基于物候特征和混合光谱信息的春玉米种植面积提取

快速、准确地获取玉米种植面积信息对国家粮食安全和现代信息农业发展有重要的现实意义。遥感技术在作物种植面积提取中具有一定优势,尤其是作物物候信息和光谱数据相结合的方法更是目前发展的趋势之一。选取辽宁省3县市为研究区,利用Savitzky-Golay滤波重构后的2014-2015年MODIS-NDVI时间序列数据,提取作物物候特征和其他主要地物的NDVI曲线变化规律,结合水稻移栽期的NDVI、LSWI数据与大豆鼓粒期的近红外波段反射率数据,训练地物分类阈值、构建决策树提取2015年春玉米种植面积。考虑到耕地的破碎化和土地覆盖类型的多样性,利用MOD09A1反射率影像提取春玉米及混合地物的端元波谱,基于线性光谱混合模型进行混合像元分解获取春玉米丰度,根据决策树分类结果与春玉米丰度信息精确提取春玉米种植面积。利用Landsat8 OLI监督分类影像对种植面积解译结果进行精度评价,结果显示研究区春玉米种植面积提取精度在81%以上,利用统计数据验证得到仅利用物候信息经决策树分类方法提取的春玉米种植面积精度为88.416%,结合混合光谱信息后的提取精度提高到92.382%。春玉米种植面积提取结果较好地反应了其地理分布,表明重构后的生长季NDVI曲线可以准确地反应作物生长变化规律,运用中分辨率MODIS-NDVI时间序列数据获取物候信息,快速、准确提取春玉米种植面积具有可行性。物候特征耦合混合光谱信息的方法突破了传统研究中的像元限制,将作物种植面积识别水平提高到亚像元尺度,效果好于传统的像元尺度MODIS时间序列信息分类方法,能够有效提高作物种植面积估算精度,对于加快数字农业进程、提升农业信息化水平具有重要作用。     

基于OLI影像的县域冬小麦种植面积提取

以河南省虞城县为研究区域,筛选冬小麦分蘖期至拔节期内的3期(分蘖期、越冬期、拔节期)高质量OLI遥感影像,进行辐射定标及FLAASH大气校正,以便将影像DN值转算为地表反射率,并利用全色波段进行影像融合处理以提高空间分辨率。以归一化差异水体指数(NDWI)、归一化差异建筑指数(NDBI)、归一化差异植被指数(NDVI)为基础,结合外业调查数据构建决策树模型,3期影像中NDWI大于0的像元为水体,NDBI大于0的像元为居民地,NDVI分别大于0.59、0.52、0.65的像元为冬小麦纯净像元,NDVI分别小于0.49、0.44、0.56的像元为其他地物,剩余部分为冬小麦混合像元,通过实地调研确定将混合像元面积折算为冬小麦实际种植面积的权重为0.46,最后计算虞城县冬小麦的实际种植面积。结果表明,冬小麦分蘖期至拔节期是遥感监测冬小麦种植面积的最佳时期,3期影像提取的2014年虞城县冬小麦种植面积分别为76 238.79 hm2、77 406.65 hm2、77 397.82 hm2,与往年统计数据和样地实测数据相比,精度达到了99%。     

基于环境卫星的混合像元分解提取江汉平原油菜种植面积

利用中低分辨率卫星影像进行油菜面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度。通过选取2011年湖北省江汉平原油菜生长期内不同生育期的两景HJ-1A/B-CCD数据,生成1组8波段的数据;采取阈值技术结合夏收作物NDVI指数变化特点,提取夏收作物在江汉平原的空间分布;选取线性光谱混合模型进行油菜种植面积的分解计算研究。结果表明,线性光谱混合模型能够高精度地提取油菜的种植面积,是一种很好的油菜种植面积监测方法。     

晋南区冬小麦种植分布卫星遥感反演及时空变化分析

晋南区作为山西省冬小麦种植主产区,其冬小麦种植结构的变化对农业决策有着至关重要的影响。基于MODIS数据,将归一化植被指数(NDVI)作为一个波段,与可见光波段、近红外波段同时作为分析波段,分析主要地物波谱特征,确定反演冬小麦面积的理想时期,优化混合像元分解法的端元选取方式为裸地—冬小麦—林地—水体模型;然后提取了2000—2014年晋南区冬小麦种植面积分布,并结合实际统计数据对结果进行校正,校正后相对误差小于15%的县占总数的92.41%;基于提取结果对2000—2014年晋南区冬小麦种植分布变化和种植概率空间变化进行了分析。结果表明,晋南区冬小麦种植分布受地形因素影响较大,主要分布在运城盆地、临汾盆地、长治盆地和晋城市中部等地势较平坦的地区,且2000—2014年冬小麦面积整体呈下降趋势,长治减少幅度最大;晋南区冬小麦种植核心地带主要分布在临汾盆地和运城盆地,临汾盆地大部地区种植概率变化较小,运城盆地种植概率增减不一,晋城市种植概率下降较多,在长治盆地下降最为明显。     

GEE支持下的河南省冬小麦面积提取及长势监测

【目的】使用遥感技术对2017—2020年河南省冬小麦的空间分布信息进行高精度的提取,然后对2020年冬小麦的长势进行高频度的监测并结合气象条件进行分析。【方法】本文基于谷歌地球引擎（Google Earth Engine,GEE）云平台,对选取的Landsat 8影像数据根据NDVI最大值进行合成,然后进行特征构建,添加地形特征、纹理特征、NDVI以及一个新特征NDVI增幅,使用随机森林分类方法对样本数据按照构建的特征进行训练提取河南省2017—2020年冬小麦的播种面积信息;经过精度验证后对提取的河南省2020年的冬小麦种植区域生成掩膜,对掩膜区域（冬小麦种植区域）结合MODIS高时间分辨率影像数据,使用NDVI同期差值法对2020年2—4月份的冬小麦进行高频度的长势监测。【结果】使用GEE云平台能够对河南省冬小麦种植区域的空间分布信息进行快速制图;使用随机森林方法加入地形特征、纹理特征、NDVI后再加入新特征NDVI增幅,能够有效提高冬小麦的提取精度以及降低与统计数据的相对误差,基于混淆矩阵计算的平均总体分类精度为95.2%、平均kappa系数为0.909、冬小麦的平均分类精度为95.3%,与河南省统计年鉴数据相比,本文方法提取的2017—2019年河南省冬小麦播种面积相对误差均低于3%,河南省冬小麦主要种植区域的冬小麦播种面积的平均相对误差低于6%;使用MODIS影像数据结合NDVI差值模型能够对河南省2020年的冬小麦进行高频度的长势监测,河南省冬小麦在返青初期长势较往年及2019年好,到生育后期大部分区域长势与往年及2019年持平,总体上2020年冬小麦的长势较往年及2019年好。【结论】本文提出的方法能够对河南省冬小麦进行高精度的提取以及高频度的长势监测,且能够为地方政府或者一些农业部门在安排指导农事活动上提供科学依据。     

利用EOS／MODIS信息提取陕西冬小麦种植面积研究

EOS/MODIS数据1、2波段是具有250m空间分辨率红和近红外波段,也具有较高时间分辨率,可对冬小麦长势进行动态跟踪监测.随着冬小麦生长发育,NDVI值逐渐增大,并在一定生育期内达到最大值后开始下降.陕西南北较长,秦岭山脉是南北气候主要分界线,冬小麦在不同种植区的生长发育期进程略有不同,NDVI峰值出现的时间也不完全一致.通过对陕西2002-2003年3-6月的EOS/MODIS数据的NDVI值采样分析,结合冬小麦生产调查,陕西冬小麦主产区NDVI值在3月中下旬相对较高,5月上中旬最大.利用陕西1∶10万土地利用数据,依据冬小麦主产区NDVI值的时序变化从MODIS数据中提取陕西冬小麦面积,生成其空间分布图,精度可达到91%以上.     

区域总量控制下的冬小麦种植面积空间分布优化

【目的】利用传统遥感与抽样相结合的方法进行农作物种植面积测量,只能获得区域总量,无法有效获取农作物种植面积空间分布信息。针对以上不足,开展区域总量控制下的冬小麦种植面积空间分布优化研究,从而提高冬小麦种植面积测量的空间分布精度。【方法】将整个遥感影像像元划分为3部分:"纯净冬小麦像元"、"混合冬小麦像元"和"典型非冬小麦像元"。综合软、硬分类方法各自的优势,在区域冬小麦总量面积一定的前提下,设定阈值确定混合冬小麦像元的空间分布范围。【结果】传统遥感与抽样相结合的方法提取出的冬小麦结果RMSE为0.13,优于硬分类方法(RMSE为0.16)和软分类方法(RMSE为0.20)。【结论】区域总量控制下的软、硬分类方法能够有效地对冬小麦种植面积空间分布进行优化,既保证了区域测量精度,又提高了空间分布的准确性。     

基于MODIS时序数据物候特征下的多源遥感玉米提取

为解决农作物遥感分类易混淆的问题，准确获取玉米种植结构信息，提出了一种能够充分利用高时间分辨率和中高空间分辨率数据优势的多源遥感数据玉米提取方法。以沈阳为研究区域，利用S-G滤波重构MODIS-EVI时序曲线提取物候特征，同时利用EVI转换模型平衡Landsat-8、Sentinel-2、GF-1与MODIS之间的EVI差异构建了30 m分辨率的时序数据，采用决策树方法，基于MODIS物候特征对多源时序数据分类，逐层掩膜水稻、大豆等易混淆地类获取玉米提取结果，并采用决策树与混合像元分解结合的方法进一步提高玉米提取结果的精度。结果表明：基于多源转化遥感数据的决策树分类总体精度与Kappa系数分别为92.27%和0.8825，相较于CART决策树、随机森林、最大似然法，其分类总体精度和Kappa系数均有较大幅度的提高，相较于数据未经模型转换的决策树分类的总体精度和Kappa系数分别提高4.59个百分点和0.0663。决策树分类后结合混合像元分解的玉米提取总精度提高至95.98%，玉米分类精度得到进一步提高。     

基于MODIS-NDVI的邯郸市冬小麦和夏玉米面积提取

作物种植面积提取是作物动态监测的关键问题之一。为了解邯郸市主要作物种植面积分布,本研究选用250 m分辨率的MODIS陆地植被数据产品MODIS 13Q1,经过遥感影像数据预处理、作物物候信息调研、典型地物时序曲线提取、建立决策树等步骤,完成2010—2016年邯郸市冬小麦和夏玉米的种植面积提取。结果表明,邯郸市冬小麦和夏玉米的种植空间分布基本保持一致,均集中于东部平原区;种植面积的年际变化趋势相对稳定,历年差别不大;冬小麦和夏玉米的面积提取误差平均分别为10.57%和13.40%,符合大区域作物面积提取要求。本研究为大区域范围下通过遥感技术快速提取作物种植面积提供了参考方法,同时为邯郸市作物种植规划提供了指导。     

近20年华北粮食主产区冬小麦种植面积遥感快速提取研究

【目的】 基于遥感数据,研究快速提取华北粮食主产区近20年（2001—2020年）冬小麦种植面积的方法,生成准确的长时间序列冬小麦面积遥感产品,为政府决策机构和科研单位的工作提供数据支持。【方法】 文章基于经过滤波重构的MODIS植被指数产品,分析了研究区不同纬度下冬小麦在整个生长季中的时序特征,考虑到不同区域冬小麦物候差异,提出了一种关键生长季时序NDVI曲线匹配的方法,在无样本的条件下,快速提取冬小麦面积。通过使用统计年鉴进行面积验证,并结合目视解译的样本和高分辨率数据哨兵2号提取的结果,计算混淆矩阵并进行精度评价。【结果】 与2001—2018年的统计年鉴数据对比,平均相对误差为16.1%;与目视解译和哨兵2号分类结果中的6 459个采样点的精度评价相比,总体精度达到87.4%,kappa系数为0.61。【结论】 根据冬小麦的物候特征,通过提取NDVI的时序特征并采用时序NDVI曲线匹配算法,可以快速准确地提取华北粮食主产区冬小麦的种植面积和分布情况。     

多时相MODIS影像的浙江省水稻种植面积信息提取方法研究

    为准确获取水稻种植面积,以浙江省为研究区,利用8 d合成MODIS陆地表面反射率数据的特点和水稻典型物候特征,选取水稻种植前的休耕期、秧苗移栽期、生长期和成熟期等多时像MODIS地表反射率影像数据,通过归一化植被指数、增强植被指数及利用对土壤湿度和植被水分含量较为敏感的短波红外波段计算得到的陆地表面水指数进行水稻种植面积信息获取,将提取结果同现状水田与MODIS影像共同提取的数据以及浙江省统计年鉴数据进行对比分析.结果表明,利用MODIS影像的8 d合成地表反射率数据进行平原区域水稻种植面积提取,精度可达90%以上.因此,采用MODIS影像数据进行平原区域水稻遥感监测可以为政府决策部门提供信息服务.     

基于EOS/MODIS数据的抚远县水稻面积提取技术研究

为获取黑龙江省大范围的水稻种植空间分布及面积等信息,指导水稻生产,以抚远县为研究区域,利用EOS/MODIS数据进行水稻面积提取研究。结果表明:抚远县水稻面积309 513.32hm2。水稻种植区域精度较高的图框区域集中在抚远县中部及南部地区,这些地区水稻种植比较集中,且所占比例很高,其它作物较少,对混合像元的精度影响小;精度较低的图框主要集中在北部地区,这与实际情况相符合,水稻种植较零散且其它混种作物种类及荒草类别比较复杂,混合像元分类精度较低。     

县域尺度上基于GF-1PMS影像的冬小麦种植面积遥感监测

为探究县域尺度上基于高分一号卫星(GF-1)PMS影像进行冬小麦遥感监测的可行性及精准性,以河南省滑县为研究区,遴选2015年2月上旬GF-1 PMS影像6景,对影像进行辐射定标、FLAASH大气校正、NNDiffuse融合、几何精校正、地图投影转换等预处理后,在外业调查和样本分析的基础上构建一种新的冬小麦决策树分类模型,模型第1层决策方案中NDVI0.311的像元为冬小麦,得到冬小麦的粗分类结果;在此基础上进行第2层决策分类,以进一步提高冬小麦的分类精度,分类方案为第1波段地表反射率0.146、第2波段地表反射率0.148、第3波段地表反射率0.135、第4波段地表反射率0.250的像元为冬小麦。对分类结果进行形态学滤波处理,以消除或减少分类结果中孤立的像元。分别基于决策树分类模型与ENVI软件自带的IsoData非监督分类模型,对比分析GF-1PMS影像和同时期Landsat-8OLI影像在冬小麦面积提取上的精度。结果表明:基于新构建的决策树分类模型,2015年滑县冬小麦种植面积为115 715.81hm2,混淆矩阵检验总体精度为99.62%,Kappa系数为0.99;PMS影像提取冬小麦的混淆矩阵总体精度比OLI影像高出9个百分点。说明县域尺度上基于单时相GF-1PMS影像在冬小麦收获前提取冬小麦种植面积是可行的,提取精度较高。     

基于MODIS数据的丘陵地区冬小麦种植面积提取研究

利用2004-2005年MODIS 16 d合成的NDVI最大值植被指数数据,基于NDVI光谱突变方法对山西省运城地区冬小麦种植面积进行提取。通过分析得出：2005年5-6月（2005161～2005129）提取的冬小麦面积与实测面积相关性最高,估测的冬小麦面积与实测面积的误差最小,准确性最高。     

基于不同时相遥感的冬小麦种植面积的提取

卫星遥感技术能够快速、准确、大面积对农作物生长进行监测,多时相遥感监测可克服单时相遥感监测的不足,利于实现对农作物生长变化的动态监测。以江苏省大丰市为研究区域,选用拔节期和抽穗期两景环境(HJ)卫星遥感影像进行不同地物光谱信息识别与种植面积提取研究。首先,在分析两景HJ星影像植被光谱信息的基础上,提取出各自影像的归一化差值植被指数(NDVI)影像,并对两景NDVI影像分别进行加运算和减运算,得到另外两景NDVI合成影像。其次,通过对提取到的四景NDVI影像光谱信息进行比较分析,最终选用植被光谱信息特征较为明显的加运算合成影像进行冬小麦种植面积提取。最后,基于影像不同地物的NDVI阈值划分,并叠加GPS样点信息校正,提取到大丰市冬小麦种植面积数据及其空间分布信息。结果显示,大丰市遥感提取冬小麦种植面积为78 712.13 hm2,精度为92.51%。在该市20个乡镇(或农场)冬小麦种植面积提取精度中,精度大于95%有9个乡镇(或农场),精度在90%至95%之间的有7个乡镇(或农场),仅有4个乡镇(或农场)提取精度在80%至90%之间。说明,利用不同时相遥感合成运算方法得到的合成影像,能明显增强冬小麦光谱信息与其他植被信息特征区别,有利于实现高精度提取冬小麦种植面积的目的。     

河南省冬小麦种植频率时空变化及影响因素分析

【目的】通过对河南省2001—2015年间不同时期（2001—2005、2006—2010及2011—2015年）冬小麦种植频率（winter wheat planting frequency,WWPF）时空变化及其主要影响因素定量分析,进一步明晰区域作物种植频率变化时空变化分布特征和主要影响因素顺序。【方法】以河南省为研究区,冬小麦为研究作物,在利用中低分辨率MODIS EVI时序遥感数据和CART决策树算法进行连续15年（2001—2015年）作物种植空间分布信息提取基础上,获取了研究区不同时期冬小麦种植频率空间信息。在此基础上,开展不同时期冬小麦种植频率时空变化分析,并利用相关分析、主成分分析和线性回归分析等数理统计方法对不同时期研究区种植频率变化的影响因素进行分析,最终确定主要影响因素的重要性排序。【结果】基于MODIS EVI时序遥感数据和CART决策树算法可获得河南省较高精度连续多年冬小麦种植空间分布信息,经验证,研究区冬小麦遥感提取平均总体精度为90.39%,Kappa系数在0.82—0.92之间,可满足区域冬小麦种植频率变化研究所需作物空间分布精度要求;通过分析河南省不同时期冬小麦种植频率时空变化信息,省域内冬小麦主产区大部分具有较高的冬小麦种植频率（WWPF>80%）,而豫西南和豫南等山区由于地形复杂、自然条件较差导致冬小麦种植频率普遍较低（WWPF≤40%）。此外,3个时段期间,河南省冬小麦主产区高频种植冬小麦面积呈逐步增加趋势,WWPF>80%的面积比例分别为42.68%、59.94%和63.07%,低频种植面积呈减小趋势,WWPF≤40%的面积比例分别为28.53%、17.99%和16.63%,这对我国冬小麦主产区稳定粮食种植面积具有重要意义;从冬小麦种植频率影响因素分析结果看,河南省冬小麦种植频率与有效灌溉面积比例、土壤质量综合指数、播期气候适宜度、坡度和高程等指标间均存在显著的相关性,且除与坡度、高程呈负相关外,与其余因素均为正相关关系。以上指标对河南省冬小麦种植频率变化影响程度的排序结果为土壤综合质量指数>播期气候适宜度>有效灌溉面积比例>坡度（高程）,即土壤质量>播期气候条件>灌溉条件>地形条件。【结论】通过对河南省冬小麦种植频率时空变化及其影响因素进行定量分析,明确了河南省冬小麦种植频率时空分布特征和变化规律,明晰了河南省区域冬小麦种植频率变化影响因素及其重要性排序,为开展作物种植面积变化分析提供了一定技术方法和思路借鉴,为区域农业土地利用决策模型构建提供一定基础理论支撑。     

河南省冬小麦种植频率时空变化及影响因素分析

【目的】通过对河南省2001—2015年间不同时期(2001—2005、2006—2010及2011—2015年)冬小麦种植频率(winter wheat planting frequency,WWPF)时空变化及其主要影响因素定量分析,进一步明晰区域作物种植频率变化时空变化分布特征和主要影响因素顺序。【方法】以河南省为研究区,冬小麦为研究作物,在利用中低分辨率MODIS EVI时序遥感数据和CART决策树算法进行连续15年(2001—2015年)作物种植空间分布信息提取基础上,获取了研究区不同时期冬小麦种植频率空间信息。在此基础上,开展不同时期冬小麦种植频率时空变化分析,并利用相关分析、主成分分析和线性回归分析等数理统计方法对不同时期研究区种植频率变化的影响因素进行分析,最终确定主要影响因素的重要性排序。【结果】基于MODIS EVI时序遥感数据和CART决策树算法可获得河南省较高精度连续多年冬小麦种植空间分布信息,经验证,研究区冬小麦遥感提取平均总体精度为90.39%,Kappa系数在0.82—0.92之间,可满足区域冬小麦种植频率变化研究所需作物空间分布精度要求;通过分析河南省不同时期冬小麦种植频率时空变化信息,省域内冬小麦主产区大部分具有较高的冬小麦种植频率(WWPF80%),而豫西南和豫南等山区由于地形复杂、自然条件较差导致冬小麦种植频率普遍较低(WWPF≤40%)。此外,3个时段期间,河南省冬小麦主产区高频种植冬小麦面积呈逐步增加趋势,WWPF80%的面积比例分别为42.68%、59.94%和63.07%,低频种植面积呈减小趋势,WWPF≤40%的面积比例分别为28.53%、17.99%和16.63%,这对我国冬小麦主产区稳定粮食种植面积具有重要意义;从冬小麦种植频率影响因素分析结果看,河南省冬小麦种植频率与有效灌溉面积比例、土壤质量综合指数、播期气候适宜度、坡度和高程等指标间均存在显著的相关性,且除与坡度、高程呈负相关外,与其余因素均为正相关关系。以上指标对河南省冬小麦种植频率变化影响程度的排序结果为土壤综合质量指数播期气候适宜度有效灌溉面积比例坡度(高程),即土壤质量播期气候条件灌溉条件地形条件。【结论】通过对河南省冬小麦种植频率时空变化及其影响因素进行定量分析,明确了河南省冬小麦种植频率时空分布特征和变化规律,明晰了河南省区域冬小麦种植频率变化影响因素及其重要性排序,为开展作物种植面积变化分析提供了一定技术方法和思路借鉴,为区域农业土地利用决策模型构建提供一定基础理论支撑。     

基于多时相环境卫星的冬前油菜种植面积估算

【目的】油菜是我国重要的油料作物之一,监测油菜种植面积有助于了解油菜生长状况,为油菜病虫害、湿渍害、冻害等灾害损失评估提供数据基础。【方法】文章以湖北省荆州市江陵县为研究区,使用国产HJ-1A/B 30 m分辨率时序多光谱数据,通过地面调查及资料分析确定油菜与其它易混淆作物的主要NDVI时序特征,建立油菜识别决策树,估算了2009—2015年(不包括2011—2012年生长季)冬前油菜种植面积。将基于油菜开花期影像的最大似然法提取的油菜面积作为定性验证数据。以油菜籽面积统计数据和Google Earth高分辨率影像数据对冬前油菜提取的面积和空间位置结果进行定量评价。【结果】定性评价结果:2009—2011年生长季的决策树方法提取冬前油菜面积结果与开花期影像最大似然法提取结果基本一致,2012—2015年生长季的油菜提取面积空间分布差异较大。定量评价结果:决策树方法提取冬前油菜面积的用户精度达到80.40%～95.56%,生产者精度达到82.56%～91.43%,相对误差低于15%。【结论】基于NDVI时间序列特征的决策树算法估算冬前油菜面积具有可行性,但仍受到云和冬小麦的影响。     

基于MODIS NDVI数据的郑州市植物物候监测研究

基于2011年MODIS NDVI 500 m空间分辨率的16 d合成时间序列数据和郑州市域植物分布图,利用MODIS数据中高质量的植被指数研究河南省郑州市域植被的季节性变化规律,并通过时间序列谐波分析法(HANTS)和滑动平均法提取3种植被类型的关键物候期。结果表明:2011年郑州市域大部分林地、草地在第85~110天集中生长,到第220~240天基本成熟,在第305~325天逐渐停止生长,生长季长度为200~220 d。大部分冬小麦开始期在第40~60天,在第100~120天生长达到极限,在第135~150天逐渐停止生长,玉米生长期集中在第165~180天,在第220~235天进入抽穗期,在第260~270天生长结束,农作物的生长季长度为90~110 d。研究结果与实地调研、前人研究资料基本相符,具有可靠性,因此利用MODIS NDVI数据能快速监测植被、有效获取区域植被物候信息。     

基于NDVI像元二分模型的城市植被覆盖度分析——以焦作市为例

选取焦作市作为研究区,应用GIS与RS技术,以Landsat8和高空间分辨率影像为数据源,基于NDVI的像元二分模型对焦作市植被覆盖度进行估算分析,并在NDVI绿地提取的基础上,将研究区绿地进一步细分为草地、树林和农田,实现了城市绿地信息的精细提取,为城市绿地评价与分析提供科学依据,为城市绿地系统规划、优化植物群落结构、改善城市环境质量提供基础数据和决策支持。