魏莉莉 寇衛(wèi)利 向蘭蘭 梁昌獻(xiàn)

(西南林業(yè)大學(xué)大數(shù)據(jù)與智能工程學(xué)院，云南 昆明 650224)

熱帶雨林是物種豐富而結(jié)構(gòu)復(fù)雜的生態(tài)系統(tǒng)[1]，具有最大的凈初生產(chǎn)力和固碳能力，在全球碳循環(huán)、氣候穩(wěn)定和生物多樣性保護(hù)方面起著重要的作用[1-2]。西雙版納是我國的熱帶雨林主要集中地區(qū)之一，但由于人口的快速增長及人為的破壞，導(dǎo)致大面積的熱帶雨林被轉(zhuǎn)變?yōu)楦氐绕渌恋乩妙愋?，同時(shí)也使熱帶雨林出現(xiàn)了嚴(yán)重的破碎化現(xiàn)象，呈現(xiàn)出不連續(xù)的片狀分布，因而影響了當(dāng)?shù)氐纳锒鄻有訹3]。森林蓋度及景觀破碎化是研究這一變化過程并進(jìn)行有效決策的基礎(chǔ)，因此，掌握森林空間分布與景觀破碎化程度具有非常重要的意義。

森林蓋度是植被冠層或葉面在地面上的垂直投影面積占總面積的百分比，是反映地表植被的覆蓋情況和監(jiān)測植被生長的重要指標(biāo)[4]。而傳統(tǒng)獲取森林蓋度的方法是人工地面測量，存在費(fèi)時(shí)、費(fèi)力等局限性，且一般適用于小尺度范圍的調(diào)查[5]。利用遙感技術(shù)不僅可以快速、準(zhǔn)確地獲取大尺度范圍內(nèi)的森林蓋度，同時(shí)可以減少大量的外業(yè)調(diào)查工作，降低調(diào)查成本。已經(jīng)有學(xué)者采用Landsat TM/ETM數(shù)據(jù)針對2010年及以前的西雙版納的森林覆蓋度[3]及破碎度[6]進(jìn)行了相關(guān)研究。而2010—2015年西雙版納森林發(fā)生了較大的變化，研究區(qū)最新的森林覆蓋度及其景觀破碎化程度尚不清楚，且森林景觀破碎化的研究大多數(shù)是從時(shí)空變化的視角進(jìn)行分析，而本研究主要探索景觀在地形空間變化的規(guī)律。因此，以西雙版納2015年Landsat 8 OLI遙感影像為基礎(chǔ)數(shù)據(jù)，利用基于像元的森林提取方法，提取2015年西雙版納的森林分布及其森林蓋度，通過對森林景觀破碎化在地形上的差異性分析，以求得到西雙版納森林破碎化的現(xiàn)狀。

1 研究區(qū)概況

西雙版納地處云南省的南部,位于北緯21°08′～22°36′，東經(jīng)99°58′～101°50′，海拔為475.0～2 429.5 m[7]，面積共19 120 km2，下轄景洪市、勐?？h和勐臘縣，與老撾、緬甸接壤，西、北、東三面與滇西南山原、山地相連，屬于橫斷山系南端無量山脈和怒山山脈的余脈山原、山地區(qū)。整個(gè)地區(qū)以山原為主，地勢四周高、中部低，山地面積占總面積的95%[8]。該地區(qū)位于北回歸線以南，屬于熱帶季風(fēng)性氣候，降水充沛、溫暖潮濕，1年分為干濕兩季，雨季 (5—10月)，旱季 (11—翌年5月)。年均降水量1 036.1～2 431.5 mm，年平均氣溫為21.4 ℃。西雙版納的地帶性植被主要是熱帶雨林，由于西雙版納的特殊地貌及海拔差，又發(fā)育有熱帶季節(jié)性濕潤林、熱帶季雨林、熱帶山地 (低山) 常綠闊葉林[9]。

2 材料與方法

2.1 數(shù)據(jù)來源與預(yù)處理

2.1.1數(shù)據(jù)來源

Landsat 8是2013年2月由美國航空航天局 (NASA) 成功發(fā)射的Landsat系列的第8顆衛(wèi)星，其搭載有陸地成像儀 (OLI)[10]。OLI的成像方式采用推掃式，比TM/ETM + 成像儀采用的擺掃式具有更好的幾何穩(wěn)定性和圖像質(zhì)量。此外，Landsat 8的波段更多，波段劃分更加精細(xì)，可以獲得精度更好的數(shù)據(jù)[11]，更有利于森林信息的提取。

研究數(shù)據(jù)來源于USGS官網(wǎng) (http://www.usgs.gov) 和地理空間數(shù)據(jù)云 (http://www.gscloud.cn)。因?yàn)槲麟p版納部分熱帶季雨林存在有落葉現(xiàn)象，為了避免由因落葉現(xiàn)象造成森林覆蓋度的低估，因此研究選取處于植被生長期5月份的西雙版納Landsat 8 OLI遙感影像作為基礎(chǔ)數(shù)據(jù)。為了解決云的影響問題，研究以2015年5月3日的數(shù)據(jù)為主，并輔以2016年5月5日、2015年4月19日的數(shù)據(jù)，利用拼接鑲嵌的方法得到了1幅完整的2015年5月西雙版納無云數(shù)據(jù)。

2.1.2遙感數(shù)據(jù)預(yù)處理

Landsat 8 OLI數(shù)據(jù)發(fā)布的產(chǎn)品為LIT級，已使用地面控制點(diǎn)和數(shù)字高程模型進(jìn)行精確幾何校正[11]。因此，本研究利用ENVI 5.1對原始數(shù)據(jù)直接進(jìn)行了輻射定標(biāo)、FLAASH大氣校正、圖像拼接及利用西雙版納行政邊界對拼接后的圖像進(jìn)行裁剪。

2.2 研究方法

2.2.1植被指數(shù)

植被指數(shù),又稱光譜植被指數(shù)，是根據(jù)植被反射波段的特性計(jì)算出來的反映地表植被生長狀況、覆蓋情況、生物量等植被特征的間接指標(biāo)，利用不同地物類型的不同反射光譜特性可以將不同的地物類型區(qū)分開。歸一化植被指數(shù) (NDVI)、地表水分指數(shù) (LSWI) 及增強(qiáng)性植被指數(shù) (EVI) 是森林分類中常用的植被指數(shù)。歸一化植被指數(shù)NDVI，是植被生長狀態(tài)及植被蓋度的1個(gè)效有指示因子，與植被分布密度呈線性相關(guān)[12]。地表水分指數(shù)LSWI，由于短波紅外 (SWIR) 對植被葉面水分及土壤濕度的極為敏感，因此利用SWIR構(gòu)造的地表水分指數(shù)常用于區(qū)分森林和農(nóng)田[13]。增強(qiáng)型植被指數(shù)EVI繼承了NDVI的優(yōu)點(diǎn)，且同時(shí)考慮了土壤背景的影響，在反映植被特征時(shí)更具有客觀性[14]。其計(jì)算公式分別為：

NDVI=(ρNIR-ρRED)/(ρNIR+ρRED)

(1)

LSWI=(ρNIR-ρSWIR)/(ρNIR+ρSWIR)

(2)

EVI=2.5(ρNIR-ρRED)/(ρNIR+6×ρRED-

7.5×ρBLUE+1)

(3)

式中：ρRED為紅波段；ρNIR為近紅外波段；ρSWIR為短波近紅外波段；ρBLUE為藍(lán)波段。

2.2.2森林制圖算法

地物間的差別越大，其對應(yīng)的光譜特征值差異也越大，區(qū)分度也就越大[15]。因此，將影像圖分為4類典型地物，即森林、農(nóng)田、水體、建筑用地。其中，森林包括天然林、經(jīng)濟(jì)林 (橡膠林、果園等) 及灌木林地；農(nóng)田包括灌溉水田及旱地；水體包括江、河、湖泊；建筑用地包括城鎮(zhèn)居民點(diǎn)、道路等建筑區(qū)及未被植被覆蓋的土地。

在ENVI 5.1中將Google Earth帶坐標(biāo)的樣本區(qū)轉(zhuǎn)為感興趣區(qū) (Regions Of Interest, ROI)，并疊加至遙感影像上共獲取35 171個(gè)像元的分類樣本數(shù)據(jù)，分別統(tǒng)計(jì)各地物樣本的LSWI、NDVI、EVI均值及方差。各地物樣本像元數(shù)及影像解釋標(biāo)志見圖1，其中森林、農(nóng)田、建筑用地和水體的像元個(gè)數(shù)分別為2 568、7 279、1 526、738。

圖1各地物的影像解釋標(biāo)志
Fig.1 The image interpretations and numbers of pixels about different features

根據(jù)森林閾值計(jì)算公式 (4)～(6) 及各地物的NDVI、LSWI、EVI均值及方差計(jì)算得出森林閾值[16]。

LSWI(tv)=LSWI(w)+((LSWI(w)+LSWI(wd))-

(LSWI(f)-LSWI(fd)))/2

(4)

NDVI(tv)=NDVI(n)+((NDVI(n)+NDVI(nd))-

(NDVI(f)-NDVI(fd)))/2

(5)

EVI(tv)=EVI(n)+((EVI(n)+EVI(wd))-

(EVI(f)-EVI(fd)))/2

(6)

式中：下標(biāo)tv表示各植被指數(shù)的森林閾值，f、n、w分別表示森林、農(nóng)田、水體的算術(shù)平均值，wd、nd、fd分別表示森林、農(nóng)田及水體的方差。

根據(jù)計(jì)算得出的森林閾值，在ENVI中利用決策樹進(jìn)行分類，分為森林與非森林2類，分別統(tǒng)計(jì)森林與非森林的像元數(shù)目。Landsat 8 OLI的分辨率為30 m，其每一個(gè)像元代表900 m2的面積，由此可以計(jì)算出森林的總面積和森林占西雙版納總面積的百分比，即森林蓋度。

2.2.3精度評價(jià)

利用ArcGIS生成西雙版納區(qū)域內(nèi)的2 500個(gè)隨機(jī)檢驗(yàn)樣本點(diǎn)，并轉(zhuǎn)換成 .kmz格式文件，加載至Google Earth上進(jìn)行人工判別，除去少量不可用的樣本點(diǎn) (如邊界點(diǎn))，將檢驗(yàn)樣本分為森林與非森林2類。利用ENVI的混淆矩陣分別對LSWI、NDVI、EVI森林分類精度進(jìn)行檢驗(yàn)。

2.2.4不同地形因子的森林分布提取

研究選取了海拔、坡度、坡向3個(gè)主要地形因子進(jìn)行森林空間分布的研究。為了獲取不同地形因子的森林分布情況，坡度和坡向主要是利用ArcGIS的空間分析功能從30 m分辨率的西雙版納數(shù)字高程數(shù)據(jù) (DEM) 中提取，海拔以100 m為間隔，坡度按照坡度的分級標(biāo)準(zhǔn)：平坡 (0°～5°)、緩坡 (6°～15°)、斜坡 (16°～25°)、陡坡 (26°～35°)、急坡 (36°～45°)、險(xiǎn)坡 (> 46°)[17]對海拔及坡度進(jìn)行重分類。將海拔、坡度及坡向信息導(dǎo)出為ENVI標(biāo)準(zhǔn)格式，在ENVI中利用決策樹根據(jù)森林閾值及地形因子信息提取不同海拔、坡度、坡向的森林分布信息，經(jīng)統(tǒng)計(jì)得出西雙版納森林在不同海拔、坡度及坡向上的面積分布情況。

2.2.5景觀破碎化分析

景觀破碎化反映了景觀生態(tài)格局由連續(xù)變化的結(jié)構(gòu)向斑塊鑲嵌體的變化。城市化進(jìn)程的加快及人為破壞現(xiàn)象的加劇，使得景觀格局由單一、均質(zhì)、連續(xù)的整體趨于復(fù)雜、異質(zhì)、離散的斑塊集合。本研究基于2015年西雙版納森林景觀格局狀態(tài)，對其破碎化程度進(jìn)行評價(jià)。利用決策樹方法，根據(jù)NDVI的森林閾值及海拔、坡向、坡度值得到西雙版納森林在不同海拔、坡向及坡度的分布圖，將分布圖轉(zhuǎn)換為 .tif格式文件，并加載至Fragstates 4.2景觀格局分析軟件，在分類尺度上選擇聚集度指數(shù) (AI)、景觀形狀指數(shù) (LSI)、斑塊密度 (PD) 和面積加權(quán)的平均斑塊分維數(shù) (FRAC_AM) 計(jì)算其在不同海拔、坡向及坡度上的值。利用這4種景觀指數(shù)對西雙版納森林的破碎化程度進(jìn)行分析。

3 結(jié)果與分析

3.1 熱帶森林提取的指標(biāo)及閾值

根據(jù)森林、農(nóng)田、建筑用地、水體樣本的LSWI、NDVI、EVI平均值 (圖2和表1) 可以看出，森林在NDVI上與其他地類的區(qū)分度最好，其次為EVI，最后為LSWI。森林的LSWI與水體、建設(shè)用地、農(nóng)田之間的區(qū)分度較小，容易產(chǎn)生誤分；相對于LSWI，森林在EVI上與其他地類的區(qū)分度較好，但不及在NDVI的區(qū)分度。根據(jù)公式 (4)、 (5)、 (6) 計(jì)算得出3個(gè)指數(shù)的提取森林閾值分別為：LSWI ≥ 0.31、NDVI ≥ 0.67和EVI ≥ 0.44。

3.2 不同指標(biāo)及閾值提取結(jié)果對比

根據(jù)計(jì)算得出森林在3個(gè)不同指數(shù)上的提取閾值，基于決策樹方法提取出森林分布，利用ArcGIS平臺(tái)得到2015年3幅西雙版納森林分布圖 (圖3) 并且估算出對應(yīng)的面積 (表2)，其中NDVI森林面積最大，達(dá)到14 939.38 km2，森林蓋度為77.80%；EVI次之，森林蓋度為72.84%，LSWI最少為56.98%。

圖2森林、農(nóng)田、建設(shè)用地及水體在LSWI、NDVI、EVI的差異性分析
Fig.2 The different analysis of forest, farmland, construction land and water in LSWI, NDVI, EVI

表1 不同地類在LSWI、NDVI、EVI的值Table 1 The values of different land types in LSWI, NDVI, EVI

圖3基于LSWI、NDVI、EVI的森林分布圖
Fig.3 The pictures of forest distributionin LSWI、NDVI、EVI

表2 森林面積及森林蓋度Table 2 Forest area and forest coverage

3個(gè)森林產(chǎn)品基于混淆矩陣進(jìn)行精度驗(yàn)證 (表3)，結(jié)果顯示依據(jù)3個(gè)指數(shù) (NDVI ≥ 0.67，EVI ≥ 0.44，LSWI ≥ 0.31) 提取的森林結(jié)果圖 (圖3) 中的精度由高到低為NDVI (95.66%)、EVI (88.22%) 和LSWI (84.39%)。根據(jù)云南省林業(yè)廳發(fā)布的云南省第4次森林資源分布調(diào)查公報(bào) (http://www.ynly.gov.cn/)，西雙版納的森林覆蓋率為80.79%與NDVI提取出的77.80%基本接近，相對誤差率僅為3.7%。因此，NDVI是熱帶森林提取的最佳指數(shù)。

表3 采用混淆矩陣的森林分類結(jié)果精度驗(yàn)證Table 3 The accuracy of forest classification by using confusion matrix

3.3 2015年西雙版納森林在不同地形因子的分布情況

由圖4a西雙版納森林面積的海拔分布可以看出森林主要分布在海拔600～1 500 m，占森林總面積的81.95%，分布地區(qū)集中在景洪市與勐臘縣。從坡向分布圖 (圖4b) 可以看出各個(gè)坡向森林的分布較為平均，其中北坡向森林分布較其他坡向分布略多。而從森林的坡度分布圖 (圖4c) 可以看出，森林主要集中在緩坡及斜坡上，即坡度6°～25°，占森林總面積的78.1%。

圖4森林面積在海拔(a)、坡向(b)及坡度(c)上的分布
Fig.4 Area of forest distribution in altitude (a), slope direction (b) and slope (c)

不同地形因子對森林分布有著不同的影響[18]，海拔梯度通常被認(rèn)為是影響植被分布的最主要因素[19]。研究結(jié)果表明，在西雙版納地區(qū)海拔及坡度對森林的分布格局影響最為顯著，坡向?qū)ι址植加绊戄^小。低海拔 (< 500 m) 及平坡處受人為干擾強(qiáng)度最大，土地利用類型主要為建設(shè)用地及農(nóng)業(yè)用地，森林面積分布最少。森林主要分布在海拔相對較高、坡度較大、人為干擾較小的區(qū)域 (海拔600～1 300 m、緩坡及斜坡處)。隨著海拔的升高和坡度的增加，受氣候及地形等自然因素的限制，森林面積分布逐漸下降。

3.4 2015年西雙版納森林景觀破碎度

結(jié)合西雙版納森林面積在海拔上的分布 (圖4a) 及景觀格局指數(shù) (表4) 可知，在海拔500 m以下土地利用類型以農(nóng)田和城市用地為主，森林面積最小。聚集度 (AI) 最低為31.60，斑塊密度 (PD) 最高為0.06，形狀指數(shù) (LSI) 及面積加權(quán)的平均斑塊分維數(shù) (FRAC_AM) 較低 (分別為68.02和1.21)。由此可見，城市與農(nóng)田將森林分割成許多細(xì)小斑塊且分布極為分散。頻繁的人為活動(dòng)使得森林斑塊形狀較為簡單規(guī)整，因此這一海拔區(qū)域的森林破碎化程度最嚴(yán)重。海拔500～900 m處的森林相較于500 m以下區(qū)域，PD值逐漸下降，AI值逐漸升高，說明此處森林成片狀連續(xù)分布，但LSI指數(shù)較低，且在600～700 m處達(dá)到最低值41.65，而橡膠林的種植區(qū)域主要集中在海拔600～800 m處，表示橡膠林的大面積種植對原始森林造成了巨大的人為干擾。海拔在900～1 300 m區(qū)間的森林面積最大且其PD、FRAC_AM、LSI、AI指數(shù)值都比較高，表示此區(qū)域內(nèi)的森林斑塊數(shù)較多、聚集度相對較高、斑塊形狀復(fù)雜度較高、受人為活動(dòng)影響較少。海拔大于1 300 m的區(qū)域，隨著海拔的升高，PD值逐漸降低，AI至逐漸升高，表明森林聚集度逐漸增高破碎化程度不斷降低。

表4 PD、LSI、RAC_AM、AI景觀指數(shù)在不同海拔的值Table 4 The data of landscape pattern index (PD, LSI, FRAC_AM, AI) in different altitude

根據(jù)西雙版納面積在坡向上的分布 (圖4b) 及景觀格局指數(shù) (表5) 分析得出，北坡向的森林面積最大，其PD值及LSI值最高分別為3.27、422.06，AI值最低 (60.5)。由此可知，此坡向的森林斑塊面積小、分散度高、聚集度低、森林破碎化程度最高、但受人類活動(dòng)干擾程度最低。西北坡向的PD值最低 (2.69)，AI值最高 (74.80)，而LSI值最低 (371.98)，這表明森林斑塊數(shù)較少，聚集度較高，受人為活動(dòng)影響程度最嚴(yán)重。原因是，近年來水熱條件較好的東、南、西3個(gè)坡向的橡膠可種植面積大幅減少，橡膠林開始向北坡擴(kuò)張。在其他坡向上，以橡膠林為代表的人工林已經(jīng)成為優(yōu)勢樹種，森林的破碎化程度相對較小。

根據(jù)西雙版納面積在坡度上的分布 (圖4c) 及景觀格局指數(shù) (表6) 可知，平坡處的AI值最低 (54.64)，PD值最高 (4.28)，LSI較低 (447.93)。這表明平坡處的森林聚集度最低，破碎化程度最嚴(yán)重，受人為干擾程度較大。斜坡處的AI值及FRAC_AM值最高 (分別為77.58和1.31)，可見斜坡的森林聚集度最高、受人為影響程度最小，森林保持最為完整。而緩坡的森林破碎化情況與斜坡處相似。其他坡度處的森林，隨著坡度的增大、PD值逐漸降低，AI值也逐漸下降；當(dāng)坡度大于36°時(shí)，森林面積急劇減少，僅占森林總面肌的2.3%。

表5 PD、LSI、FRAC_AM、AI景觀指數(shù)在不同坡向的值Table 5 The data of landscape pattern index (PD, LSI, FRAC_AM, AI) in different slope direction

表6 PD、LSI、FRAC_AM、AI景觀指數(shù)在不同坡度的值Table 6 The data of landscape pattern index (PD, LSI, FRAC_AM, AI) in different slope

經(jīng)濟(jì)的快速發(fā)展、城市化進(jìn)程的加速以及人口的增長導(dǎo)致糧食需求量增大，造成了城區(qū)建設(shè)用地及農(nóng)業(yè)用地的不斷增加[20]，這些因素都被認(rèn)為是造成西雙版納景觀格局變化的主要驅(qū)動(dòng)因子[3]。由于西雙版納的地勢以山區(qū)為主，農(nóng)業(yè)用地和城區(qū)建設(shè)用地主要集中在海拔400～600 m的平坡之間，造成了海拔500 m以下及平坡處森林嚴(yán)重的破碎化。橡膠林的巨大經(jīng)濟(jì)效應(yīng)造成的橡膠林大面積擴(kuò)張是造成森林景觀破碎的最主要原因[21]。95%以上的橡膠種植在海拔900 m以下及坡度15°～25°的緩坡、斜坡內(nèi)[22-23]，而東、南、西坡向的水熱條件較北坡好，被用于大面積的橡膠種植，其中南面橡膠的擴(kuò)張速度最快。受經(jīng)濟(jì)利益的驅(qū)使，2007年橡膠種植的海拔上限由1 000 m上升到1 400 m，并開始向北坡及陡坡擴(kuò)張[22]。近年來，因橡膠林過度的開發(fā)，傳統(tǒng)刀耕火種的輪歇種植方式遭到了破壞，輪歇周期縮短，破壞了土地的良性循環(huán)，毀林現(xiàn)象嚴(yán)重。過度的開墾使得土壤變得貧瘠，大量的森林變成了荒山草地或者灌叢[24]。熱帶雨林的破碎化也造成了生物多樣性的下降，水土流失和外來物種的入侵等多種負(fù)面效應(yīng)[25]。

4 結(jié)論與討論

本研究以西雙版納2015年Landsat 8 OLI和DEM為基礎(chǔ)研究數(shù)據(jù)，采用基于像元的分類方法，經(jīng)試驗(yàn)對比分析篩選出了森林提取的最佳指數(shù)，并由此得到森林分布圖和森林蓋度。運(yùn)用多種景觀指數(shù)對森林在海拔、坡向及坡度的破碎化程度進(jìn)行分析，結(jié)論如下：

1) 因森林的NDVI值與其他地物類型的NDVI值的區(qū)別最大，NDVI為森林提取的最佳植被指數(shù)，其精度為95.66%。

2) 由植被指數(shù)得到2015年森林分布圖，并計(jì)算得出2015年西雙版納森林蓋度為77.8%。通過分析森林在空間上的分布圖，可知西雙版納在空間上的分布特征為：在海拔及坡度上呈現(xiàn)正偏態(tài)分布的特征 (森林集中在海拔600～1 300 m、緩坡及斜坡處)，在坡向上呈現(xiàn)較均勻分布。

3) 通過分析2015年西雙版納森林在不同地形的景觀破碎化程度，可知受人類活動(dòng)的影響，在人為活動(dòng)較頻繁的區(qū)域破碎化程度明顯高于其他區(qū)域，由此造成森林的景觀破碎化程度在地形上存在很大的差異。在海拔低于500 m及平坡處的森林破碎化程度最為嚴(yán)重，而隨著海拔及坡度的上升，破碎化程度逐漸降低；坡向上，北坡向的破碎化程度明顯高于其他坡向。

該研究可為熱帶雨林面積提取及森林蓋度計(jì)算提供簡單、快速和有效的方法，探討森林面積及景觀破碎化在西雙版納不同海拔、坡向、坡度上的變化規(guī)律，能夠?yàn)樵搮^(qū)域森林監(jiān)測、保護(hù)政策的制定及生態(tài)環(huán)境的可持續(xù)發(fā)展提供參考。

[參 考 文 獻(xiàn)]

[1] 卜文圣. 海南島熱帶天然林生物多樣性與生態(tài)系統(tǒng)功能關(guān)系的研究[D]. 北京: 中國林業(yè)科學(xué)研究院, 2013.

[2] Chen D X, Li Y D, Liu H P. Biomass and carbon dynamics of a tropical mountain rain forest in China[J].Science China (Life Sciences),2010,53(7):798-810.

[3] 劉曉娜, 封志明, 姜魯光, 等. 西雙版納土地利用/土地覆被變化時(shí)空格局分析[J]. 資源科學(xué), 2014 , 36(2): 233-244.

[4] 夏穎, 范建容, 李磊磊, 等. 植被蓋度遙感反演模型在稀疏高寒草原的對比研究[J]. 四川農(nóng)業(yè)大學(xué)學(xué)報(bào), 2017, 35(1): 37-44, 59.

[5] 王海賓, 黃國勝, 程志楚, 等. 基于多源遙感數(shù)據(jù)森林蓋度的尺度轉(zhuǎn)換[J]. 東北林業(yè)大學(xué)學(xué)報(bào), 2014, 42(9): 58-61, 121.

[6] 劉佳麗, 杜榮祥, 溫馨, 等. 西雙版納景觀格局時(shí)空變化及其生態(tài)效應(yīng)研究[J]. 環(huán)境科學(xué)與管理, 2016, 41(9): 167-171.

[7] 夏朝旭. 云南西雙版納橡膠林時(shí)空變化特征及其地理背景分析[D]. 成都: 成都理工大學(xué), 2014.

[8] 劉曉娜, 封志明, 姜魯光, 等. 西雙版納橡膠林地的遙感識(shí)別與數(shù)字制圖[J]. 資源科學(xué), 2012, 34(9): 1769-1780.

[9] 朱華. 論滇南西雙版納的森林植被分類[J]. 云南植物研究, 2007, 29(4): 377-387.

[10] 祝佳. Landsat 8衛(wèi)星遙感數(shù)據(jù)預(yù)處理方法[J]. 國土資源遙感, 2016, 28(2): 21-27.

[11] 初慶偉, 張洪群, 吳業(yè)煒, 等. Landsat-8衛(wèi)星數(shù)據(jù)應(yīng)用探討[J]. 遙感信息, 2013, 28(4): 110-114.

[12] Rundquist B C. The influence of canopy green vegetation fraction on spectral measurements over native tallgrass prairie[J]. Remote Sensing of Environment, 2002, 81(1): 129-135.

[13] Xiao X M, Hagen S, Zhang Q Y, et al. Detecting leaf phenology of seasonally moist tropical forests in South America with multi-temporal MODIS images[J]. Remote Sensing of Environment, 2006, 103(4): 465-473.

[14] 陳燕麗, 莫偉華, 羅永明, 等. 基于氣候信息的喀斯特地區(qū)植被EVI模擬[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(9): 187-194.

[15] 楊冉冉. 基于ALOS數(shù)據(jù)的遙感森林分類研究[D]. 北京: 首都師范大學(xué), 2013.

[16] Kou W L, Liang C X, Wei L L, et al. Phenology-Based Method for Mapping Tropical Evergreen Forests by Integrating of MODIS and Landsat Imagery[J/OL]. Forest, 2017, 8(2): 34

[17] 馮曉麗, 吳小芳, 沈德才, 等. 基于DEM的森林地形與植被空間格局關(guān)聯(lián)分析[J]. 福建林業(yè)科技, 2015, 42(1): 26-30.

[18] 郭濼, 夏北成, 劉蔚秋. 地形因子對森林景觀格局多尺度效應(yīng)分析[J]. 生態(tài)學(xué)雜志, 2006, 25(8): 900-904.

[19] 歐芷陽, 蘇志堯, 袁鐵象, 等. 土壤肥力及地形因子對桂西南喀斯特山地木本植物群落的影響[J]. 生態(tài)學(xué)報(bào), 2014, 34(13): 3672-3681.

[20] 李娜. 西雙版納景洪市城區(qū)1988—2004年土地利用/土地覆蓋變化及其驅(qū)動(dòng)力研究[D]. 昆明: 云南大學(xué), 2008.

[21] 劉文俊, 馬友鑫, 胡華斌, 等. 西雙版納勐侖地區(qū)景觀格局變化定量分析[J]. 生態(tài)學(xué)報(bào), 2006, 26(9): 3088-3097.

[22] 李增加, 馬友鑫, 李紅梅, 等. 西雙版納土地利用/覆蓋變化與地形的關(guān)系[J]. 植物生態(tài)學(xué)報(bào), 2008, 32(5): 1091-1103.

[23] Hu H B, Liu W J, Cao M. Impact of land use and land cover changes on ecosystem services in Menglun, Xishuangbanna, Southwest China[J]. Environmental Monitoring & Assessment, 2008, 146(1/3): 147-156.

[24] 李紅梅, 馬友鑫, 郭宗峰, 等. 基于RS和GIS的西雙版納土地覆被動(dòng)態(tài)變化[J]. 山地學(xué)報(bào), 2007, 25(3): 280-289.

[25] 戎慧, 李明詩, 沈文娟, 等. 急劇城市化背景下森林破碎化模式分析: 以浙江余杭區(qū)為例[J]. 西北林學(xué)院學(xué)報(bào), 2012, 27(1): 173-178.