1007-4619 (2011) 06-1301-14Journal of Remote Sensing 遥感学报
Received: 2010-07-26; Accepted: 2011-03-22
Foundation: The National Basic Research Program (973 Program) (No. 2010CB950701-01); Climate change special project (No. CCSF-09-09)
First author biography: DONG Lixin(1973— ), male, Ph.D., associate professor. His research interest is Lidar theory and applications. E-mail: dlx_water@https://www.doczj.com/doc/1211390387.html,
Inversion of forest canopy height in south of China by integrating
GLAS and MERSI: The case of Jiangxi province in China
DONG Lixin 1,2, LI Guicai 1,2, TANG Shihao 1,2
1. Key Laboratory of Radiometric Calibration and Validation for Environmental Satellites , Beijing 100081, China ;
2. National Satellite Meteorological Center , Beijing 100081, China
Abstract: For inversion of forest canopy height in large scale, it is of great signi?
cance to integrate space-borne Lidar and opti-cal remote sensing data effectively. The homemade satellite will provide a plentiful datum for forest ecological researches. In this paper, the processing of GLAS waveform data and the algorithm of forest canopy height in different terrain were implemented. The GLAS + MERSI joint inversion model of canopy height of different forest types in regional scale was established and used to map the forest canopy height of Jiangxi province. Overall, high accuracy was observed for the canopy height estimated by GLAS + MERSI joint inversion model with R 2=0.733 for the needle-leaf forest, following by the broadleaf forest (R 2=0.610). The results showed that the established model was workable. It was found that the GLAS + MERSI joint inversion model which considers the optical remote sensing of biophysical parameters can provide good estimates of forest canopy height at regional scale. The space distribution characteristic was found consistent with the data of land cover.Key words: forest canopy height, Lidar, GLAS, FY3A-MERSI CLC number: TP79 Document code : A
Citation format: D ong L X, Li G C and Tang S H. 2011. Inversion of forest canopy height in south of China by integrating GLAS and
MERSI: The case of Jiangxi province in China. Journal of Remote Sensing , 15(6): 1301–1314
1 INTRODUCTION
Forest vertical structure (height, leaf area index (LAI) etc .) and biomass are the sensitive parameters in the carbon cycle studies. The traditional methods of forest parameters measurement have some limitations in large scale. However, due to the direct measurement capability with high precision on the forest vertical structure, Lidar technology shows un-surpassed advantages in the measurement of forestry ecologi-cal parameters.
In recent years, many researches (Nilson, 1996; Means, et al ., 1999; Lefsky, et al ., 1997, 1999, 2002, 2005; Hudak, et al ., 2002; Hyde. et al ., 2005) have developed some Lidar’s algorithms for the estimation of forest parameters. These studies greatly promote the Lidar applications in forestry ecological ? elds. Vegetation Canopy LIDAR (VCL) system program has already been proposed by NASA-GSFC and the university of Maryland. Many experiments have been conducted in US, Canada and Australia. The vertical struc-ture and fraction of coverage of the temperate and tropical forests have been successful inversed in these experi-ments. Sun and Ranson (2000) found that laser wave can well re? ect forest vertical structure by integrating the for-est growth model and the wave simulation model. Lefsky, et al .
(1997) developed an arti? cial means to testing the ground wave for estimation of the tree height. Hyde, et al . (2005) developed an automated testing strategy of the ground and crown waves, which greatly enhanced the laser application prospect in canopy height measurement.
In China, Pang, et al . (2006a, 2007) provided the theoretical simulation on the complete waveforms of the big footprint Lidar system. Sun, et al . (2008) made the evaluation on the Icesat-GLAS land data. Dong (2008) proposed a centroid-terrain index algorithm by modifying the terrain index algorithm (Lefsky, et al ., 1997) and applied it into the research of forest canopy height and biomass in the steeply sloping areas.
Due to discrete items for Lidar data, it is needed to combine grid remote sensing data for inversion of the forest parameters in regional scale. Lefsky, et al . (2001) pointed out that in spite of the laser radar being sample data, it will greatly enhance the forestry measurement by integrating other grid remote sensing data owing to the very high precision. At present, combining Lidar data with optical, multi-angular and microwave remote sensing data is an effective inversion way of canopy height and biomass in re-gional scale (Sun, et al ., 2000; Pang, et al ., 2006b, 2008; Dong, et al ., 2009).
1302Journal of Remote Sensing遥感学报2011,15(6) In this study, the mainly forest reserves in Jiangxi province in
south of China was selected as the experimental area and the ? eld
survey was conducted in October 2009. Based on the processing of
the wave data at GLAS foot and the algorithm of canopy height in
different terrains, the forest canopy height on GLAS foot were in-
versed successfully. And the forest canopy height of different types
in regional scale was also inversed by the joint inversion model
combining GLAS and FY3A/MERSI data. The forest canopy
height in Jiangxi province has been mapped.
2 STUDY AREA AND DATA
2.1 Study Area
Jiangxi province is one of the main regions of forest reserves
in the middle and lower reaches of Yangtse River. It is located in
113o58′ E—118o48′ E, 24o48′ N—30o07′ N, and covers an area of
approximately 16.69×104 km2. The altitude is about 300—600 m. It
belongs to mid-subtropical and subtropical zone forest ecosystems.
There are about 36 natural forest ecosystems reserves. Its total area
is approximately 2.13×105 ha. The forest vegetation is mainly clas-sified into five types: Subtropical and Tropical evergreen broad-leaved forest, Temperate Zone deciduous broad-leaved forest, Frigid Zone coniferous forest and mingled forests and shrubbery. Most of the forest is the natural secondary forest and the coverage rate of forest is about 60.05%. The vertical distribution character of forest vegetation in hilly and mountain regions is obvious. The vertical distribution regularity from low to high altitude is as fol-lows: moso bamboo, evergreen broad-leaved forest, coniferous and broad-leaved mingled forests, coniferous forests, montane moss el? n forest, and alpine bush meadow. The main landscape type is mountain and hills, and mountainous area accounts for 36%, the hilly area accounts for 42%, plain and hummock (include waters) accounts for the remain 22%.
2.2 Data
2.2.1 GLAS data
The scientific and testing satellite of the United States called ICESat was launched on 2003-01-12. It was a spaceborne, wave-form sampling Lidar satellite which is used for measuring and monitoring ice sheet and land topography as well as cloud, atmos-pheric, and vegetation properties. The Geo-science Laser Altimeter System (GLAS) instrument on aboard ICESat with three laser instruments performs the observation mission with 91 d repetitive orbital scheme (every 33 d). The distance between two adjacent orbital was 15 km near the equator and 2.5 km in 80°N. For maxi-mum covering the polar region, the different periods of time in every year were chosen. The laser spot diameter was 70 m and the intervals distance between two spots was 175 m (Brenner, et al., 2002). It provides value sample data of the vegetation height with high vertical resolution. The waveforms with vegetation vertical structure information in 1064 nm waveband will be able to evaluate the vegetation and biomass distribution better (Zwally, et al., 2002).
In this study, GLA01 and GLA14 data from L3F (May—June, 2008) were used. GLAS data in study areas was shown in Fig. 1. The ? eld sample area of LAI and foundation Lidar were shown in lower right small ? gure.
Fig. 1 MERSI+GLAS data and distribution of
? eld sample area in Jiangxi province
Legend
City
LIDAR_FIELD_MEARURED
LAI_FIELD_MEARURED
GLAS_FOOTPRINT_SPOT
Province_b oundary
k m
02550
Nanchang
2.2.2 FY3A-MERSI data
FengYun-3 (FY-3) was the second generation polar-orbiting meteorological satellite series of China. The first satellite named FY-3A of this series was launched on 2008-05-27. The new genera-tion satellites series were to provide three-dimensional, quantita-tive, multi-spectrum global remote sensing data under all weather conditions, which will greatly help the operational numerical weather prediction, global change research, climate diagnostics and prediction, and natural disasters monitoring (Yang, et al., 2009). Observations from all of the 11 instruments on aboard this satel-lite were broadcast on L and X bands. Meanwhile, FY-3A Medium Resolution Spectral Imager (MERSI) was similar with MODIS in spatial resolutions (0.25—1.0 km). And there were five channels with 250 m resolution from visible-infrared bands. In this paper, the MERSI data with a few clouds (<2%) on 2009-08-29 in Jiangxi province were obtained. The wavelength of the data was between 0.47—0.865 um. Many pre-processing such as geographical cor-rections, cloud detection, atmospheric correction, and projective transformation were accomplished (Fig. 1).
2.2.3 Field experiment data
Five sample areas of GLAS footprint in plant area of Jiangxi province were selected. Due to the foundations lidar instrument was heavily and hard to taken, these sample sites were all near the roads. Measurement was accomplished in three different directions (every 120°) in the 70 m Lidar footprint (In the small ? gure in Fig.
1). Lidar point clouds data were obtained by the foundations laser radar scanning instrument (Rieg1 LMS-Z360i), and the maximum tree height were extracted by the Lidar software for validation. Un-der given conditions, the scanning scope of the foundations Lidar was 200 m radius, which matching with GLAS spot size. So, theses data can be used to validate the inversion results of GLAS. Moreo-ver, other sample areas with three 10 m×10 m sample sites were set up along GLAS foot. And many trees parameters measured by traditional methods in these sample sites were used chie? y for the coef? cients ? tting of the algorithm. LAI data of different density
1303DONG Lixin, et al .: Inversion of forest canopy height in south of China by integrating GLAS and MERSI: The case of Jiangxi province in China forest were obtained from the field data measured by Luo, et al . (2005) in Xinguo County. In addition, DEM was used to the terrain index calculation.
3 ALGORITHM AND MODEL
3.1 A lgorithm of forest canopy height in GLAS
footprint
Firstly, we process the Lidar return waveforms data in GLAS footprint (Sun, et al ., 2008; Dong, et al ., 2008; Duncanson, et al ., 2010). The algorithm was mainly composed of the following steps: extraction of valid waveforms, gauss filtering, noise estimation, and gauss wave decomposition and ? tting, signal beginning and end posi-tion detection, ground wave position detection and results correction.After extracting valid waveforms data, smoothing ? ltering was realized by using a gauss filter which width was the same as the laser pulse width (4 ns). The background noises in the beginning and end of phase were estimated using the histogram method (Sun, et al ., 2008) and the features parameters (mean value and standard deviations) were also calculated. Then the waveform was ? tted ef-fectively by Levenberg Marquardt nonlinear method, and the wave peak position of the ground and forest canopy was determined by gauss wave decomposition (Dong, 2008). The algorithm parameters were illustrated in Fig. 2.
The beginning and end positions of GLAS wave peak can be detected using the features parameters through repeated attempts. If the value was greater than threshold start (Eq. (1) and Eq. (2)), it was the beginning position. If the value was lower than threshold end , it was the end position. threshold start =meanns start +4×sdevns start (1) threshold end =meanns end +4×sdevns end (2)Finally, the detection method of ground wave peak position was to search adversely from the end signal. If the distance between the mainly waves peak position and the end signal was larger than a half wide of the laser pulse, the wave peak was ground wave peak.(1) Algorithm and correction of forest canopy height in gently areas
The return wave length (Range ) can be calculated from the po-sition of forest canopy and ground wave peak. The canopy height (H ) was the product of Range and record interval size (BinSize ), namely, H =Range ×BinSize (3)In order to overcome the problem of the broadened of ground wave and the forward broadened of ? rst wave in gentle slope and
relatively large roughness areas, the results need to be corrected by the method of using the distance between SigEnd0 and SigEnd (Sun, et al ., 2008). The correction result (H t ) is, H t =H –(SigEnd –SigEnd 0) (4)The end wave expanded from SigEnd 0 to SigEnd because of the impact of terrain; SigEnd 0 was the ground wave position plus the half wide of the laser pulse.
(2) Model of forest canopy height in grater slope areas
Studies show that grater slope can impact greatly on the big footprint Lidar return wave (Harding, et al ., 1994; Heyder, 2005), leading to dif? culty in extracting the tree height from the waveform directly in grater slope areas. The centroid-terrain index algorithm has better inversion accuracy of forest canopy height in the grater slope areas (Dong, 2008) with the following formula,
H =a 0(w c –a 1×g +a 2l )
(5)
where w c is the distance between the centroid and the end wave, the centroid is the position of half of waveforms area, g is terrain index in unit of m, l is leading edge of waveform, with unit of m, a 0, a 1, a 2 are all coef? cients.
3.2 Calculation of MERSI LAI and Fcover
Taking MERSI vegetation indices (NDVI) as independent vari-able, the field measured LAI as dependent variable, the relation model between LAI and NDVI has been established (Eq. (6)). LAI = a ×ln(NDVI)+ b (6)Fraction of forest coverage (Fc) was evaluated using a model ‘pixel bipartition’.
(7)
The validation results of LAI and Fc can be used in the inver-sion of forest canopy height in regional scale.
3.3 G LAS+MERSI joint model of forest canopy
height in regional scale
For most of plants, the leaf area increases with the plant height during the vegetation growth. For different species and varieties of crops, the relationships of conversion between crop height (H ), fraction of coverage (Fc) and LAI was proposed by Zhang (1996).
(8)
where H was the plant height; LAI was leaf area index; Fc was the
fraction of coverage; A H was the coef?
cients.In the forestry ecological study ? elds, the allometric method us-ing of the relationship between LAI and the surveyed factors (plant height and stem diameter) was one of the traditional measurements method between biomass and LAI. On basic theories, stem and branches were the collection of the nutrition tube supporting leaves (Chen, et al ., 1997; Dantec, et al ., 2000). Studies showed that height and canopy diameter can re? ect the structure characteristics of vegetation better, consequently, the inversion model of LAI and aboveground biomass was established intuitively (Jiang & Lu, 1982; Hou, et al ., 1994).
In conclusion, the study of correlation between forest height, LAI and coverage can provide a theoretical basis and reasonable physical and biological meanings for the space extrapolation of for-
Fig. 2 Illustration of GLAS waveform parameters
0.45
0.40.350.3
0.20.15
0.05100200
300
400500–0.05
0.1000.25SigBeg
Centriod GroundPea k SigEnd
SigEnd0
Max Canopy Height
Original data Gaussion Filt
S i g n a l V o l t s
Counts
1304
Journal of Remote Sensing 遥感学报 2011,15(6)
ests canopy height.
4 RESULT V ALIDATION AND ANALYSIS 4.1 MERSI-LAI and coverage results
Using the ? eld surveyed LAI and MERSI NDVI data, the rela-tional models between LAI and MERSI-NDVI in different density forest were established. As shown in Table 1, the value of R 2 in dense forest was 0.8597. R 2 of middle density forest (0.8＞Fc ＞0.4) was 0.6485. R 2 of sparse forest was only 0.3538. Hence, a fairly good correlation existed between LAI and NDVI and it can be used for LAI calculation. It can be seen from Fig. 3 that the value of LAI in the southeastern regions of Jiangxi province and around forest regions of Qianyanzhou ecological experimental and research sta-tion were the highest.
Table 1 Relationship between LAI and MERSI-NDVI
in different density forests
Density
Relationship Model R 2Sample number
Dense LAI=5.4774×ln(NDVI) + 6.85230.8608Middle LAI=2.1817×ln(NDVI) + 3.10550.6495Sparse
LAI=1.9201×ln(NDVI) + 2.7168
0.354
10
Fig. 3 Distribution of LAI and coverage of
forest in Jiangxi province
LAI ＞0.5＜0.40.4–0.50.5–0.60.6–0.70.7–0.80.8–0.9＞0.9
0.5–1.01.0–1.51.5–2.02.0–2.52.5–3.03.0–3.53.5–4.04.0–4.54.5–5.1
FCO V ER The range of MERSI-LAI in different density forest was dif-ferent. Statistical analysis on 250 m LAI characteristics derived from MERSI data found that the value of LAI of needle-leaf forests ranged from 0.5 to 5.2. And histogram analysis found that the ratio of LAI ranged from 1 to 5.1 was 96.11%. By contrast, our results were consistent with the measurement results (1.0—4.0) of Luo, et al . (2002) and Zhang, et al . (2003). Spatial distribution of LAI was relatively reasonable.
Compare with MODIS LAI product after MERSI LAI results were expanded to 1 km resolution, the spatial distribution was basi-cally consistent between the two models. The absolute difference of LAI in coniferous forests and broad-leaved forest was within 1. That of mixed forest was largest because of the error of MODIS LAI products and the worse relationship between LAI and NDVI in mixed forest.
Through the forest coverage map, it can be seen that the in-version result of forest coverage was consistent with the vegeta-
tion distribution in Jiangxi province. Fitted with the measured coverage data, the value of R 2 was 0.8, and the error with sample data was about 0.05 to –0.05. In addition, compared to the meas-ured results by Sheng (2001) , which the forest coverage value in sample area of Shangcun wood farm was 0.74, the difference value with the inversion results of forest coverage (0.769) was only 0.029.
As a whole, the inversion results of LAI and forest coverage derived from 250 m MERSI data was more satisfactory and can be used to subsequent calculation.
4.2 ‘Satellite-ground’ validation of forest canopy
height in GLAS footprint
The forest canopy height in GLAS footprint in Jiangxi province was demonstrated in Fig. 4.
Fig. 4 Results of forest canopy height in GLAS footprint
CANNOPY HEIGHT /m 1.80–7.507.51–10.9510.96–13.8013.81–16.6516.66–19.6519.66–22.6522.66–25.8025.81–29.1029.11–32.1032.11–35.85
Provinlial Boundary
Compared with the forest distribution map, it was found that the results were well consistent with the vegetation distribution of study area. The forest regions with heights above 20 m were mainly located in the northeast, northwest and southern of Jiangxi province. This was well consistent with the forest biomass distribu-tion. Moreover, the value of vegetation height in the farmland and grassland regions was much lower.
In order to verify the accuracy of the forest canopy height ex-tracted by GLAS waveform data, and to reduce the inaccuracy of manual estimation, the inversion results of forest canopy height were compared with the measured results by the ground laser radar instrument (Fig. 5).
From Fig. 5, except for the largest error of forest canopy height of sample sites 4, probably due to the large slopes ranged from 20° to 25°, the precision of other results were reasonably good. By comparing three kinds of measurement technologies, it can be found that the inversion results of GLAS represents well the maxi-mum height of sample area; the results measured by the ground laser radar are different from the position of sample site; the results measured by manual estimation are most uncertain. Because the ground laser radar was heavy, and great volume and the processing of Lidar clouds data were time-consuming, it was dif? cult to meas-ure more sample regions. Therefore, these sample areas matching
1305
DONG Lixin, et al .: Inversion of forest canopy height in south of China by integrating GLAS and MERSI: The case of Jiangxi province in China exactly with GLAS footprint were only measured.
On the whole, the inversion results of forest canopy height in GLAS footprint in Jiangxi province were satisfactory and can be used for the inversion of forest canopy height in regional scale.
4.3 Forest canopy height in regional scale
The GLAS + MERSI joint inversion model of canopy height in different forest types were established based on the relationship between the height and ratio of LAI and Fc (Table 2). Because the relationship between LAI and NDVI in sparse forest was relatively poor, its model was not including in Table 2.
Table 2 The GLAS + MERSI joint inversion model of canopy
height in different forest types
Type / Density Joint inversion model
R 2Sample number Needle- leaved Dense HEIGHT = –595.9×ln(LAI/Fc)+989.440.7925Middle HEIGHT =307.37×ln(LAI/Fc) –242.230.7337Broad-leaved Dense HEIGHT =288.13×ln(LAI/Fc) –443.510.6167Middle HEIGHT =22.494×ln(LAI/Fc)+7.33120.6107Mixed forest
Dense HEIGHT =673.09×ln(LAI/Fc) –1064.10.41339Middle
HEIGHT =214.63×ln(LAI/Fc) –163.16
0.407
59
Notes: HEIGHT was forest canopy height; LAI and Fc were leaf area index and
coverage from MERSI data, respectively
From Table 2, the joint inversion model of Needle-leaf for-est was best, with R 2 higher than 0.733. Broad-leaved forest was the second, with R 2 around 0.61. They all reached 0.01 signi? cant levels by the means of T -test. The joint model of mixed forest was relatively poor. It might be relative to the physical properties of the LAI and coverage of mixed forest.
The distribution of forest canopy height in study area was ac-complished using above joint inversion model. Forest canopy height of study area in regional scale was shown in Fig. 6, and the
white area was none-forest areas. In order to further evaluating the accuracy, the results were compared with the forest type distribu-tion map derived from Landsat TM data and found it was consistent with the forest type distribution in study area. Speci? cally, it was obvious that higher value regions of canopy height were located in Wuyi Mountain branch range of the southern and some forest re-serves regions. The forest canopy height in Jinggang and Lu Moun-tain were also relatively high. This was consistent with the distri-bution of forest biomass and the results of forest canopy height in GLAS footprint. Further veri? cation work will be continued.
Fig. 6 Results of forest canopy height with GLAS + MERSI
joint inversion model
Height /m ＜5.05.0–10.010.0–15.015.0–20.020.0–25.025.0–30.030.0–35.0No Forest
Fig. 5 ‘Satellite-ground’ validation of the results of forest canopy heigh
GLAS Inversion
Foundations Lidar Measured Eye estimation
2018
161412108642
Sample Areas and Sites
F o r e s C a b o p y H e i g h t /m
S i t e s l -1
(P . m a s s o n i a n a , 0—5°)
S i t e s 1-2
(B r o a d l e a v e d t r e e , 0°)
S i t e s 2-1
(P . e l l i o t t i i , 0—5°)
S i t e s 2-2
(P . e l l i o t t i i , 0—5°)
S i t e s 2-3
(P . e l l i o t t i i , 0—5°)
S i t e s 3
(c u n n i n g h a m i a l a n c e o l a t a ,0—10°)
S i t e s 4(P . e l l i o t t i i , 20°—25°)
S i t e s 5-1
(c a m p h o r +w o o d o i l t r e e , 0—5°)
S i t e s 5-2(w o o d o i l t r e e +m o s o b a m b o o , 0—5°
) S i t e s 5-3
(c a m p h o r t r e e +h o v e n i a d u l c i s , 0—5°) S i t e s 5-4(c a m p h o r t r e e +w o o d o i l t r e e ,0—5°)
1306Journal of Remote Sensing遥感学报2011,15(6)
5 CONCLUSION AND DISCUSSION
Algorithmic of GLAS data processing and inversion models of forest canopy height in different terrain conditions were detailed described in this paper. Specially, the joint inversion model inte-grating GLAS and FY3A-MERSI data was discussed.
(1) The results of forest canopy height on different terrain con-ditions show good accuracy. The ‘centroid-terrain index’ method has a wide application prospect in grater slope terrain.
(2) Precision of LAI derived from FY3A-MERSI data was good and satis? ed. The relationship between forest canopy height and the ratio of LAI and Fc were relatively better. FY3A-MERSI data was an ideal optical data because of its better availability.
(3) As spatial distribution patterns were concerned, the results of forest canopy height by GLAS+MERSI joint inversion model was consistent with the distribution of forest type map. Hence, these results can be better applied to the quantitative inversion of other forest biophysics parameters.
Acknowledgements: Thanks for the help in ground Lidar (Rieg1 LMS- Z360i) using from Doctor Huang H.B.; Thanks the mem-bers’ works in the experiment of the ground Lidar measurement in Jiangxi province.
REFERENCES
Brenner A C, Jay Zwally H, Bentley C R, Bea M C, David J H, Michelle A H, Minster J B, Lee Anne R, Saba J L, Thomas R H and Yi D H. 2000. Derivation of range and range distributions from laser pulse waveform analysis for surface elevations, roughness, slope, and vegetation heights. GLAS Algorithm Theoretical Basis Document Version 310
Chen J M, Rich P M, Gower S T, Norman J M and Plummer S.
1997. Leaf area index of boreal forests: theory, techniques and measurements. Journal of Geophysical Research, 102(D24): 29429–29443
Dong L X. 2008. Estimation of the Forest Canopy Height and Aboveground Biomass Based on Multiplicatel Remote Sensing in Three Gorges. Beijing: Institute of Remote Sensing Applica-tions Chinese Academy of Sciences (CAS): 56–98
Dong L X, Wu B F and Guo Z H. 2009. Estimation of forest canopy height by integrating multisensor data. Proceedings of the SPIE, 7471: 74710H,.DOI: 10.1117/12.836304 Duncanson L I, Niemann K O and Wulder M A. 2010. Estimating forest canopy height and terrain relief from GLAS waveform metrics. Remote Sensing of Environment, 114(1): 138–154 Harding D J, Bufton J L and Frawley J J. 1994. Satellite laser altim-etry of terrestrial topography: vertical accuracy as a function of surface slope, roughness, and cloud cover. IEEE Transac-tions on Geoscience and Remote Sensing, 32(2): 329-339 DOI:
10.1109/36.295048
Heyder U. 2005. Vertical Forest Structure from ICESat/GLAS Lidar Data. Masters thesis Geography, VCL.12–50
Hou P, Yi L K and Yan C. 1994. Study on biomass of ammopipyan-thus. Arid Zone Research, 11(2): 16–18
Hudak A T, Lefsky M A, Cohen W B and Berterretche M. 2002.
Integration of lidar and Landsat ETM+ data for estimating and
mapping forest canopy height. Remote Sensing of Environment, 82(2-3): 397–416 DOI: 10.1016/S0034-4257(02)00056-1 Hyde P, Dubayah R, Peterson B, Blair J B, Hofton M, Hunsaker C, Knox R and Walker W. 2005. Mapping forest structure for wildlife habitat analysis using waveform lidar: validation of montane ecosystems. Remote Sensing of Environment, 96(3–4): 427–437 DOI: 10.1016/j.rse.2005.03.005
Jiang F Q and Lu F Y. 1982. The model of estimating above-ground biomass of caragana microphylla brush. Acta Ecologica Sinica, 2(2):103–108
Le Dantec V, Dufre?ne E and Saugier B. 2000. Interannual and spa-tial variation in maximum leaf area index of temperate decidu-ous stands. Forest Ecology and Management, 134: 71–81 DOI:
10.1016/S0378-1127(99)00246-7
Lefsky M A, Cohen W B, Acker S A, Spies T A, Parker G G and Harding D. 1997. Lidar remote sensing of forest canopy struc-ture and related biophysical parameters at the H.J. Andrews experimental forest, Oregon, USA//Greer J D, ed. Natural Re-sources Management using Remote Sensing and GIS. Washing-ton DC: ASPRS: 79–91
Lefsky M A, Harding D, Cohen W B, Parker G G and Shugart H H.
1999a. Surface lidar remote sensing of basal area and biomass in deciduous forests of eastern Maryland, USA. Remote Sens-ing of Environment, 67(1): 83–98 DOI: 10.1016/S0034-4257-
(98)00071-6
Lefsky M A, Cohen W B, Acker S A, Spies T A, Parker G G Spies T A and Harding D. 1999b. Lidar remote sensing of the canopy structure and biophysical properties of Douglas-fir western hemlock forests. Remote Sensing of Environment, 70(3): 339–361 DOI: 10.1016/S0034-4257(99)00052-8
Lefsky M A, Cohen W B and Spies T A. 2001. An Evaluation of Alternate Remote Sensing Products for Forest Inventory, Moni-toring, and Mapping of Douglas-? r Forests in Western Oregon.
Canadian Journal of Forest Research, 31(1): 78–87 DOI:
10.1139/x00-142
Lefsky M A, Cohen W B, Harding D J, Parker G G, Acker S A and Gower S T. 2002. Lidar remote sensing of aboveground biomass in three biomes. Global Ecology and Biogeography, 11(5): 393–400 DOI: 10.1046/j.1466-822x.2002.00303.x Lefsky M A, Harding D J, Keller M, Cohen W B, Carabajal C C, Espirito-Santo F D B, Hunter M O and de Oliveira R Jr. 2005.
Estimates of forest canopy height and aboveground biomass us-ing ICESat. Geophysical Research Letters, 32(L22S02), DOI:
10.1029/2005GL023971
Luo Z M, Tian Q J and Hui F M. 2005. Retrieving leaf area indexes for coniferous forest in Xingguo county, Jiangxi province, in use of Landsat ETM+ images. Journal of Nanjing University (Natural Sciences), 41(3): 253–258
Means J E, Acker S A, Harding D J, Blair J B, Lefsky M A, Co-hen W B, Harmon M E and McKee W A. 1999. Use of large-footprint scanning airborne lidar to estimate forest stand char-acteristics in the Western Cascades of Oregon. Remote Sensing of Environment, 67(3): 298–308 DOI: 10.1016/S0034-4257-
(98)00091-1
Nilson M. 1996. Estimation of tree heights and stand volume us-ing an airborne lidar system. Remote Sensing of Environment, 56(1): 1–7 DOI: 10.1016/0034-4257(95)00224-3
1307 DONG Lixin, et al.: Inversion of forest canopy height in south of China by integrating GLAS and MERSI: The case of Jiangxi province in China
Pang Y, Li Z Y, Sun G Q, Lefsky M, Che X J and Cheng E X. 2007.
Effects of terrain on the large footprint lidar waveform of for-ests. Forest Research, 20 (4): 464–468
Pang Y, Sun G Q and Li Z Y. 2006a. Large footprint lidar waveform modelling of forest spatial patterns. Journal of Remote Sensing, 10(1):97– 103
Pang Y, Yu X F, Li Z Y, Sun G Q, Chen E X and Tan B X. 2006b.
Waveform length extraction from ICEsat GLAS data and forest application analysis. Scientia Silvae Sinicae, 42(7):137–140 Pang Y, Zhao F, Li Z Y, Zhou S F, Deng G, Liu Q W and Chen E X.
2008. Forest height inversion using airborne lidar technology.
Journal of Remote Sensing, 12(1):152–158
Sheng W T. 2001. A long-term study on development and succes-sion of undergrowth vegetations in chinese ? r (cunninghamia lanceolata) plantations with different density, Forest Research.
14(5): 463–471
Sun G Q and Ranson K J. 2000. Modeling LIDAR returns from for-est canopies. IEEE Transactions on Geoscience and Remote Sensing, 38(6): 261–2626 DOI: 10.1109/36.885208Sun G Q, Ranson K J, Kimes D S, Blair J B and Kovacs K. 2008.
Forest vertical structure from GLAS: an evaluation using LVIS and SRTM data. Remote Sensing of Environment, 112(1): 107–117 DOI: 10.1016/j.rse.2006.09.036
Yang J, Dong C H, Lu N M, Yang Z D, Shi J M, Zhang P, LiuY J and Cai B. 2009. FY-3A:the new generation polar-orbiting meteorological satellite of china. Acta Meteorologica Sinica, 67(4): 501–509
Zhang H Q, Chen Y R and Niu D. 2004. Retrieving effective leaf area index of conifer forests using Landsat TM images in red soil hilly region. Acta Agriculturae Universitis Jiangxiensis, 26(2): 159–163
Zhang R H. 1996. Model on Remote Sensing and the Basic Experi-ments. Beijing: Sciences press: 20–60
Zwally H J, Schutz B, Abdalati W, Abshire J, Bentley C, Brenner A, Bufton J, Dezio J, Hancock D, Harding D, Herring T, Minster B, Quinn K, Palm S, Spinhirne J and Thomas R. 2002. ICESat’s laser measurements of polar ice, atmosphere, ocean, and land.
Journal of Geodynamics, 34(3–4): 405–445
1308Journal of Remote Sensing 遥感学报 2011,15(6)
引用格式： 董立新，李贵才，唐世浩．2011．中国南方森林冠顶高度Lidar反演—以江西省为例．遥感学报，15(6): 1301–1314
Dong L X, Li G C and Tang S H. 2011. Inversion of forest canopy height in south of China by integrating GLAS and MERSI: The case of Jiangxi province in China. Journal of Remote Sensing , 15(6): 1301–1314
中国南方森林冠顶高度Lidar 反演
—以江西省为例
董立新1, 2，李贵才1, 2，唐世浩1, 2
1．中国遥感卫星辐射测量与定标重点开放实验室，北京 100081；
2．国家卫星气象中心，北京 100081
摘 要：激光雷达(Lidar)与光学遥感的有效结合对中国南方区域森林冠顶高度反演意义重大，而国产卫星将为中国森林生态研究提供新的数据源。本文联合利用大脚印激光雷达GLA 和国产MERSI 数据，在实现GLAS 波形数据处理和不同地形条件下森林冠顶高度反演算法基础上,建立了区域尺度不同森林类型林分冠顶高度GLAS+MERSI 联合反演关系模型，进行了江西地区森林冠顶高度反演。总体上，GLAS 激光雷达森林冠顶高度估算精度较高；且在与MERSI 250 m 数据的联合反演模型中，针叶林模型精度较好(R 2=0.7325)；阔叶林次之(R 2=0.6095)；混交林较差(R 2=0.4068)。分析发现，考虑了光学遥感生物物理参数的GLAS+MERSI 联合关系模型在区域森林冠顶高度估算中有较高精度，且在空间分布上与土地覆盖数据分布特征非常一致。
关键词：森林冠顶高度，星载激光雷达，GLAS ，FY3A-MERSI 中图分类号：TP79 文献标志码：A
1 引 言
森林垂直结构(高度、LAI 等)与生物量是森林碳循环研究的敏感参数。传统地面测量方法在大尺度研究中有一定局限性，而激光雷达以其对森林垂直结构参数高精度的直接测量能力，在森林生态测量中越来越显示出不可比拟的优势。
近年来，国外许多研究者(Nilson ，1996；Means 等，1999；Lefs k y 等，1997，1999a ，1999b ，2002，2005；Huda k 等，2002；Hyde 等，2005)发展了Lidar 数据反演林木参数的反演算法，极大推进了Lidar 在林业上的应用。美国马里兰大学与NASA-GSFC 合作提出了星载植被激光雷达系统(V egetation Canopy LIDAR ，V CL)计划，在美国、加拿大和澳大利亚等多个国家进行实验，并对温带和热带森林的垂直结构和覆盖度进行了成功反演。Sun 和Ran-son(2000)将森林生长模型与Lidar 波形模拟模型相结合表明Lidar 波形数据很好地反映了森林的垂直结构。Lefs k y 等人(1997)提出了依赖人工方式检测地面回波的冠顶高度估算方法。Hyde 等人 (2005)进一步提出了一种地面与冠顶高度自动检测策略，大大提高了激光雷达测量林木高度的应用前景。
国内的庞勇等人(2006a ，2007)对星载记录完整波形数据的大光斑雷达系统进行了理论模拟；Sun 等人(2008)对ICEsat GLAS 的陆地与冠顶高度数据进行了评估。董立新(2008)改进地形指数法，提出了质心–地形指数法对坡度较大地区进行林分冠顶高度与生物量估算等研究。
Lidar 数据是离散的，区域尺度的森林结构参数反演要联合栅格遥感数据。Lefs k y 等人(2001)等指出，尽管Lidar 只是采样数据，但由于其有很高的测量精度，与其他栅格遥感数据联合使用将大大提高
收稿日期：2010-07-26；修订日期：2011-03-22
基金项目：国家重点基础研究发展计划(973计划)(编号: 2010CB950701-01，编号: CCSF-09-09)
第一作者简介：董立新(1973— )，男，博士，副研究员，主要从事激光雷达及其应用研究。E-mail: dlx_water@https://www.doczj.com/doc/1211390387.html, 。
1309
董立新 等：中国南方森林冠顶高度Lidar反演—以江西省为例本文的GLAS 数据为2008年的L3F 的1064 nm GLA01回波波形数据与GLA14地理位置数据。研究区GLAS 数据覆盖情况如图1所示，右下方为LAI 试验样区及地基激光雷达实测样点布设图。
图 1 研究区FY3A /ERSI+GLAS 数据及
野外实验样区分布图
图例
城市
地基LIDAR野外测量样地LAI野外测量样地GLAS光斑数据省界02550km
南昌市
2.2.2 风云三号MERSI数据
新一代极轨气象卫星系列首发星风云3号A 星(FY3A)，实现了全球全天候、三维、定量和多光谱遥感，以满足现代气象业务和全球变化遥感研究(杨军等，2009)。FY3A 携带了11台探测仪，其中，中分辨率光谱成象仪(MERSI)与MODIS 比较相似，星下点空间分辨率0.25—1.0 k m 。其中，250 m 分辨率有5个通道，可提供可见光-近红外和中-远红外波段数据，主要探测云特性、植被、地面及表面温度等特征。
本文涉所用MERSI 数据是0.47—0.865 um 之间的B1—B4波段(图1)，获取时间为2009-08-29，晴朗少云(<2%)，数据经过地理精校正、云检测、大气校正及投影变换等预处理。2.2.3 地面实验数据
选择江西中部地区地势平坦的5个GLAS 脚点位置作为实验样区。考虑到仪器较重，携带不方便，选择距离道路较为便捷的样区实地测量，测量时在GLAS 脚点70 m 大小的范围内进行3个不同方位测量(如右小图)。在GLAS 脚点位置，通过地基Lidar 扫描仪Rieg1 LMS-Z360i 实地测量获取Lidar 点云数据，在
林业测量的精度。目前，将Lidar 数据与光学遥感、多角度及微波遥感数据相结合，是区域尺度森林冠顶高度与生物量估算的有效方法(Sun 和Ranson ，2000；庞勇 等，2006b ，2008；Dong 等，2009)。
以江西主要林区为实验区，于2009年10月进行了野外测量。对大脚印Lidar GLAS 脚点波形数据进行处理，通过不同地形条件下森林冠顶高度反演算法得到研究区离散的森林冠顶高度，并联合使用MERSI 250 m 光学遥感数据，建立了区域尺度森林冠顶高度GLAS+MERSI 联合反演模型，制作了研究区森林冠顶高度图。
2 研究区和数据获取
2.1 研究区概况
研究区位于长江中下游南岸的江西省主要森林覆盖区，113°34′36″E —118°28′58″E ，24°29′14″N —30°04′41″N 之间，面积16.69万k m 2，一般海拔300—600 m ，最高海拔1918.3 m 。
该地区属于中亚、亚热带森林生态系统，境内大小森林生态系统自然保护区有36个，面积共计213014 ha 。主要有亚热、热带常绿阔叶林、温带落叶阔叶林，还有寒带特征的针叶林，混交林及灌木林等，多属天然次生，森林覆盖率已达60.05%。山地地区森林植被垂直分布明显，从低至高依次为毛竹林、常绿阔叶林、针阔叶混交林、针叶林、山顶苔藓矮林和山顶灌丛草甸等。地貌类型以山地和丘陵为主，山地占36%，丘陵占42%，平原岗地(含水域)占22%。2.2 数据获取
2.2.1 激光雷达GLAS数据
GLAS 是搭载于美国科学试验卫星ICEsat 上的第一台星载Lidar 传感器，能连续获取大气和地面回波数据。GLAS 搭载有3个激光仪器，以91 d(每个33 d)重复轨道方案执行观测任务，在赤道附近相邻轨道间距为15 k m ，而在纬度80°处，间距为2.5 k m 。为了最大限度的覆盖极地地区，在每一年中，选择不同时间段观测。激光光斑直径为60—70 m ，光斑间隔为175 m(Brenner 等，2000)。GLAS 由于具有较高的垂直分辨率，可提供重要的植被高度样点数据。其工作波段1064 nm 回波数据提供的植被垂直结构信息将能更好地评价全球的植被分布和生物量(Zwally 等，2002)。
1310Journal of Remote Sensing 遥感学报 2011,15(6)
为了克服在缓坡或粗糙度较大的情况下，地表回波出现的展宽及波峰初始位置的前展，需对树高(H )进行校正。校正方法采用Sun 等人(2008)方法，即利用SigEnd0与SigEnd 之间的距离差。校正后树高(H t )为：
H t =H －(SigEnd －SigEnd0)
(4)
由于坡度的影响，信号结束位置从SigEnd0扩展到了SigEnd ，因此，SigEnd0表示此距离地面峰加上发射脉冲的半宽。
图 2 GLAS 波形参数与计算方法示意图
原始数据高斯拟合
0.450.350.250.150.05-0.05
100300400500
0.40.30.20
0.10记录数
信号(V o l t s )
冠顶高度
200
SigBeg
Centriod
GroundPeak SigEnd
SigEnd0
(2)坡度较大地区森林冠顶高度模型构建坡度达到一定程度会对大脚印Lidar 回波产生很大影响(Harding 等，1994；Heyder ，2005)。因此，直接从波形数据中提取树高比较困难。Lefs k y 等(2005)开发了“地形指数法”对坡度较大地区的森林冠顶高度进行反演。董立新(2008)对其进行改进并提出了“质心-地形指数法”，提高了坡度较大地区的森林冠顶高度反演精度。本文应用“质心-地形指数法”如下：
H =a 0(w c －a 1 · g +a 2 · l )
(5)
式中，w c 为波形质心到回波信号结束位置的距离，质心位置在其波形面积的1/2处；g 为地形指数，单位为m ；l 为波形边缘长度(leading edge )，单位为m ；a 0、a 1和a 2分别为系数。
3.2 MERSI叶面积指数与覆盖度
以实验区MERSI 数据植被指数(ND V I)作为自变量，以地面实测LAI 为因变量，建立LAI-ND V I 间的关系模型：
LAI=a ×ln(ND V I)+b
(6)
覆盖度采用“像元二分模型”进行计算：
(7)
所带软件中提取树高最大值，验证GLAS 森林冠顶高度算法精度。在一定的条件下，地面Lidar Rieg1 LMS-Z360i 可扫描的半径范围可达到200 m ，满足GLAS 光斑的大小范围。
同时，沿其他GLAS 脚点设置不同样区，各样区设置10 m ×10 m 大小样方3个，进行传统方法的林木参数测量，数据主要用于算法系数拟合。LAI 数据为骆知萌等人(2005)在2003年对兴国县武夷山支脉粤山地段不同密度森林等级分布地区实测的LAI 观测数据。研究使用的数字高程模型用于计算研究区坡度及地形指数参数。
3 森林冠顶高度模型构建
3.1 GLAS脚点林分冠顶高度算法
首先对每个GLAS 激光脚点的回波波形数据进行处理(Sun 等，2008；董立新，2008；Duncan-son 等， 2010)。处理算法主要包括：波形提取、高斯滤波、噪声估计、高斯回波分解与拟合、信号始末位置确定、地面回波位置确定与结果订正等步骤。
提取陆表有效回波后通过选用与激光发射脉冲宽度(4 ns)一致的高斯函数作滤波器(低通滤波)，实现平滑滤波。并采用直方图法(Sun 等，2008)对波形数据开始(Noisestart)和末尾阶段(Noiseend)信号的背景噪声进行估计，求取均值及方差等特征参数。最后应用Leven b erg-Mar q uardt 非线性拟合对波形数据进行有效拟合，并通过高斯回波分解，求取冠顶与地面等主要波峰位置(董立新，2008)(如图2)。
对接收的回波信号要通过反复实验，利用背景噪声特征对信号始、末位置进行确定(式(1)(2))。如果波形数据的值大于threshold start ，则为其开始位置；如果小于threshold end ，则为信号结束位置。 threshold start =meanns start +4×sdevns start (1)
threshold end =meanns end +4×sdevns end
(2)
最后从信号结束位置开始逆向搜索，判断主要波峰位置与信号结束位置的间隔距离，如果大于激光脉冲的半宽则将其视为地面峰位置。
(1)平缓地区森林冠顶高度算法及校正
首先通过冠顶回波与地面回波位置，计算出回波距离(Range )。林分高度的计算是回波长度与记录间隔大小(BinSize )的乘积，即：
H =Range ×BinSize
(3)
1311
董立新 等：中国南方森林冠顶高度Lidar反演—以江西省为例图 3 森林叶面积指数与覆盖度分布图
LAI ＞0.50.5–1.01.0–1.51.5–2.02.0–2.52.5–3.03.0–3.53.5–4.04.0–4.54.5–5.1
＜0.40.4–0.50.5–0.60.6–0.70.7–0.80.8–0.9＞0.9
森林覆盖度不同密度森林叶面积指数的变化范围不同。统计分析MERSI 反演的250 m LAI ，发现针叶林变化范围是0.5—5.2，直方图统计发现96.11%在1—5.1之间。对比骆知萌等人(2003)及张红旗等人(2002)测量结果，与其变化范围在1.0—4.0之间基本一致。
我们将此结果扩展到1 k m ，与MODIS 的LAI 产品进行比较，两者在空间分布上基本一致，且大部分针叶林与阔叶林的LAI 差值在±1之间。混交林的差值较大，主要原因可能来自MODIS-LAI 产品本身的误差及混交林LAI 与ND V I 关系较差所引起。
从森林覆盖度空间分布图上可以看出，计算结果与江西森林植被分布情况相一致。利用样点实地测量的森林覆盖度数据和MERSI 反演结果对比分析，其拟和R 2达到0.8，样点误差在±0.05左右。另外，与盛炜彤(2001)的测量结果对比分析，在江西省分宜县中国林科院亚热带林业实验中心上村林场样地的覆盖度(0.74)与MERSI 反演结果(0.769)仅相差0.029。
总的来说，基于FY3A-MERSI 的250 m 森林叶面积指数与覆盖度结果较为满意，可用于本文的后续计算。4.2 GLAS脚点林分冠顶高度结果验证
图4是研究区GLAS 脚点的森林冠顶高度结果，结合森林分布图，可发现空间分布上冠顶高度较高的地区与研究区的森林分布呈现了很好的一致性：20 m 高度的森林分布在东北、西北和南部生长年限较长的森林覆盖区，与该区域森林生物量较高相一致。而农田和草地等人类活动的中部地区的树高值较低。
为了对GLAS 波形数据提取的森林冠顶高度进行精确验证，以减少目视估计所带来的误差，我们进行了“星-地”激光雷达森林冠顶高度对比分析(图5)。
从图5可以看出，除样区4由于坡度在20°—25°
所得LAI 和Fc 结果经过验证可用于区域尺度森林冠顶高度反演。
3.3 GLAS与MERSI联合反演关系模型
在植被生长发育过程中，大部分叶面积与株高是同步增长的。因此，张仁华针对不同的作物类型与品种，提出了作物高度与覆盖度及叶面积指数的转换关系(张仁华，1996)：
(8)
式中，H 为作物高度，LAI 为叶面积指数，Fc 为覆盖度，A H 为特定系数。
在森林生态方面，传统生物量与LAI 地面测量中的“异速生长法”便利用了植物单元各测量因子(如植株高度和茎直径等)与叶面积的变异关系。其基础理论认为茎和枝是支撑叶子的营养导管的集合(Chen 等，1997；Le Dantec 等，2000)。研究表明(姜凤歧和卢凤勇，1982；侯平 等，1994)，植株高度和冠幅直径能够更好地体现植被的结构特征，从而建立直观的叶面积指数与地上生物量估测模型。
因此，植株高度与LAI 及覆盖度之间的相关性，能够为我们进行森林植被高度的空间外推提供可解释的生理生物意义及依据。
4 结果验证与分析
4.1 叶面积指数与覆盖度结果
根据LAI 测量数据与MERSI-ND V I 数据建立不同森林密度LAI-ND V I 关系模型，如表1所示，较密林R 2达到0.8597；中等密度林(0.8＞覆盖度＞0.4)R 2达到0.6485；稀疏林R 2为0.3538。可见，两者具有一定的相关性，可进行LAI 计算。从图3看出，在东南部和千烟洲中国科学院生态试验站及周围林区LAI 较高，其他地区次之，其空间分布较为合理。
表1 不同森林密度LAI 与MERSI —NDVI 关系模型
森林密度关系模型
R 2样点数量较密LAI=5.4774×ln(NDVI) + 6.85230.8608中等LAI=2.1817×ln (NDVI) + 3.10550.6495稀疏
LAI=1.9201×ln (NDVI) + 2.7168
0.354
10
1312Journal of Remote Sensing 遥感学报 2011,15(6)
之间，其结果与实测误差(与地基Lidar 结果误差1.78 m ，与目视估测结果误差3.6 m)较大外，其他样区结果精度较高(小于1.2 m)。比较3种测量结果可以发现，GLAS 星载Lidar 测高体现了样区的最大高度，地
基Lidar 测高结果在样区不同样点的结果各不相同，传统目测也有此特点，但传统目测的结果误差较大，且结果精度不稳定。由于地基Lidar 扫描仪比较重、体积大，在林区内大量多点测量比较困难，加之地基Lidar 点云数据处理较为费时，因此此次试验只对与GLAS Lidar 点地理位置精确匹配的林区进行测量。
总的来说，GLAS 对森林冠层高度的测量结果比较满意，可以与LAI 建立关系进行区域尺度森林冠顶高度联合反演。
4.3 GLAS与MERSI联合反演结果
利用式(8)建立了不同森林类型森林冠顶高度与LAI /Fc 比值之间的关系模型(表2)。由于稀疏森林LAI-ND V I 关系较差，不作建模。
表2 不同森林类型冠顶高度联合反演模型
森林类型/密度
关系模型
R
2
样点数量针叶林
较密
HEIGHT =-595.9×ln(LAI/Fc) +
989.44
0.7925中等HEIGHT =307.37×ln(LAI/Fc) -
242.23
0.7337阔叶林
较密
HEIGHT =288.13×ln(LAI/Fc) -443.51
0.6167中等HEIGHT =22.494×ln(LAI/Fc) +
7.3312
0.6107混交林
较密
HEIGHT =673.09×ln(LAI/Fc) -1064.1
0.41339中等
HEIGHT =214.63×ln(LAI/Fc) -163.16
0.407
59
注：
H EIGHT 为激光雷达GLAS森林冠顶高度；LAI与Fc分别是MERSI反演叶面积指数与覆盖度
可见，针叶林类型的森林冠顶高度与LAI /Fc 的关系比较好，两者拟合的R 2达到0.733以上；阔叶林次之，R 2达到0.610以上；做回归t 检验，均达到极显著水平。混交林的关系较差，R 2仅为0.407。这可能与混交林LAI 及覆盖度的生物物理特性有关。
利用以上不同森林类型的关系模型，结合森林类型覆盖图，对研究区的森林冠顶高度进行空间外推，图6中白色区域为非林区。
为了进一步对江西森林冠顶高度图结果进行精度评价，利用中科院通过人工目视解译由Landsat TM 数据获得的土地覆盖结果作为参考，分析发现江西森林冠顶高度空间分布格局与土地类型高度一致，具体地，森林冠顶高度最高的区域分布在东南部武夷山支脉地区和各个主要森林保护区，井冈山和庐山地区森林冠顶高度也相对较高，这也与该区域森林生物量较
图 4 GLAS 脚点森林冠顶高度图
GLAS光斑脚点森林冠顶高度/m 1.80–7.507.51–10.9510.96–13.8013.81–16.6516.66–19.6519.66–22.6522.66–25.8025.81–29.1029.11–32.1032.11–35.85省界
图 5 “星-地”激光雷达森林冠顶高度结果验证
样点1-1
(马尾松，0—5°)
样点1-2
(阔叶树，0°)
样点2-1
(湿地松，0—5°)
样点2-2
(湿地松，0—5°)
样点2-3
(湿地松，0—5°)
样点3(杉木，0—10°)
样点4
(湿地松，20°—25°)
样点5-1
(樟树+木油桐，0—5°)
样点5-2(木油桐+毛竹，0—5°)
样点5-3
(樟树+拐枣，0—5°)
样点5-4
(樟树+木油桐，0—5°)
高度/m
样区与样点描述
GLAS结果
传统目测
地基激光雷达结果20181614121086420
1313
董立新 等：中国南方森林冠顶高度Lidar反演—以江西省为例高相一致。该结果与GLAS 脚点结果的空间分布基本一致，进一步的验证仍在继续。
图 6 GLAS+MERSI 联合反演森林冠顶高度图
＜5.05.0–10.010.0–15.015.0–20.020.0–25.025.0–30.030.0–35.0非森林区域
森林冠顶高度/m 5 结论与讨论
详述了大脚印激光雷达GLAS 脚点波形数据处理和不同地形条件下森林冠顶高度的计算方法，并进行GLAS 与FY3A-MERSI 数据区域尺度森林冠顶高度联合反演研究。结果表明：
(1)由GLAS 回波数据计算的波形参数及不同地形条件下森林冠顶高度具有较高的精度，“质心-地形指数法”估算中国南方地区坡度较大地区森林冠顶高度有较广的应用潜力；
(2)FY3A-MERSI 数据的LAI 计算方法虽然简单，但结果精度能够满足空间外推的需要，LAI /Fc 比值与森林冠顶高度具有很好的相关性；且可获取性较容易，是比较理想的光学数据源。
(3)GLAS 脚点的森林冠顶高度离散结果与MERSI 联合反演区域尺度的森林冠顶高度在空间分布上基本一致，且与土地覆盖分布非常一致，从而可以更好地用于其他森林生物物理参数的定量反演。
志 谢 特别感谢中科院遥感应用研究所的黄华兵博士在地基激光雷达Rieg1 LMS-Z360i测量方面给与的指导和帮助。感谢一起参加江西地面激光
雷达测量的实验队员：国家卫星气象中心王猛博士，中科院对地观测与数字地球科学中心程峰和唐福鑫两位博士。
REFERENCES
Brenner A C, Jay Zwally H,Bentley C R, Bea M C, David J H, Michelle
A H, Minster J B, Lee Anne R, Saba J L, Thomas R H and Yi D H. 2000. Derivation of range and range distributions from laser pulse waveform analysis for surface elevations, roughness, slope, and vegetation heights. GLAS Algorithm Theoretical Basis Document Version 310
Chen J M, Rich P M, Gower S T, Norman J M and Plummer S. 1997. Leaf
area index of boreal forests: theory, techniques and measurements. Journal of Geophysical Research , 102(D24): 29429–29443
Dong L X. 2008. Estimation of the Forest Canopy Height and Above-ground Biomass Based on Multiplicatel Remote Sensing in Three Gorges. Beijing: Institute of Remote Sensing Applications Chinese Academy of Sciences (CAS): 56–98
Dong L X, Wu B F and Guo Z H. 2009. Estimation of forest canopy height
by integrating multisensor data. Proceedings of the SPIE , 7471: 74710H,. DOI: 10.1117/12.836304
Duncanson L I, Niemann K O and Wulder M A. 2010. Estimating forest
canopy height and terrain relief from GLAS waveform metrics. Re-mote Sensing of Environment , 114(1): 138–154
Harding D J, Bufton J L and Frawley J J. 1994. Satellite laser altimetry of
terrestrial topography: vertical accuracy as a function of surface slope, roughness, and cloud cover. IEEE Transactions on Geoscience and Remote Sensing , 32(2): 329-339 DOI: 10.1109/36.295048
Heyder U. 2005. V ertical Forest Structure from ICESat/GLAS Lidar Data.
Mastors thesis Geography, VCL.12–50
Hou P , Yi L K and Yan C. 1994. Study on biomass of ammopipyanthus.
Arid Zone Research , 11(2): 16–18
Hudak A T, Lefsky M A, Cohen W B and Berterretche M. 2002. Integration
of lidar and Landsat ETM+ data for estimating and mapping forest canopy height. Remote Sensing of Environment , 82(2-3): 397–416 DOI: 10.1016/S0034-4257(02)00056-1
Hyde P , Dubayah R, Peterson B, Blair J B, Hofton M, Hunsaker C, Knox
R and Walker W. 2005. Mapping forest structure for wildlife habitat analysis using waveform lidar: validation of montane ecosystems. Remote Sensing of Environment , 96(3–4): 427–437 DOI: 10.1016/j.rse.2005.03.005
Jiang F Q and Lu F Y . 1982. The model of estimating above-ground biomass
of caragana microphylla brush. Acta Ecologica Sinica , 2(2):103–108Le Dantec V , Dufre?ne E and Saugier B. 2000. Interannual and spatial
variation in maximum leaf area index of temperate deciduous stands. Forest Ecology and Management , 134: 71–81 DOI: 10.1016/S0378-1127(99)00246-7
Lefsky M A, Cohen W B, Acker S A, Spies T A, Parker G G and Harding D.
1997. Lidar remote sensing of forest canopy structure and related bio-physical parameters at the H.J. Andrews experimental forest, Oregon, USA//Greer J D, ed. Natural Resources Management using Remote
1314Journal of Remote Sensing遥感学报2011,15(6)
Sensing and GIS. Washington DC: ASPRS: 79–91
Lefsky M A, Harding D, Cohen W B, Parker G G and Shugart H H. 1999a.
Surface lidar remote sensing of basal area and biomass in deciduous forests of eastern Maryland, USA. Remote Sensing of Environment, 67(1): 83–98 DOI: 10.1016/S0034-4257(98)00071-6
Lefsky M A, Cohen W B, Acker S A, Spies T A, Parker G G Spies T A and Harding D. 1999b. Lidar remote sensing of the canopy structure and biophysical properties of Douglas-? r western hemlock forests. Remote Sensing of Environment, 70(3): 339–361 DOI: 10.1016/S0034-4257-
(99)00052-8
Lefsky M A, Cohen W B and Spies T A. 2001. An Evaluation of Alternate Remote Sensing Products for Forest Inventory, Monitoring, and Map-ping of Douglas-? r Forests in Western Oregon. Canadian Journal of Forest Research, 31(1): 78–87 DOI: 10.1139/x00-142
Lefsky M A, Cohen W B, Harding D J, Parker G G, Acker S A and Gower S T. 2002. Lidar remote sensing of aboveground biomass in three biomes. Global Ecology and Biogeography, 11(5): 393–400 DOI:
10.1046/j.1466-822x.2002.00303.x
Lefsky M A, Harding D J, Keller M, Cohen W B, Carabajal C C, Espirito-Santo F D B, Hunter M O and de Oliveira R Jr. 2005. Estimates of for-est canopy height and aboveground biomass using ICESat. Geophysi-cal Research Letters, 32(L22S02), DOI: 10.1029/2005GL023971 Luo Z M, Tian Q J and Hui F M. 2005. Retrieving leaf area indexes for coniferous forest in Xingguo county, Jiangxi province, in use of Land-sat ETM+ images. Journal of Nanjing University (Natural Sciences), 41(3): 253–258
Means J E, Acker S A, Harding D J, Blair J B, Lefsky M A, Cohen W B, Harmon M E and McKee W A. 1999. Use of large-footprint scanning airborne lidar to estimate forest stand characteristics in the Western Cascades of Oregon. Remote Sensing of Environment, 67(3): 298–308 DOI: 10.1016/S0034-4257(98)00091-1
Nilson M. 1996. Estimation of tree heights and stand volume using an air-borne lidar system. Remote Sensing of Environment, 56(1): 1–7 DOI:
10.1016/0034-4257(95)00224-3
Pang Y, Li Z Y, Sun G Q, Lefsky M, Che X J and Cheng E X. 2007. Effects of terrain on the large footprint lidar waveform of forests. Forest Re-search, 20 (4): 464–468
Pang Y, Sun G Q and Li Z Y. 2006a. Large footprint lidar waveform modelling of forest spatial patterns. Journal of Remote Sensing, 10(1):97– 103 Pang Y, Y u X F, Li Z Y, Sun G Q, Chen E X and Tan B X. 2006b. Wave-form length extraction from ICEsat GLAS data and forest application analysis. Scientia Silvae Sinicae, 42(7):137–140
Pang Y, Zhao F, Li Z Y, Zhou S F, Deng G, Liu Q W and Chen E X. 2008.
Forest height inversion using airborne lidar technology. Journal of Remote Sensing, 12(1):152–158
Sheng W T. 2001. A long-term study on development and succes-sion of undergrowth vegetations in chinese ? r (cunninghamia lanceolata) plantations with different density, Forest Research.
14(5): 463–471
Sun G Q and Ranson K J. 2000. Modeling LIDAR returns from forest can-
opies. IEEE Transactions on Geoscience and Remote Sensing, 38(6): 261–2626 DOI: 10.1109/36.885208
Sun G Q, Ranson K J, Kimes D S, Blair J B and Kovacs K. 2008. Forest vertical structure from GLAS: an evaluation using LVIS and SRTM data. Remote Sensing of Environment, 112(1): 107–117 DOI: 10.1016/ j.rse.2006.09.036
Y ang J, Dong C H, Lu N M, Y ang Z D, Shi J M, Zhang P, LiuY J and Cai B.
2009. FY-3A:the new generation polar-orbiting meteorological satel-lite of china. Acta Meteorologica Sinica, 67(4): 501–509
Zhang H Q, Chen Y R and Niu D. 2004. Retrieving effective leaf area index of conifer forests using Landsat TM images in red soil hilly re-gion. Acta Agriculturae Universitis Jiangxiensis, 26(2): 159–163 Zhang R H. 1996. Model on Remote Sensing and the Basic Experiments.
Beijing: Sciences press: 20–60
Zwally H J, Schutz B, Abdalati W, Abshire J, Bentley C, Brenner A, Bufton J, Dezio J, Hancock D, Harding D, Herring T, Minster B, Quinn K, Palm S, Spinhirne J and Thomas R. 2002. ICESat’s laser measure-ments of polar ice, atmosphere, ocean, and land. Journal of Geody-namics, 34(3–4): 405–445
附中文参考文献
董立新．2008．基于多源遥感数据的三峡库区森林冠层高度与生物量估算方法研究．北京：中国科学院遥感应用研究所
侯平，尹林克，严成．1994．沙冬青生物量研究．干早区研究，11(2): 16–18
姜凤歧，卢凤勇．1982．小叶锦鸡儿灌丛生物量的预测模型．生态学报，(2): 103–108
骆知萌，田庆久，惠凤鸣．2005．用遥感技术计算森林叶面积指数—以江西省兴国县为例．南京大学学报(自然科学)，41(3): 253–258
庞勇，李增元，Sun G Q，Lefs k y M，车学俭，陈尔学．2007．地形对大光斑激光雷达森林回波影响研究．林业科学研究，20(4): 464–468
庞勇，孙国清，李增元．2006a．林木空间格局对大光斑激光雷达波形的影响模拟．遥感学报，10(1): 97–103
庞勇，于信芳，李增元，孙国清，陈尔学，谭炳香．2006b．星载激光雷达波形长度提取与林业应用潜力分析．林业科学，42(7): 137–140
庞勇，赵峰，李增元，周淑芳，邓广，刘清旺，陈尔学．2008．机载激光雷达平均树高提取研究．遥感学报，12(1): 152–158
盛炜彤．2001．不同密度杉木人工林林下植被发育与演替的定位研究．林业科学研究，14(5): 463–471
杨军，董超华，卢乃锰，杨忠东，施进明，张鹏，刘玉洁，蔡斌．2009．中国新一代极轨气象卫星—风云三号．气象学报，67(4): 501–509
张红旗，陈永瑞，牛栋．2004．红壤丘陵区针叶林有效叶面积指数遥感反演模型．江西农业大学学报，26(2): 159–163
张仁华．1996．实验遥感模型及地面基础．北京：科学出版社：20–60
《中国古代建筑学》选修论文 经济管理学院 市场营销15-2 包静文
在世界建筑体系中，中国古代建筑是源远流长的独立发展的体系。中国古代建筑的发展大致经历了原始社会、夏商周、秦汉、三国两晋南北朝、隋唐五代、宋辽金元、明清，七个时期。 一、原始社会 旧石器时代人们的穴所主要是山洞，在洞的周围缠上一些树枝,在大树上用树枝编造他们的住宅，搭树枝棚、帐篷等是最简单的建筑。新石器时代晚期，村落住宅建筑已有了相当规模,村落分布明显，一般包括住地、墓葬地、窑址、警穴，并已有防御性的堑壕等。随着青铜器和铁器的出现，这一时期建筑的典型代表成为巨石纪念建筑。 二、夏商周时期 中国奴隶社会（夏商周）在极低的生产力水平下，完成了木结构体系的草创，并掌握了筑城与高台建筑的方法。中国的奴隶社会从夏朝起开始形成和发展，到商朝后期创造了灿烂的青铜文化。建筑方面，商朝已有较成熟的夯土技术。后期建造了规模相当大的宫殿和陵墓。原来简单的木构架，经商周以来的不断改进，已成为中国建筑的主要结构方式。商代早期有两种不同性质的建筑遗址，以木结构为骨架，使用纵架形式的是规模宏大的公共场所，还有一种井幹式结构形式。周代建筑上已经使用斗和栱，并已有简单的组合形式。湖北蕲春发掘出的周代遗址，则明确地说明干阑结构已经普遍应用。 三、秦汉时期 汉代是中国古代建筑的第一个高峰。此时高台建筑减少，多屋楼阁大量增加，庭院式的布局已基本定型,并和当时的政治、经济、
宗法、礼制等制度密切结合,足以满足社会多方面的需要。斗拱在汉代的种类十分之多。秦汉建筑在商周已初步形成的某些重要艺术特点基础上发展而来，建筑规模更为宏大，组合更为多样。秦汉建筑类型以都城、宫殿、祭祀建筑(礼制建筑)和陵墓为主，到汉末，出现佛教建筑。都城规划由西周的规矩对称，经春秋战国向自由格局揍变，又逐渐回归于规整。宫殿结贪官苑，规模巨大。祭祀建筑是汉代的重要建筑类型，其主体仍为高台建筑，呈团块状，取十字轴线对称组合，尺度巨大，形象突出，追求象征涵义。 四、三国两晋南北朝时期 三国两晋南北朝为我国大分裂的时代，佛道大盛，兴建寺、塔、石窟等，寺院经济强大，有众多的佛教艺术作品。在建筑装饰方面，在工艺表现上饰纹、花草、鸟兽、人物之表现，乃脱汉时格调，创新作风。楼阁式建筑相当普遍，平面多为方形。斗拱有卷杀、重叠、跳出，人字拱大量使用，有人字拱和一斗三升组合的结构，后期出现曲脚人字拱；令拱替木承转，栌斗承栏额，额上施一斗三升柱头人字补间铺作，还有两卷瓣拱头；栏杆是直棂和勾片栏杆兼用；柱础覆盆高，莲瓣狭长；台基有砖铺散水和须弥座；门窗多用版门和直棂窗，天花常用人字坡，也有覆斗形天花；屋顶愈发多样，尾脊已有生起曲线，屋角也已有起翘；梁坊方面有使用人字叉手的和蜀柱现象，栌斗上承梁尖，或栌斗上承栏额，额上承梁；柱有直柱和八角柱等，八角柱和方柱多具收分。早期寺以塔为中心，继之则塔殿并重。这个时期开始创建许多石窟寺，在材料、技术和艺术方面，出现了用砖券砌筑的
第五章第二节北方地区和南方地区（第二课时） ［导入新课］ 复习提问：南、北方的自然差异有哪些？（回答：略）今天我们在此基础上，了解两区域在人文方面的差异。 ［讲授新课］ 放录像片段：分别介绍北方、南方地区的耕地类型、主要农作物及熟制、主要交通运输方式及交通工具、民居的特点等。 根据片中讲述，完成活动！（大屏幕显示） 北方地区南方地区 农耕制度土地利用类型旱地为主水田为主 主要农作物小麦、大豆等水稻、油菜等 作物熟制一年一熟或两年三熟一年二熟至三熟 传统运输方式陆路运输为主，多用汽车、马车水运 传统民居坡度较小、墙体较厚屋顶坡度大，墙体高 其他不同 在完成“其他不同”这一项内容时，分成几个小组，最后由组长发表组里的集体观点，学生们 会从：饮食、服饰、音乐等方面说出两区域的差异，教师要总结、点评。 大家想一想，造成这些人文差异的原因是什么呢？ 给学生一定的时间思考，然后提问。提问时第一个同学回答完后，其他的同学则主要让其说出与前面同学的不同之处，最后教师总结，大屏幕显示： 南方、北方差异类型差异特征主要原因 农耕制度土地利用类型北方：旱地为主 南方：水田为主地形、气候 主要农作物北方：小麦、大豆等 南方：水稻、油菜等气候 作物熟制北方：一年一熟或两年三熟 南方：一年二熟或一年三熟气候
传统运输方式北方：陆路运输为主 南方：水运地形、气候 传统民居北方：坡度较小，墙体较厚 南方：屋顶坡度大，墙体高气候 其他不同 在“其他不同”这一栏中，主要针对前面提出的几项，分析其形成原因，关于这些原因，首先由同学回答，之后教师要做好点评，“去伪存真”。 活动：（课本第10页活动第2题） 橘树是喜温作物，移栽到淮河以北，因地理环境发生了变化，热量不足，所以树木本身及果实发生了变化。 活动：（课本第10页活动第3题） 北方地区冬季寒冷，所以寒假较长。 南方地区夏季更热，所以暑假较长。 ［课堂小结］ 通过今天的学习，大家了解到人类活动深受自然环境的影响，由于南、北地区自然环境的差异，两地人文方面的差异也较大，这些反映了人类与地理环境的协调发展。 知识要点与检测 ［反馈练习］ 1.填空 （1）北方地区的土地利用类型以为主。 （2）南方地区的土地利用类型以为主。 （3）北方地区的主要农作物是、等。 （4）南方地区的主要农作物是、等。 2.判断 （1）北方地区与南方地区作物熟制的差异主要是由两地的热量差异引起的。 （2）北方传统民居的墙体较厚，主要是因为此地冬季寒冷。
中国南方航空公司战略分析 课程公司战略管理 授课教师王琴 学生姓名干存银 班级 06工商管理 日期 2008/12/1 目录 一．背景介绍 (4) 二．战略管理四要素 (4) (一)业务组合 (5) (二)资源配置 (5) (三)竞争优势 (6)
(四)协同优势 (6) 三．一般环境分析 (8) (一)政治环境 (9) (二)经济环境 (9) (三)技术环境 (9) (四)社会文化环境 (10) 四．产业环境分析 (10) (一)现有竞争强度分析 (10) (二)潜在进入者分析 (11) (三)供应商分析 (11) (四)买方分析 (12) (五)替代品分析 (12) 五．公司远景与使命 (13) (一)公司使命与目标 (13) (二)公司远景 (13) 六．外部因素分析:机会与威胁 (15) 行业外部因素评价矩阵 (15) 南航公司外部因素评价矩阵 (16) 南航公司的机会与威胁评述 (16) 机会评述 (17) 威胁评述 (19) 七．内部因素分析:优势与劣势 (20)
南航公司内部因素评价矩阵 (20) 南航公司的优势与劣势评述 (21) 优势评述 (23) 劣势评述 (25) 八．综合分析 (26) 南航电影公司的SWOT综合分析图 (26) 南航公司的SWOT综合分析列表 (27) 九．公司的人力资源战略 (27) 南方航空并购后人力资源整合背景 (27) 文化变革下的人力资源管理能力整合 (28) 能力理论视角下的人力资源整合 (29) 十．结语 (30) 参考资料来源 (30) 一背景介绍 南方航空(集团)公司(CZ/CSN)：中国南方航空公司成立于1991年2月1日。1993年10月10日以中国南方航空公司为核心企业成立南方航空(集团)公司,为中国首批55家试点企业集团之一。1998年经营国内航线283条,国际和地区航线55条,飞行12个国家和地区的14个城市。公司在河南、湖南、深圳海口、珠海、汕头、桂林、厦门、贵阳建立分公司的控股公司。中国南方航空股份有限公司股票1997年7月在海外上市,募集资金7.19亿美元。上市后公司总股本33.7亿股,其中南方航空(集团)公司持有的国家股权占65.2％,外资股占34.8%。在接下来的时间至今，中国南方航空股份有限公司
第五章中国的地理差异 第二节北方地区和南方地区 江都市砖桥中学沈峰 知识目标 1．了解我国北方地区和南方地区，在地形、气候、河流流量和植被类型等方面的明显差异。2．了解北方地区和南方地区的人们，受不同的自然环境影响，在生产方式、生活习惯、文化传统等方面存在的明显差异。 3．了解北方地区和南方地区内部的差异性。 能力目标 1．培养学生的读图、用图能力。 2．培养学生用联系的观点看问题，发展认识人地关系的思维能力。 德育目标 培养学生的爱国主义思想。 教学重点 南方地区和北方地区主要的自然特征和人文特征。 教学难点 北方地区和南方地区内部的差异性。 教学方法 谈话法、比较法 课时 二课时 第一课时 [导入新课] 前一节，我们了解到利用地形、气候等综合指标，把我国分为四大地理区域，谁能说出这四大地理区域的位置和名称。答：略。 我们所划分出的区域是：两个区域间差异性较强，两个区域内则具有更多的共同性。今天我们来具体了解北方地区和南方地区的这些特点。 [讲授新课] 图5. 9：北方地区与南方地区。 [提问]北方地区与南方地区的范围？
北方地区大体位于大兴安岭﹑乌鞘岭以东，秦岭—淮河以北，东临渤海、黄海。包括东北三省，黄河中下游各省全部或大部，以及甘肃省东南部和江苏，安徽的北部。 南方地区大体位于秦岭—淮河以南，青藏高原以东，东南临东海和南海。包括长江中下游、南部沿海和西南各省（市、自治区）。 在图中找出北方地区和南方地区的界线——秦岭—淮河一线。 [提问]：北方地区和南方地区都位于地形的第几级阶梯？ 第二级和第三级阶梯。 [提问]：北方地区和南方地区的主要地形分别是什么？ 北方地区高原、平原，山地。 南方地区：高原，盆地、平原、丘陵。 在图中找出哈尔滨、北京、武汉、广州等地， [提问]说出以上四个城市位于南方地区或北方地区？ 哈尔滨、北京——北方地区；武汉、广州——南方地区。 同学们请看书第7页图5. 9中四地的年内各月气温和降水量图，填表 北方地区较少最冷月均温低于0℃ 南方地区降水较多最冷月均温高于0℃ [活动]课文第8页活动第1题 归纳比较秦岭一淮河一线南北两侧的自然地理状况，并填写下表
https://www.doczj.com/doc/1211390387.html, 中国古代建筑文化论文参考文献 一、中国古代建筑文化论文期刊参考文献 [1].试论中国古代建筑文化的特色. 《河南大学学报（社会科学版）》.被北京大学《中文核心期刊要目总览》收录PKU.被南京大学《核心期刊目录》收录CSSCI.2005年4期.王东涛. [2].中国古代建筑文化中的同构现象解析. 《长安大学学报 《华中建筑》.被中信所《中国科技期刊引证报告》收录ISTIC.2000年4期.崔勇. [5].从“家”透视中国古代建筑文化. 《语文学刊》.2015年3期.孙永兰. [6].“天人合一”的中国古代建筑文化. 《中州建设》.2013年19期.安源. [7].论中国古代建筑文化. 《城市建设理论研究（电子版）》.2012年30期.陈阳. [8].生态环境与中国古代建筑文化、美学、艺术观. 《广东建筑装饰》.2007年2期.尚红燕. [9]."源"的探求关于中国古代建筑文化的几点思考. 《四川建筑》.2000年z1期.刘艺. [10].论中国古代建筑的平面与外观形象及其文化特色. 《河南大学学报（社会科学版）》.被北京大学《中文核心期刊要目总览》收录PKU.被南京大学《核心期刊目录》收录CSSCI.2006年3期.王东涛. 二、中国古代建筑文化论文参考文献学位论文类 [1].通过传统民居沿革看中国古代建筑文化的影响与传承.被引次数：6 作者：刘传波.考古学及博物馆学山东大学2008（学位年度） [2].中国古代建筑文化对越南的影响. 作者：陈河苔原.汉语国际教育厦门大学2012（学位年度）
https://www.doczj.com/doc/1211390387.html, [3].中国古代建筑对日本的影响. 作者：黄蕾.考古学及博物馆学山东大学2008（学位年度） [4].巴蜀古塔建筑特色研究.被引次数：12 作者：张墨青.建筑设计及其理论重庆大学2009（学位年度） [5].从建筑元素“门”看传统文化与现代设计. 作者：庹开明.设计艺术学湖北工业大学2007（学位年度） [6].参差纵目琳琅宇,山亭水榭那徘徊——清代皇家园林建筑的类型与审美.被引次数：16 作者：赵向东.建筑历史与理论天津大学2000（学位年度） [7].中国古代碑之设计.被引次数：4 作者：王文广.设计艺术学苏州大学2012（学位年度） [8].中国古建筑和谐理念研究.被引次数：16 作者：李玲.专门史山东大学2011（学位年度） [9]中国建筑文化的几个问题. 作者：李辉.建筑历史与理论同济大学建筑城市规划学院同济大学1996（学位 年度） [10].中国古代象征性建筑语言符号的哲学文化研究.被引次数：1 作者：刘彩红.马克思主义与思想政治教育西安建筑科技大学2008（学位年度） 三、中国古代建筑文化论文专著参考文献 [1]中国古代建筑文化的天人观及其现实价值. 赵祥.梁爽，2008建筑与文化2008国际学术讨论会 [2]"源"的探求——关于中国古代建筑文化的几点思考. 刘艺，2000四川省土木建筑学会第25届年会暨西南六省市(区)七方土木建筑 学会第18次学术会议 [3]古代建筑书籍翻译的特点及直译与意译互用. 赵速梅，2008第18届世界翻译大会 [4]明靖江王陵的建制特色. 周彤莘.迟国东，2006明清皇家陵寝保护与发展研讨会
---------------------------------------------------------------范文最新推荐------------------------------------------------------ 中国南方航空（集团）公司调查 中国的改革开放政策，促使了经济的繁荣，同时也就推动了民航事业的发展。特别是广东，得改革开放风气之先，得侨乡之利，又利用毗邻港澳、靠近东南亚的有利条件，经济迅速发展，南方地区的民航事业也得到空前的发展。下面从几个方面叙述南航（原民航广州管理局）1985年以来的发展。 ①职工人数：从1985年的9174人增至1990年的15370人，增长67%多。 ⑨航线。 国际航线：到1990年底，民航广州管理局共经营9条国际航线，其中从广州始发的1条，经广州的3条。 全国的改革开放只是民航事业发展的外部条件，南航能取得如此巨大的成就，还必须依靠民航内部管理体制的改革这个内部条件。几十年来，广州民航经历了军队—企业—军队—企业的发展过程。1980年实行完全企业化的管理体制后，独立经济核算，并通过推行经济承包责任制和全面质量管理等经营管理手段，使生产迅速发展。 1979年民航广州管理局已实行独立经济核算。1980年3月，民航由军队建制改为国务院直属局，广州管理局正式实行企业经营管理体制，开始实行“利润包干上交，超收分成，亏损不补”的核算办法。1983年，民航局取消利润包干制，执行国家统一的“利改税”制度。 1 / 19
管理体制改革的主要内容是政企职责分开，简政放权，实行企业化。实行企业化，最实质的问题是要强化经济核算，强调经济效益，使企业盈利。 民航改革的一个重要方面是完善各项管理制度，革除弊病，防止意外事故以及腐败现象的发生。同时，充分估计未来的经营风险，并采取措施作好相应的准备，对于高层决策领导层也是一个重要的考虑方面。 总之，实践证明，中国需要改革开放，民航与其他各行各业一样也需要改革开放。民航的内部改革是中国整个改革开放事业的一部分，搞好它，促进民航本身的发展，同时也可以促进中国经济的发展，而经济的发展又为民航事业的发展提供有利条件，它们的关系是互相依存、互相促进的关系。南航的改革取得了明显的成效，大大地促进了南方民航事业的发展，壮大了自己的力量。南航也将在汲取过去的经验教训的基础上，进一步深化改革，完善企业管理，扩展业务，在中国的改革开放事业中起到经济的“先行官”的一份作用。 这次实习，通过对中国南方航空（集团）公司这个国营大企业的改革与发展的调查，以无可辩驳的事实，使我更加坚信中国走社会主义的正确方向，坚信中国的改革开放事业能够取得最后的成功，社会主义市场经济最终能够建立起来。可见，这次实习的意义是重大的。 九四年二月(时间久远了点，希望给大家一点参考作用)
中外建筑史（论文） 在世界建筑艺术百花园中，中国古代建筑是朵奇葩，它自成体系，独立发展，绵延数千年，直至20世纪初还保持着自己的造型特征和布局规则，并传播影响到东亚等邻近国家。 一、中国古代建筑的发展历程 中国古代建筑的发展大致经历了原始社会、奴隶社会、以及封建社会的早、中、晚五个历史阶段。大约在奴隶社会的商周时期，开始出现规模较大的宫殿和陵墓，以及以宫、室为中心的大小城市。与此同时，木构架也逐渐成为中国古代建筑的结构方式，随着公元5世纪左右中国进入封建社会后，新的生产关系和中央集权的建立，经济趋于繁荣，社会相对稳定，故而有能力修建起规模空前的宫殿、陵墓、长城、驰道和水利工程等，建筑技术有了很大发展，建筑艺术形态日渐成熟，至汉代时，中国古代建筑的一些典型特征已基本形成，而后经过500多年的发展演变，至唐宋时代中国古代建筑发展到了它的顶峰，出现了当时世界上最大、规划最严密的都城——长安城。 到封建晚期的明清时代，中国古建筑在某些方面更趋完美，但同时也走向衰微。著名的明清“北京城”是在元大都城的基础上改、扩建而成，中国古代以宫室为中心的都城规划思想在此得到了最完整、最精彩的体现，其建筑群体布局艺术可谓臻于化境。始于商周时代的中国园林，至明清时也达到了极度的艺术境界，著名的皇家园林有圆明园、颐和园、北海、承德避暑山庄等，私家园林则以江南的苏州、扬州等地最为兴盛，名园佳作不胜枚举。此外，在明清时代，中国各少数民族的建筑也有了相当的发展，现存的著名建筑有西藏的“布达拉宫”、日喀则的“札时伦布寺”，以及云南傣族的“缅寺”、贵州侗族的“风雨桥”等等，形成了各族建筑群芳吐艳、异彩纷呈的现象。 二、中国传统建筑的特征 以汉民族木构建筑为代表的中国古典建筑自古以来就以其风格优雅、结构灵巧而称颂于世。这种建筑风格在其漫长的发展过程中，逐渐形成了自己完整的体系和鲜明而一贯的特征： 它以木构架主要结构方式，并创造了与这种结构方式相适应的各种平面形式和外观造型，常采用的是一种被称为“抬梁式”的木构架结构体系。其主要特点是——沿房屋进深方向在右基上立柱，柱上架梁，再在梁上重叠数屋矮柱和短梁，构成“一品”木构架。在平行的两品木构架之间用横向联系的“枋”联络“柱”的上端，产在各层梁头和短柱上安置若干与构架成90度直角的檀，起联系构架和承载屋面重量的作用。这样由两组木构架形成的空间称为“间”。一座房屋通常由二三间乃至若干间沿面阔方向排列为长方型平面，同时也可以组成三角型、正方形、多角型、圆形、扇形、万字形等特殊平面的建筑。由于这种“抬梁式”建筑的木构架类似“框架”，建筑物上部分荷载沿梁架、立柱传至基础，墙壁只起围护、分隔空间的作用，不承受荷载，这就赋予建筑以极大的灵活性。室内空间可用各种隔扇、门、罩、屏等分隔空间，并随需要安装或拆卸。 由建筑单体的外部造型特征看，中国古典建筑基本上由：台基、屋身、屋顶三大部分组面。台基——由砖石砌成，承托着整座房屋，一方面起保护木柱不受雨水和潮气侵蚀的作用，另一方面又与柱的侧脚、墙的收分相结合增架建筑物的稳定感，使其显得庄严雄伟。如故宫太和殿及天坛祈年殿的台基，前者显示了皇宫难以企及的尊贵；后者则表现了祈天建筑的高耸云霄、与天相通的气度。 架设于台基之上的屋身，一般采取明间略大，两侧面阔递减的方式，既满足功能要求，又使外观取得了主次分明的艺术效果。在较为重要的建筑物上，在其屋身和屋顶的交接部分设置有一种称为“斗拱”的构件，称为中国古典建筑的一个显著特征。所谓“斗拱”，实际上是用短木块，木枋所组成的一种悬挑结构，主要起支撑巨大的屋顶出檐和减小室内大梁跨度的作用。明清时期斗拱逐渐蜕化，成了柱网与屋顶构架间，主要起装饰作用的构件。
中国区域地理北方地区和南方地区 [考纲解读] 1.识记：我国不同尺度区域的地理位置和区域特征。 2.理解：掌握我国北方、南方、西北和青藏地区的主要地理特征，理解不同区域的自然地理和人文地理特征及其形成原因。 3.应用：结合区域图，学会分析区域的地理特征和不同地区之间的区域差异。 一、四大地理区域的划分 1．划分依据：地理位置、自然和人文地理特征的不同。 2．界线及主导因素 (1)南方地区与北方地区的分界线大致以a秦岭—b淮河为界，其主导因素是气候(气温和降水)。 (2)北方地区与西北地区的分界线大致以400毫米年等降水量线为界，接近季风区和非季风区界线，其主导因素是降水。 (3)青藏地区与其他地区的分界线大致是地势第一级阶梯和第二级阶梯的界线，其主导因素是地势高低。
二、北方地区 1．位置：北方地区位于A大兴安岭、青藏高原以东，内蒙古高原以南，秦岭—淮河以北，东临B渤海和黄海。 2．地形区：C三江平原、D松嫩平原、E黄土高原、F华北平原。 3．气候：以温带季风气候为主；主要温度带有寒温带、中温带和暖温带；从干湿状况上看，三江平原和长白山属于湿润区，华北平原和黄土高原以半湿润区为主。 4．植被：以温带针阔叶混交林和温带落叶阔叶林为主。 5．河流：黄河、松花江、辽河、汾河、渭河。 6．资源：以煤、铁、石油为主。 7．农业 ①东北地区一年一熟，以旱地为主，主要农作物有春小麦、玉米、高粱、大豆、甜菜等，产品的商品率高，机械化程度高，松嫩平原和三江平原是全国重要的商品粮基地；②华北地区两年三熟或一年两熟，
以旱地为主，主要农作物有冬小麦、玉米、棉花、花生等，黄淮海平原是我国重要的商品棉产地；③主要水果有苹果、梨、桃、葡萄等8．工业 ①主要有东北重工业基地(辽中南)、京津唐工业基地和山西能源基地；②其他重要的工业中心如太原、郑州、西安、兰州等9．城市：北京、天津、哈尔滨、济南、太原、西安。 [拓展提升] 1.地理分界线——大兴安岭 大兴安岭也是我国很重要的一条地理分界线，大兴安岭是以下地理事象的分界线： (1)400mm年等降水量线。 (2)半湿润区与半干旱区的分界线。 (3)森林景观与草原景观的分界线。 (4)畜牧区与农耕区的分界线。 (5)季风区与非季风区的分界线。 (6)内流区与外流区的分界线。 (7)内蒙古高原与东北平原的分界线。 (8)地势第二、三级阶梯的分界线。 2．秦岭—淮河一线南北两侧的主要地理差异
北方地区和南方地区一、知识结构 二、重难点知识讲解 （一）北方地区 1、区域概况
（1）位置：大体上位于大兴安岭、青藏高原以东，秦岭一淮河线以北，内蒙古高原以南，东临渤海、黄海；位于东半球和北半球中纬度地区 （2）范围：包括东北三省、黄河中下游各省级行政区域单位的全部或大部分，以及甘肃、宁夏的东南部和江苏、安徽两省北部 （3）面积：约占全国的20％ （4）人口：约占全国的40％ 活动：说出位于北方地区的省级行政区域单位及其行政中心。 答案：位于北方地区的省级行政区域单位及其行政中心主要有：黑龙江省（哈尔滨）、吉林省（长春）、辽宁省（沈阳）、河北省（石家庄）、北京市（北京）、天津市（天津）、山西省（太原）、山东省（济南）、河南省（郑州）、陕西省（西安）、宁夏回族自治区（银川）、甘肃省（兰州）、江苏省（南京）、安徽省（合肥）等。
2、自然环境特征 （1）地形：以平原和高原为主，主要地形区有东北平原、华北平原、黄土高原等。 活动：读图5—10，看看本区主要位于中国地势的哪几级阶梯?说出你的判断理由。 答案：本区主要位于我国地势的第二、三级阶梯，判断依据是我国地势第一、二级阶梯的分界线西起昆仑山脉，经祁连山脉向东南至横断山脉东缘，第二、三级阶梯的分界线是大兴安岭一太行山一巫山雪峰山。 （2）气候 年降水量的范围及其分布：大部分地区年降水量为400-800 毫米，西侧少部分地区低于400毫米，东南侧和部分山地高于800毫米。 主要气候类型：本区大部分属温带季风气候，冬季寒冷干燥，夏季温暖湿润。西南部属于温带大陆性气候。
3、农业生产特征和主要农产品 （1）农业生产条件：地跨暖温带、中温带和寒温带，热量较少，年降水量大致为400-800毫米 （2）耕地类型：旱地为主 （3）作物熟制：长城以北一般只能一年一熟，长城以南的大部分地区则两年三熟或一年两熟 （4）主要农作物 长城以北：春小麦、玉米、高粱、大豆、马铃薯、甜菜等 长城以南：冬小麦、玉米、棉花、荞麦、甘薯、谷子等 （5）温带水果和地方特产 温带水果：苹果、梨、桃、杏、柿、枣、葡萄等
中国古代建筑文化 中国古代建筑文化最近颇为旅游业所关注，它发源于长江中下游和江汉平原，为楚族楚国楚地人民所创造，在缔造和发展统一的中华民族文化的过程中，曾起过不可估量的作用...... 漫漫中华五千年的文明，造就了在世界的东方独树一帜的中国建筑。然而，作为华夏文明组成部分之一的楚文化却是一支瑰丽多彩而又独具风格的南国文化。它发源于长江中下游和江汉平原，为楚族楚国楚地人民所创造，在缔造和发展统一的中华民族文化的过程中，曾起过不可估量的作用。 英国著名史前学者戈登·柴尔德认为城市的出现是人类步入文明的里程碑。对于人类文化的研究，莫不以城市（礼仪性）建筑的出现作为文明时代的具体标志而与文字、（金属）工具并列。而谈到建筑就不得不以其文化脉络为背景。 中国古代文化是多元复合的，它的主体华夏文化是二元耦合的。所谓二元，就方位来说是北方与南方，就流域来说是黄河与长江，就象征性的灵物来说是龙与凤，就学术的主流来说是儒家与道家。春秋战国时期的华夏文化，北方以晋（韩、赵、魏）为表率，南方则由楚独领风骚。 楚国哲学的中心问题是天人关系，楚人的哲学世界观是个体本位的天人合一。楚人认为：人的存在，都是一个一个的个体，这个个体，就是他的自。人的个体，是自然存在，而有超自然的愿望。人的自然存在，无论在空间上、时间上，都很有限。人有超自然的愿望，要求在空间上、时间上，进入无限。人的血肉之躯，不可能进入无限。人的精神状态，则可能进入无限，就是自觉个体与宇宙合一，也就是自觉天人合一。宇宙无限，若个体自觉与宇宙合一，也就自觉同其无限。个体的精神状态，只能与血肉之躯同存，仍是有限的。但只要一息尚存，便能自觉天人合一，进入无限。一旦自觉这个合一，则这种天人合一之感，不仅比平常客观实在之感，更为实在，而且更为深刻，因为更为自觉。这种天人合一的精神状态，可以使人从一切局限（包括时空局限）解放出来，把个体全部能量释放出来。《庄子》中的至人、神人、圣人、真人，都自觉天人合一，而进入无限。因此，楚建筑文化的最大特点也是体现在它的天人合一建筑观上，它所展现的是自然与精神的统一，本文所探讨的天人合一建筑观，也正是基于这一基本涵义作为出发点。 楚国的建筑重视人与自然的融合相亲的文化精神。以其楚楼阁为例，楼阁相当开敞，楼内外空间流通渗透，追求与自然的亲近；造型上运用水平方向的层层屋檐，环绕各层的走廊栏杆，极力削弱体型上的竖高感觉，使之时时回顾大地，仿佛对大地有着无比的眷恋；屋面、屋脊、装饰局部的曲线运用避免了造型的僵硬冷峻，优美地镶嵌在大自然中，仿佛自己就是天地的一部分，充分体现了人对自然的向往和崇敬之情。 楚国的建筑注重与自然高度协同的观念，表现在城市、村镇、陵墓或住宅的选址和布局上，风水学说、院落组群分布就是集中体现。早在伍子胥设计建造吴都阖闾城（今苏州市城厢区）时，在《吴越春秋》中记载：子胥乃使相土尝水，象天法地，造筑大城，周回四十七里。陆八门，以象天八门；水八门，以法地八聪。筑小城，周十里。陵门三。不开东面者，欲以绝越明也。立阊门者，以象天门通阊阖风也。立蛇门者，以象地户也。楚建筑普遍存在天人感应之说、四神之说、阴阳之说、五行之说等建筑意识，这些建筑意识形成了中国古老的风水理论的基础。风水理论，在景观方面，注重人文景观与自然景观的和谐统一；在环境方面，又格外重视人工环境与天然自然环境的和谐统一。其宗旨是勘察自然、顺应自然，又节制地利用和改造自然，选择和创造出适合与人的身心健康及其行为需求的最佳建筑环境，使其达到阴阳之和、天人之和、身心之和的完美境界。楚建筑以间为单位构成单体建筑，再由单体建筑围合构成院落。而院落组群分布就是以院落为基本单位，依照一定的轴线关系、平衡分布原则和具体需要构成整个组群。主要方式是平面上的层层铺开，注重移步换景异和
古建筑的保护与意义 【摘要】：古建筑是先人为我们留下的珍贵文化瑰宝，它具有历史、文化、科技、艺术等多方面价值。一座保存完好的古建筑，既是研究某一阶段历史文化的重要实物资料，又是社会、文化变迁的历史见证。但作为古代文化遗存，作为物质文化遗产的重要组成部分，古建筑与其他文物一样，具有不可再生性，一旦遭到破坏，将是永远的遗憾。 【关键字】：古建筑保护意义措施 一、中华民族的见证-----古代建筑 中国古代建筑是中华民族5000年历史的见证者，毫不过分的说建筑物的造型可以说明一个国家的国力。古建筑不仅仅是历史，同时也是文化。 从陕西半坡遗址发掘的方形或圆形浅穴式房屋发展到现在，已有六、七千年的历史。包括绵延万里的长城，建于隋代的安济桥，在科学与艺术上完美结合，是人类建筑史上的奇迹；北京明清两代的故宫，则是世界上现存规模最大，建筑精美，保存完整的大规模建筑群。至于我国的古典园林，他的独有的艺术风格，使它成为中国文化遗产中的一颗明珠。这一系列现存的技术高超、艺术精湛、风格独特的建筑，在世界历史上自成系统，独树一帜，是我国古代灿烂文化的重要组成部分。它门像一部部石刻的史书，让我们重温着祖国的历史文化，激发起我们的爱国热情和民族自信心，同时他也是一种可供人观赏的艺术，给人以美的享受。 然而，随着时代社会的发展，古建筑与现代经济在一定程度上产生了矛盾。经济开发区的建立与当地古建筑的存在形同水火，要建立开发区就必须要占用原来的古建筑的占地，要保护古建筑就必须组织开发区在古建筑区的建立，所以如何解决这一矛盾便成为了古建筑保护的关键。 二、保护古建筑的意义 古建筑的保护一直是文物保护工作中的一项重要工作。建筑作为凝固的艺术，承载着大量而丰富的历史信息，通过对各个古建筑的研究可以使我们对各个历史时期的社会，文化，艺术，政治等等各方面历史问
——“北方地区和南方地区”第一课时 【教学重点】 两个区域的自然特征和人文特征的差异 【教学难点】 北方地区和南方地区自然环境对生产、生活的影响 【课前准备】 1.学生课前准备：分小组，每个小组5～6个同学为宜；部分同学准备事先搜集好的相关图片及信息材料。 2.教学课件：有关北方地区和南方地区的图片资料或录像资料。 【教学设计】 【教学过程】 引入：咱们生活在北方地区，对北方地区的文化传统、生活习惯已经很了解了，那么南方地区在这些方面跟咱们雷同吗？有谁去过南方地区，跟大家谈一谈你的所见所闻。 学生自由发言 板书：第二节北方地区和南方地区 一、北方与南方的自然差异 播放有关北方地区和南方地区自然景观差异的录像资料。 教师：从录像资料中看到南方和北方有那些差异？如何用科学的地理方法表述它们？为什么会有差异？ 学生分组讨论、回答 引导学生观察图“北方地区和南方地区的比较”以及中国地形图，找出北方和南方地区的范围以及它们之间的地理分界线：秦岭——淮河一线。 板书：1、从地形上 教师：从地形图上看，北方地区和南方地区都位于地势的第二级和第三级阶梯上。具体来说，两个区域在地形上有何差异呢？各有一些什么地形区？
学生：北方地区主要的地形有：高原、平原等，主要地形区：西部是黄土高原，东部是东北平原和华北平原；南方地区主要的地形有：高原、盆地、平原、丘陵等，地形比较复杂，主要地形区：西部是云贵高原和四川盆地，东部是长江中下游平原和东南丘陵。 板书：2、从气候上 教师：从气候上，北方地区和南方地区有什么差异？ 引导学生观察图“北方地区和南方地区的比较”四个城市的气温曲线和降水量柱状图。强调：哈尔滨和北京代表北方地区，武汉和广州代表南方地区。 学生回答，教师纠正、补充 教师：北方地区最热月（7月）平均气温在25℃左右，最冷月（1月）平均气温在0℃以下，年降水量较少，主要集中在7、8月，降水季节变化比较明显；而南方地区最热月（7月）平均气温接近30℃，最冷月（1月）平均气温在0℃以上，年降水量较多，各月降水都比较丰富。北方地区的气候特征是：夏季高温多雨，冬季寒冷干燥；而南方地区的气候特征是：夏季高温多雨，冬季温和湿润。 学生完成教材活动“秦岭－淮河南北两侧的自然地理状况” 板书：3、从河流流量上 引导学生观察图“北方地区和南方地区的比较”中的长江和黄河流量过程线图 教师：长江和黄河的河流流量有何差异？为什么？ 学生讨论 学生：可以看出长江流量比黄河流量大，因为南方地区的降水量比北方地区多。 教师补充：我国东部季风区的河流来源主要是靠天然降水补给，由于南方地区的降水量比北方地区多，所以造成了长江流量比黄河流量大。因此，可以看出河流流量的变化与降水的变化之间的关系：一般来说，河流的流量随着降水的变化而变化，降水量增加，河流的流量增大，反之减少。看来河流流量的大小与气候有关系。我国南方地区夏季经常会出现洪涝灾害，你知道什么原因吗？ 学生讨论发言： 教师：既然知道了灾害形成的原因，那么在我们心中一定树立防灾减灾的意识。 学生完成教材活动“北方和南方自然差异的主要因素” 板书：4、从植被类型上 学生观察教材提供的北方地区和南方地区两幅景观图 教师：北方地区和南方地区植被一样吗？为什么？ 学生：不一样。北方的植被类型是温带落叶阔叶林，而南方主要是亚热带常绿阔叶林。因为气候条件不一样造成的。 教师：形成北方和南方在河流流量、植被类型方面的差异主要都是因为什么？ 学生讨论形成答案：气候。
中国上市公司100强——中国南方航空 中国南方航空股份有限公司是由中国南方航空集团公司发起设立，以原中国南方航空公司基础，联合中国北方航空公司、新疆航空公司和重庆航空公司重组而成的航空运输主业公司。是中国南方航空集团公司发起设立并控股的航空公司。中国南方航空股份有限公司1997年分别在纽约(NYSE：ZNH)和香港(港交所：1055)同步上市发行股票，2003年在上海证券交易所成功上市(上交所：600029)。中国南方航空股份有限公司与中国国际航空股份有限公司和中国东方航空股份 有限公司合称中国三大航空集团。 中国南方航空股份有限公司，是中国南方航空集团公司属下航空运输主业公司，总部设在广州，以蓝色垂直尾翼镶红色木棉花为公司标志。有新疆、北方、北京、深圳、海南、黑龙江、吉林、大连、河南、湖北、湖南、广西、台湾、珠海直升机等14家分公司和厦门航空、汕头航空、贵州航空、珠海航空、重庆航空等5家控股子公司;在上海、西安、大连设立基地，在成都、杭州、南京、重庆等地共设有18个国内营业部，在新加坡、东京、首尔、阿姆斯特丹、巴黎、洛杉矶、悉尼、拉各斯、纽约、伦敦、温哥华、迪拜、布里斯班等地设有53个国外办事处。 中国南方航空股份有限公司是中国运输飞机最多、航线网络最发达、年客运量最大的航空公司。目前，南航经营包括波音777、747、757、737，空客A330、321、320、319、300、380在内的客货运输机400架，机队规模跃居世界前六。形成了以广州、北京为中心枢纽，密集覆盖国内150多个通航点，全面辐射亚洲全面辐射亚洲40多个通航点，链接欧美澳非洲的发达航线网络，航线数量660多条，每天有1500至2000个航班穿梭于世界各地，每天投入市场的座位数可达20万个。通过与天合联盟成员密切合作，航线网络通达全球884个目的地，连接169个国家和地区，到达全球各主要城市。 2009年，南航旅客运输量6628万人次，位列亚洲第一、全球第三，已连续31年居国内各航空公司之首, 是亚洲唯一进入世界航空客运前五强，国内唯一连续5年进入世界民航客运前十强的航空公司。截至2010年6月3日，南航已累计安全飞行安全飞行达700万小时，连续保证了16年3个月的空防安全，安全运输旅客已累计超过5亿人次，安全管理水平在国内、国际均处于领先地位。2008年7月16日，南航荣获中国民航局颁发的飞行安全最高奖“中国民航飞行安全五星奖”，成为国内安全星级最高、安全业绩最好的航空公司，在国际上也处于领先地位。 南航飞行实力出众，拥有3332名(不含厦航)优秀的飞行人员，是目前国内唯一一家拥有独立培养飞行员能力的航空公司，与全球知名飞行模拟器制造商CAE合资建立的飞行训练中心是亚洲规模最大的飞行训练中心;机务维修实力雄厚，旗下广州飞机维修工程有限公司(GAMECO)建有亚洲最大的飞机维修机库，南航与德国MTU公司合建有国内最大、维修等级最高的航空发动机维修基地;保障体系完善，拥有获得国家科技进步二等奖的飞行运行控制系统(SOC)，以及同获国家科技进步二等奖的发动机性能监控系统等国内航空业最为先进的IT系统。
中国古代建筑文化的认识中国的建筑具有悠久的历史传统和光辉的成就。我国古代的建筑艺术和文化对现在中国建筑的影响也是不可怀疑的。中国古代建筑艺术有很多的特点。由于农耕生活的认知方式决定了建筑方式的选择。而且，当时的中国建筑都是以木质为主的。中国的古代人民在与自然和周遭环境的斗争中渐渐的产生了古代的建筑 特色和文化。 物竞天择，适者生存，在历史的不断变化中，中国的古代建筑形成了别具一格的风格。由于在中国的古代有了天人合一的思想应用到建筑体上，中国古代建筑无论是在行态上材料上都极力从宇宙自然中寻找创造的来源。与我们朝夕相处的树木是自然万物中的有机生命，不同的季节以不同的生命形态与人发生密切的关系。因此，中国古代建筑由于把木材作为主要建材，木材良好的物性特质以及易于安装拼接的物理属性，为中国古代建筑构架体系的产生与发展提供了基本保证。 首先以木构架为主的结构方式的古代建筑文化是其一大特色。木构架有很多的优点。木构架建筑便于适应不同的气候条件，可以因地制宜。另外，它的承重结构与维护结构分开，因为木材的特有性质与构造节点有伸缩余地即使墙会倒而且屋也不会塌，有利于减少地震的损害。最后，便于就地取材和加工制作。中国古代建筑惯用木构架作房屋的承重结构。木构梁柱系统约在西元前的春秋时期已初步完备并广泛采用，到了汉代发展得更为成熟。木构结构大体上可分为抬梁式、穿斗式、井干式三种。以抬梁式采用最为普遍。抬梁式结构是沿房屋进深在柱础上立柱，柱上架梁，梁上重叠数层瓜柱和梁，再于最上层梁上立脊瓜柱，组成一组屋架。平行的两组构架之间用横向的枋联结于柱的上端，在各层梁头与脊瓜柱
上安置檩，以联系构架与承载屋面。檩间架椽子，构成屋顶的骨架。这样，由两组构架可以构成一间，一座房子可以是一间，也可以是多间。 斗拱是中国木构架建筑中最特殊的构件。斗是斗形垫木块，栱是弓形短木，它们逐层纵横交错叠加成一组上大下小的托架，安置在柱头上用以承托梁架的荷载和向外挑出的屋檐。到了唐、宋，斗栱发展到高峰，从简单的垫托和挑檐构件发展成为联系梁枋置于柱网之上的一圈「井」字格形复合梁。它除了向外挑檐，向内承托天花板以外，主要功能是保持木构架的整体性，成为大型建筑不可缺的部份。宋以后木构架开间加大，柱身加高，木构架结点上所用的斗栱逐渐减少。到了元、明、清，柱头间使用了额枋和随梁枋等，构架整体性加强，斗栱的形体变小，不再起结构作用了，排列也较唐宋更为丛密，装饰性作用越发加强了，形成为显示等级差别的饰物。 然后就是中国古代建筑文化的独特单体造型。基本上可以分为屋基、屋身、屋顶三个部份。所有的重要的建筑物几乎都是建在基座台基之上。单体建筑的平面形式多为长方形、正方形、六角形、八角形、圆形。这些不同的平面形式，对构成建筑物单体的立面形象起着重要作用。由于采用木构架结构，屋身的处理得以十分灵活，门窗柱墙往往依据用材与部位的不同而加以处置与装饰，极大地丰富了屋身的形象。 其次我国古代建筑的中轴对称、方正严整的群体组合与布局多以众多的单体建筑组合而成为一组建筑群体，大到宫殿，小到宅院，莫不如此。它的布局形式有严格的方向性，常为南北向，只有少数建筑群因受地形地势限制采取变通形式，也有由于宗教信仰或风水思想的影响而变异方向的。方正严整的布局思想，主要是源于中国古代黄河中游的地理位置与儒学中正思想的影响。
中国南方航空公司的发展 【摘要】快速发展中的南方航空公司，机队规模与运输能力迅速提高，但在经营的过程中，盈利能力不强，持续盈利能力不高的问题逐渐显现出来，为确保企业持续发展、长盛久安，制定和实施企业的发展战略是关键。本文结合航空运输企业的特点，从宏观经济环境分析入手，对我国宏观经济环境、公司发展政策环境和竞争环境进行研究。提出南航必须继续坚持自己的长期发展战略，继续培育和发展自己的核心能力，形成竞争优势，打造自己的核心竞争能力。本文从航线网络布局、机队配置、一体化运营、市场营销、人力资源管理、信息技术应用以及企业文化建设等几个方面进行数据收集与整理，开展职能战略分析，提出职能战略方案，以及支持公司整体经营战略的实施及建议。 关键词：现状环境发展战略 一、中国南方航空公司的发展现状 中国南方航空股份有限公司，简称“南航”，是由中国南方航空集团公司发起设立，以原中国南方航空公司为基础，联合中国北方航空公司和新疆航空公司重组而成的航空运输主业公司。它的总部设在广州，其公司标志为垂直的蓝色尾翼镶红色的木棉花。木棉花是广州市的市花，它代表着热情好客。中国南方航空股份有限公司与中国国际航空股份有限公司和中国东方航空股份有限公司合称中国三大航空集团，在中国是一家很有实力和影响力的航空公司。 改革开放以来，南方航空取得了不小的成绩。南航不仅有先进的业务控制流程和安全系统，还有先进的信息化系统，这些都为南航的发展做出了巨大贡献。而近年来又不断与国内外的航空公司进行合作，得到了迅速发展。但同时也有存在不少问题，要想有长远发展，这些问题必须得到有效治理或者解决。因此说起南航的发展，便要从“发展现状、发展环境、发展中存在的问题以及未来发展战略”这四个方面来进行研究。 中国南方航空股份有限公司是中国运输飞机最多、航线网络最发达、年客运量最大的航空公司。目前，南航经营包括波音777、747、757、737，空客A330、321、320、
https://www.doczj.com/doc/1211390387.html, 中国古代建筑论文题目 一、最新中国古代建筑论文选题参考 1、中国古代建筑与传统文化 2、中国古代建筑环境生态观 3、论中国古代建筑技术与艺术的辩证关系 4、中国古代建筑等级制度初探 5、中国古代建筑藻井装饰的演变及其文化内涵 6、画中楼阁——故宫博物院的中国古代建筑画 7、中国古代建筑思想史纲 8、中国古代建筑与近现代建筑 9、中国古代建筑外观设计手法初探 10、太阳崇拜与中国古代建筑 11、中国古代建筑设计与传统文化思想 12、中国古代建筑特征 13、中国古代建筑与园林 14、中国古代建筑朴素的绿色观念概说 15、透析中国古代建筑中的色彩艺术 16、传统人文思想与中国古代建筑 17、论中国古代建筑的平面与外观形象及其文化特色 18、中国古代建筑中女性空间的演变及限定 19、试论中国古代建筑文化的特色 20、中国古代建筑防风的经验与措施(二)
https://www.doczj.com/doc/1211390387.html, 二、中国古代建筑论文题目大全 1、中国古代建筑的门饰与门神崇拜 2、中国传统建筑艺术的审美特征与文化解读——以中国古代建筑门饰“铺首衔环”为例 3、中国古代建筑年代的鉴定(续完) 4、中国古代建筑的群体意识 5、中国古代建筑美学中所蕴含的传统文化 6、中国古代建筑--木雕 7、中国古代建筑类型与分类 8、中国古代建筑发展动力新说(一)——论防潮与古代建筑形式的关系 9、浅析中国古代建筑装饰中的雕刻艺术 10、中国古代建筑装饰雕塑的形式与功能分析 11、中国古代建筑与周易哲学 12、中国古代建筑文化 13、论中国古代建筑装饰题材及其文化意义 14、中国古代建筑门上铺首衔环装饰的起源 15、儒家学说对中国古代建筑的影响 16、论碳十四测年技术测定中国古代建筑建造年代的基本方法——以山西万荣稷王庙大殿年代研究为例 17、中国古代建筑艺术 18、斗拱的演变及中国古代建筑形式探微 19、“十二律”——研究中国古代建筑理论的一个视角 20、中国古代建筑对日本的影响