导读:本文包含了川西南山地论文开题报告文献综述及选题提纲参考文献，主要关键词:阔叶林,有效叶面积指数,植被指数,纹理
川西南山地论文文献综述
郭嵩[1]（2017）在《基于普莱亚影像纹理信息对川西南山地阔叶林有效叶面积指数的研究》一文中研究指出叶面积指数(LAI)是反映森林生长过程、生存环境的重要植被参量,它能够直接量化出林地的生长状况和冠层结构。森林生态过程与LAI有着密切联系,森林生态系统中的生物和物理过程受到LAI控制,LAI的变化能够反映出森林生长和发育的不同情况,可以对森林生态系统中的各个群体进行生长分析。因此,研究叶面积指数LAI成为了国内外学者的热门课题。传统的测量方法虽然可以准确得到LAI,但是费时费力,并且不能进行大尺度研究,现如今唯一能够对大尺度时空内的LAI进行估测的方法是遥感反演。纹理和光谱特征是进行影像分析的重要信息源,目前在进行遥感反演时主要是针对纹理或光谱特征中的一种,如果能够将纹理和光谱特征结合分析,效果应该优于单一信息的使用。阔叶林在川西南山地广泛分布,对当地水土保持和生态环境的稳定性有着重要意义,但关于该地区阔叶林LAI的遥感反演鲜有报道,因此,有必要开展基于影像光谱和纹理特征的川西南山地阔叶林叶面积指数反演研究工作。本研究选取雅安上里镇为研究区,Pleiades影像为遥感数据源,对研究区进行样地划分,实测出样地的有效叶面积指数(LAIe),对样地进行GPS定位,将基础影像通过校正处理后提取出影像中对应样地点的波段光谱信息、植被指数、纹理参数,在spss20.0中对每个样地的波段光谱信息、植被指数、纹理参数和LAIe进行相关性分析,建立LAIe的最优估测模型。最后,对不同纹理窗口提取出的纹理参数进行分析,得到结论:(1)提取的4种波段光谱信息中,只有近红外波段(NIR)与LAIe有显着相关性,5种植被指数都和LAIe有着显着相关性,归一化植被指数(NDVI)和LAIe的相关性最好,在将波段光谱信息、植被指数与LAIe进行回归分析时,多元回归模型的效果好于一元回归模型,得到的回归模型为:LAIe=0.5109NDVI+0.3406SAVI+0.0680RVI+0.00011DVI+0.00018PVI+0.00005NIR+1.8468(R2=0.8486,RE=0.0972,RMSE=0.1226)(2)4个不同窗口提取出的8个纹理参数均与LAIe有着显着相关性,将4个窗口的纹理参数值进行一元回归分析时,不同的纹理参数拟合模型的最佳窗口不同。其中ASM、VAR的最佳窗口为3X3;COR的最佳窗口为5×5;ENT、MEA的最佳窗口为7X7;CON,DIS,HOM 的最佳窗口为 9X9。(3)将4个窗口的纹理参数与LAIe进行多元回归分析时,效果均优于一元回归分析,并且在这4个窗口中,随着窗口增大,回归模型效果越好,在窗口 9X9时,回归效果最好,模型表达为LAIe=3.746-0.230CON+0.295ENT-2.062HOM(R2=0.7102,RMSE=0.1967,RE=0.1184)(4)在纹理参数反演LAIe时,加入植被指数,回归模型的效果明显优于只用纹理参数,并且和只用纹理参数反演LAIe表现出一样的规律,在9X9窗口加入植被指数的回归模型为最优模型,模型表达为:LAIe=0.425+2.91NDVI+0.206CON+0.187ENT-0.010MEA(R2=0.8616,RMSE=0.1352,RE=0.1250)(本文来源于《四川农业大学》期刊2017-05-01）
赵安玖,陈银华,毛加勇[2]（2016）在《不同遥感影像空间分辨率对川西南山地常绿阔叶林有效叶面积指数估测的影响》一文中研究指出【目的】分析遥感影像不同空间分辨率对LAIe估测结果的影响。【方法】基于地面调查的83个20 m×20 m样地和Landsat-8、SPOT-5、Pleiades-1遥感数据,以川西南山地常绿阔叶林为研究对象,运用偏最小二乘回归分析法,估测了2 m、10 m、30 m 3种尺度(粒度)上区域森林有效叶面积指数(LAIe)。【结果】3种分辨率的遥感数据提取的植被指数NDVI、SAVI对LAIe估测最为重要(Landsat-8:NDVI、SAVI的VIP=1.662;SPOT-5:NDVI、SAVI的VIP=1.573;Pleiades-1:NDVI、SAVI的VIP=1.423)。3种传感器的NDVI、SAVI的相关系数大于0.8,均达极显着水平。对LAIe回归估测检验显示,Landsat-8的决定系数R2=0.793,精度P=79.8%;SPOT-5的决定系数R2=0.853,P=84.4%;Pleiades-1的R2高达0.898,估测精度最高,达89.5%。【结论】不同空间分辨率的影像对LAIe估测有显着影响,使用高空间分辨率数据能显着提高LAIe估测精度。(本文来源于《四川农业大学学报》期刊2016年04期）
杨欢[3]（2016）在《川西南山地杨树机械打孔插条造林技术优化研究》一文中研究指出川西南山地地区气候特殊复杂,干旱少雨,加上大多立地条件差,传统的杨树植苗造林和大杆插条造林成活率都较低,通常只有不到40%。“山地杨树机械打孔插条造林技术”是四川农业大学研发的适用于干旱、半干旱山地区的杨树造林专利技术,具有成本低、效率高、易操作等优点。本文通过对川西南山地杨树造林技术的探究试验,进一步优化山地杨树机械打孔插条造林技术,为川西南山地区及类似生态区的杨树造林提供科技支撑。主要结论如下：①秋季比冬季造林成活率高。秋季10月是雨季末期,土壤保持湿润,气温也较凉爽,是比较理想的造林季节。在秋季造林试验中成活率达到90%,冬季造林试验成活率仅有71%。②插条长度对造林效果有明显影响。在一定范围内,插条越长成活率越低。西昌白马乡造林成活率大小顺序为：60cm长度(92%)>100cm长度(84%)>150cm长度(67%)。但在一定范围内插条越长生长量越大。西昌白马乡平均当年生枝长大小顺序为：150cm长度(79.84cm)>100cm长度(63.24cm)>60cm长度(48.15cm)；平均当年生枝粗大小顺序为：150cm长度(0.66cm)>100cm长度(0.48cm)>60cm长度(0.35cm)③插条进行包裹处理,可以提高造林成活率和生长量。在西昌白马乡包裹保鲜膜造林的成活率为87%,无包裹造林的成活率仅为67%；包裹保鲜膜造林的平均当年生枝长、枝粗分别为88.31cm和0.70cm,无包裹造林的平均当年生枝长、枝粗分别仅为63.24cm和0.48cm。在汉源九襄镇包裹聚氨酯防水涂料的造林成活率为92%,包裹醇酸清漆的造林成活率为88%,而无包裹的造林成活率仅为71%。④聚氨酯防水涂料和醇酸清漆均具有良好的保水性,且对插条萌芽能力无影响。另外,两种材料的造林成本都较低,聚氨酯防水涂料每公顷造林成本为249.75元,醇酸清漆每公顷造林成本为266.40元,具有实际应用的可行性。综上所述,对山地杨树机械打孔插条造林技术进行以下优化：适宜秋季造林；插条长度在100cm为宜；对插条进行包裹保鲜膜、聚氨酯防水涂料或醇酸清漆处理。(本文来源于《四川农业大学》期刊2016-06-01）
刘晓璐,周长春[4]（2016）在《川西南山地冰雹雷达预警指标》一文中研究指出基于西昌多普勒天气雷达观测资料,分析2006—2013年凉山州境内24块冰雹云特征。结果表明:冰雹云的雷达特征均满足回波强度超过50dBz,回波顶高超过-30℃层高度,45dBz回波顶高超过-10℃层高度,垂直累积液态含水量超过8kg·m-2。上述4项雷达参数特征在判别冰雹云的时效性上存在差异,回波强度超过50dBz,回波顶高超过-30℃层高度,45dBz回波顶高超过-10℃层高度等3项判别指标对冰雹云提前判别预警时间为4~40min,垂直累积液态含水量超过8kg·m-2则对冰雹云提前判别预警的时效性效果不佳。与25例短时强降水个例对比发现,45dBz回波顶高超过-10℃层高度作为冰雹雷达预警判别指标有较好的指示作用。(本文来源于《气象科技》期刊2016年02期）
刘晓璐,张元,刘建西[5]（2016）在《川西南山地冰雹灾害的时空特征》一文中研究指出利用川西南山地19个地面气象观测站1978~2014年的逐日观测资料,分析冰雹天气的时空分布特征。结果表明:川西南山地的冰雹日数空间分布差异较大,东北部与西北部冰雹日数最多,南部次之,中部最少;冰雹日数与海拔高度显着正相关;近37 a川西南山地冰雹日数总体呈减少趋势,冕宁减少趋势最为明显;冰雹日数春季最多,夏季次之,冬季最少;地理位置靠近和海拔高度相近的站点,降雹频率的月际变化特征相似。(本文来源于《干旱气象》期刊2016年01期）
严刚[6]（2015）在《基于pleiades影像的川西南山地常绿阔林林分胸径、树高和冠幅的估测研究》一文中研究指出林分结构参数是衡量森林生长和收获的一个非常重要的参数,也是森林调查、经营和管理的重要因子,能够很直观的反映出森林环境和林木生长状况,掌握林分结构参数对于及时分析森林资源状况和生态环境变化有重要的意义。常绿阔叶林在川西南山地广泛分布,在整个长江上游的生态平衡中起着非常重要的作用。目前,基于遥感影像针对该区域林分结构参数估测的研究还不多见,因此通过高分辨率遥感影像估测该区域常绿阔叶林林分胸径、树高和冠幅对于川西南山地常绿阔叶林生态学过程研究具有重要的意义。本文以雅安市雨城区上里镇为研究区,结合地面调查数据,对Pleiades遥感影像进行几何校正、大气校正、监督分类等,同时提取并设置遥感因子和地理因子,通过投影重要性值VIP对自变量进行筛选,采用偏最小二乘回归法分别建立了该地区常绿阔叶林胸径、树高和冠幅的估测模型,并以此为基础得到了研究区常绿阔叶林胸径、树高和冠幅的分布图。最后通过估测模型得出的估测值和野外实测值分别建立了研究区胸径-树高模型；胸径-冠幅和胸径-树高,冠幅模型,利用地面实测数据对所建模型进行精度评价。主要结论如下：(1)利用ENV15.0软件对Pleiades影像进行几何校正、大气校正和图像裁剪等预处理,用“监督分类法”对影像进行分类,结合地面检查点对分类结果进行精度检验,影像分类总体精度为83.2%,达到了遥感影像分类精度要求。结合研究区的DEM和‘Pleiades影像高分辨率的特点,分别提取了研究区阴影丰度、单波段灰度值、植被指数、地形因子等提取等共23个自变量因子。(2)23个自变量因子中,阴影丰度(SF)、差值环境植被指数(DVI)和郁闭度(YBD)均与林分胸径、树高和冠幅有较好的相关性,并且在建模中的投影重要值VIP都比较大,说明阴影丰度(SF)、差值环境植被指数(DVI)和郁闭度(YBD)可以作为遥感估测林分胸径、树高和冠幅的重要因子；纹理信息因子中也有部分因子与林分胸径、树高和冠幅有一定的相关性,但相关性系数不高；而单波段、波段比值、差值环境植被指数、归一化植被指数以及地形因子与林分胸径、树高和冠幅的相关性不显着,仅有个别因子与林分胸径、树高和冠幅的相关性显着(比如B2与胸径、B1/B2与胸径、海拔与树高、NDVI1与冠幅等)。(3)通过投影重要性值VIP进行变量筛选,选取出8个自变量利用偏最小二乘回归法建立了研究区胸径的遥感估测模型,用检验样本对估测模型进行精度检验,其总体精度为83.4%,模型中阴影丰度(SF)的VIP值最大。标准系数逆转换后胸径的最终模型表达式为：D=-12.0022×SF-0.171831×YBD-0.002472×DVI+0.00415×ELEVATION-2.61318× (B1/B2)+2.62776×ENT-5.81345×ASM+3.50494×IDM+31.7432(4)通过投影重要性值VIP进行变量筛选,选取出8个自变量利用偏最小二乘回归法建立了研究区树高的遥感估测模型,用检验样本对估测模型进行精度检验,其总体精度为84.7%,模型中阴影丰度(SF)的VIP值最大。标准系数逆转换后树高的最终模型表达式为：H=-3.49087×SF-0.048134×YBD-0.0007111×DVI+0.571895×CON+0.790206xENT+ 0.000711×ELEVATION-1.185916×ASM+1.10686×IDM+14.32545(5)通过投影重要性值VIP进行变量筛选,选取出9个自变量利用偏最小二乘回归法建立了研究区冠幅的遥感估测模型,用检验样本对估测模型进行精度检验,其总体精度为81.5%,模型中郁闭度(YBD)的VIP值最大。标准系数逆转换后冠幅的最终模型表达式为：C=7.28018×NDVI1-0.002901×DVI-0.9.95044×SF-6.44699×ASM+2.44982×CON+ 2.95966×ENT+5.34899×IDM-0.241695×YBD-0.003809×ASPECT+43.7494(6)利用研究区样地实测胸径和树高和冠幅的模型估测数据分别建立研究区的胸径-树高(D-H)模型、胸径-冠幅(D-C)模型和胸径-树高、冠幅(D-H-C)模型,其模型表达式分别如下所示：D-H模型：D=2.9216×H-16.147；D-C模型：D=0.7556×C-5.2241；D-H-C模型：D=1.4971 ×H+0.3872×C-11.2562;叁个模型总体精度分别为82.4%,85.5%和88.5%,表明这叁个模型的拟合效果都还比较理想,在实际生产中有一定的可实施性,D-H-C模型的估测精度要高于D-H模型和D-C模型。(本文来源于《四川农业大学》期刊2015-05-01）
张驰[7]（2015）在《川西南山地常绿阔叶林不同群落多样性与景观格局研究》一文中研究指出森林生态系统是森林群落与其环境在功能流的作用下形成一定结构、功能和自调控的自然综合体,是陆地生态系统中面积最多、最重要的自然生态系统,对森林景观格局分析可以从宏观的角度研究森林的构造、组成和生态过程,为森林可持续经营提供科学依据。山地常绿阔叶林是森林群落的重要组成部分,研究其群落物种多样性特和景观格局关系特征能够对整个森林系统的研究提供基本材料。研究区地处四川省雅安市雨城区上里镇,以上里镇外业样地数据、2013年的SPOT5遥感影像以及二调数据作为分类基础,计算各个群落类型的物种多样性和景观格局指数,对群落物种组成、多样性和景观格局等进行分析,并通过建立缓冲区研究不同尺度下群落物种多样性和景观格局之间的影响,结果如下：(1)在研究区调查的84个样地包括乔木树种114种共5714株,选取的34个样地灌木树种有62种共1138株,包含草本29种共1693株；共分成6个群落类型,分别是栲林(Castanopsis fargesii)、栲+柃木林(Eurya japonica)、楠木林(Phoebe zhennan)、袍栎林(Quercus serrata)、中华石楠林(Photinia beauverdiana)、山青木林Meliosma kirkii)。六个群落多样性的顺序为：栲林>中华石楠林>栲+柃木林>袍栎林>楠木林>山青木林；由于海拔梯度不高,随着海拔的上升,森林群落结构复杂度和群落物种多样性指数也基本随之变大。(2)栲林在整个群落类型中占较大优势,山青木林也处于重要地位,而袍栎林、栲+柃木林和中华石楠林占整个群落类型相对比较居中,楠木林在整个群落类型中占得相对较少,但是6个群落类型破碎化都比较严重；研究区的森林景观整体稳定性整体较好,中华石楠林作为人工林景观结构较为稳定。山青木林、楠木林这两种景观类型受到的干扰较强,稳定性相对较差。(3)在一般情况下,物种多样性指数与景观形状指数呈显着负相关,景观类型形状的复杂程度对整个区域的多样性有着较为重要的影响。1250m为本文最佳的研究尺度,从相关性可以看出,拥有较复杂景观类型并且破碎化程度低的景观类型一般拥有较高的物种多样性,并且蔓延度对整个景观的物种多样性起着主要的影响作用。(本文来源于《四川农业大学》期刊2015-05-01）
潘红丽,冯秋红,文智猷,刘兴良[8]（2015）在《川西南山地石漠化治理优良模式筛选研究》一文中研究指出应用生态学和统计学等学科知识,选择四川省盆周及川西南山地石漠化典型县不同治理模式的石漠化地类,进行面上调查和资料收集,获取生物多样性、土壤容重和土壤持水性能等指标,进行综合对比分析,筛选出最适合当地的10种优良植被恢复模式,为石漠化治理的生态恢复和效益评价提供技术支撑。(本文来源于《四川林业科技》期刊2015年02期）
赵安玖,杨长青,廖成云[9]（2014）在《基于影像纹理特征的川西南山地常绿阔叶林有效叶面积指数的空间分析》一文中研究指出遥感是获取叶面积指数(LAI)信息的最有吸引力的选择之一,但目前基于遥感数据的叶面积指数估测精度有限.本文以川西南山地常绿阔叶林为研究对象,基于地面调查的83个20 m×20 m样地和SPOT5数据,运用灰度共生矩阵法提取影像单波段、简单波段比图和主成分图的纹理信息,以不同图像处理方式的纹理参数作为辅助变量进行地统计分析估算有效LAI(LAIe).结果表明:LAIe与不同方式处理图像的纹理参数存在不同程度的相关性,其中,与B1波段、B1/B4和PC1的均质性呈极显着相关关系.与以归一化植被指数(NDVI)为辅助变量相比,以纹理参数B1波段、B1/B4和PC1的均质性作为辅助变量估测LAIe的精度均有所提高,分别提高5.3%、11.0%、14.5%,还能在一定程度上降低统计误差.以NDVI、PC1均质性作为辅助变量的LAIe空间地统计估测模型最优(R2=0.840,RMSE=0.212).本研究结果为合理地选择除植被指数外的其他辅助变量估测区域LAI的空间分布提供了一种新的思路和方法.(本文来源于《应用生态学报》期刊2014年11期）
杨武[10]（2014）在《基于SPOT-5影像光谱和纹理特征的川西南山地阔叶林叶面积指数反演》一文中研究指出叶面积指数(Leaf area index,LAI)作为植被冠层结构参数之一,是森林生态系统中一个十分重要的森林特征参量,能够对森林的冠层结构和生长状况给出直接的量化指标。LAI控制着森林的许多生物和物理过程,与许多生态过程有密切联系,其变化能够体现森林生长和发育的不同状态,从而可以进行森林群体生长分析,因此叶面积指数LAI成为一个被国内外研究者密切关注的一个关键植被因子。遥感反演的方法是目前唯一能在大尺度的时空范围内估算LAI的方法,然而适用于任意地区的LAI反演模型并不存在。纹理和光谱特征是进行影像分析和影像理解的重要信息源,如果能够将这两种特征信息进行有机的结合并进行相应的分析研究,所取得的效果必定优于单一信息源的处理。阔叶林在川西南山地广泛分布,对当地水土保持和生态环境的稳定性有着重要意义,对其LAI的遥感反演还鲜有报道。综合以上几点,有必要开展基于SPOT-5影像光谱和纹理特征的川西南山地阔叶林叶面积指数反演研究工作。本研究选择上里镇为研究区,以SPOT-5影像为基础数据,在研究区通过地面调查获取研究区样地的叶面积指数数据,采用GPS定位技术,在经过几何校正和辐射校正的遥感影像上提取对应样地点的植被指数与纹理特征,在SPSS20.0中对每个样地的植被指数、纹理特征和LAIe进行相关性分析并建立LAIe最优预测模型。对研究区进行群落划分,建立适合于每一个群落的LAIe最优反演模型,并生成研究区LAIe图。得到的主要结论如下：在所提取的八种植被指数中,除NLI之外,其它七种植被指数均与LAIe有着显着相关,其中比值植被指数RVI与LAIe的相关性最好,在植被指数与LAIe的所有回归方程中,效果最好的是多元线性回归模型,模型表达式为：LAIe=44.575RVI-145.649NDVI-35.763在多波段影像中的4个单波段(B1、B2、B3、B4),6个简单波段比图(B1/B2、B1/B3、 B1/B4、B2/B3、B2/B4、B3/B4)和通过多波段影像转换而来的主成分图(PC1、PC2、 PC3、PC4)以及全色波段中,主成分PC1波段的纹理特征与LAIe具有最好的相关性,21×21窗口为主成分PC1波段纹理提取的最佳窗口,在八个纹理特征中,21×21窗口下提取的ENT与LAIe的相关性最好,在纹理特征与LAIe的所有回归方程中,效果最好的是多元线性回归模型,模型表达式为：LAIe=5.505-0.111MEA+0.024VAR-0.247ENT将光谱特征和纹理特征结合建立LAIe反演预测的多元线性回归方程模型比只依靠植被指数或者纹理特征建立的方程模型拟合效果更好,模型表达式为：LAIe=-36.778+46.652RVI-155.034NDVI-0.013VAR使用重要值计算将研究区阔叶林分为5个群落,分别为栲林、栲+楠木林、楠木林、袍栎林、中华石楠林。使用监督分类中的最大似然法对研究区群落进行分类,各群落用户精度及生成者精度均在80%以上,总体分类精度为84.82%。针对每一个群落,建立了最优LAIe反演预测模型,得到的各群落最优反演模型表达式为：栲林：LAIe=-40.345-0.087MEA+53.183RVI-178.041NDVI栲+楠木林：LAIe=-21.646+27.263RVI-86.237NDVI楠木林：LAIe=-47.635-0.025VAR+61.22RVI-208.677NDVI袍栎林：LAIe=-39.976-0.032VAR+0.146ENT+50.786RVI-171.427NDVI中华石楠林：LAIe=-46.584-0.031VAR+58.976RVI-198.135NDVI经过模型精度检验,可以得出结论：将光谱特征和纹理特征结合起来比只利用其中一种单一信息源反演LAIe精度更高；分群落建立LAIe反演模型比整体建立LAIe反演模型效果更好。(本文来源于《四川农业大学》期刊2014-06-01）
川西南山地论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
【目的】分析遥感影像不同空间分辨率对LAIe估测结果的影响。【方法】基于地面调查的83个20 m×20 m样地和Landsat-8、SPOT-5、Pleiades-1遥感数据,以川西南山地常绿阔叶林为研究对象,运用偏最小二乘回归分析法,估测了2 m、10 m、30 m 3种尺度(粒度)上区域森林有效叶面积指数(LAIe)。【结果】3种分辨率的遥感数据提取的植被指数NDVI、SAVI对LAIe估测最为重要(Landsat-8:NDVI、SAVI的VIP=1.662;SPOT-5:NDVI、SAVI的VIP=1.573;Pleiades-1:NDVI、SAVI的VIP=1.423)。3种传感器的NDVI、SAVI的相关系数大于0.8,均达极显着水平。对LAIe回归估测检验显示,Landsat-8的决定系数R2=0.793,精度P=79.8%;SPOT-5的决定系数R2=0.853,P=84.4%;Pleiades-1的R2高达0.898,估测精度最高,达89.5%。【结论】不同空间分辨率的影像对LAIe估测有显着影响,使用高空间分辨率数据能显着提高LAIe估测精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
川西南山地论文参考文献
[1].郭嵩.基于普莱亚影像纹理信息对川西南山地阔叶林有效叶面积指数的研究[D].四川农业大学.2017
[2].赵安玖,陈银华,毛加勇.不同遥感影像空间分辨率对川西南山地常绿阔叶林有效叶面积指数估测的影响[J].四川农业大学学报.2016
[3].杨欢.川西南山地杨树机械打孔插条造林技术优化研究[D].四川农业大学.2016
[4].刘晓璐,周长春.川西南山地冰雹雷达预警指标[J].气象科技.2016
[5].刘晓璐,张元,刘建西.川西南山地冰雹灾害的时空特征[J].干旱气象.2016
[6].严刚.基于pleiades影像的川西南山地常绿阔林林分胸径、树高和冠幅的估测研究[D].四川农业大学.2015
[7].张驰.川西南山地常绿阔叶林不同群落多样性与景观格局研究[D].四川农业大学.2015
[8].潘红丽,冯秋红,文智猷,刘兴良.川西南山地石漠化治理优良模式筛选研究[J].四川林业科技.2015
[9].赵安玖,杨长青,廖成云.基于影像纹理特征的川西南山地常绿阔叶林有效叶面积指数的空间分析[J].应用生态学报.2014
[10].杨武.基于SPOT-5影像光谱和纹理特征的川西南山地阔叶林叶面积指数反演[D].四川农业大学.2014