光譜影像的分析與處理[J]. 冰川凍土, 2009, 31(2): 247-253.

[20] 李曉松, 李增元, 高志海, 等. 基于Hyperion植被指數(shù)的干旱地區(qū)稀疏植被覆蓋度估測[J]. 北京林業(yè)大學(xué)學(xué)報, 2010, 32(3): 95-100.

[21] 胡曉雯, 曹爽, 趙顯富. 基于植被指數(shù)的綠地信息提取的比較[J]. 南京信息工程大學(xué)學(xué)報, 2012, 4(5): 420-425.

[22] 馮露, 岳德鵬, 郭祥. 植被指數(shù)的應(yīng)用研究綜述[J]. 林業(yè)調(diào)查規(guī)劃, 2009, 34(2): 48-52.

[23] 馬春林. 基于植被指數(shù)NDVI的遙感信息提取[J]. 中國高新技術(shù)企業(yè), 2008(10): 114.

[24] 郭凱, 孫培新, 劉衛(wèi)國. 利用遙感影像軟件ENVI提取植被指數(shù)[J]. 紅外, 2005(5): 10-12.

[25] 田慶久, 閔祥軍. 植被指數(shù)研究進展[J]. 地球科學(xué)進展, 1998, 13(4): 327-333.

[26] 郭鈮. 植被指數(shù)及其研究進展[J]. 干旱氣象, 2003, 21(4): 71-75.

[27] 彭濤, 高旺盛, 隋鵬. 農(nóng)田生態(tài)系統(tǒng)健康評價指標體系的探討[J]. 中國農(nóng)業(yè)大學(xué)學(xué)報, 2004, 9(1): 21-25.

[28] 許明祥, 劉國彬, 趙允格. 黃土丘陵區(qū)土壤質(zhì)量評價指標研究[J]. 應(yīng)用生態(tài)學(xué)報, 2005, 16(10): 1843-1848.

[29] 王琦, 杜燕, 鄭小賢. 將樂林場常綠闊葉林健康評價指標體系構(gòu)建[J]. 西南林業(yè)大學(xué)學(xué)報, 2014, 34(5): 74-78.

[30] 龐彥軍, 劉開第, 張博文. 綜合評價系統(tǒng)客觀性指標權(quán)重的確定方法[J]. 系統(tǒng)工程理論與實踐, 2001, 21(8): 37-42.

[31] 郭穎杰, 張樹深, 陳郁. 生態(tài)系統(tǒng)健康評價研究進展[J]. 城市環(huán)境與城市生態(tài), 2002(5): 11-13.

[32] 王靖, 張金鎖. 綜合評價中確定權(quán)重向量的幾種方法比較[J]. 河北工業(yè)大學(xué)學(xué)報, 2001, 30(2): 52-57.

[33] 朱方霞, 陳華友. 確定區(qū)間數(shù)決策矩陣屬性權(quán)重的方法: 熵值法[J]. 安徽大學(xué)學(xué)報 (自然科學(xué)版), 2006, 30(5): 4-6.

[34] 聶力. 東錢湖區(qū)域森林生態(tài)系統(tǒng)健康評價研究[D]. 上海: 華東師范大學(xué), 2008.

[35] 李艷萍, 喬琦, 柴發(fā)合, 等. 基于層次分析法的工業(yè)園區(qū)環(huán)境風(fēng)險評價指標權(quán)重分析[J]. 環(huán)境科學(xué)研究, 2014, 27(3): 334-340.

[36] 姜孟竹, 劉兆剛, 李元. 大興安嶺盤古林場森林健康評價與分析[J]. 中南林業(yè)科技大學(xué)學(xué)報, 2014, 34(7): 73-79.

[37] 張金屯. 植被數(shù)量生態(tài)學(xué)方法[M]. 北京: 中國科學(xué)出版社, 1995.

[38] 李秀英. 森林健康評價指標體系初步研究與應(yīng)用[D]. 北京: 中國林業(yè)科學(xué)研究院, 2006.

[39] 陳美球, 黃靚, 蔡海生, 等. 鄱陽湖區(qū)土地健康評價[J]. 自然資源學(xué)報, 2004, 19(2): 170-175.

(責(zé)任編輯 曹 龍)

The Health Classification ofPinusdensataTypical Forest Ecosystem in Alpine Region of Northwestern Yunnan Based on Hyperion Data

Hong Jiao, Shu Qingtai, Wu Jiaojiao, Lang Xiaoxue

(College of Forestry, Southwest Forestry University, Kunming Yunnan 650224, China)

The purePinusdensataforest of the typical forest ecosystem in the alpine region of Shangri-La is selected as the research subject and Hyperion images are taken as the data source. Based on using the sensitivity analysis method to screen out thePinusdensataforest′s health evaluation index system, the forest health index comprehensive evaluation model of the research zone is set up based on image elements. By using the analytic hierarchy process method and the Delphi method, this paper determines various indexes′ weighted values and combines the investigated data of the ground surface to classify the research zone′s forest health indexes into four levels, including healthy, sub-healthy, moderately healthy and unhealthy. Results have shown that the forest health index of the research zone′s remote images is in the range of -0.25～75.34,and the average value is 33.23, the research zone′s forest is generally in the sub-healthy state. The unhealthy area, moderately healthy area,sub-healthy area and healthy area occupies of the forest′s total area is 16.24%, 31.60%, 25.80% and 26.36%, respectively.

Hyperion data, vegetation index, forest health,Pinusdensata, ecosystem

10. 11929/j. issn. 2095-1914. 2016. 06. 013

2016-06-28

國家自然科學(xué)基金項目 (31460194、31060114) 資助。

舒清態(tài) (1970—)，男，副教授，博士。研究方向：3S技術(shù)及森林景觀經(jīng)營。Email: shuqt@163.com。

S771.5

A

2095-1914(2016)06-0079-08

第1作者：洪嬌 (1992—)，女，碩士生。研究方向：森林經(jīng)理。Email: whjiao999@163.com。