表1 植物群落样地记录总表
调查者：样方号：日期：
植物群落型：
地理位置纬度：经度：海拔：
地貌：土壤类型：
坡向：坡度：地形：坡位：群落内地质情况：人为及动物活动情况：
表2 乔木层调查记录表
群落名称：样地面积：郁闭度：
表3 灌木（草本）层调查记录表群落名称：样地面积：郁闭度：
植物生態調查表 台北市南湖國小 調查者：班別：年班調查時間：年月日調查地點： 編號：植物名： 物候：□吐芽□長新葉□花苞□開花□落花 □結果□果熟□落果□落葉□枯萎 樹高：公尺 樹上住戶： □爬藤□蕨類 □其它： 特徵： 芽色：嫩葉色： 花色：果色： 變葉顏色： 備註：
調查時間： 年 月 日 調查地點： 編號： 植物名： 物候： □吐芽 □長新葉 □花苞 □開花 □落花 □結果 □果熟 萎 生長狀況： 樹高： 公尺 樹上住戶： □爬藤 □蕨類 □其它： 特徵： 芽色： 嫩葉色： 花色： 果色： 變葉顏色： 備註： 調查時間： 年 月 日 調查地點： 編號： 植物名： 物候： □吐芽 □長新葉 □花苞 □開花 □落花 □結果 □果熟 □落果 □落葉 □枯 萎 生長狀況： 樹高： 公尺 樹上住戶： □爬藤 □蕨類 □其它： 特徵： 芽色： 嫩葉色：
花色： 果色： 變葉顏色： 南湖國小 校園植物之旅 學習單 各位小朋友，你曾經停下來觀察過校園內的植物嗎？這些植物到底有那些不一樣的地方呢？你知道他們的名字嗎？ 讓我們一起去觀察校園裡的植物吧！ 問題一：先想一想，植物有那些特性，我們應該如何觀察它？ 老師的話：觀察植物除了先看它整體的外形以外，最重要的是仔細觀察它的葉子。以下這些植物的特性，可以做為觀察植物時的參考。 1.植物莖的生長型態依木質化的程度可分為四種： (1)喬木：多年生樹木，直立，有明顯主幹，高5米以上。 (2)灌木：沒有明顯主幹的木本植物。 (3)藤本：不能獨立向上生長，必須攀緣或纏繞其他物體才能向上生長的植物 (4)草本：莖柔軟而富含水分，木質化的細胞少。 2.植物的葉片種類可分為兩種： (1)單葉：每一葉柄上只有單一葉片 (2)複葉：每一葉柄上有二個以上的葉片：如 三出複葉：每一葉柄上著生三片小葉 單身複葉：僅有單一葉片，葉柄與葉片之間有顯著 膨
几种常见植被指数精编 W O R D版 IBM system office room 【A0816H-A0912AAAHH-GX8Q8-GNTHHJ8】
植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识： 1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的； 2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息 3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显着降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等；
2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大； 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感；? 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数：SAVI=((NIR- R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。 L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。
校园植物种类调查实验报告 一、目的要求 1．通过本实验使学生熟悉观察、研究区域植物及其分类的基本方法。 2．认识校园内外的常见植物。 二、材料用品 照相机、铅笔、笔记本、检索表等。 三、调查方法 实地调查、实物标本、查阅资料、访谈、小组讨论。 1、实地调查：小组成员分工参观并初步认识校园内植物，拍照，做好记录，将不认识的植物重点记录、做记号。 2、采集标本：采集植物的叶片、枝条或花朵等特征部分，压制做成植物标本。 3、采访讨教：带着植物照片及植物标本向教师或学校花工师傅请教，弄清植物的名称、特性。 4、查阅资料：到图书馆或利用网络查阅相关植物的资料，获取各种植物的详细信息。 5、整理资料：集中、收集所有成员的资料，对资料进行全面整理、筛选、分类。 6、实验报告：将资料、图片打印，汇集成实验报告。 7、制作PPT：用演示文稿形式，记录和呈现我们的探究过程，分享我们的研究心得。 三、调查内容 (一) 校园和公园植物形态特征的观察
植物种类的识别、鉴定必须在严谨、细致的观察研究后进行。在对植物进行观察研究时，首先要观察清楚每一种植物的生长环境，然后再观察植物具体的形态结构特征。植物形态特征的观察应起始于根(或茎基部)，结束于花、果实或种子。先用眼睛进行整体观察，细微、重要部分再借助放大镜观察。特别是对花的观察、研究要极为细致、全面，从花柄开始，通过花萼、花冠、雄蕊，最后到雌蕊。必要时要对花进行解剖，分别作横切和纵切，观察花各部分的排列情况、子房的位置、组成雌蕊的心皮数目、子房室数及胎座类型等。只有这样，才能全面、系统地掌握植物的详细特征，才能正确、快速地识别和区分植物。 (二)植物种类的识别和鉴定 在对植物观察清楚的基础上，识别、鉴定植物就会变得很容易。对校园内外特征明显、自己又很熟悉的植物，确认无疑后可直接写下名称；生疏种类须借助于植物检索表等工具书进行检索、识别。 在把区域内的所有植物鉴定、统计后，写出名录并把各植物归属到科。 (三)植物的归纳分类 在对校园内外的植物进行识别、统计后，为了全面了解、掌握园内的植物资源情况，还须对它们进行归纳分类。分类的方式可根据自己的研究兴趣和植物具体情况进行选择。对植物进行归纳分类时要学会充分利用有关的参考文献。下面是几种常见的植物归纳分类方式。 1．按植物形态特征分类木本植物、乔木、灌木、木质藤本、草本植、一年生草本、二年生草本、多年生草本 2．按植物系统分类：苔藓植物、蕨类植物、裸子植物、被子植物、双子叶植物、单子叶植物
常用的植被指数，土壤指数，水体指数有哪些？ 植被指数与土壤指数 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大；
3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感； 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数： SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。
植物种类调查方案 篇一：植物配置调查报告 第四块绿地调研 摘要 对校园绿地进行调查其选用的绿化植物种类、种植形式、观赏特性等。 关键词 校园绿地，植物种类，种植形式，观赏特性 正文 1. 前言 此次调研是本学期植物造景最后一次调研，虽然临近期末事情很多，但我们组员都分外积极的参与了这次调研。在拍照收集资料的同时，也会现场讨论每种植物配置形式的巧妙或者缺漏之处，让我深深感觉到这门课给大家带来的激情。虽然植物种类不多，归纳的时候我以个体开始介绍，林林总总的列了出来，关于植物观赏特性方面也加进了自己的理解，如果有错误之处希望老师包涵。 2. 植物配置
指以自然乔、灌、藤、草本植物群落的种类、结构，层次和外貌为基础，通过艺术手法，充分发挥其形体、线条、色彩等自然美进行创作，形成山水—植物、建筑—植物、街道—植物等综合景观，让人产生一种实在的美的感受和联想。 3.调查绿地植物种类 龙柏（柏科，圆柏属） 形态特征 树冠圆柱状或柱状塔形；枝条向上直展，常有扭转上升之势，小枝密、在枝端成几相等 长之密簇；鳞叶排列紧密，幼嫩时淡黄绿色，后呈翠绿色；球果蓝色，微被白粉。周围环境：土壤湿润，水分充足 种植方式：孤植 观赏特性 树干挺直，树形呈狭圆柱形，小枝扭曲上伸树皮深灰色，纵裂，成条片开裂。龙柏树形优美，枝叶碧绿青翠，公园篱笆绿化首选苗木，多被种植于庭园作美化用途。应用于公园、庭园、绿墙和高速公路中央隔离带。龙柏移栽成活率高，恢复速度快，是园林绿化中使用最多的灌木，其本身清
脆油亮，生长健康旺盛，观赏价值高 黄杨 形态特征 枝圆柱形，有纵棱，灰白色叶面光亮，中脉凸出，下半段常有微细毛，侧脉明显周围环境：阳光充足，空气流通性较好 种植方式：列植 观赏特性 叶四季常青。黄杨在园林中常作绿篱、大型花坛镶边，修剪成球形或其他整形栽培，点缀山石或制作盆景。木材坚硬细密，是雕刻工艺的上等材料。 海桐 形态特征 嫩枝被褐色柔毛，有皮孔，叶革质，花白色有芳香味，花瓣倒披针形周围环境：土质疏松，土壤水分充足种植方式：孤植 观赏特性 花白色有香味，叶色浓绿而又光泽，经冬不凋，初夏
第六章药用植物资源调查的方法 目的要求 掌握：资源调查准备工作；资源调查内业工作。 熟悉：药用动植物资源调查；药用资源的评价。 了解：资源与社会的和谐发展。 基本背景资料 当今中药行业引用的数据资料基本是来源于20年前(第三次全国中草药资源普查)的统计资料! 《濒危野生动植物国际贸易公约》（CITES）列出的640种世界性濒危物种中，中国占156种，其中属于中药物种的占主体。 中药资源调查的意义 中药现代化的迫切要求和基础工作。 生物多样性保护的需要。 中药行业的战术需求。 中药可持续发展的国际形象。 中药资源调查的准备工作 组织准备、物质准备、技术准备 组织准备基本程序 制定并提交计划任务书→上级主管部门审批立项→组织有关单位召开调查准备会议→建立组织机构→讨论和审定技术方案和工作计划→确定各单位和部门职责→举办技术培训（含野外调查和自救生存练习）
物质准备（1） 收集资料：调查地区的动植物资源资料，地图、生产规划、研究报告等资料。 动植物资料：区域生态系统、植被和植物群落以及动植物志等。 物质准备（2） 地图资料: 地形图、植被图、土壤图、农业和林业区划图。 野外物资：GPS卫星定位仪，数码相机或摄像机，照度计、温湿度计、枝剪、标本架。 技术准备 制定技术方案：外业调查技术方案→编写野外调查实施细则→编制各种记录表格→确定调查路线→编制工作日程表。 确定取样调查方法：取样调查的精度和误差，取样单位和取样方法，标准样方调查 1、线路调查 2、样地调查 常用样地调查取样方法：典型取样法、随机取样法、系统取样法、分层取样法。 技术准备 “3S”技术调查法： 遥感（RS，remote sensing）是指从远距离、高空，以至外层空间的平台上，利用可见光、红光、微波等探测仪器，通过摄影或扫描、信息感应、传输或处理，根据地物反射和发射的波谱特性
作业9 植被指数 植被指数 概念：利用卫星不同波段探测数据组合而成的，能反映植物生长状况的指数。 植物叶面在可见光红光波段有很强的吸收特性，在近红外波段有很强的反射特性，这是植被遥感监测的物理基础，通过这两个波段测值的不同组合可得到不同的植被指数。 不同的植被覆盖类型可以通过其特有的光谱特征进行区分，这是由于叶绿素在红波段内对太阳辐射的吸收以及叶片细胞结构对红外波段内太阳辐射的强反射。 Broadband Greenness(5 indices)（宽带绿色指标(5)） 宽带绿度指数可以简单度量绿色植被的数量和生长状况，它对植物的叶绿素含量、叶子表面冠层、冠层结构比较敏感，这些都是植被光合作用的主要物质，与光合有效辐射（fAPAR）也有关系。宽带绿度指数常用于植被物候发育的研究，土地利用和气候影响评估，植被生产力建模等。宽带绿度指数选择的波段范围在可见光和近红外，一般的多光谱都包含这些 波段。下面的公式中规定波段的中心波长：ρNIR=800nm，ρRED=680nm，ρBLUE=450nm。 1. Normalized Difference Vegetation Index归一化植被指数 增强在近红外波段范围绿叶的散射与红波段范围叶绿素的吸收差异。 简称NDVI： NDVI=(NIR-R)/(NIR+R) （1）应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； （2）-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大； （3）NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI 对高植被区具有较低的灵敏度； （4）NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 2.Simple Ratio Index比值植被指数 在近红外波段范围绿叶的散射与红波段范围叶绿素吸收的比值。 简称SR：SR=ρNIR/ρRED 在LAI 值很高，即植被茂密时其灵敏度会降低.SR值的范围是0~30，一般绿色植被区的范围是2~8 3.Enhanced Vegetation Index 增强植被指数 增强NDVI,解决土壤背景和大气气溶胶对茂密植被的影响。 简称：EVI
花镜植物 1.火炬花 形态特征： 百合科火把莲属多年生草本植物，株高80-120厘米。茎直立。叶线形。总状花序着生数百朵筒状小花呈火炬形，花冠橘红色，花期6-7月。蒴果黄褐色，果期9月。 生长习性： 火炬花喜温暖湿润阳光充足的环境，也耐半荫。要求土层深厚、肥沃及排水良好，沙质壤土。性喜温暖向阳环境，宜生长于疏松肥沃的沙壤土。较耐寒。 原产非洲南部。较耐寒，长江中下游地区露地能越冬。
2.紫娇花 形态特征 球根花卉，株高３０～５０公分，具圆柱形小鳞茎，成株丛生状。茎叶均含有韭味。顶生聚伞花序开紫粉色小花。 生长习性 性喜高温，生育适温２４～３０度Ｃ。 3.百里香 百里香的形态 百里香属(Thymus) 是唇形科下的一属，包括大约350种多年生的芳香草本植物。最高约40厘米，生长在欧洲、北非和亚洲。
一般是茎部窄细的常绿植物，小叶（4-20毫米长）对生，全缘，呈椭圆形。花顶簇生；花萼不规则：上缘分三瓣，下缘裂开；花冠管状，4-10毫米长，呈白色、粉色或紫色。多年生草本, 种子发芽时间12-20天, 成熟时间90-10天,花期夏天. 百里香的产地分布 非洲北部、欧洲及亚洲温带，我国多产于黄河以北地区，特别是西北地区。主要产地为南欧的法国、西班牙、地中海国和埃及 4.金边百里香 生物学习性： 多年生常绿亚灌木，北方寒冷地区表现为宿根。适于温暖气候，忌强光照射，要求排水良好的石灰质土壤。希腊文具有勇气及可供奉神明之意。 用途：
绿化、食用、盆栽观赏或做地被植物，全株含芳香挥发油，可提取香精或做药用，可做茶的辅料。能够消除肠胃涨气，安抚消化系统、利尿、驱逐蛔虫、预防病毒侵入， 并有驻顔功效。 5.银边百里香 唇形科百里香属常绿草本,叶边缘银白色，其余同百里香。 6.花叶薄荷
遥感植被指数的种类、适用性和优缺点分析 摘要：遥感是现代科学技术中的一种远距离观测、分析目标地物的理论和方法，它在现代环境监测中具有广泛的应用。遥感植被指数是指利用遥感图像进行植被长势、生物量生产潜能等监测的重要指标。本文将在对植物的光谱特征分析的基础上，总结相关研究，对植被指数的种类以及它们的适用性和优缺点进行分析。 1、引言 遥感是指利用不同地物波谱特征不同这一特性，通过传感器这类对电磁波敏感的仪器，在远离目标和非接触目标物体条件下探测目标地物，获取其反射、辐射或散射的电磁波信息，进行处理、分析与应用的一门科学和技术。而植被指数则是利用遥感图像获取多光谱遥感数据，经过分析得到植被分布、种类等数值，对某些植被的长势、生物量等有一定应用价值。 目前，国内外学者已研究发展了几十种不同的植被指数模型，常用的有以下几类： 1、比值植被指数（RVI）； 2、归一化植被指数（NDVI）； 3、差值植被指数（DVI）； 4、缨帽变换中的绿度植被指数（GVI）； 5、垂直植被指数（PVI）； 6、土壤调整植被指数（SAVI）等， 这几类植被指数对植被的敏感性、抗土壤和大气的干扰性等不尽相同。一般情况下由于归一化植被指数（NDVI）与一些重要的生物物理参数如生物量、叶面积指数和光有效辐射等有密切的联系[1]，所以NDVI被广泛用于植被研究。 遥感植被指数是预测生物量、作物生产潜能以及评价一个生态系统结构与功能特征的重要指标[2]，然而遥感的植被指数不仅取决于植被的种类，还要受到其他环境条件的干扰，如土壤湿度、土壤的物理化学属性、大气条件以及季节等的影响。于是如何在不同的条件下选择不同的植被指数对更好的进行植被监测、农作物估产等有着较大的影响。本文正是通过对植被遥感的原理、植物光谱特征分析研究等的基础上，总结有关资料数据，对各类遥感植被指数的适用性和优缺点进行了分析，作为今后相关研究的参考。 2、植被遥感的原理 植物遥感依赖于植物本身的特征，主要是叶片结构特点和植被冠层光谱特性。我们都知道，植物叶片能进行光合作用，但所利用的仅是太阳光的可见光部分（0.4~0.76μm），即称之为光合有效辐射（PAR），约占太阳辐射的47%~50%，其强度随着时间、地点、大气条件等变化。 植物的光谱特征可使其在遥感影像上有效地与其他地物相区别。同时，不同
1.洋紫荆： 拉丁名：Bauhinia blakeana。 别名：红花紫荆、红花羊蹄甲 科中文名：苏木亚科 属中文名：羊蹄甲属 习性：喜光。不甚耐寒，喜肥厚、湿润的土壤，忌水涝。萌蘖力强，耐修剪。 观赏及应用：花期冬春之间，花大如掌，略带芳香，五片花瓣均匀地轮生排列，红色或粉红色，十分美观。洋紫荆终年常绿繁茂，颇耐烟尘，特适于做行道树；树皮含单宁，可用作鞣料和染料；树根、树皮和花朵还可以入药。 2.大叶榕 种中文名：高山榕 种拉丁名：FicusaltissimaBl. 科中文名：桑科 属中文名：榕属 别名：马榕、鸡榕、大青树、大叶榕（海南岛） 观赏应用：高山榕为桑科榕属的一种。高大乔木，树冠大；叶厚革质，有光泽；隐头花序形成的果成熟时金黄色。极好的城市绿化树种。树冠广阔，树姿稳键壮观。只是树体量太大，根系过于发达不太适宜作路树。非常适合用作园景树和遮荫树。又为优良的紫胶虫寄主树。 生长习性:阳性，喜高温多湿气候，耐干旱瘠薄，抗风，抗大气污染。耐贫瘠和干旱，抗风和抗大气污染，生长迅速，移栽容易成活。
3.大叶紫薇 科：千屈菜科 属：紫薇属 景观用途：适合用作高级行道树、园景树、林浴树与庭荫树，单植、列植、群植均可。适于各式庭园、校园、公园、游乐区、庙宇等，均可单植、列植、群植美化。特别推荐用于风景林建设，紫花品种宜用于中、近距离观赏，而红花品种可用于供远距离观赏的风景林。 生长习性：阳性植物。需强光。耐热、不耐寒、耐旱、耐碱、耐风、耐半荫、耐剪、抗污染、大树较难移植。喜高温湿润气候。 4.猫尾木 种：猫尾木 科：紫葳科 属：猫尾木属 拉丁名：：Dolichandrone cauda-felina (Hance) Benth. et Hook. f
对几种常用植被指数的认识 植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识： 1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的； 2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息 3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显著降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。 1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大； 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感； 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数：SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。 小结：上述几种VI均受土壤背景的影响大。植被非完全覆盖时，土壤背景影响较大 五、GVI——绿度植被指数，k-t变换后表示绿度的分量。
校园植物分类调查报告 导语：校园是一个人群集中的地方，“绿色”校园是每一位师生生活的重要组成部分，是学生的第二家园，它对于营造良好的学习氛围起着重要作用。以下是小编整理校园植物分类调查报告的资料，欢迎阅读参考。 我们的校园坐落在美丽的杭城，她犹如一座绿色公园，校内绿化达到了点上成景，线上成荫，面上成林的设计特色。每当我们漫步于风雨长廊或站在楼上极目远眺整座校园，就会感到特别的幸福！但经我们初步调查，大多同学对校园植物了解甚少，对如此丰富的、方便的课程资源，我们应该利用起来，让学生自己去了解一下校园植物及其分类。同时，作为朝晖学子，我们应该更多关注给大家身心带来宁静致远的校园。为此在指导老师的推动下，我们七班全体学生决定对学校各种树木进行一次研究性学习，主要对植物种类、用途、分布、习性等进行一次较详细的调查和研究，使大家更快更易的熟悉校园植物，并初步锻炼学生自主学习的能力。 学校校园内所种植的各类木本植物。 实地调查、实物标本、查阅资料、访谈、小组讨论。 课余时间及专项的活动时间 七班全体学生。 戴老师 1、实地调查：由指导老师带领学生参观并初步认识校
园内树木，熟悉树木分布，并做好记录，画出植物分布草图，将不认识的树木重点记录、做记号。 2、采集标本：利用选修课的时间，指导学生将不认识的和暂时不能确定的树木的叶片采集下来，压制做成植物标本。 3、查阅资料：与电脑老师联系，利用学生的信息课时间让学生上网查阅资料，获取各类树木的相关资料。另外，小组分工回家查阅有关资料。 4、核准资料：经过以上各项活动，学生对校园树木的感性认识和理性认识有了一定的基础。为了使自己的认识更科学、更准确，我们在指导老师的帮助下，借阅了《植物志》，小组分工核准，使我们的资料更全面、更完整、更准确。 5、整理资料：集中、收集所有学员的资料，对资料进行全面整理、筛选、分类。 1、全体学生对校园树木的种类、科属、习性与特点、分布等有了一定的了解。 2、学生自主学习能力、收集、调查和处理资料的能力得到了提高。 3、学生之间相互合作、协调的意识有所增强。 4、为学校绿化建设提供可借鉴的科学依据。 在数日的研究过程中，我们得到了学校各位领导、年级主任、指导老师及其他同仁的大力支持和鼓励，在此，我们
1007-4619 (2013) 01-0210-25 Journal of Remote Sensing 遥感学报 Received: 2012-01-05; Accepted: 2012-05-17 Foundation: National Basic Research Program of China (973 Program) (No. 2010CB833503, 2010CB950702); National High Technology Research and Development Program of China (863 Program) (No. 2009AA122103); Priority Academic Program Development of Jiangsu Higher Education Institutions First author biography: ZHU Gaolong (1974— ), male, associate professor, Ph.D. His research interests are retrieving biophysical parameters of vege-tation covers using multi-angle remote sensing data. E-mail: zhugaolong@https://www.doczj.com/doc/a26733415.html, Corresponding author biography: JU Weimin (1963— ), male, professor, His research interests are ecology environmental remote sensing and global change. E-mail: juweimin@https://www.doczj.com/doc/a26733415.html, Evaluation of topographic effects on four commonly used vegetation indices ZHU Gaolong 1, 2, LIU Yibo 1, JU Weimin 1, CHEN Jingming 1, 3 1. International Institute for Earth System Science , Nanjing University , Nanjing 210093, China ; 2. Department of Geography, Minjiang University , Fuzhou 350108, China ; 3. Department of Geography , University of Toronto , Toronto , Ontario , Canada M5S 3G3 Abstract: Vegetation Indices (VIs) derived from remotely sensed data have been developed to monitor the Earth’s vegetation cover. However, the topographic influence on VIs is an inevitable issue and is usually neglected in their large scale applications. In this study, the topographic effects on four commonly used vegetation indices, including Simple Ratio (SR), Normalized Difference Vegetation Index (NDVI), Reduced Simple Ratio (RSR), and Modified Normalized Difference Vegetation Index (MNDVI), derived from Landsat TM data over a mountainous forest area are evaluated. Two simple methods, the cosine correction and C-correction models, with different treatments of the influence of the diffused irradiance on reflectance, are used to remove the topographic effects on selected VIs. The results indicate that the reflectance in the Near Infrared (NIR) and Short Wave Infrared (SWIR) bands are more sensitive to topographical variations than that in the red band. Diffused radiance from the sky in the red band can moderate the variations of red band reflectance with topography, while this moderation is weak in the NIR and SWIR bands. The topography affects strongly vegetation indices which are not expressed as band ratios, such as RSR and MNDVI, resulting in negative biases on Sun-facing slopes and positive biases on Sun-backing slopes. As the slope increases, these biases increase rapidly. Therefore, the topographic effects should be carefully removed before using these non-band-ratio vegetation indices for vegetation parameter retrieval. Vegetation indices which are expressed as band ratios, such as SR, NDVI, can greatly reduce the noise caused by topographical variations. However, these indices still include significant topographic ef-fects on steep slopes. SR is more sensitive to topographical variations on steep slopes than NDVI. The C-correction model is much better than the cosine correction model in removing topographic effects on VIs, especially on steep slopes. Key words: vegetation index, topographic effect, topographic correction, band ratio CLC number: TP702 Document code: A 1 INTRODUCTION Vegetation Indices (VIs) derived from remotely sensed data have been widely used for monitoring the Earth’s vegetation at local, regional, continental, and global scales. The VIs have been proved to be better than a single spectral band for estimating the biophysical parameters of vegetation, including leaf area index (LAI), fractional vegetation cover, biomass, and photosynthetic activity (Clevers, 1989; Myneni & Williams, 1994; Chen, et al., 2006). In addition to vegetation changes, there are a number of factors that also influence VIs, including soil background, atmospheric conditions, topography, illumination and viewing geometry, and sensor calibration (LePrieur, et al., 1994; Chen, 1996). These factors very often cause unknown noises in VIs and impact the effectiveness of their applications. A perfect VI should enhance its sensitivity to vegetation change and minimize the noises caused by other factors. Several Soil Adjusted Vegetation Index (SAVI) family indices have been proposed to reduce the influence of soil background (Huete, 1988; Baret & Guyot, 1991; Qi, et al., 1994; Gilabert, et al., 2002). Modified Normalized Difference Vegetation Index (MNDVI) and Reduced Simple Ratio (RSR) which combine the reflectances in the Red, Near Infrared (NIR), and Short Wave Infrared (SWIR) bands are able to reduce the background effects (Nemani, et al., 1993; Brown, et al., 2000). Global Environment Monitoring Index(GEMI) is designed to minimize atmospheric noise (Pinty & Verstrate, 1992). Enhanced Vegetation Index (EVI) can reduce both the effects of atmospheric condition and soil background (Liu & Citation format: Zhu G L, Liu Y B, Ju W M, Chen J M. 2013. Evaluation of topographic effects on four commonly used vegetation indices. Journal of Remote Sensing, 17(1): 210–234
植被指数主要反映植被在可见光、近红外波段反射与土壤背景之间差异的指标，各个植被指数在一定条件下能用来定量说明植被的生长状况。在学习和使用植被指数时必须由一些基本的认识： 1、健康的绿色植被在NIR和R的反射差异比较大，原因在于R对于绿色植物来说是强吸收的，NIR则是高反射高透射的； 2、建立植被指数的目的是有效地综合各有关的光谱信号，增强植被信息，减少非植被信息 3、植被指数有明显的地域性和时效性，受植被本身、环境、大气等条件的影响 一、RVI——比值植被指数：RVI=NIR/R，或两个波段反射率的比值。 1、绿色健康植被覆盖地区的RVI远大于1，而无植被覆盖的地面（裸土、人工建筑、水体、植被枯死或严重虫害）的RVI在1附近。植被的RVI通常大于2； 2、RVI是绿色植物的灵敏指示参数，与LAI、叶干生物量(DM)、叶绿素含量相关性高，可用于检测和估算植物生物量； 3、植被覆盖度影响RVI，当植被覆盖度较高时，RVI对植被十分敏感；当植被覆盖度<50%时，这种敏感性显着降低； 4、RVI受大气条件影响，大气效应大大降低对植被检测的灵敏度，所以在计算前需要进行大气校正，或用反射率计算RVI。 二、NDVI——归一化植被指数：NDVI=(NIR-R)/(NIR+R)，或两个波段反射率的计算。
1、NDVI的应用：检测植被生长状态、植被覆盖度和消除部分辐射误差等； 2、-1<=NDVI<=1，负值表示地面覆盖为云、水、雪等，对可见光高反射；0表示有岩石或裸土等，NIR和R近似相等；正值，表示有植被覆盖，且随覆盖度增大而增大； 3、NDVI的局限性表现在，用非线性拉伸的方式增强了NIR和R的反射率的对比度。对于同一幅图象，分别求RVI和NDVI时会发现，RVI值增加的速度高于NDVI增加速度，即NDVI对高植被区具有较低的灵敏度； 4、NDVI能反映出植物冠层的背景影响，如土壤、潮湿地面、学、枯叶、粗超度等，且与植被覆盖有关； 三、DVI\EVI——差值\环境植被指数：DVI=NIR-R，或两个波段反射率的计算。 1、对土壤背景的变化极为敏感；? 四、SAVI\TSAVI\MSAVI——调整土壤亮度的植被指数： SAVI=((NIR-R)/(NIR+R+L))(1+L)，或两个波段反射率的计算。 1、目的是解释背景的光学特征变化并修正NDVI对土壤背景的敏感。与NDVI相比，增加了根据实际情况确定的土壤调节系数L，取值范围0~1。L=0 时，表示植被覆盖度为零；L=1时，表示土壤背景的影响为零，即植被覆盖度非常高，土壤背景的影响为零，这种情况只有在被树冠浓密的高大树木覆盖的地方才会出现。 2、SAVI仅在土壤线参数a=1,b=0（即非常理想的状态下）时才适用。因此有了TSAVI、ATSAVI、MSAVI、SAVI2、SAVI 3、SAVI4等改进模型。
xx常用绿化植物名录（精品） 一、xx绿化常用xx植物名录： 雪松，龙柏，水杉，香樟，悬铃木，白玉兰，广玉兰，女贞，桂花，槐树，棕榈，木芙蓉，腊梅，海棠，樱花，紫薇，合欢，苦楝，紫叶李，紫红鸡爪槭，三角枫，海桐，十大功劳等，栾树，银杏，喜树，马褂木，臭椿，杜英，中山杉，国槐，黄连木，珊瑚朴，良种刺槐，北美枫香，银荆，兰果树，银木，金丝柳，千头椿水杉，池杉，落羽杉，柳杉，香樟，广玉兰，桂花，紫薇，红枫等主。 彩叶树种: 变红色或紫色xx： 枫香、漆树、鸡爪枫、红栎、火炬树、卫矛、盐肤木等； 变黄色xx： 银杏、栾树、鹅掌楸、梧桐、楸树、榔榆、楠树、金合欢等。 二、xx绿化常用花卉植物名录： 一串红，百日草，凤仙花，鸡冠花，半支莲，麦杆菊，波斯菊，茑萝，长春花，三色堇，矮牵牛，羽衣甘蓝，金盏菊，紫罗兰，褚葛菜，大丽花，菊花，兰花，芍药，八仙花，蜀葵，水仙，百合，郁金香，荷花等。 芳香植物包括薄荷、鼠尾草、香蜂花、柠檬草、百里香、薰衣草等草本植物以及常用的栀子、桂花、腊梅等木本植物。 三、xx绿化常用地被植物名录： 八角金盘，铺地柏,凤尾柏,倭竹,菲白竹,箬竹,洒金东瀛珊瑚，石蒜，葱兰，红花酢浆草，书带草，，蔓长春花，本特草，狗牙根，黑麦草，马蹄金等。 四、xx绿化常用藤本植物名录：
爬山虎，五叶地锦，络石，紫藤，葡萄,金银花，木香,凌霄,常春藤,抚芳藤等。 五、xx屋顶绿化常用植物名录： 调查到的屋顶绿化植物种类97种，几乎均为城市绿地常用绿化植物，其中灌木45种，乔木31种，且多为观赏性较强小乔木，草本和藤本植物21种。 屋顶绿化应用频率较高的植物有桂花、樱花、棕榈、女贞、红枫、珊瑚、垂丝海棠、石楠等乔木植物；杜鹃、红花木、瓜子黄杨、山茶、茶梅、栀子花、金边黄杨、紫薇、云南黄馨、金叶女贞、金丝桃、龟甲冬青、凤尾兰、洒金桃叶珊瑚、南天竹等灌木植物以及佛甲草、花叶蔓长春花、高羊茅等地被植物。 从植物生长情况分析，生长势较好的植物有桂花、樱花、女贞、珊瑚、垂丝海棠、红枫、石楠等乔木；金边黄杨、金叶女贞、红花木、茶梅、山茶、洒金桃叶珊瑚、月季、紫薇、瓜子黄杨、南天竹、杜鹃、黄馨、龟甲冬青、凤尾兰等灌木以及花叶蔓长春花、鸢尾、红花酢浆草、常春藤、高羊茅等地被。 从土层厚度角度进行比较，在乔木应用上具有明显差别。调查结果表明，在土层厚度80cm以上的屋顶绿化中，应用了较多的中小型乔木，如女贞、杜英、白玉兰、桃花、石楠、红叶李、垂丝海棠和红枫等，甚至香樟、广玉兰和榉树等大乔木。而在土层厚度低于80cm的屋顶绿化中，除了栽植石楠、红叶李、红枫、垂丝海棠等规格较小的小乔木外，主要栽植灌木和草本植物。 六、xx近年引种的常用植物名录： 一是大量引进适应上海生长的新奇特优植物，如色彩金黄、芳香宜人、树姿典雅的金合欢花树，目前已在行道树上大面积推广，取得良好效果；再如火把莲、无毛紫露草、斑叶芒等的引进，丰富了花境植物的选择，促进了近年上海花境的发展。二是引进同属不同种植物，作为现有优势品种的更新和补充，如上海的香樟种植非常普遍，但香樟的黄化现象也比较严重，影响了绿地景观。近年来，引进了同为樟属的不同品种如华南桂、猴樟、浙江樟和