臧 卓 ，林 輝 ，楊敏華

（1. 中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，湖南 長(zhǎng)沙 410004；2. 中南大學(xué) 信息物理工程學(xué)院，湖南 長(zhǎng)沙 410083）

基于色素含量的針葉樹種敏感波段提取研究

臧 卓1,2，林 輝1，楊敏華2

（1. 中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，湖南 長(zhǎng)沙 410004；2. 中南大學(xué) 信息物理工程學(xué)院，湖南 長(zhǎng)沙 410083）

通過分析馬尾松、杉木主要色素和冠層光譜數(shù)據(jù)的相關(guān)關(guān)系提取敏感波段，然后利用7種分類算法對(duì)所提取波段進(jìn)行分類，最后對(duì)高斯合并后的光譜數(shù)據(jù)進(jìn)行分類，用以測(cè)試提取波段的可推廣性。結(jié)果表明：馬尾松和杉木的差異主要是受葉綠素的影響，并且2種針葉樹種的敏感波段位于401～504 nm和659～686 nm；用于區(qū)分2種針葉樹種高光譜數(shù)據(jù)的最佳分類方法為Fisher分類法，最高分類精度達(dá)到了100%；模擬成像光譜數(shù)據(jù)的高斯合并數(shù)據(jù)抑制了高頻噪聲，但也過濾掉了2種針葉樹種光譜數(shù)據(jù)的細(xì)微差異，分類精度降低，為70%～80%，而葉綠素所提取波段仍然優(yōu)于其它色素提取的波段，這說明401～504 nm和659～686 nm波段具有可推廣和進(jìn)一步研究的價(jià)值。

高光譜；色素含量；波段提取；針葉樹種；黃豐橋林場(chǎng)

植被的遙感監(jiān)測(cè)往往是基于其反射光譜特性。由于植被在可見光區(qū)域的光譜特征主要是受植被色素(葉綠素和類胡蘿卜素)的影響，在近紅外區(qū)域的光譜特征則主要受葉子內(nèi)部結(jié)構(gòu)、生物量、蛋白質(zhì)、纖維素等的影響[1-2]，因此，可以利用植被冠層和葉片的反射光譜來估算其生化參數(shù)，特別是色素含量[3-6]。高光譜遙感技術(shù),由于其具有波段多且窄的特點(diǎn),能直接對(duì)植被進(jìn)行微弱光譜差異的定量分析,使植被精準(zhǔn)化監(jiān)測(cè)成為可能。

以往的研究主要采用多元統(tǒng)計(jì)回歸分析方法、植被指數(shù)法等方法，利用光譜特征，采用不同波段組合或波段位置等與植被生化組分之間建立相關(guān)關(guān)系，進(jìn)而反演植被生化組分[7-9]。1998年Blackburn提出的特定色素簡(jiǎn)單比值指數(shù)和特定色素歸一化差值指數(shù)在利用光譜測(cè)量值評(píng)價(jià)4種闊葉樹種的色素濃度時(shí)，精度明顯優(yōu)于常規(guī)的比值植被指數(shù)和歸一化差值植被指數(shù)，顯示了高光譜數(shù)據(jù)在測(cè)定生化參數(shù)方面的巨大潛力[10-11]。劉秀英等[12-13]通過分析樟樹幼林生化成分與光譜特征的關(guān)系，結(jié)果表明各種色素含量與高光譜特征參數(shù)之間的相關(guān)性較好，對(duì)葉綠素含量敏感的光譜波段為400、556、621 nm，而纖維素含量、總氮含量與高光譜特征參數(shù)之間的相關(guān)性比較弱。萬玲鳳等[14]研究樟樹幼林生物化學(xué)參數(shù)與高光譜特征參數(shù)間的相關(guān)系數(shù)達(dá)到了0.01極顯著性檢驗(yàn)水平，可以建立高光譜生化成分遙感估算模型。林輝等[15]通過對(duì)高光譜遙感特征參數(shù)與樟樹幼林葉綠素a含量間統(tǒng)計(jì)相關(guān)分析，建立了高精度的樟樹幼林葉綠素a含量估算模型。這些研究雖然提取了較好的敏感波段用于生化成分的反演，但是至今鮮有人研究是否能用于針葉樹種間的差異波段的提取。本研究通過分析植被色素與高光譜數(shù)據(jù)的相關(guān)關(guān)系，提取敏感波段，再利用常用的7種分類方法（SVM-RBF、BP神經(jīng)網(wǎng)絡(luò)、馬氏距離、Bayes、Fisher判別法、SAM、SVM-Linear）對(duì)所提取波段進(jìn)行分類，最后對(duì)高斯合并后的光譜數(shù)據(jù)進(jìn)行分類，用以測(cè)試提取波段的可推廣性。

1 試驗(yàn)設(shè)計(jì)與數(shù)據(jù)采集

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)地點(diǎn)：株洲市攸縣黃豐橋國(guó)有林場(chǎng)，位于湖南省中東部。

觀測(cè)內(nèi)容：選取當(dāng)?shù)氐闹饕貌牧謽浞N——杉木Cunninghamia lanceolata、馬尾松Pinus massoniana為對(duì)象進(jìn)行冠層高光譜反射率測(cè)定，同時(shí)采集部分樣本，帶回實(shí)驗(yàn)室進(jìn)行葉片的生化參數(shù)測(cè)定。

1.2 光譜數(shù)據(jù)的采集

使用美國(guó)ASD公司(Analytical Spectral Devices Inc)制造的ASD FieldSpec HandHeldTM地物光譜儀對(duì)杉木、馬尾松冠層葉片光譜進(jìn)行測(cè)定。測(cè)量時(shí)為減小太陽高度角變化對(duì)光譜測(cè)量結(jié)果的影響，外業(yè)測(cè)量時(shí)間選擇在中午10:00～14:00。測(cè)量時(shí)每隔15 min左右進(jìn)行一次標(biāo)準(zhǔn)板（標(biāo)準(zhǔn)白板）的校正，并且測(cè)量時(shí)儀器探頭保持垂直向下，每個(gè)采樣點(diǎn)測(cè)量光譜30次。

光譜測(cè)定周期為1 a，分別于2010年3月、4月、6月、8月、9月、10月、12月及2011年3月，分8次（每季度2次），共采集數(shù)據(jù)257條。

從以上257條數(shù)據(jù)中隨機(jī)選取200條作為訓(xùn)練集，57條作為測(cè)試集。

1.3 植被色素含量的測(cè)定

利用野外光譜輻射儀對(duì)光譜數(shù)據(jù)測(cè)定之后，采集儀器現(xiàn)場(chǎng)范圍內(nèi)5～8個(gè)營(yíng)養(yǎng)小枝樣本，置于保鮮袋中，并及時(shí)進(jìn)行色素含量提取。葉綠素及類胡蘿卜素的含量采用分光光度法測(cè)定，葉黃素的含量根據(jù)標(biāo)準(zhǔn)曲線回歸方程求得。對(duì)于所有的化學(xué)分析，濃度可表示成每單位樣品干重之重量(mg/g)。有關(guān)實(shí)驗(yàn)室這些化學(xué)成分的詳細(xì)過程參見文獻(xiàn)[12-13]。

2 數(shù)據(jù)處理與分析方法

2.1 高光譜數(shù)據(jù)平滑去噪

高光譜數(shù)據(jù)的平滑去噪采用的是常用的S.Golay方法。光譜儀對(duì)原始數(shù)據(jù)在700 nm處的光譜分辨率為3.5 nm，實(shí)際獲得的數(shù)據(jù)是通過ASD ViewSpecPro軟件導(dǎo)出的1 nm間隔的采樣數(shù)據(jù)。由于光譜在400 nm以前和925 nm以后噪聲較大，因此本研究選用400～925 nm范圍的反射光譜波段作為有效光譜數(shù)據(jù)進(jìn)行分析。

2.2 相關(guān)分析及高斯變換

利用測(cè)得的馬尾松和杉木主要色素含量與對(duì)應(yīng)的高光譜反射數(shù)據(jù)進(jìn)行相關(guān)分析，提取置信度達(dá)到90%以上的相關(guān)波段。

為了了解所提取的波段對(duì)2種樹種的區(qū)分是否具有推廣價(jià)值，可假設(shè)在這些提取的波段范圍內(nèi)設(shè)置一個(gè)成像遙感的傳感器，此時(shí)傳感器所接收到的輻射能量可以用公式（1）[16]表示：

式(1)中：F(λ)是輻射能量；Γ(λ)為光譜響應(yīng)函數(shù)。

為模擬成像光譜傳感器所獲取的樹種反射率數(shù)據(jù)，將式（1）的輻射能量用反射率代替，光譜響應(yīng)函數(shù)用高斯曲線來代替，因此將公式（1）可變換成式（2）：

式（2）中：s和e分別為被合并波段的起始和結(jié)束波長(zhǎng)；R0(λ)是光譜反射率；G(λ)為高斯曲線；Δλ代表高光譜數(shù)據(jù)間隔，本研究中為1 nm。

2.3 分類方法的選擇

采用SVM-RBF、BP神經(jīng)網(wǎng)絡(luò)、馬氏距離、Bayes、Fisher判別法、SAM、SVM-Linear對(duì)所提取的高光譜敏感波段數(shù)據(jù)及高斯合并后的數(shù)據(jù)進(jìn)行分類，測(cè)試選擇的波段是否具有代表性，是否為有效區(qū)分樹種的差異波段。

3 結(jié)果與分析

3.1 反射率分析

由圖1可知，2種針葉樹種（馬尾松和杉木）的反射率極為相似（這里的“反射率”是指經(jīng)濾波之后的ASD采集的反射率），2種針葉樹種的反射光譜都具有明顯的“峰”和“谷”的特征，在近紅外波段光譜反射率值隨波長(zhǎng)的增加而急劇升高，形成一高的反射平臺(tái)。在綠光波段有一個(gè)小反射峰，位于550 nm附近；在反射峰前后有2個(gè)葉綠素吸收谷。

圖1 平滑去噪后杉木和馬尾松光譜反射率Fig.1 Spectral ref l ection rate of C. lanceolata and P.massoniana after noise smoothing

3.2 相關(guān)分析

3.2.1 葉綠素總含量與反射率的相關(guān)分析

葉綠素總含量與光譜反射率之間的相關(guān)系數(shù)如圖2所示。在400～510 nm和630～700 nm范圍，葉綠素總含量與光譜反射率之間存在顯著的正相關(guān)關(guān)系，這是葉綠素在400～500 nm、630～680 nm這2個(gè)波段的強(qiáng)烈吸收造成的。在401～504和659～686 nm這2個(gè)波段范圍內(nèi)，葉綠素總含量與光譜反射率之間的相關(guān)系數(shù)達(dá)到了0.01極顯著檢驗(yàn)水平。

圖2 葉綠素總含量與反射率的相關(guān)系數(shù)Fig.2 Correlation coeff i cients between total chlorophyll content and ref l ection rate

3.2.2 葉綠素a含量與反射率的相關(guān)分析

葉綠素a含量與光譜反射率之間的相關(guān)系數(shù)如圖3所示。波長(zhǎng)在400～510 nm和630～700 nm范圍，葉綠素a含量與光譜反射率之間存在顯著的正相關(guān)關(guān)系。在401～506和655～687 nm這2個(gè)波段范圍內(nèi)，葉綠素a含量與光譜反射率之間的相關(guān)系數(shù)達(dá)到了0.01極顯著檢驗(yàn)水平。

圖3 葉綠素a含量與反射率的相關(guān)系數(shù)Fig.3 Correlation coeff i cients between chlorophyll (a)content and ref l ection rate

3.2.3 葉綠素b含量與反射率的相關(guān)分析

葉綠素b含量與光譜反射率之間的相關(guān)系數(shù)如圖4所示。在400～510 nm和650～700 nm范圍內(nèi)，葉綠素b含量與光譜反射率之間存在顯著的正相關(guān)關(guān)系。在401～501 nm和674 nm這2個(gè)波段范圍內(nèi)，葉綠素b含量與光譜反射率之間的相關(guān)系數(shù)達(dá)到了0.01極顯著檢驗(yàn)水平。

圖4 葉綠素b含量與反射率的相關(guān)系數(shù)Fig.4 Correlation coeff i cients between chlorophyll (b)content and ref l ection rate

3.2.4 類胡蘿卜素含量與反射率的相關(guān)分析

類胡蘿卜素含量與光譜反射率之間的相關(guān)系數(shù)如圖5所示。在530～559 nm范圍內(nèi)，類胡蘿卜素與光譜反射率的相關(guān)系數(shù)達(dá)到0.01顯著檢驗(yàn)水平，在550 nm左右出現(xiàn)一個(gè)反射谷。在700～900 nm紅外光范圍內(nèi)，類胡蘿卜素含量與光譜反射率之間存在顯著的負(fù)相關(guān)關(guān)系。在739～758 nm和761～797 nm這2個(gè)波段范圍內(nèi)，類胡蘿卜素含量與光譜反射率之間的相關(guān)系數(shù)達(dá)到了0.01極顯著檢驗(yàn)水平。與葉綠素含量相比，類胡蘿卜素含量與光譜反射率之間的相關(guān)系數(shù)均較小。

圖5 類胡蘿卜素含量與反射率的相關(guān)系數(shù)Fig.5 Correlation coeff i cients between carotenoid content and ref l ection rate

3.2.5 葉黃素含量與反射率的相關(guān)分析

葉黃素含量與光譜反射率之間的相關(guān)系數(shù)如圖6所示。葉黃素與光譜反射率之間存在負(fù)相關(guān)關(guān)系；在535～562 nm和700～925 nm 2個(gè)波段范圍內(nèi)，葉黃素含量與光譜反射率之間的相關(guān)系數(shù)達(dá)到了0.1顯著檢驗(yàn)水平；在706～756 nm和766～785 nm 2個(gè)波段范圍內(nèi)，葉黃素含量與光譜反射率之間的相關(guān)系數(shù)達(dá)到了0.05較顯著檢驗(yàn)水平。與葉綠素含量相比，葉黃素含量與光譜反射率之間的相關(guān)系數(shù)也較小。

圖6 葉黃素含量與反射率的相關(guān)系數(shù)Fig.6 Correlation coeff i cients between xanthin content and ref l ection rate

3.3 提取波段的分類結(jié)果

通過對(duì)分類結(jié)果的對(duì)比分析（見表1）發(fā)現(xiàn)，通過對(duì)葉綠素含量與植被反射光譜進(jìn)行相關(guān)分析所提取的波段要優(yōu)于利用類胡蘿卜素和葉黃素進(jìn)行相關(guān)分析所提取的波段。這說明2種針葉樹種的光譜差異主要受葉綠素的影響，結(jié)合3.2節(jié)的波段提取結(jié)果，可以發(fā)現(xiàn)2種針葉樹種的差異波段主要集中在401～504 nm和659～686 nm范圍。這個(gè)結(jié)果顯示用來區(qū)分2種針葉樹種的主要波段集中在可見光部分，并不是植被反射率較高的近紅外波段，近紅外波段和紅光波段的巨大差異是植被與其它地物區(qū)別的主要特征，但不同植被之間的差異還是主要集中在葉綠素吸收比較強(qiáng)的可見光波段，這與宮鵬等人[10-11]的研究結(jié)果“利用對(duì)數(shù)變換后的針葉樹種反射率數(shù)據(jù)分類精度明顯優(yōu)于其它變換方法”有一定的印證作用，因?yàn)榻?jīng)過對(duì)數(shù)變換可以放大針葉樹種高光譜反射率數(shù)據(jù)的可見光波段的差異。

比較分析7種分類算法的分類精度，發(fā)現(xiàn)SVM-RBF、BP神經(jīng)網(wǎng)絡(luò)、Fisher分類法要明顯優(yōu)于其它4種分類算法，尤其是Fisher分類算法在某些情況下分類精度甚至達(dá)到了100%。通過對(duì)上述分類結(jié)果的對(duì)比發(fā)現(xiàn)，雖然對(duì)利用葉綠素所提取的波段的分類結(jié)果令人滿意，但仍然很難將其推廣，因?yàn)樵谒崛〉牟ǘ畏秶鷥?nèi)仍然有非常多的數(shù)據(jù)。因此，本研究將所提取的波段利用高斯函數(shù)進(jìn)行合并，將所提取的每個(gè)波段合并成一個(gè)值，然后再利用7種分類算法進(jìn)行分類，測(cè)試是否能夠獲取可推廣的結(jié)果。

表1 7種分類結(jié)果對(duì)比Table 1 Comparisons among 7 classification results

3.4 高斯合并波段的分類結(jié)果

表2中的分類結(jié)果與表1中的類似，利用葉綠素所提取的波段要明顯優(yōu)于利用類胡蘿卜素和葉黃素所提取的結(jié)果，說明所提取的波段具有可推廣和進(jìn)一步研究的價(jià)值。但是分類結(jié)果并不像波段合并前那么理想，除Bayes和SVM-Linear算法外，其它5種分類算法的分類結(jié)果沒有明顯差異，對(duì)葉綠素提取波段最優(yōu)分類精度維持在70%至80%之間。這說明雖然區(qū)分2種針葉樹種的敏感波段在401～504 nm和659～686 nm范圍，但它們的區(qū)分非常細(xì)微，通過模擬成像光譜數(shù)據(jù)的高斯合并方式已經(jīng)將這種細(xì)微的差異給過濾掉了，因此分類精度明顯地降低了。通過高光譜儀測(cè)得的數(shù)據(jù)，可以把它看作是成像光譜數(shù)據(jù)上的純凈像元，如果純凈象元的分類精度都只有80%左右的時(shí)候，那么成像光譜數(shù)據(jù)中的其它混合像元的分類精度會(huì)進(jìn)一步降低，這也正是Spot、TM、Quick bird等多光譜數(shù)據(jù)很難將針葉樹種有效區(qū)分的主要原因。

表2 高斯合并后7種分類結(jié)果對(duì)比Table 2 Comparisons among 7 classification results after combined by Gaussian method

4 結(jié) 論

通過對(duì)2種針葉樹種的主要色素含量與其相對(duì)應(yīng)的光譜反射率的相關(guān)分析，得出以下結(jié)論：

(1)用于區(qū)分馬尾松和杉木的波段集中在401～504 nm和659～686 nm范圍，主要是葉綠素的吸收波段。

(2)7種分類算法中，最適合區(qū)分2種針葉樹種高光譜數(shù)據(jù)的算法是Fisher算法，SVM-RBF和BP神經(jīng)網(wǎng)絡(luò)也可以獲取較理想的結(jié)果。

(3)高斯合并后數(shù)據(jù)的分類精度中，葉綠素所提取的波段401～504 nm和659～686 nm仍然明顯優(yōu)于其它波段，這說明此波段具有可推廣和進(jìn)一步研究的價(jià)值。

此次研究分析了2種針葉樹種主要色素與相對(duì)應(yīng)反射率的關(guān)系，并通過相關(guān)分析方法，大大降低了數(shù)據(jù)的維度，將用于區(qū)分2種針葉樹種的原有高光譜數(shù)據(jù)的波段限定在了401～504 nm和659～686 nm之間，這對(duì)于利用遙感技術(shù)準(zhǔn)確提取地物具有重要意義。但本研究所提取的波段仍然比較寬，通過高斯合并后樹種分類精度可達(dá)80%，這說明用于區(qū)分2種樹種的最敏感波段還可以進(jìn)一步通過分析Fisher和SVM-RBF 2種算法的判別式來獲取，這也是敏感波段進(jìn)一步提取的方向。

[1] Gausman H W, Allen W A, Cardenas R. Relation of light ref l ectance to histological and physical evaluations of cotton leaf maturity [J] . Applied Optics, 1970，9: 545-552.

[2] Sims D A, Gamon J A. Relationships between leaf pigment content and spectral ref l ectance across a wide range of species,leaf structures and developmental stages[J]. Remote Sensing of Environment, 2002, 81: 337-354.

[3] Card D H, Peterson D L, Matson P A. Prediction of leaf chemistry by the use of visible and near infrared reflectance spectroscopy[J]. Remote Sensing of Environment, 1988, 26: 123-147.

[4] Thomas J R, Gausman H W. Leaf ref l ectance vs leaf chlorophyll and carotenoid concentrations for eight crops[J]. Agron. J., 1977,60: 799-802.

[5] Datt B. Remote sensing of chlorophyll a, chlorophyll b,chlorophyll a + b, and total carotenoid content in eucalyptus leaves[J]. Remote Sensing of Environment, 1998, 66: 111-121.

[6] Blackburn G A. Relationships between spectral ref l ectance and pigment concentrations in stacks of deciduous broadleaves[J].Remote Sensing of Environment, 1999，70: 224-237.

[7] 浦瑞良,宮 鵬.森林生物化學(xué)與CASI高光譜分辯率遙感數(shù)據(jù)的相關(guān)分析[J].遙感學(xué)報(bào), 1997, (2):115-123.

[8] Gitelson A A, Merzlyak M N. Signature analysis of leaf ref l ectance spectra: algorithm development for remote sensing of chlorophyll[J]. J. Plant Physicalogy, 1996，148:494-500.

[9] Gitelson A A, Merzlyak M N. Remote estimation of chlorophyll content in higher plant leaves[J]. International Journal of Remote Sensing, 1997，18:2697-2697.

[10] 宮 鵬,浦瑞良,郁 彬.不同季相針葉樹種高光譜數(shù)據(jù)識(shí)別分析[J].遙感學(xué)報(bào), 1998, (3): 212-217.

[11] 浦瑞良,宮 鵬 .高光譜遙感及其應(yīng)用[M].北京:高等教育出版社, 2000:82-98.

[12] 劉秀英,林 輝. 森林樹種高光譜波段的選擇[J].遙感信息,2005,(4):32-37.

[13] 劉秀英,林 輝,萬玲鳳,等. 樟樹幼林葉綠素含量的高光譜遙感估算模型[J].中南林業(yè)科技大學(xué)學(xué)報(bào), 2007,27(4):49-56.

[14] 萬玲鳳,林 輝,劉秀英.樟樹幼林生物化學(xué)參數(shù)與高光譜遙感特征參數(shù)相關(guān)關(guān)系[J].中南林業(yè)科技大學(xué)學(xué)報(bào)，2007,27(4): 44-48.

[15] 林 輝，劉秀英.基于高光譜特征參數(shù)的樟樹幼林葉綠素a含量估算模型[J].綿陽師范學(xué)院學(xué)報(bào)， 2008，27(8)：1-5.

[16] 沈 宏，沈 芳.光譜響應(yīng)函數(shù)和帶寬對(duì)光學(xué)復(fù)雜Ⅱ類水體離水輻射反射率的影響[J].紅外，2012，33(4):31-37.

Sensitive band range extraction research for coniferous species based on plant pigment content

ZANG Zhuo1,2, LIN Hui1, YANG Min-hua2
(1. Research Center of Forestry Remote Sensing & Information Engineering, Central South University of Forestry & Technology, Changsha 410004, Hunan, China; 2.School of Info-Physics and Geomatics Engineering, Central South University, Changsha 410083, Hunan, China)

Through analyzing the relation between the spectral ref l ectance of canopy and the pigment content, the sensitive band ranges of Cunninghamia lanceolata and Pinus massoniana were extracted. Then the data of band ranges selected were classif i ed by seven classification algorithms including Support Vector Machine (SVM)-Radial Basis Function (RBF), BP neural network, Mahalanobis Distance, Bayes, Fisher, Support Vector Machine (SVM)-Linear, and Spectral Angle Mapping (SAM). In order to test the dependability and popularization of bands selected, the data after Gauss merge process were classif i ed. The results show that the difference of C.lanceolata and P. massoniana was largely inf l uenced by chlorophyll. The sensitive band ranges for two conifers situated at 401～504 nm and 659～686 nm. By comparing seven methods, Fisher classif i cation method have best performance, their maximum precision of classif i cation were 100%. The data after Gauss merge process that modeled the imaging spectrometer data suppressed the high-frequency noise impact, but the subtle differences of two conifers were fi ltered out, so the precision of classif i cation came down to 70% ～ 80%. The performance of chlorophyll could be better than other pigment. It is proved that the band ranges of 401～504 nm and 659～686 nm had good generalizability and further research value.

hyper-spectral; pigment content; band range extraction; conifer; Huangfengqiao forest farm

S771.8

A

1673-923X(2013)01-0035-06

2012-10-21

國(guó)家自然科學(xué)基金資助項(xiàng)目（30871962）；國(guó)家重大專項(xiàng)項(xiàng)目（E0305/1112/02）；“十二五”國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）課題（2012AA102001）：“數(shù)字化森林資源監(jiān)測(cè)關(guān)鍵技術(shù)研究”；林業(yè)公益性行業(yè)科研專項(xiàng)（201104028）：“林分結(jié)構(gòu)與生長(zhǎng)模擬技術(shù)研究”；湖南省高?？萍汲晒a(chǎn)業(yè)化培育項(xiàng)目(11CY019)

臧 卓 （1978-），男，遼寧錦州人，講師，博士研究生，研究方向：高光譜遙感；E-mail: zangzhuo@hotmail.com

[本文編校：謝榮秀]