基于“3S”技術的“安苓”道地生境提取

田羅+周文佐+何萬華+倫丹+劉東紅

[摘要] “逆境”是道地中藥材藥理成分形成的主要原因之一，“逆境”提取是中藥材估產、質量監測、培植區位選擇以及道地性保護的前提。該研究結合3S（GIS，RS，GPS）技術，耦合“安苓”多源關鍵生態因子信息，首次利用生物間寄生關系，并對隨季節顯著變化的氣溫條件進行了季節細分，提取寄生種藥材——“安苓”的“逆境”區。結果顯示，“安苓” 主要分布在大別山山區，適宜區面積達36.8 km²，岳西、舒城、金寨、潛山4縣占“安苓”總適宜區面積的93.55%，又尤以岳西、舒城、金寨3個縣為主，占安徽茯苓適宜區總面積的80.82%，其中岳西縣適宜區面積最大，占到了總適宜區的1/3以上。其與已有的調查估算結果具有高度的一致性，驗證精度達91.67%，證實了利用3S技術結合藥材關鍵非生物生態因子和寄生宿主信息提取寄生種中藥材的可行性。

[關鍵詞] 安苓； 茯苓； 3S技術； 逆境； 道地生境； 道地藥材

[Abstract] "Adversity" is one primary element that impacts the pharmacology components of authentic Chinese herbal medicine. Knowledge about "adversity" is a precondition of yield estimation， quality monitoring， location selection and the geo-herbalism protection. Used 3S（GIS， RS and GPS） technology to combine multi-source key ecological factors of "Anling"， and used parasitic relationships between organisms to extracting its suitable region for the first time. Results showed that the "Anling" were mainly distributed in Dabie coteau. Suitable area amount to 36.8 km²， Yuexi， Shucheng， Jinzhai and Qianshan which account for about 93.55% of whole congenial region. The first three accounts for about 80.82%. It was Yuexi that account for 1/3 above especially. Field investigation verify accuracy of extraction about 91.67%， which has confirmed it is feasible that using the relationship between parasitic host and parasitic to extract native environment of parasitic traditional medicine based on 3S technology.

[Key words] Anling； Poria cocos； "3S" technologies； adversity； Dao-di habitat； geo-authentic crude drug

2015年12月國務院發布的《中國的中醫藥》白皮書中指出中醫藥的傳承與發展就要“促進中藥產業的快速發展”，要通過出臺法律法規、建立自然保護區、人工培育和野生撫育等多種手段確保中藥材的道地性，扭轉道地藥材異地無序種植的現狀。中藥材具有顯著的地域性，空間特征和地理環境對中藥材的品質形成起著決定作用，即藥用動植物的“逆境效應”[1-2]。對藥用植物的“逆境”提取是中藥材調查的一個重要方面，是中藥材合理利用和保護的首要問題，也是藥用植物物種多樣性和生態環境可持續發展研究的一個重要方向[3-4]。自21世紀初，3S技術以其快速、機動、準確、可靠和集成的特點在藥用植物資源調查、適宜性區劃、蘊藏量估算等方面逐步展開應用[5-6]。彌補了人工調查的費時費力、主觀性大、準確性低、實時性差等弊端[7]，在生境提取、生境區劃、產量估算、動態變化演變等方面取得了一系列具有現實意義的成果[8-13]。

張自力等[8]利用RS技術，結合專家知識提取新疆芍藥適宜區，經過實地采樣驗證，精度達85%以上，證實了利用RS技術提取大面積藥種的可行性。陳士林等[9]利用不同空間分辨率的遙感數據源實現了人參資源調查，并探討了遙感數據空間分辨率對于提取精度的影響，為藥種資源調查的數據選擇提供了有益參考。劉金欣等[10]結合3S技術和野外抽樣調查建立了不同生境中的黃芩儲量估算模型，表明結合3S技術和樣點數據進行藥種估產的可能性。陳士林等[11]探討了地理信息系統在中藥區劃中的優勢和關鍵技術。鄭開顏等[12]結合GIS的空間分析功能和氣象站點數據對貴州省艾納香生境進行了適宜性區域分級，得到了各級適宜性區域的面積信息。孫宇章等[13]利用RS和GIS技術實現了江蘇邳州市銀杏資源的動態變化檢測。從已有研究來看：對于中藥材的適宜性分析很多，形成了一個比較成熟的方法體系[3]。但多為大面積的栽培或野生種，對于以寄生方式存在的藥種卻鮮有報道。盡管在一些研究中提出了結合伴生種提取寄生種藥材適宜區的概念[3，14]。假設藥種的各生態因子適宜范圍伴隨藥種植物自萌發到成熟整個過程，未對藥材各關鍵物候期進行生態因子適宜范圍的細分，尤其是伴隨季節變化顯著的氣候因子。

茯苓為我國傳統常用中藥材，是一種多孔菌科真菌茯苓Poria cocos （Schw.） Wolf的干燥菌核[15]，具有利水滲濕，健脾和胃，寧心安神等功效[16]，在常用的中醫方劑中，茯苓的配比率高達70%，有“十藥九茯苓”的說法[17-18]。茯苓中的三萜類和多糖類化學成分具有良好的抗腫瘤、調節免疫、抗衰老等方面的藥理活性，一直是國內外學者研究的重點[19-21]。野生茯苓多寄生于赤松、馬尾松、云南松等松屬植物較老的根部[16]。據研究，因大量砍伐森林，野生茯苓僅云南麗江可見，數量極少[22]。藥用茯苓主要依靠栽培種植，到明代中期就已經形成了安徽、湖北、河南三大培植產區[16，23]。在安徽被稱為“安苓”，是我國茯苓道地產區之一[16]。本研究利用“3S”技術耦合“安苓”多源生態因子信息，提取“安苓”道地生境信息。研究對于“安苓”培植區位選擇、提高培植產量和質量、構建“安苓”GAP基地具有現實的指導意義。同時也提供了一種結合伴生關系提取寄生種的研究思路。

1 研究區概況

安徽省29°41′—34°38′ N，114°54′—119°37′ E，東西寬約450 km，南北長約570 km，土地面積13.94×10⁴km²，占全國的1.45%。地形地貌由淮北平原、江淮丘陵、皖南山區組成。氣候上屬暖溫帶與亞熱帶的過渡地區，年均氣溫為14～17 ℃，年均降水量約773.0 ～1 670.1 mm，年日照時數在1 800～2 500 h[24]。土壤以黃棕壤、暗黃棕壤、黃紅壤、黃褐土等為主。植被類型包括溫帶、亞熱帶針葉林，亞熱帶山地針葉林，亞熱帶常綠闊葉林和暖溫帶落葉闊葉林[25]。全省已查明的中藥材達3 578種，其中藥用植物2 904種，中藥材種植面積達6萬 hm²。擁有國內規模最大的藥材專業市場亳州中藥材交易中心，僅該中心日上市量就達6萬 t，年交易額達100億元[26]。

2 方法

研究主要涉及數據包括安徽省行政區劃矢量數據，來源于安徽省測繪局；安徽省高程數據DEM，來源于USGS，空間分辨率為30 m×30 m；安徽省氣象柵格數據[27-28]來源于國家生態系統觀測研究網絡科技資源服務系統，空間分辨率為1 000 m×1 000 m；1∶100萬植被類型數據，來源于中國科學院資源環境科學數據中心；安徽省1∶400萬土壤pH和沙粒含量分布數據，來源于中國土壤數據庫；安徽省土壤表層（5～20 cm）含水量數據，來源于ISMN（International Soil Moisture Network，http：//ismn.geo.tuwien.ac.at/ismn/），空間分辨率為1 000 m×1 000 m。GPS樣點數據選擇根據已有調查和研究成果確定。

本研究結合已有研究成果、文獻查閱和野外實地考察結合的方式確立“安苓”各關鍵非生物生態因子生態幅，包括地形地貌、氣候因子和土壤因子。利用ArcGIS 10.2提取“安苓”各非生物生態因子適宜區，通過疊加提取“安苓”的非生物環境適宜區。宿主松林分布信息提取以Landsat 8 OLI為數據源，將野外松林樣方數據隨機分為2組（Ⅰ和Ⅱ），Ⅰ組數據作為松林聚類的訓練樣本，Ⅱ組數據作為松林提取結果精度驗證數據。為準確提取松林，研究結合Google Earth高分辨率遙感影像對松林聚類結果進行了手動修正。在此基礎上，利用ArcGIS的疊加分析功能實現“安苓”適宜區提取并通過GPS實測樣點數據驗證“安苓”適宜區提取精度，流程見圖1。樣點分布見圖2，部分樣點各關鍵非生物生態因子信息見表1。

3 結果及分析

3.1 地形地貌適宜區提取

3.1.1 海拔適宜區提取 研究通過查閱已有研究成果、文獻資料和實地樣點數據確立“安苓”的高程適宜區。於小波[22]、邢博[18]、王珍[29]對于我國茯苓的采樣結果顯示茯苓的適宜海拔分別為265.4～1 396，615～3 200，696～830 m?！吨腥A本草》中確立為600～1 000 m，幾者對于茯苓高程適宜區的不同界定可能是由于不同區域茯苓對生境的適應所引起的。結合GPS“安苓”樣點的實測數據，最終確定“安苓”高程適宜范圍為260.3～1 396.7 m。通過ArcGIS提取“安苓”高程適宜區，見圖3。

3.1.2 坡度適宜區提取 楊俊杰[15]、於小波[22]、王星星[30]研究指出茯苓坡度適宜范圍分別為15～30°，10～30°，20～45°?！吨腥A本草》確定為10～35°。結合野外采樣數據，最終將“安苓”坡度適宜區確定為10～30°。通過ArcGIS利用安徽DEM數據計算坡度并提取“安苓”坡度適宜區，見圖4。

3.1.3 坡向適宜區提取 坡向一方面影響著一地的日照時數，尤其是在山地丘陵地區，進而影響土層溫度來影響茯苓生長；另一方面也通過影響土層水分含量來影響茯苓生長。已有研究成果[15，31]和《中華本草》中均指出茯苓多生長在背風向陽區域，研究結合調查結果確定“安苓”適宜坡向為東、東南和南坡。利用ArcGIS計算坡向信息并提取“安苓”坡向適宜區，見圖5。

3.2 氣候適宜區提取

3.2.1 氣溫適宜區提取 無論是茯苓的生長還是收獲、加工，溫度都是一個重要的生態因子[32]。王珍等[29]研究指出茯苓菌絲在35 ℃以上易老化，低于10 ℃則生長十分緩慢，0 ℃以下菌絲處于休眠狀態。鄧芳席[33]試驗表明“茯苓菌絲體在10～35 ℃均能生長。最適生長溫度為25～30 ℃”。於小波[22]對中國茯苓主要產區的茯苓資源調查顯示，絕大部分茯苓的溫度生態幅在12.5～16.4 ℃?！吨腥A本草》中記錄茯苓“孢子22～28 ℃萌發，菌絲18～35 ℃生長，于25～30 ℃生長迅速，子實體在18～26 ℃分化生長并能產生孢子”。值得注意的是，藥用植物在各個生長發育階段的生態幅有顯著不同，因此對氣候因子尤其是隨季節變化而顯著變化的氣溫條件進行季節細分是必要的。王珍等[29]基于樣點的茯苓生態因子統計指出，茯苓適宜區1月平均溫度在0.95～11.6 ℃，7月平均溫度在20.91～26.39 ℃，年平均氣溫在18.1～24.7 ℃。研究結合研究區內的調查數據，確定“安苓”的溫度生態幅為：1月均溫0.95～11.6 ℃，7月均溫20.91～26.39 ℃，年均溫12.5～16.4 ℃。利用ArcGIS提取“安苓”1月、7月和年際均溫適宜區并進行疊加分析得到“安苓”的溫度適宜區，見圖6。

3.2.2 日照時數適宜區提取 有研究[33]表明茯苓菌絲生長對光照條件不敏感，也有研究[34]指出“沒有直射光線照射的地方不能栽培茯苓”?？紤]到日照一方面影響著一地的土層溫度和氣溫，從而對寄生在松屬植物根部20～30 cm深土層中的茯苓產生影響。另一方面也通過影響土壤水分蒸發而間接影響土壤透氣性能，因此本研究認為日照仍然是茯苓生長的一個重要生態因子。王珍[29]的統計結果顯示茯苓的日照生態幅為1 400～2 296 h，於小波[22]調查結果為1 303.5～2 139 h。結合實地調查數據，確定“安苓”日照時數生態幅為1 400～2 139 h。利用ArcGIS提取日照時數適宜區，見圖7。

3.2.3 降水適宜區提取 降水條件是大部分生物的關鍵生態因子，降水多寡一方面直接影響茯苓的生長，另一方面還通過影響土壤性狀，改變土壤通氣條件來制約茯苓的發育。鄧芳席[33]的茯苓培育試驗表明：其他條件不變的情況下，隨著通氣條件變差，茯苓菌絲長度顯著縮短，到達一定度時就停止生長。於小波[22]的調查顯示茯苓降水適宜范圍為1 000～1 772 mm。結合野外調查結果，最終確定為1 000～1 775.3 mm。利用ArcGIS提取“安苓”降水適宜區，見圖8。

3.3 土壤適宜區提取

如前所述，茯苓為寄生于松屬植物根部、深度約20～30 cm的土層中[35]，因此土壤物質組成、性狀等對茯苓萌發和生長具有最直接的影響。

3.3.1 土壤pH適宜區提取 蔡愛群[36]的pH對茯苓菌絲生長的影響研究顯示茯苓1號菌絲生境的pH為4.0～6.0，菌絲長勢在pH為5之前隨著培養液pH升高而變密，pH大于5之后二者呈反相關。5.78號菌絲的最適宜pH亦為4.0～6.0，最適宜為4，pH為4之后茯苓長勢變疏?！吨腥A本草》中的記錄為3～7，於小波[22]的調查結果為6.72～6.99。鄧芳席[33]茯苓菌絲培育試驗顯示pH為2～8時，茯苓菌絲均能生長，最適宜pH為4～6。經過實地考察確定“安苓”pH適宜范圍為6.72～6.99。通過ArcGIS提取“安苓”土壤pH適宜區，見圖9。

3.3.2 土壤沙粒含量適宜區提取 茯苓是一種好氣寄生菌。傳統茯苓產區曾對茯苓選場土壤總結出“選場要選麻骨砂”、“三分土，七分砂”等諺語[37]、王星星[30]、於小波[22] 、張錫崇[34]在實地調查結果中指出茯苓適宜沙質土。鄧芳席[33]關于茯苓培育過程中透氣性對茯苓菌絲生長的影響也從側面印證了透氣性較好的沙質土對于茯苓生長的重要性。通過文獻和實地調查確定“安苓”土壤沙粒含量適宜范圍為50%～60.2%。通過ArcGIS提取“安苓”土壤沙粒含量適宜區，見圖10。

3.3.3 土壤表層含水量適宜區提取 土壤含水量是土壤性狀的一個重要指標。對于茯苓而言，適量的土壤水分用以供給其萌發和生長、用以蒸發以維持一定范圍內的適宜土溫條件。張錫崇[34]在研究中指出，茯苓適宜區的土壤含水量以25%～50%為佳。研究結合實地調查結果和數據的可獲得性，確定5～20 cm深土壤含水量為25%～50%。鑒于土層含水量具有顯著的空間連續性，本研究對于研究區內土壤含水量數據中的缺失值采用其8領域的均值進行補全。利用ArcGIS 10.2提取“安苓”土壤含水量適宜區，見圖11。

3.4 “安苓”寄生宿主松林提取

與其他中藥材不同，茯苓以寄生于松屬植物根部的形式存在，屬于寄生菌種。松屬植被的存在是茯苓萌發和生長的一個必要條件，僅由非生物環境因子確立的適宜區并不夠。研究以Landsat 8 OLI數據為信息源，采用分層分類的思想，以1∶100萬植被類型圖中針葉林區域為分類掩膜，結合野外實測數據選擇訓練樣本，實現針葉林中松屬植物的提取。參考已有松林提取方法成果[38-43]，利用ENVI 5.1，采用多種聚類方法提取松林分布區，包括非監督分類、監督分類和面向對象分類方法。通過野外實測采樣，評估各聚類方法松林提取精度，選擇最優的提取結果。經驗證，最大似然法監督分類松林提取精度最高，在34個野外樣點中30個點驗證為松林分布區，精度為88.24%。為準確提取松林，研究結合Google Earth高空間分辨率影像對最大似然法松林提取結果進行了手動修正。修正后松林提取結果見圖12。

3.5 “安苓”適宜生境提取

藥材的生境是多種因子共同作用的結果。在提取“安苓”各單生態因子適宜區的基礎上，利用ArcGIS疊加上述3大類9個子類“安苓”非生物生態因子適宜區和松林分布區，提取“安苓”適宜生境，見圖13。經調查樣點對“安苓”適宜區提取結果進行驗證，在36個采集樣本中，33個點被驗證為“安苓”實際分布區，提取精度為91.67%，符合藥材資源調查的需要。經統計，“安苓”適宜區總計約36.80 km²，約占安徽總面積的0.03%。“安苓”適宜區主要在皖西大別山區域，與大別山走勢具有高度的一致性，以大別山南坡向區域為主。從行政區劃上來看，以六安市南部和安慶市西北部區域為主，集中在岳西、舒城、金寨、潛山4縣，占“安苓”適宜區的93.55%，又尤以岳西、舒城、金寨三縣為主，占“安苓”適宜區的80.82%，其中岳西縣適宜區面積最大，占到了總適宜區的1/3以上，見表2。

4 結論與討論

研究充分利用3S技術整合多源信息，實現了“安苓”道地生境提取和可視化表達。經驗證，提取結果與實際具有高度的一致性，證實了利用3S技術結合中藥材關鍵生態因子信息和生物間寄生關系提取非大面積野生或栽培種的可行性，為類似中藥材的適宜區提取提供了參考。同時也為安徽省茯苓培植區位選擇、“安苓”道地性保護、“安苓”GAP基地建設提供了有益參考。研究結果顯示，大別山山區是“安苓”道地生境的主要分布區?？臻g上高度集中，利于各相關縣在“安苓”培植上的合作和產業化。未來“安苓”培植策略在于建立以岳西縣為主的培植和加工中心，潛山、舒城、霍山和金寨4縣為衛星基地。需要突破的限制因素在于各衛星基地與岳西縣培育中心、皖西山區與安徽中東部之間的交通通達性以及皖西山區與湖北茯苓主產區（羅田縣、英山縣等）之間的合作和聯動。

植物在不同生長階段對于各生態因子的要求不同，對于“安苓”各生態因子的量化研究以及各生態因子之間相互作用的機制、各生態因子數據的空間尺度對于“安苓”適宜性區提取精度的影響、社會經濟因子對適宜區的影響等將是后續研究需要著重解決的問題。

[參考文獻]

[1] 黃璐琦，郭蘭萍.環境脅迫下次生代謝產物的積累及道地藥材的形成[J].中國中藥雜志，2007，32（4）：277.

[2] 黃璐琦，陳美蘭，肖培根.中藥材道地性研究的現代生物學基礎及模式假說[J].中國中藥雜志，2004，29（6）：494.

[3] 劉金欣，潘敏，李耿，等. 3S技術在藥用植物資源調查研究中的應用[J].中草藥，2016，47（4）：695.

[4] 謝彩香.基于地理信息系統的中藥材生態適宜性定量化研究[J].中國中藥雜志，2011，36（3）：379.

[5] 李越，姚霞，李振華，等.3S技術在藥用植物資源領域中的應用現狀[J].中國實驗方劑學雜志，2014，20（5）：228.

[6] 黃璐琦，陸建偉，郭蘭萍，等.第四次全國中藥材普查方案設計與實施[J].中國中藥雜志，2013，38（5）：625.

[7] 謝彩香，陳士林，王瑀，等.藥用植物多級遙感監測體系中定量估計的若干關鍵問題[J].中國中藥雜志，2008，33（3）：326.

[8] 張自力，秦其明，董玉芝，等.基于專家知識的新疆芍藥遙感專題信息提取試驗[J].中國中藥雜志，2008，33（16）：1941.

[9] 陳士林，張本剛，張金勝，等.人參資源儲藏量調查中的遙感技術方法研究[J].世界科學技術——中醫藥現代化，2005，7（4）：37.

[10] 劉金欣，盧恒，曾燕，等.基于3S技術的京津冀地區野生黃芩資源儲量調查研究[J].中國中藥雜志，2012，37（17）：2524.

[11] 陳士林，索風梅，韓建萍等.中國藥材生態適宜性分析及生產區劃[J].中草藥，2007，38（4）：481.

[12] 鄭開顏，王乾，侯芳潔等.基于溫度因子的貴州省艾納香種植氣候區劃研究[J].中國中藥雜志，2016，41（17）：3164.

[13] 孫宇章，顧曉鶴，陽小瓊，等.基于RS和GIS技術的江蘇邳州市銀杏資源動態變化研究[J].中國中藥雜志，2007，32（18）：1861.

[14] 孫志群，鄭江華，郭寶林，等.遙感技術在伊犁貝母調查中的應用[J].中國現代中藥，2014，16（2）：113.

[15] 楊俊杰，楊云，吳娟.河南道地藥材商茯苓的研究[J].中國藥業，2008，17（14）：64.

[16] 王克勤，傅杰，蘇瑋，等.道地藥材茯苓疏[J].中藥研究與信息，2002，4（6）：16.

[17] 趙英博，徐斌，昝俊峰，等.不同產地茯苓中茯苓酸含量的比較研究[J].中國中醫藥信息雜志，2009，16（7）：41.

[18] 邢博，張霽，李杰慶，等.云南野生與栽培茯苓中礦質元素含量研究[J].食品工業科技，2016（24）：360.

[19] 付小環，胡軍華，李家春，等.應用近紅外光譜技術對茯苓藥材進行定性定量檢測研究[J].中國中藥雜志，2015，40（2）：280.

[20] 沈玉萍，李軍，賈曉斌.中藥茯苓化學成分的研究進展[J].南京中醫藥大學學報，2012，28（3）：297.

[21] 張文女，黃金龍.茯苓多糖的抗腫瘤作用[J].中草藥，1999，30（7）：561.

[22] 於小波，昝俊峰，王金波，等.我國茯苓藥材主要產區資源調查[J].時珍國醫國藥，2011，22（3）：714.

[23] 王海峰.茯苓的現代研究進展[J].社區醫學雜志，2011，9（12）：44.

[24] 安徽省省情數據庫氣象志[EB/OL].[2016-02-07]. http：//60.166.6.242：8080/was40/index_sz.jsp？rootid=14799&channelid=7832.

[25] 夏愛梅.安徽植被帶的劃分[J].武漢植物學研究，2004，22（6）：523.

[26] 丁孝雄.安徽省中藥材產業發展現狀問題及對策[J].安徽農學通報，2010，16（10）：3.

[27] 于貴瑞，何洪林，劉新安，等.中國陸地生態系統空間化信息研究圖集.氣候要素分卷[M].北京：氣象出版社，2004：12.

[28] 國家生態系統觀測研究網絡/中國生態系統研究網絡.國家生態系統觀測研究網絡科技資源服務系統[DB/OL].（2001-09-05）[2016-02-07]. http：//www.cnern.org.cn.

[29] 王珍，董梁，李家春，等.茯苓產地適宜性分析研究[J].山東農業科學，2011（12）：14.

[30] 王星星，王德群.安徽金寨縣茯苓生產存在的問題和對策[J].安徽中醫學院學報，2011，30（3）：60.

[31] 王漢培，王齊貴.新法人工載培茯苓[J].資源開發與市場，1994，10（4）：151.

[32] 王克勤，黃鶴，付杰，等.湖北茯苓產地加工技術要點[J].中藥材，2014，37（3）：402.

[33] 鄧芳席.茯苓菌生態因子的研究[J].湖南農學院學報，1988，14（2）：77.

[34] 張錫崇，陳道群.茯苓的栽培及加工[J].中國林副特產，1990（14）：17.

[35] 熊杰，林芳燦，王克勤等.茯苓基本生物學特性研究[J].菌物學報，2006，25（3）：446.

[36] 蔡愛群.pH和生長因子對茯苓1號茯苓、5.78號菌絲生長的影響[J].湖北農業科學，2016，55（19）：5117.

[37] 楊新美.中國食用菌栽培學[M].北京：農業出版社，1988：447.

[38] 粟屋善雄，潘輝，肖勝，等.應用TM衛星像片進行樹種分布解析的研究[J].福建林業科技，1994，21（2）：5.

[39] 付虎艷，徐云棟，李圣嬌，等.基于SVM方法的高山松林蓄積量遙感估測研究[J].西部林業科學，2014，43（4）：83.

[40] Kumar A. Built-up and vegetation extraction and density mapping using World View Ⅱ [J]. Geocarto Int， 2012， 27（7）：557.

[41] 劉俊，孟雪，溫小榮，等. 基于不同立地質量的松樹林蓄積量遙感估測[J]. 林業資源管理，2015（5）：55.

[42] 韓濤. 用TM資料對祁連山部分地區進行針葉林、灌木林分類研究[J]. 遙感技術與應用，2002，17（6）：317.

[43] Bruzzone L， Conesec， Masellif， et al. Multisource classification of complex rural areas by statistical and neural network approaches[J]. Photogramm Eng Rem S， 1997， 63（5）：523.

[責任編輯 呂冬梅]