下载文档原格式
基于Landsat8 OLI数据提取石河子市建筑用地的一个新方法随着城市化进程的不断加快，城市建设用地的需求也在不断增加。
如何高效利用土地资源，是当今社会面临的一个重要问题。
石河子市作为新疆维吾尔自治区的一个重要城市，近年来的建设用地需求也在不断增长。
在城市规划和土地利用方面，基于遥感技术对建设用地进行提取已成为一种被广泛应用的方法。
本文将基于Landsat8 OLI数据，提出一种新的方法来提取石河子市的建筑用地，为城市规划和土地利用提供一定的参考。
Landsat8 OLI数据是美国国家航空航天局（NASA）于2013年发射的卫星数据，其空间分辨率为30米，光谱范围从紫外线到近红外范围，具有广泛的应用价值。
针对石河子市建筑用地提取的问题，本文将基于Landsat8 OLI数据，结合光谱信息和空间信息，提出一种新的方法来进行建筑用地的提取。
我们需要获取Landsat8 OLI数据，并对数据进行预处理。
Landsat8 OLI数据通常以遥感影像的形式提供，包括多个波段的光谱信息。
我们需要对影像进行大气校正和辐射定标处理，以消除大气、云、阴影等因素对图像的影响，同时将影像的反射率转换为地表辐射率。
这样处理后的影像更加符合实际地物的光谱特征，有利于后续的建筑用地提取。
我们还需要对影像进行几何校正，消除由于卫星轨道、姿态等因素造成的几何失真，确保影像的空间信息准确可靠。
接着，我们对预处理后的Landsat8 OLI影像进行特征提取。
在建筑用地提取中，光谱信息和空间信息都起着重要的作用。
我们可以利用影像的光谱信息，包括不同波段的反射率和光谱特征，来识别建筑用地的光谱特征。
我们还可以利用影像的空间信息，包括纹理特征、形状特征等，来识别建筑用地的空间分布特征。
通过对影像的特征提取，我们可以得到不同波段下建筑用地的光谱特征和空间特征，为建筑用地的提取奠定基础。
然后，我们将利用特征提取的结果，结合分类算法进行建筑用地提取。
《基于Landsat 8 OLI卫星影像的乌梁素海悬浮物和叶绿素a浓度遥感反演研究》篇一一、引言随着遥感技术的飞速发展，利用卫星影像对地表环境和生态系统的监测变得愈加准确和便捷。
其中，基于Landsat 8 OLI卫星影像的数据资源在湖泊环境研究中发挥了重要作用。
乌梁素海作为我国北方的一个典型内陆湖泊，其水质变化和生态环境状况受到了广泛关注。
因此，本文以乌梁素海为研究对象，利用Landsat 8 OLI卫星影像数据，探讨其悬浮物和叶绿素a浓度的遥感反演方法。
二、研究区域与方法（一）研究区域乌梁素海位于我国北方某省，是典型的内陆湖泊。
该湖泊的生态环境和水质状况对周边地区具有重要影响。
（二）研究方法本研究主要利用Landsat 8 OLI卫星影像进行反演研究。
首先，收集乌梁素海区域的多时相Landsat 8 OLI卫星影像数据；其次，对卫星影像进行预处理，包括辐射定标、大气校正等；然后，通过分析水体光谱特征，建立悬浮物和叶绿素a浓度与卫星影像特征参数之间的数学模型；最后，利用模型对乌梁素海进行遥感反演，获取悬浮物和叶绿素a浓度的空间分布情况。
三、数据处理与分析（一）数据预处理对收集到的Landsat 8 OLI卫星影像进行辐射定标和大气校正等预处理操作，以提高数据质量。
（二）光谱特征分析通过分析乌梁素海水体的光谱特征，发现水体中的悬浮物和叶绿素a对不同波段的光具有不同的反射和吸收特性。
其中，蓝色波段对叶绿素a的吸收较强，而红色和近红外波段对悬浮物的反射较为敏感。
（三）数学模型建立根据水体光谱特征分析结果，建立悬浮物和叶绿素a浓度与卫星影像特征参数之间的数学模型。
本研究采用多元线性回归方法建立模型，通过分析不同波段的光谱信息与悬浮物和叶绿素a 浓度的关系，确定模型的参数。
（四）遥感反演与结果分析利用建立的数学模型对乌梁素海进行遥感反演，获取悬浮物和叶绿素a浓度的空间分布情况。
通过对反演结果的分析，发现乌梁素海不同区域的悬浮物和叶绿素a浓度存在较大差异，这与该地区的气候、植被和水质等因素密切相关。
CASE区域治理按照标准要求做好军工产品质量保证大纲编制工作海装广州局驻昆明地区第一代表室 张正彬，杨继民摘要：本文阐明了军工产品承制单位编制质量保证大纲的必要性，并就如何按照标准要求编制质量保证大纲，以及编制过程中的注意事项进行了探讨，对军工产品承制单位做好质量保证大纲编制工作具有一定的借鉴意义。
关键词：军工；产品；质量中图分类号：F253.3 文献标识码：A 文章编号：2096-4595（2020）29-0199-0002一、概述《GJB9001C-2017质量管理体系要求》中明确提出：“组织应编制并实施质量计划（或质量保证大纲），质量计划（或质量保证大纲）”，当前军工产品订货合同的质量保证条款中也普遍提出“应依据《GJB1406A-2005产品质量保证大纲要求》编制质量保证大纲并确保其有效贯彻落实”的要求。
鉴此，军工产品承制单位应加强对质量保证大纲编制的学习研究，并确保编制的质量保证大纲得到有效的贯彻落实，以确保产品质量，增强顾客满意。
二、大纲编制的主要内容（一）编制依据质量保证大纲的编制依据主要有：与产品有关的法令、法规、相关标准和《GJB1406A-2005产品质量保证大纲》的要求；合同、研制任务书及顾客提出的质量保证要求；组织的质量方针、质量目标和质量管理体系文件；产品研制、生产计划和相关资源；承制单位自身的质量管理体系文件和其他相关的计划等。
（二）适用范围质量保证大纲的适用范围一般包括：所适用的产品或特殊的限制；所适用的合同范围；所适用的阶段（研制或生产）。
适用范围不同，编制的质量保证大纲也会有所差别，比如：《XX合同质量保证大纲》《XX产品生产质量保证大纲》等。
（三）质量工作原则与质量目标质量保证大纲中要制定相关的质量工作总原则，一般应包含产品质量工作总要求、技术上应用或借鉴其他产品的程度、采用新技术的比例、技术状态管理的要求、设计的可制造性等质量工作原则，还应包括经过细化、量化的质量目标，以对产品或合同规定的质量特性满意程度进行监测与检查。
Landsat8卫星包含OLI（Operational Land Imager 陆地成像仪）和TIRS（Thermal Infrared Sensor 热红外传感器）两种传感器。
OLI包括了ETM+的所有波段，为了避免大气吸收部分特征，OLI对波段进行了重新调整，比较大的调整：
1、OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；
2、OLI全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；
3、新增两个波段：海蓝波段(band 1; 0.433–0.453 μm) 主要应用海岸带观测；短波红外波段，又称卷云波段(band 9; 1.360–1.390 μm) 包含水汽强吸收特征，可用于云检测；
4、近红外band5和短波红外band9与MODIS对应的波段更加接近。
表1Landsat7 Landsat8卫星对比
表3：Landsat TM波段合成总结说明
Landsat8波段组合图示：
432波段合成真彩色图像，接近地物真实色彩，图像平淡，色调灰暗
543波段合成标准假彩色图像，地物色彩鲜明，有利于植被（红色）分类，水体识别
564波段合成非标准假彩色图像，红外波段与红色波段合成，水体边界清晰，利于海岸识别；植被有较好显示，但不便于区分具体植被类别
765对大气层穿透能力较强，例如图像中红色方框内云的影响明显减少
652植被类型丰富，便于植被分类
654便于植被分析。
步骤一：我下载的是Landsat8OLI数据。
首先在ENVI中分别打开第2-第7波段的影像。
步骤二：对波段进行合并。
通过File—>Save File As—>ENVI Standard操作可进行合并操作，弹出New File Builder窗口，将Band2-Band7导入，并调整波段顺序，保存为名为merge的文件。
将Band2-Band7导入
调整波段顺序
导出
步骤三：更改波段名称，以便于后续操作。
在File—>Edit ENVI Header中编
辑头文件，更改波段名称。
步骤四：波段统计。
在Basic Tools—>Statistics—>Compute Statistics中可计算波段的均值、标准差、相关系数等，并将统计结果保存为txt文件。
步骤五：将txt 文件导入Excel 中，计算OIF 值并分析结果。
表1中展示了2-7波段的均值、标准差与相关系数。
由表1可得：第2和第7波段与其他波段的相关性是里面最弱的，这表明这两波段与其他四个波段中的某一个波段将会是一个很好的波段组合。
另一方面，第6和第7波段的标准差最大，表明他们可能是一对很好的组合。
表2显示了由2-7波段构成的20种组合所求得的OIF 值。
OIF 值最高的为第5、第6和第7波段的组合，该组合的标准差之和也是最大的。
由OIF 值得到的第二佳的波段组合为第4、6、7
波段。
表1各波段的均值、方差及相关系数
彩色合成后的影像如下图所示：。
Landsat 8 OLI_TIRS 卫星数字产品波段介绍2013 年2月11日，美国航空航天局(NASA) 成功发射Landsat-8卫星。
Landsat-8卫星上携带两个传感器，分别是OLI陆地成像仪（Operational Land Imager）和TIRS热红外传感器（Thermal Infrared Sensor）。
Landsat-8 在空间分辨率和光谱特性等方面与Landsat 1-7保持了基本一致，卫星一共有11个波段，波段1-7，9-11的空间分辨率为30米，波段8为15米分辨率的全色波段，卫星每16 天可以实现一次全球覆盖。
OLI陆地成像仪有9个波段，成像宽幅为185x185km。
与Landsat-7 上的ETM 传感器相比，OLI陆地成像仪做了以下调整：1. Band 5的波段范围调整为0.845–0.885 μm，排除了0.825μm处水汽吸收的影响；2. Band 8全色波段范围较窄，从而可以更好区分植被和非植被区域；3. 新增两个波段。
Band 1蓝色波段(0.433–0.453 μm) 主要应用于海岸带观测，Band 9短波红外波段(1.360–1.390 μm) 应用于云检测。
LandSat-8上携带的TIRS热红外传感器主要用于收集地球两个热区地带的热量流失，目标是了解所观测地带水分消耗。
Landsat TM （ETM+）7个波段可以组合很多RGB方案用于不同地物的解译，Landsat8的OLI陆地成像仪包括9个波段，可以组合更多的RGB方案。
OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；OLI 全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段(band 1; 0.433–0.453 μm) 主要应用海岸带观测，短波红外波段(band 9; 1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近，详情参考表3。
oli影像各个波段的设置及用途
1. 蓝色波段：常用于地形、水文、城市及农业等领域的分析，如水体识别、城市建设监测、农业生长监测等。
2. 绿色波段：常用于植被覆盖度和植被类型的识别，具有很好的植被区别能力。
3. 红色波段：常用于植被健康监测和土地利用分类等领域。
红色波段的数值可以通过对比植物不同阶段的红外辐射值来分析植物是否健康。
4. 近红外波段：该波段主要用于植被健康监测和土地分类。
5. 短波红外波段：常用于土地利用分类、植被健康监测以及水文与环境监测等领域。
6. 地面温度：利用赤外波段能够解释的地物表面温度信息，可以进行海洋、土地、气候等领域的研究。
7. SWIR波段：主要用于检测矿物、民用及军事工程等方面。
能够对地面上的人工结构如建筑物、道路等进行识别。
8. TIRS波段：通过光学探测地表温度，来构建更加准确的地表温度分布模型。
主要用于农业、水文和区域环境监测等领域。
高光谱图像处理中的波段选择算法研究一、概述高光谱图像处理是指在高光谱成像过程中，通过对图像数据进行处理和分析，揭示出样本的光谱特征，从而实现对样本进行分类、识别和定量分析的一种手段。
其中，波段选择算法是高光谱图像处理中的关键技术之一，它能对原始图像进行预处理，提取出最具代表性的波段信息，从而简化数据处理的复杂度，提高数据处理的准确度和效率。
二、波段选择算法的分类波段选择算法是高光谱图像处理的重要技术之一，它可以选出最具代表性的波段信息，消除冗余信息，从而减少数据处理的复杂度和提高处理效率。
根据其处理思想和实现方式，波段选择算法可分为以下几类：1. 无监督的波段选择算法无监督的波段选择算法是指在处理高光谱图像数据时，不需要外部信息的参与，其主要任务是从原始数据中挑选出最具代表性的波段信息。
常见的无监督波段选择算法包括PCA、ICA、NMF 等。
其中，PCA是最为常见的一种无监督波段选择算法，其主要作用是对原始数据进行降维，去除冗余信息。
PCA的实现步骤主要是通过对数据的协方差矩阵进行特征值分解，从而得到数据的主成分，然后把主成分作为新的数据信息进行处理。
2. 监督的波段选择算法监督的波段选择算法是指在处理高光谱图像数据时，根据预定义的分类信息，选择出最具代表性的波段，在此基础上进行更为精细的数据处理。
常见的监督波段选择算法包括LDA、LOGD、SVM等。
其中，LDA是监督波段选择算法中最为经典的算法之一，其主要作用是将原始数据降维，从而减轻数据处理的复杂度。
LDA的实现步骤主要是通过计算每个样本在原始数据中的投影向量，从而确定各个波段的权重，然后把不同波段的权重作为新的数据信息进行处理。
三、波段选择算法的实现原理不同类型的波段选择算法，在实现原理方面均有所特异。
下面，以PCA为例，分别介绍波段选择算法的具体实现原理和流程。
1. PCA算法的实现原理PCA属于无监督式的波段选择算法，其主要作用是通过对原始样本特征进行变换，降低数据的维度，并使得新的样本特征最大化地保留原有特征的信息。
Landsat8不同波段组合说明
Landsat TM （ETM+）7个波段可以组合很多RGB方案用于不同地物的解译，Landsat8的OLI陆地成像仪包括9个波段，可以组合更多的RGB方案。
OLI包括了ETM+传感器所有的波段，为了避免大气吸收特征，OLI对波段进行了重新调整，比较大的调整是OLI Band5(0.845–0.885 μm)，排除了0.825μm处水汽吸收特征；OLI 全色波段Band8波段范围较窄，这种方式可以在全色图像上更好区分植被和无植被特征；此外，还有两个新增的波段：蓝色波段(band 1; 0.433–0.453 μm) 主要应用海岸带观测，短波红外波段(band 9; 1.360–1.390 μm) 包括水汽强吸收特征可用于云检测；近红外band5和短波红外band9与MODIS对应的波段接近，详情参考表3。
如表1是国外公布的OLI波段合成的简单说明。
表2是前人在长期工作中总结的Landsat TM（ETM+）不同波段合成对地物增强的效果。
对比表3，可以将表1和表2的组合方案结合使用。
表1：OLI波段合成
图1：数据管理面板
图2：7、6、4，水体和植被得到了增强
图3：6、5、2，裸地得到增强，可以与有作物的耕地区分
图4：5、6、2，植被呈现不同颜色
图5：6、5、4，植被非常鲜艳，植被和非植被区很好的区分。
基于OLI图像多特征的最佳波段选择研究毛双双吴英广西大学林学院摘要：本文在对研究区OLI原始9波段进行基本统计的基础上，对研究区OLI数据进行植被指数提取、主成分分析、缨帽变换和最小噪声分离，衍生出14个特征波段，加上原始OLI图像9波段（共23个波段）作为研究数据基础，采用对研究区桉树、水域、裸地、马尾松、杉木和其它混交林不同地物进行分别采点研究方法，获取不同地物各波段地物光谱特征图，结合衍生波段特征量和OIF指数评价综合分析获取研究区主要植被识别能力最佳波段。
关键词：OLI；地物光谱曲线；OIF指数；最佳波段选择1研究内容以Envi、Arcgis、Excel、IDL为主要数据处理平台，2013年OLI 遥感图像为数据源，结合林业调查相关数据资料，重点对广西高峰林场界牌分场林区速生桉等主要地物进行波段最优择选技术研究。
研究内容主要如下：（1）统计分析研究区OLI遥感数据主要地物类型光谱特征。
（2）计算OIF指数，讨论最优分类波段组合。
2数据收集本研究主要遥感数据源为OLI影像，另外，高峰林场林业调查规划设计队为本研究提供了年高峰林场二类调查数据，包括小班矢量图层（shp）和小班属性数据库（dbf）。
3实验方法3.1OLI波段统计分析3.1.1植被指数植被指数是一种涉及两个或多个地物反射率的波段组合运算，它目的是突出植被某些细节特征。
是遥感植被分析的基础。
本文分别选择归一化植被指数（NDVI）、比值植被指数（RVI）、垂直植被指数（PVI）、土壤调节植被指数（SAVI）和差值植被指数（DVI）。
该5种植被指数可用ENVI中“Band Math”模块提取。
3.1.2主成分分析主成分分析（PCA）是一种有效压缩波段的方法。
目的是减少数据量、综合波段主要成分、增强图像信息。
ENVI中进行主成分分析后前3主成分分量包含了原始波段信息量的99.98%，其他主成分分量信息量很少，主要是噪声。
所以用前3主成分分量替代原波段信息，能实现数据压缩，并且只损失信息量。
3.1.3缨帽变换缨帽变换（Tasseled Cap）是把N波段遥感图像看成N维空间，其中一个像元对应空间中某一点，点的位置取决于像元在各波段上相应数值。
经缨帽变换后，可得到与原始图像波段数相同的分量。
遥感研究中常使用前三分量，即土壤亮度（BI）、绿度（GVI）和湿度（WI）。
3.1.4最小噪声分离最小噪声分离（MNF）目的是改善主成分变换后图像主要分量信噪比对地域选择敏感的缺点。
ENVI中“Estimate noise statis⁃tics From Data”工具可对研究区OLI数据进行处理。
MNF变换后各分量特征根按照信噪比递减排序，信噪比小的分量图像噪声点多，对地物表达能力差。
前三分量信息累积量占原图像82.15%，用它们替代原图像能隔离噪声，增强图像信息表达。
为方便说明，将前文提取的14个特征波段及原始波段整合并重新编号，1至23序号分别对应DVI、NDVI、PVI、MSVI、RVI、MNF1、MNF2、MNF3、BI、GVI、WI、PC1、PC2、PC3、OLI1、OLI2、OLI3、OLI4、OLI5、OLI6、OLI7、OLI8、OLI9。
3.2波段组合分析多光谱数据最佳波段组合分析优点是能确定有效而不冗余的波段参与分类。
进行波段选择时要考虑3个原则[2]：①所选波段组合信息量要大，即组合波段的均方差和尽可能大；②所选波段相关系数要尽可能小；③所选波段组合对目标地物可分性好。
基于以上原则考虑，最优波段组合选取有两种方式：一种是定性选取，是研究者根据自己已有专业知识和经验主观地选择波段进行组合的方式；第二种方法是定量选取，根据不同数学指标对各波段组合进行评价，从中选择评价指数最高的波段组合。
本研究对波段选取方法拟采用定性定量综合考虑方式。
3.2.1主要地物光谱特征此次研究区内将选定种主要地物类型进行光谱特征解读，分别是：裸地、水域、速生桉林、马尾松林、杉木林和其它混交林。
研究方法是样点采集平均法。
具体做法：结合、地形图在已配准的研究区影像上采集典型地物样本区建立ROI，样本点数为：裸地（401）、水域（160）、桉树（600）、杉木林（202）、马尾松林（233）、其它林（246）。
并求算主要地物的各波段DN均值。
EN⁃VI统计后各地物光谱特征曲线见图1。
由图1可知，2、5、6、7、8可分性最差，4、10、15、16、17、18、22、23可分性一般，1、14对水域、裸地、有林地可分性能力较好；3、9、11、12、13、19、20、21对各个地类可分性都较好。
综合分析，可选取DVI、PVI、BI、WI、PC1、PC2、PC3、OLI4\5\6\7进行定量波段组合选优分析。
3.2.2OIF指数分析最佳指数法（OIF）计算简单、操作方便，是常用的最优波段组合定量选取法。
原理为波段组合信息量与波段间相关性成反比，与波段标准差成正比。
将OIF值按降序排列，值越大则波段组合包含信息量越大，波段组合越优。
针对上文选取的11个波段，利用ENVI IDL编写最佳波段组合指数计算程序，用以实现多光谱图像OIF指数高效率计算，计算OIF值排序为：PC1\PC2\PC3（2.04×1013）>BI\PC2\PC3（1131892.8）>WI\PC2\PC3（930218.2）>PC2\PC3\OLI5（79855.8）>BI\PC1\PC2（24170.6）>图1主要地物光谱响应曲线DOI:10.16767/ki.10-1213/tu.2018.06.189250BI\PC1\PC3（22943.5）>DVI\PC2\PC3（22449.5）>PC1\PC3\OLI6（21804.5）>PC1\PC3\OLI5（21500.1）>DVI\PC1\PC3（21069.3）> PC1\PC2\OLI6（20399.7）>PC1\PC2\OLI6（20390.7）> PC1\PC3\OLI7（19639.1）>PVI\PC1\PC3（19191.1）>PC1\PC2\OLI4（19072.3）>PC1\PC2\OLI5（18500.9）>PVI\PC2\PC3（18051.8）> BI\PC3\OLI5（18051.7）>BI\PC3\OLI6（17468.3）>BI\PC3\OLI6（17216.4）。
由排序可知，PC3\PC2\PC1波段组合效果最好。
该组合波段间相关系数小且包含信息量大，是最优波段组合。
据John.Jen⁃sen波段优化有关理论，最佳波段组合普遍由1个可见光波段（OLI2、OLI3、OLI4为一组），1个中红外波段（OLI6、OLI7为一组）和OLI5波段组合而成，这样合成的假彩色图像有助于人工目视解译。
综合以上定性、定量波段组合选优分析，最终确定分类波段组合为PC3\PC2\PC1\OLI6\OLI5\OLI4，共六波段。
4结论通过对原始图像进行特征波段衍生，和不同地物分别采点的研究方法以及OIF指数排序表发现，PC3\PC2\PC1波段组合效果最好，是各地物识别能力最佳的组合；而John.Jensen波段优化有关理论指出，最佳波段组合普遍由1个可见光波段（OLI2\OLI3\OLI4），1个中红外波段（OLI6\OLI7）和OLI5波段组合而成，根据以上研究和遥感分类经验可知OLI6\OLI5\OLI4为最佳波段，即PC3\PC2\PC1\OLI6\OLI5\OLI4为本文各地物识别能力最优波段选择，最适用于不同地物可分性研究。
参考文献：[1]童庆喜.高光谱遥感的多学科应用[M].北京：科学出版社, 2006.[2]戴昌达.遥感图像应用处理与分析[M].北京：清华大学出版社,2010.物而言，则要长出更多嫩芽；对于已经存在病虫害问题的树苗，要将问题树枝修剪掉，并且及时销毁；对于修剪之后出现较大伤口的树苗，可以在选择涂抹保护剂，为后期树苗的健康生长提供支持。
4.5改良土壤园林绿化施工过程中，土质检验与分析是必不可少的一个环节，该试验主要是对土壤的成分、酸碱度以及pH值展开分析，实际栽培之前需要对土壤样品进行消毒，并且施加基础肥料，保证植物栽培之前，土壤的pH值、盐碱度都能够符合规定要求[4]。
按照土壤成分试验检测最终结果，在园林工程中栽培合适的植被，全面提高存活率。
完成栽培之后，定期进行松土、除草工作，在园林工程内创造一个良好的生长环境。
5园林绿化和植物养护启示园林绿化工程主要试讲园林设计人员的设计理念转变为更加具体的景观。
若想获得最理想的设计成果，必须要按照施工图纸严格施工，园林绿化施工期间，按照树苗生长习性，制定养护方案，确保苗木成活量。
一方面可以获得预期绿化效果，另一方面也为今后的园林绿化养护工作奠定了扎实的基础[5]。
园林绿化施工期间，植物养护工作涉及到方方面面，养护管理在开展的过程中，其目的在于实现苗木的健康生长，全部完成绿化施工后，组织相关人员针对绿化植物展开养护工作，这是苗木成活的重点。
如果园林绿化工程质量得到保证，然而绿化养护管理却不到位，也会为园林绿化工程景观呈现效果带来一定的影响。
鉴于此，一般会在结束园林绿化工程后，组建专门的养护管理团队，具体负责园林绿化工程的后期维护、苗木的病虫害的治理等。
6结束语综上所述，园林绿化工程是城市景观建设的重要内容，具有改善城市环境以及空气质量的作用。
园林绿化施工现场管理及植物养护工作的顺利进行，一方面有利于保证园林工程质量，另一方面则为美化城市发挥了重要作用。
参考文献：[1]周天恩.园林绿化施工现场管理解析[J].建材与装饰, 2015(35):165～166.[2]龙妮娜.剖析园林绿化施工现场管理浅谈成本控制[J].建筑工程技术与设计,2016(16):3663.[3]封传俊.浅谈现代园林绿化施工现场管理模式[J].城市建设理论研究（电子版）,2012(20).[4]罗渝.园林绿化施工现场管理存在的问题及措施[J].建筑工程技术与设计,2016(31):2150.[5]孙百刚.城市园林绿化施工现场管理[J].城市建设理论研究（电子版）,2013(28).3.3工厂环境建设大家是否认为建设混凝土搅拌站的选址理所应当地应该选择荒无人烟的地方呢？这个想法是不正确的，虽说远离了人们的居住地，但是废弃物也会随着生产的进行越变越多的，下雨或是其他自然因素，会使污染带入河流，同时，周围空气也会逐渐恶化，甚至会扩越来越远。
所以工厂要想建设真正绿色的搅拌站，就应该对工厂周围的环境进行绿化处理，植树啊等等措施，提升自然环境净化的能力，这样一来，不仅污染的净化速度会很快，而且还能提供良好的新鲜空气，将工厂美化了。
