Key indexes and characteristics of soil anti-erodibility of Robinia pseudoacacia with different densities in loess region of western Shanxi Province, northern China
-
摘要:目的 研究晋西黄土区16年生刺槐林土壤抗蚀性的关键评价指标，探讨林分密度对土壤抗蚀性的影响，为实现功能导向型林分结构定向调控提供参考依据。方法 以5个密度梯度（1 025、1 300、1 575、1 800、2 150 株/hm2）刺槐林为研究对象，基于野外采样和室内试验，选取5大类、12个土壤抗蚀性指标进行单独分析与综合评价。结果 （1）应用主成分分析对12个土壤抗蚀性指标进行筛选，可知土壤密度（因子载荷量为−0.776）、有机质含量（0.864）、 > 0.25 mm水稳性团聚体质量分数（0.747）、平均质量直径（0.960）、几何平均直径（0.779）、土壤分形维数（−0.736）和分散系数（−0.873）是评价晋西黄土区刺槐林（16年生）土壤抗蚀性强弱的关键指标；（2）同一林分密度下，刺槐林表层土壤抗蚀性优于深层土壤，土壤抗蚀性综合指数为0 ~ 10 cm（0.548） > 10 ~ 20 cm（−0.070） > 20 ~ 30 cm（−0.477）；同一土层内，刺槐林土壤抗蚀性随林分密度的增大（1 025 ~ 1 575 株/hm2）逐渐增强，在密度大于1 575 株/hm2后逐渐减弱；（3）以刺槐林分密度为x轴，以土壤抗蚀性综合指数为y轴建立了开口向下的抛物线函数关系：y = −2.683 × 10−6x2 + 0.009x − 6.375（R2 = 0.77），据此预测刺槐林分密度为1 590 株/hm2时，土壤抗蚀性最强，综合指数为0.403。结论 研究区中密度刺槐林分的土壤抗蚀性较强，从土壤抗蚀性角度，建议刺槐林（16年生）的经营密度以1 590 株/hm2为宜，对于密度过低或过高的林分，在满足林业生产的同时及时进行科学补植或间伐，还应注意保护表层土壤，以充分发挥林地的水土保持功能，有效控制土壤侵蚀。Abstract:Objective This paper aims to study the key evaluation indexes of soil anti-erodibility of Robinia pseudoacacia forest (16 years), and discuss the effects of stand density on soil anti-erodibility in the loess region of western Shanxi Province of northern China, which could provide functional guidance for the precise improvement of stand structure.Method The research objects were five density gradients (1 025, 1 300, 1 575, 1 800, 2 150 tree/ha) of R. pseudoacacia forest. Based on field sampling and laboratory tests, 12 indexes about soil anti-erodibility had been analyzed.Result (1) Principal component analysis showed that the soil bulk density, organic matter, > 0.25 mm water-stable aggregate, mean mass diameter, geometric mean diameter, fractal dimension and soil dispersion coefficient were key indexes to evaluate soil anti-erodibility of R. pseudoacacia forest, these factor loads were −0.776, 0.864, 0.747, 0.960, 0.779, −0.736 and −0.873, respectively. (2) Anti-erodibility of surface soil of R. pseudoacacia forest was stronger than that of deep soil under the same stand density, the comprehensive index of soil anti-erodibility: 0−10 cm (0.548) > 10−20 cm (−0.070) > 20−30 cm (−0.477). In the same soil layer, soil anti-erodibility increased with the increase of stand density (1 025−1 575 tree/ha) of R. pseudoacacia forest, and decreased when the stand density was higher than 1 575 tree/ha. (3) Taking the stand density of R. pseudoacacia forest as the x-axis and the comprehensive index of soil anti-erodibility as the y-axis, the parabolic function relationship with opening downward was established: y = −2.683 × 10−6x2 + 0.009x − 6.375 (R2 = 0.77), soil anti-erodibility was the strongest when the stand density of R. pseudoacacia was 1 590 tree/ha, and the comprehensive index was 0.403.Conclusion Soil anti-erodibility of medium density R. pseudoacacia forest is strong. From the perspective of soil anti-erodibility, the management density of R. pseudoacacia forest (16 years) should be 1 590 tree/ha in the loess region of western Shanxi Province. For the stand with too low or too high density, scientific replanting or thinning should be carried out in time while meeting the forestry production. Attention should also be paid to the protection of topsoil, so as to give full play to the water and soil conservation function of forest land and effectively control soil erosion.
-
森林生物量是森林质量的重要体现，全面掌握森林生物量动态变化，对了解森林的生长过程、完整分析植被生态系统自然现象的变化、实现生态系统的有效修复具有重要意义。鉴于森林生物量、特别是区域范围内森林生物量准确计算的重要意义，近年来遥感技术被广泛应用于森林生物量的估算中，并且成为目前遥感和林业应用领域的研究热点之一[1-3]。由于遥感技术仅能反映森林地上生物量（aboveground biomass，AGB）的变化，因此，基于遥感手段的森林生物量反演均指森林AGB。现今使用的遥感手段中，合成孔径雷达（synthetic aperture radar，SAR）由于克服了传统光学遥感受多云、多雾天气影响的局限，并具有获取森林冠层水平、垂直结构等特征的能力，成为当下森林AGB反演最具潜力的遥感数据源之一。随着SAR数据源的丰富，SAR数据可以提供的信息类型越来越多。不同波长的SAR数据对森林冠层的穿透性不同，有可以反映冠层散射的X、C波段，也有能够穿透冠层与树干、树枝发生作用的L、P波段[4-8]；协同多频段SAR数据森林监测的优势，可实现多维度森林AGB的监测，不仅可以较全面地了解森林的SAR散射特征，还可有效提高森林AGB遥感反演的精度和饱和点。
森林AGB反演中常用的参数模型包括经验模型、物理模型和半经验半物理模型。Attema和Ulaby提出的水云模型（water cloud model，WCM）最初常用于农作物生物量、叶面积指数的反演[9]。WCM属于经典的半经验半物理模型，既具有经验模型通过简单的线性或非线性回归来反演植被参数的优势，又可通过物理散射机制还原植被的垂直结构。WCM因其兼具模型简单和物理可解释性的优势，被广泛用于农作物长势监测参数反演[10-12]。Santoro等[13]将WCM进行改进，提出了干涉水云模型，并采用L波段SAR数据对瑞典北方森林蓄积量进行了反演试验，取得了较高的反演精度，在森林蓄积量高达350 m3/hm2的森林覆盖区，小班水平的误差仅为10 m3/hm2。戴玉芳等[14]构建了我国东北针叶林AGB的Yamaguchi极化分解散射分量直方图，发现使用L波段反演我国东北针叶林AGB满足水云模型使用的前提假设，为后续利用WCM对该地区森林进行AGB反演奠定了基础。
受限于SAR数据获取的困难性，目前使用SAR信息及水云模型进行森林AGB的研究还多集中在单极化或单频段SAR数据的后向散射信息，对于全极化信息、不同频段极化信息的利用及其反演结果的对比研究还开展较少。此外，WCM多用于农作物参数反演，用于森林AGB反演的研究目前在国内鲜有报道，已有研究多集中在国外的研究区，且研究模型仅使用了单极化的后向散射信息或干涉信息[15-20]。不同频段SAR数据对森林AGB水平、垂直分布表征能力差异明显，全极化SAR数据对森林散射体的形状、方向敏感，因此采用WCM、并将极化信息引入WCM，对比不同频段、极化信息在WCM中的AGB反演潜力，可为未来将多频SAR数据有效融合于WCM提供科学依据。因此，本文利用X、C、L、P波段全极化数据，首先使用WCM模型进行了AGB反演，对比了极化和波长对WCM反演结果的影响；然后将极化信息采用地体散射比的形式引入WCM，发展了极化水云模型（PolWCM），并探索了地体散射比参数在X、C、L、P波段进行AGB反演的可行性。
1. 研究区概况、数据获取及预处理
1.1 研究区概况
本文研究区为内蒙古大兴安岭国家级森林生态系统定位站，该生态站（121°20′ ~ 121°36′E，50°50′ ~ 50°59′N，图1）位于内蒙古呼伦贝尔盟的根河市。研究区地势相对平缓，区域内80%的坡度小于15°，海拔高度分布在800 ~ 1 200 m。研究区森林覆盖率大于75%，森林AGB平均值在50 t/hm2左右。研究区为典型的天然兴安落叶松（Larix gmelinii）林，其主要树种为兴安落叶松，有零星的白桦（Betula platyphylla）、樟子松（Pinus sylvestris var. mongolica）以及山杨（Populus davidiana）等。
1.2 X、C、L、P波段极化SAR数据获取及预处理
1.2.1 SAR数据获取
本研究共获取到机载或星载的X、C、L、P波段4种频率全极化SAR数据、机载的LiDAR（light setection and ranging）数据和SRTM DEM（shuttle radar topography mission digital elevation model）辅助数据（各数据的覆盖范围见图2a）。其中X、C和L波段SAR数据为星载数据，分别为TerraSAR-X（图2b）、RADARSAT-2（图2c）和ALOS-2 PALSAR-2（图2d）数据；P波段SAR数据由国产机载SAR系统获取（图2e）。
![]()
图 2 X、C、L、P 4个波段覆盖范围概况图及地理编码后Pauli RGBHH和HV分别为HH和HV两个极化后向散射系数。HH and HV are polarization backscattering coefficients of HH and HV, respectively.Figure 2. Overview of the coverage of SAR data and their geocoded images displayed as Pauli RGB at X-, C-, L- and P-band1.2.2 SAR数据预处理
4个波段SAR数据均为全极化数据，其荷载方式及星座、所属国家、成像时间、中心入射角、距离向和方位向采样等参数见表1。X、C、L和P波段SAR数据预处理的共同步骤包括：单视复数图像转换为S2矩阵、辐射定标、滤波处理和地理编码。处理过程使用的SAR数据处理软件包括Gamma、PolSARpro等，同时结合部分IDL、Python等编码语言。由于各频段SAR数据获取的传感器略有差异，且搭载传感器的平台又有星载和机载之分，预处理过程中会略有差异，如RADARSAT-2 C波段数据在Gamma读入时已做定标处理，其他处理过程中的多视视数、定标数值、滤波方法等见图3。
表 1 根河试验区X、C、L、P波段数据详细参数Table 1. X -, C -, L -, P-band data parameters in Genhe Experimental Area荷载及星座
Load and constellation所属国家
Nation获取时间
Acquisition time中心入射角
Central incidence angle/（°）距离向分辨率
Range resolution/m方位向分辨率
Azimuth resolution/mTerraSAR-X
X-band德国
Germany2015−08−19 41.41 0.91 2.68 RADARSAT-2
C-band加拿大
Canada2013−08−20 46.09 4.96 4.73 ALOS-2 PALSAR-2
L-Band日本
Japan2014−08−29 36.52 2.86 2.64 Airborne CAMSAR
P-Band中国
China2013−09−13 50.06 0.63 0.67 ![]()
图 3 多频SAR数据预处理技术路线“――”代表数据提供方已作辐射定标，本文不需再作定标。“――” means that the data provider has made radiometric calibration and no further calibration is required in this paper.Figure 3. Flowchart of multifrequency SAR data preprocessing technology1.3 机载LiDAR数据获取与预处理
本文采用LiDAR提取的DSM（digital surface model）、DEM数据用于各频段极化SAR数据的地理编码，由LiDAR数据生成的森林AGB产品用于多频SAR数据WCM和PolWCM的训练及反演结果的验证。本研究获取的机载LiDAR数据是由中国林业科学研究院资源信息所提供，DEM（图4a）、飞行区域森林AGB（图4b）和研究区森林AGB（图4c）数据经插值后分辨率均为2 m，DEM、AGB数据的详细生成方法见文献[21]和文献[22]。
本文以研究区LiDAR森林AGB图为基础，按照750 m的空间采样间隔，在ArcGIS软件中运用ArctoolBox模块中随机空间采样功能，并在此基础上增加人工干预（去除道路及裸露地物）共选取相应样点113个（图4c）。113个森林AGB样本的平均AGB为46.70 t/hm2；0 ~ 10 t/hm2的采样点有3个；10 ~ 20 t/hm2的采样点有14个；20 ~ 30 t/hm2的采样点有17个；30 ~ 40 t/hm2的采样点有17个；40 ~ 50 t/hm2的采样点有18个；50 ~ 60 t/hm2的采样点有14个；60 ~ 70 t/hm2的采样点有10个；70 ~ 80 t/hm2的采样点有8个；80 ~ 90 t/hm2的采样点有7个；> 100 t/hm2的采样点5个。并以此用于本文中各频段WCM、PolWCM模型训练及反演结果验证。其中建模的样本为60%，验证的样本数量为40%。
2. 研究方法
2.1 X、C、L、P各波段SAR特征提取
分别提取各波段6个SAR特征，具体包括Freeman 分解3分量，即森林冠层的体散射分量（FVol）、地面与树干的二次散射分量（FDbl）、地表散射分量（FOdd）；另外3个特征为HH、HV、VV后向散射系数。
2.2 水云模型
WCM是以农作物为研究对象提出的植被微波散射模型。该模型对植被覆盖层的散射机制进行了简化，假定：“云”代表植被层，由类似水分子的相同大小、均匀分布在整个植被空间的各向同性颗粒组成；该模型仅考虑植被冠层与地表直接散射，忽略多次散射；植被层变量包括和“云”的水分含量成比例的高度和密度两个变量。本文参考Santoro等[13]提出的用于瑞典北方森林蓄积量反演的水云模型，将农作物替换为森林，即将森林覆盖区的后向散射能量由冠层直接散射σforest和地表直接散射σground两个部分通过式（1）来表达，其中β为经验参数， Vforest表示森林AGB。通过式（2）到式（6）的推导得出由微波后向散射理论值作为自变量、森林AGB作为因变量的森林AGB WCM反演模型。本文分别将不同极化通道的后向散射系数带入式（6）表示的WCM中的σ来反演森林AGB。式（6）中的β0、β1和β2参数通过最小二乘法拟合获得。
σ=σforest[1−exp(−βVforest)]+σgroundexp(−βVforest) (1) β0=σforest (2) β1=σground−σforest (3) β2=−β (4) σ=β0−β1exp(β2Vforest) (5) Vforest=1β2ln(σ−β0β1) (6) 2.3 将极化信息引入水云模型
由于在传统的WCM中没有考虑极化信息，随着全极化数据的丰富，其在具体应用中受到限制，为了拓展WCM的应用，本文对经典WCM进行了改进，将极化信息通过地体散射比的方式引入WCM，并将其用于森林AGB的反演。具体通过极化分解参数构建地表散射与体散射分量比值μ，并将其代入式（1），来发展传统的WCM，称其为PolWCM，其推导过程见式（7） ~ （9）。
μ=σgroundσforest×exp(−βVforest)1−exp(−βVforest) (7) α=σgroundσforest (8) Vforest=1βln(1+αμ) (9) 2.4 模型验证方法
本章采用两种模型（WCM和PolWCM）对研究区的森林AGB进行了反演，反演结果精度的定量评价通过反演结果与真值之间的R2和RMSE表征。这2个参数的计算公式如下：
R2=1−n∑i=1(yi−^yi)2n∑i=1(yi−ˉy)2 (10) RMSE=√∑ni=1(yi−ˆyi)2/n (11) 式中：
yi 为第i 个实测值，ˆyi 为第i 个预测值，ˉy 为实测值的平均值，n为样本总数。3. 结果与分析
3.1 WCM反演森林AGB
分别采用各波段HH、HV、VV极化的后向散射系数来替代WCM中的参数σ，使用最小二乘法进行拟合，获取WCM中
β0 、β1 和β2 ，研究区森林AGB的反演结果见表2和图5。除X波段外，以HV通道的后向散射系数作为总后向散射输入WCM，反演的森林AGB精度最佳，其中L波段反演结果的R2值最高，RMSE值最低，分别为0.46和18.00 t/hm2。其次是P波段HV极化的反演，R2 为0.43，RMSE为21.18 t/hm2。该研究结果表明WCM更适用于采用波长较长波段（L和P）的HV极化后向散射系数进行森林AGB反演，对于波长较短的X波段则反演结果精度较差。值得注意的是，采用L波段的HH和VV的后向散射系数代入WCM进行森林AGB反演，反演结果精度仍高于其他波段HV极化后向散射系数代入WCM的反演结果，这可能是由于研究区的森林AGB平均值约为50 t/hm2，略低于L波段的饱和点，因此L波段更能表征研究区森林的微波散射特征。表 2 X、C、L、P波段WCM反演结果Table 2. Inversion results of WCM for X-, C-, L- and P-band波段
Band极化通道
Polarization channelR2 RMSE/(t·hm−2)
RMSE/(t·ha−1)X HH 0.03 26.12 HV 0.01 26.49 VV 0.05 25.70 C HH 0.19 24.32 HV 0.33 23.32 VV 0.30 22.76 L HH 0.24 21.27 HV 0.46 18.00 VV 0.30 20.34 P HH 0.12 27.40 HV 0.43 21.18 VV 0.09 27.04 ![]()
图 5 X、C、L、P波段WCM反演森林AGB散点图中的红色实体线为森林AGB估测值拟合线，黑色点为训练样本，蓝色点为验证样本。图中RMSE单位为t/hm2。下同。The red solid line in the scatter diagram is the fitting line of forest AGB estimation values, the black points are the training samples, and the blue points are the verification samples. The unit of RMSE is t/ha. The same below.Figure 5. X-, C-, L-, P-band WCM inversion results of forest AGB从图5中可以看出X波段各极化的后向散射系数分布较松散，没有明显的规律性，因此反演的结果也较差。相比X波段，C波段样点的聚集性明显增强，但是饱和点较低。L波段各个极化的后向散射系数随森林AGB动态变化呈一定的规律性，并且饱和点也明显提高，特别是HV极化，样本点的分布非常接近拟合的模型曲线。P波段除HV极化外，HH和VV极化后向散射随森林AGB的变化也未有明显的规律性，尽管总后向散射值的动态变化范围相比X、C波段有显著的增加，但也不能较好地表示森林AGB的动态变化。
3.2 PolWCM算法反演森林AGB
基于样本数据，将
μ 采用Freeman-Durden分解的地表散射分量（FOdd）与体散射分量（FVol）的比值来代替，通过最小二乘法拟合，将比值代入极化水云模型进行森林AGB反演。其反演结果见表3和图6。表3总结了采用PolWCM在4个波段进行森林AGB反演的结果。PolWCM的反演结果略优于WCM，特别是在X、L和P波段，RMSE的值都明显降低。但是R2的值除P波段外，都明显降低。 图6描述了将极化地体散射比引入WCM进行森林AGB反演的结果精度，在X和C波段，采样点对应的4个频段SAR数据的极化地体散射比的比值分布不均匀，在X波段中μ 值多分布在0.20 ~ 0.25之间；而在C波段，该值则多分布在0.10 ~ 0.20之间，同等AGB动态变化范围内，在C波段地体散射比的动态变化范围略大于X波段，因此，C波段的反演结果精度略高于X波段，但极化地体散射比与森林AGB均表现出较弱的相关性。相比波长较短的X和C波段，L和P波段的动态变化范围则显著增宽，在L波段μ 值的范围约在0.01 ~ 0.55之间，在P波段则略宽，范围约为0.05 ~ 0.65，因此，反演结果精度与WCM反演结果类似，较长波段反演结果精度较优。采用μ 描述的PolWCM在X和C波段出现明显的饱和现象，且饱和点均较低；但在波长较长的L和P波段，则饱和现象不明显。表 3 X、C、L、P 波段PolWCM反演森林AGB结果Table 3. Inversion forest AGB results of PolWCM for X-, C-, L- and P-band参数
Parameter波段
BandR2 RMSE/(t·hm−2)
RMSE/(t·ha-1)FOdd/FVol X 0.00 24.90 C 0.01 24.71 L 0.40 17.70 P 0.51 18.08 注：FOdd和FVol分别为Freeman极化分解三分量中的地表散射与体散射分量。Note: FOdd and FVol are the surface scattering and volume scattering components of Freeman polarization decomposition. ![]()
图 6 X、C、L、P波段PolWCM反演森林AGB结果FOdd和FVol分别为Freeman极化分解三分量中的地表散射与体散射分量。FOdd and FVol are the surface scattering and volume scattering components of Freeman polarization decomposition.Figure 6. Forest AGB retrieved by PolWCM at X-, C-, L- and P-band综合WCM和PolWCM的反演结果可知，WCM在森林AGB反演中具有极化和波段依赖性。在所有用于反演的不同极化通道的后向散射系数中，HV极化后向散射系数引入WCM可获得最优的反演结果，且在C、L和P 3个波段中均表现出较好的反演能力；其次，WCM在波长较短（X和C）的波段，反演效果较差，而在长波长（L和P）中反演效果较好。PolWCM同样具有波长依赖性，在波长较长的L和P波段中反演结果精度较高；同时，其在L和P波段的反演结果优于同等条件下WCM的反演结果，R2分别为0.40和0.51，RMSE分别为17.70和18.08 t/hm2。
4. 讨论与结论
4.1 讨 论
WCM于20世纪90年代初被用于森林生物量或蓄积量的反演，使用的SAR数据包括机载和星载数据，频段主要为X、C和L波段。Pulliainen等[23]首次基于机载高分辨率SAR数据构建了WCM用于森林AGB反演，通过将X和C波段的HH和VV双极化后向散射系数代入WCM用于森林AGB的反演的研究，结果表明：C波段VV极化后向散射系数与森林AGB相关性最高，适用于WCM反演森林AGB的使用条件[23]；该研究结果与本文X和C波段的HH、VV极化后向散射系数反演森林AGB的结果高度一致，反演结果中C波段优于X波段，VV极化优于HH极化。Santoro等[13]、Askne等[15]、Cartus等[16]考虑森林的垂直和水平结构变化，将郁闭度因子、干涉信息引入最初的WCM，并将其用于C波段、L波段星载SAR数据进行森林蓄积量的反演，结果指出该模型在样地水平反演精度较高、在像元水平反演精度较低。而Cartus等[16]在L波段的研究表明，HV后向散射的反演结果优于HH极化，这与本文研究结果一致。戴玉芳等[14]构建了我国东北针叶林AGB的Yamaguchi极化分解散射分量直方图，得出L波段以体散射分量为主导分量，而二次散射极化散射分量可以忽略不计，满足WCM反演我国东北针叶林AGB的前提需求；本文采用L波段数据构建WCM反演森林AGB精度均较高的结果也说明了这一点。Santoro等[17]综述了L波段WCM在瑞典森林蓄积量反演中的研究，指出了WCM森林蓄积量反演中的极化依赖性；本文研究同样表明了WCM的极化依赖性。Cartus等[24]采用光学数据作为辅助数据训练WCM获得模型中的地表散射和植被散射分量，并将其用于X、C、L和P波段区域尺度森林AGB反演，结果与本文相似，即：P > L > C > X；该研究同时指出即使组合多频信息精度也未高于P波段信息单独反演的结果；另外，该研究中各频段的极化依赖性受环境因子、待估森林结构等影响明显。
将除后向散射信息以外的其他SAR信息引入WCM，可以有效提高森林AGB的反演精度。已有研究中，包括将干涉信息、时间序列信息等引入WCM。Santoro等[13]、Askne等[15]、Cartus等[16]将干涉相干性信息引入WCM，发展了干涉水云模型，森林蓄积量和生物量的反演精度和饱和点明显提高。以上国内外研究中均未使用极化信息改进WCM，这也表明了本文将4个波段的极化信息以地体散射比的方式引入WCM形成PolWCM的必要性，从试验结果来看，将WCM引入极化信息保证了模型的散射特征和简单化，在总体上未出现明显饱和点的条件下，可明显提高森林AGB反演精度。同时，本文研究结果也印证了戴玉芳等[14]提出的L波段较适宜使用水云模型反演中国北方针叶林AGB的假设。与Santoro等[24]和Kumar等[25]的研究结果相比，本文反演结果R2虽未达到其精度，但RMSE值总体上均明显高于这些研究结果。
4.2 结 论
本文通过将X、C、L和P 4个波段HH、HV和VV 3个极化方式的后向散射系数分别代入WCM进行研究区的森林AGB反演，同时以极化分解参数为基础，构建地体散射比，并将其应用于WCM来反演森林AGB，探索了极化方式、波长、极化信息引入方式等对基于WCM进行森林AGB反演的影响方式及程度。研究得出以下结论：
（1）WCM进行森林AGB反演具有极化依赖性和波长依赖性。
在森林AGB平均水平较低时，例如本文研究区，平均值约为50 t/hm2时，在所有波段中，将HV极化后向散射系数代入WCM进行森林AGB反演，反演结果多优于同波段的其他极化通道后向散射系数的反演结果；在森林AGB大于50 t/hm2时，HV或VV极化后向散射系数反演结果较优；在所有森林AGB水平上，HH极化后向散射系数反演结果精度均最差。WCM的反演精度在后向散射系数所使用的波长较长时反演结果精度较优，在低森林AGB水平时，L波段优于P波段；但是生物量水平较高且研究尺度较大时，P波段优于L波段。
（2）将极化信息以地体散射比的形式引入WCM进行森林AGB反演可明显提高反演精度。
将极化信息采用地体散射比形式（FOdd/FVol）引入WCM推导形成PolWCM，用于X、C、L和P 波段森林AGB的反演，R2值有明显提高，RMSE值有明显降低，总体反演精度明显提高。
本文中WCM模型的参数通过最小二乘方式获得，未考虑其物理意义，后续研究中，可以引入辅助数据，考虑模型中各参数的物理意义，进而探索其在增强物理可解释性的基础上提高反演精度的可能性。其次，本文中P波段为机载极化SAR数据，在与X、C和L波段对比时，并未考虑机载数据与星载数据的差异，由于中心入射角变化对机载和星载SAR数据的影响差异明显，未来研究中需要进一步考虑机载和星载数据差异对森林AGB反演结果的影响。
-
![]()
图 1 不同密度刺槐林土壤密度与有机质含量
不同大写字母表示同一林分密度不同土层间变量差异显著（P < 0.05）；不同小写字母表示同一土层不同林分密度下变量差异显著（P < 0.05）。下同。Different uppercase letters indicate significant differences in variables between varied soil layers of the same stand density (P < 0.05); different lowercase letters indicate significant differences in variables under varied stand densities of the same soil layer (P < 0.05). The same below.
Figure 1. Soil density and organic matter content of Robinia pseudoacacia forest with different densities
![]()
图 2 干筛和湿筛条件下各密度刺槐林土壤团聚体分布特征
Figure 2. Distribution characteristics of soil aggregates under dry and wet sieving
![]()
图 3 不同密度刺槐林土壤机械组成和微团聚体组成
Figure 3. Soil mechanical composition and microaggregates of Robinia pseudoacacia with different densities
![]()
图 4 刺槐林分密度与土壤抗蚀性综合指数的函数关系
Figure 4. Functional relationships between stand density and soil erosion resistance index of Robinia pseudoacacia
表 1 样地基本特征
Table 1 Basic characteristics of sample plots
林分密度/（株·hm−2）
Stand density/(tree·ha−1)地理位置
Geographical position海拔
Altitude/m坡度
Slope/（°）坡向
Slope aspect1 025 110°45′45″E 36°12′21″N 1 130 17 阳坡
Sunny slope1 300 110°45′46″E 36°15′59″N 1 100 23 半阴坡
Semi-shady slope1 575 110°46′13″E 36°16′13″N 1 135 20 半阳坡
Semi-sunny slope1 800 110°46′08″E 36°16′31″N 1 070 22 半阳坡
Semi-sunny slope2 150 110°46′12″E 36°16′33″N 1 145 25 半阳坡
Semi-sunny slope
下载: 导出CSV
表 2 样地调查结果
Table 2 Sample plot survey results
林分密度/（株·hm−2） Stand
density/(tree·ha−1)平均胸径 Mean DBH/
cm平均树高 Average tree height/
m平均冠幅
Average crown width/m2郁闭度
Canopy density物种丰富度Patrick指数
Species richness Patrick indexSimpson多样性指数
Simpson diversity indexShannon-Wiener 多样性指数
Shannon-Wiener diversity indexPielou均匀度指数
Pielou evenness index枯落物蓄积量/（t·hm−2）
Volume of litter/(t·ha−1)灌木
Shrub草本 Herb 灌木
Shrub草本 Herb 灌木
Shrub草本 Herb 灌木
Shrub草本 Herb 1 025 11.90 9.48 7.64 0.47 6 8 0.738 0.759 1.501 1.656 0.837 0.796 3.02 1 300 10.69 9.25 6.80 0.55 10 9 0.813 0.811 1.907 1.872 0.828 0.852 4.40 1 575 12.26 10.24 6.25 0.60 10 14 0.872 0.839 2.150 2.169 0.934 0.822 7.65 1 800 11.05 9.73 6.15 0.63 8 12 0.852 0.827 1.990 2.026 0.957 0.815 6.23 2 150 9.31 8.22 5.75 0.70 9 14 0.805 0.819 1.794 2.088 0.816 0.791 6.42
下载: 导出CSV
表 3 土壤抗蚀性指标
Table 3 Soil anti-erodibility indexes
土壤力学相关类Related categories of
soil mechanics有机胶体类
Organic colloids水稳性团聚体类
Water-stable aggregate无机黏粒类
Inorganic clay微团聚体类
Micro aggregates土壤密度
Soil bulk density有机质含量
Organic matter content> 0.25 mm水稳性团聚体质量分数Mass fraction of > 0.25 mm water-stable aggregates < 0.05 mm粉黏粒质量分数
Mass fraction of < 0.05 mm silt clay团聚度
Soil aggregation degree> 0.25 mm团聚体破坏率Destruction rate of > 0.25 mm aggregates < 0.01 mm物理性黏粒质量分数
Mass fraction of < 0.01 mm physical clay分散系数
Soil dispersion coefficient平均质量直径
Mean mass diameter< 0.002 mm黏粒质量分数
Mass fraction of < 0.002 mm clay几何平均直径
Geometric mean diameter土壤分形维数
Soil fractal dimension (D)
下载: 导出CSV
表 4 不同密度刺槐林土壤水稳性团聚体指标
Table 4 Indicators of soil water-stabilized aggregates in different densities of Robinia pseudoacacia
林分密度/（株·hm−2）
Stand density/(tree·ha−1)土层深度Soil
depth/cm> 0.25 mm水稳性团聚体质量分数 Mass fraction of > 0.25 mm water-stable aggregates/% > 0.25 mm团聚体破坏率 Destruction rate of > 0.25 mm aggregates/% 平均质量直径 Mean mass diameter/mm 几何平均直径
Geometric mean diameter/mm土壤分形维数
Soil fractal dimension (D)1 025 0 ~ 10 61.42Ab 30.38Aa 1.55Aa 1.70Aa 2.68Ba 10 ~ 20 60.41Ab 30.50Aa 1.40Aa 1.52ABa 2.69ABa 20 ~ 30 58.46Aa 31.06Aa 1.17ABb 1.31Bab 2.71Aa 0 ~ 30 60.10Ab 30.64Aa 1.37Aa 1.51Aa 2.69ABa 1 300 0 ~ 10 66.28Aa 26.34Ab 1.50Aa 1.48Aab 2.64Bb 10 ~ 20 63.04ABab 27.99Aab 1.37Aa 1.41Aa 2.67ABab 20 ~ 30 60.26Ba 28.29Aab 1.31Aa 1.39Aa 2.69Aa 0 ~ 30 63.19ABa 27.54Ab 1.40Aa 1.43Aa 2.67ABab 1 575 0 ~ 10 66.13Aa 25.65Ab 1.50Aa 1.50Aa 2.64Bb 10 ~ 20 64.67Aa 24.60Ab 1.42Aa 1.45Aa 2.65Bb 20 ~ 30 60.86Ba 26.61Ab 1.30Aa 1.40Aa 2.69Aa 0 ~ 30 63.89Aa 25.62Ab 1.41Aa 1.45Aa 2.66Bb 1 800 0 ~ 10 63.62Aab 29.15Aa 1.53Aa 1.63Aa 2.66Bab 10 ~ 20 60.94ABb 29.78Aa 1.43Aa 1.59Aa 2.69ABa 20 ~ 30 59.68Ba 28.22Aab 1.39Aa 1.59Aa 2.70Aa 0 ~ 30 61.41Aab 29.05Aab 1.45Aa 1.60Aa 2.68ABab 2 150 0 ~ 10 61.99Ab 30.79Aa 1.43Aa 1.52Aa 2.68Aa 10 ~ 20 60.74Ab 30.38Aa 1.35Aa 1.45Aa 2.69Aa 20 ~ 30 59.27Aa 30.05Aa 1.26Aa 1.37Aa 2.70Aa 0 ~ 30 60.66Ab 30.41Aa 1.35Aa 1.45Aa 2.69Aa
下载: 导出CSV
表 5 不同密度刺槐林土壤团聚度和分散系数
Table 5 Soil aggregation degree and dispersion coefficient of Robinia pseudoacacia with different densities
林分密度/（株·hm−2）
Stand density/(tree·ha−1)土层深度
Soil depth/cm团聚度
Soil aggregation degree/%分散系数
Soil dispersion coefficient/%1 025 0 ~ 10 38.12Ab 50.21Ba 10 ~ 20 38.06Aab 54.07Ba 20 ~ 30 37.76Ab 59.33Aa 0 ~ 30 37.98Aab 54.54Ba 1 300 0 ~ 10 37.88Ab 43.71Bb 10 ~ 20 36.38ABb 46.77Bb 20 ~ 30 35.75Bc 53.16Ab 0 ~ 30 36.67ABb 47.88Bb 1 575 0 ~ 10 41.74Aa 43.86Bb 10 ~ 20 39.93Aa 47.27ABb 20 ~ 30 36.98Bbc 52.69Ab 0 ~ 30 39.55Aa 47.94ABb 1 800 0 ~ 10 37.79Ab 46.25Bab 10 ~ 20 37.02Ab 49.62Bab 20 ~ 30 36.96Abc 54.94Ab 0 ~ 30 37.13Aab 50.27ABab 2 150 0 ~ 10 37.72Bb 48.71Ba 10 ~ 20 37.00Bb 52.79Ba 20 ~ 30 39.44Aa 57.84Aab 0 ~ 30 38.05ABa 53.11ABa
下载: 导出CSV
表 6 土壤抗蚀性指标PCA分析
Table 6 Principal component analysis for soil anti-erodibility indexes
土壤抗蚀性指标
Soil anti-erodibility index主成分
Principal componentY1 Y2 Y3 土壤密度 Soil bulk density −0.776 −0.369 −0.136 有机质含量 Organic matter content 0.864 0.068 0.259 > 0.25 mm水稳性团聚体质量分数 Mass fraction of > 0.25 mm water-stable aggregates 0.747 0.514 0.344 > 0.25 mm团聚体破坏率Destruction rate of > 0.25 mm aggregates −0.285 −0.754 −0.267 平均质量直径 Mean mass diameter 0.960 −0.003 0.036 几何平均直径
Geometric mean diameter0.779 −0.416 −0.176 土壤分形维数
Soil fractal dimension (D)−0.736 −0.518 −0.358 < 0.05 mm粉黏粒质量分数
Mass fraction of < 0.05 mm silt clay0.062 0.888 0.000 < 0.01 mm物理性黏粒质量分数
Mass fraction of < 0.01 mm physical clay0.093 0.786 0.219 < 0.002 mm黏粒质量分数
Mass fraction of < 0.002 mm clay0.079 0.932 −0.083 团聚度 Soil aggregation degree 0.178 0.101 0.947 分散系数 Soil dispersion coefficient −0.873 −0.396 −0.114 特征值 Characteristic value 4.872 3.855 1.399 贡献率 Contribution rate/% 40.596 32.123 11.662 累计贡献率
Cumulative contribution rate/%40.596 72.720 84.382 注：Y1、Y2、Y3表示12个土壤抗蚀性指标经主成分分析后得到的3个主成分。Notes: Y1, Y2, Y3 represent the three principal components of 12 soil erosion resistance indexes obtained through principal component analysis.
下载: 导出CSV
表 7 不同密度刺槐林土壤抗蚀性综合评价
Table 7 Comprehensive evaluation of soil anti-erodibility with different densities of Robinia pseudoacacia
林分密度/（株·hm−2）
Stand density/(tree·ha−1)土层深度
Soil depth/cm得分 Score 排序
OrderY1 Y2 Y3 Y 0 ~ 30 cm Y平均值Y average value in 0 − 30 cm 1 025 0 ~ 10 1.070 −1.224 −0.195 0.022 −0.553 5 10 ~ 20 −0.532 −0.482 −0.018 −0.442 20 ~ 30 −1.934 −1.121 0.851 −1.240 1 300 0 ~ 10 1.075 1.497 −0.170 1.064 0.343 2 10 ~ 20 0.118 0.421 −0.785 0.109 20 ~ 30 −0.792 1.159 −1.464 −0.142 1 575 0 ~ 10 0.968 0.807 2.301 1.091 0.590 1 10 ~ 20 0.259 0.675 1.434 0.580 20 ~ 30 −0.846 1.615 −0.787 0.099 1 800 0 ~ 10 1.250 0.0371 −0.542 0.541 −0.060 3 10 ~ 20 0.503 −0.820 −0.846 −0.187 20 ~ 30 −0.003 −1.166 −0.650 −0.535 2 150 0 ~ 10 0.916 −1.170 0.178 0.020 −0.320 4 10 ~ 20 −0.500 −0.346 −0.278 −0.411 20 ~ 30 −1.552 0.118 0.970 −0.568
下载: 导出CSV
-
[1] 余晓章, 魏鹏, 范川, 等. 两种巨桉人工林地土壤抗蚀性的比较研究[J]. 水土保持通报, 2015, 35(2): 58−63. Yu X Z, Wei P, Fan C, et al. Comparatives study of soil anti-erodibility between two kinds of Eucalyptus grandis plantations[J]. Bulletin of Soil and Water Conservation, 2015, 35(2): 58−63.
[2] 赵辉. 南方花岗岩地区红壤侵蚀与径流输沙规律研究: 以湖南武水流域为例[D]. 北京: 北京林业大学, 2008. Zhao H. Study on the law of red soil erosion and runoff & sediment transport in granite region of South China: a case study on Wushui Watershed of Hunan Province[D]. Beijing: Beijing Forestry University, 2008.
[3] 薛萐, 李占斌, 李鹏, 等. 不同植被恢复模式对黄土丘陵区土壤抗蚀性的影响[J]. 农业工程学报, 2009, 25(增刊1): 69−72. Xue S, Li Z B, Li P, et al. Effects of different vegetation restoration models on soil anti-erodibility in loess hilly area[J]. Transactions of the CSAE, 2009, 25(Suppl.1): 69−72.
[4] 杨玉梅. 不同土地利用方式下土壤抗蚀与抗冲性研究[D]. 雅安: 四川农业大学, 2010. Yang Y M. Study on soil anti-erodibility and anti-scour ability under different land use[D]. Ya ’an: Sichuan Agricultural University, 2010.
[5] 唐夫凯. 岩溶峡谷区不同土地利用方式土壤抗蚀性研究[D]. 北京: 中国林业科学研究院, 2016. Tang F K. Study of soil anti-erodibility of different land use types in karst valley region[D]. Beijing: Chinese Academy of Forestry, 2016.
[6] 邱陆旸, 张丽萍, 陆芳春, 等. 基于熵权法的林下土壤抗蚀性评价及影响因素分析[J]. 水土保持学报, 2016, 30(4): 74−79. Qiu L Y, Zhang L P, Liu F C, et al. Evaluation of forest soil anti-erodibility and influencing factors analysis based on entropy method[J]. Journal of Soil and Water Conservation, 2016, 30(4): 74−79.
[7] 郭天雷, 史东梅, 胡雪琴, 等. 三峡库区消落带不同高程桑树林地土壤抗蚀性及影响因素[J]. 中国生态农业学报, 2015, 23(2): 191−198. Guo T L, Shi D M, Hu X Q, et al. Characteristics and soil anti-erodibility effects of mulberry forest lands at different altitudes of water-level fluctuation zone of the Three Gorges Reservoir[J]. Chinese Journal of Eco-Agriculture, 2015, 23(2): 191−198.
[8] 刘宽梅, 周秋文. 典型喀斯特森林土壤的抗蚀性[J]. 生态学报, 2020, 40(2): 568−577. Liu K M, Zhou Q W. Study on soil anti-erodibility of typical karst forests[J]. Acta Ecologica Sinica, 2020, 40(2): 568−577.
[9] 刘旦旦, 张鹏辉, 王健, 等. 黄土坡面不同土地利用类型土壤抗蚀性对比[J]. 林业科学, 2013, 49(9): 102−106. Liu D D, Zhang P H, Wang J, et al. A comparison on soil anti-erodibility over different land use types on loess slope[J]. Scientia Silvae Sinicae, 2013, 49(9): 102−106.
[10] 薛萐, 刘国彬, 张超, 等. 黄土丘陵区人工灌木林土壤抗蚀性演变特征[J]. 中国农业科学, 2010, 43(15): 3143−3190. doi: 10.3864/j.issn.0578-1752.2010.15.011 Xue S, Liu G B, Zhang C, et al. Change of soil anti-erodibility of artificial shrubs in loess hilly area[J]. Scientia Agricultura Sinica, 2010, 43(15): 3143−3190. doi: 10.3864/j.issn.0578-1752.2010.15.011
[11] 刘相兵, 刘亚茜, 李兵兵, 等. 生态疏伐对林分密度及直径结构的影响[J]. 西北林学院学报, 2012, 27(3): 145−149. doi: 10.3969/j.issn.1001-7461.2012.03.30 Liu X B, Liu Y X, Li B B, et al. Influences of ecological thinning on the stand density and diameter structure[J]. Journal of Northwest Forestry University, 2012, 27(3): 145−149. doi: 10.3969/j.issn.1001-7461.2012.03.30
[12] 邵英男, 刘延坤, 李云红, 等. 不同林分密度长白落叶松人工林土壤养分特征[J]. 中南林业科技大学学报, 2017, 37(9): 27−31. Shao Y N, Liu Y K, Li Y H, et al. Soil nutrient characteristics in Larix olgensis plantation with different stand densities[J]. Journal of Central South University of Forestry & Technology, 2017, 37(9): 27−31.
[13] 聂泽旭, 齐实, 马曦瑶, 等. 华蓥市山区侧柏人工林土壤特性及水源涵养能力对林分密度的响应[J]. 地球与环境, 2020, 48(3): 318−326. Nie Z X, Qi S, Ma X Y, et al. Responses of soil characteristics and water conservation capacity to stand densities of planted Platycladus orientalis in mountainous areas of the Huaying City[J]. Earth and Environment, 2020, 48(3): 318−326.
[14] 吕刚, 吕向楠, 王磊, 等. 辽西低山丘陵区不同密度荆条下表层土壤抗蚀性特征[J]. 沈阳农业大学学报, 2019, 50(4): 487−493. Lü G, Lü X N, Wang L, et al. Soil anti-erosion characteristics of surface soil under Vitex negundo L. with different densities in low mountainous upland region of western Liaoning Province[J]. Journal of Shenyang Agricultural University, 2019, 50(4): 487−493.
[15] 周玮, 查同刚, 孙怀宁, 等. 北京八达岭地区典型林分林地土壤抗蚀性分析[J]. 中国水土保持科学, 2016, 14(4): 84−93. Zhou W, Zha T G, Sun H N, et al. Analysis of anti-erodibility of forest soil at 4 typical forest stands in Beijing Badaling Area[J]. Science of Soil and Water Conservation, 2016, 14(4): 84−93.
[16] 崔江辉, 崔福柱, 薛建福, 等. 化肥减施对小麦−高粱系统土壤团聚体分布及其稳定性的影响[J]. 作物杂志, 2018(1): 126−132. Cui J H, Cui F Z, Xue J F, et al. Effects of fertilizer reduction on distribution and stability of soil aggregates based on wheat-sorghum system[J]. Crops, 2018(1): 126−132.
[17] 吴嘉楠. 氮肥与生物炭配施对烤烟氮素利用和植烟土壤特性的影响[D]. 郑州: 河南农业大学, 2018. Wu J N. Effects of biochar addition combined with nitrogen fertilizer on nitrogen utilization of flue-cured tobacco and soil characteristics[D]. Zhengzhou: Henan Agricultural University, 2018.
[18] 肖盛杨, 舒英格, 陈孟军. 喀斯特高原峡谷区不同植被类型的土壤抗蚀性[J]. 水土保持通报, 2019, 39(4): 30−35. Xiao S Y, Shu Y G, Chen M J. Soil anti-erodibility under different vegetation types in karst plateau gorge region[J]. Bulletin of Soil and Water Conservation, 2019, 39(4): 30−35.
[19] 王勇, 张建辉, 李富程. 耕作侵蚀对坡耕地土壤水稳定性团聚体和水分特征的影响[J]. 水土保持学报, 2015, 29(1): 180−185. Wang Y, Zhang J H, Li F C. Tillage erosion influences on soil water-stable aggregate and moisture properties on the hillslope[J]. Journal of Soil and Water Conservation, 2015, 29(1): 180−185.
[20] 李培培, 汪强, 文倩, 等. 不同还田方式对砂质潮土理化性质及微生物的影响[J]. 生态学报, 2017, 37(11): 3665−3672. Li P P, Wang Q, Wen Q, et al. Effects of the return of organic materials on soil physical and chemical properties and bacterial number in sandy soil[J]. Acta Ecologica Sinica, 2017, 37(11): 3665−3672.
[21] 李霄云, 王益权, 孙慧敏, 等. 有机污染型灌溉水对土壤团聚体的影响[J]. 土壤学报, 2011, 48(6): 1125−1132. doi: 10.11766/trxb201011080464 Li X Y, Wang Y Q, Sun H M, et al. Effects of irrigation water polluted with organic contaminants on soil aggregates[J]. Acta Pedologica Sinica, 2011, 48(6): 1125−1132. doi: 10.11766/trxb201011080464
[22] 于大炮, 刘明国, 邓红兵, 等. 辽西地区林地土壤抗蚀性分析[J]. 生态学杂志, 2003, 22(5): 10−14. doi: 10.3321/j.issn:1000-4890.2003.05.003 Yu D P, Liu M G, Deng H B, et al. Analysis of soil anti-erodibility in western Liaoning[J]. Chinese Journal of Ecology, 2003, 22(5): 10−14. doi: 10.3321/j.issn:1000-4890.2003.05.003
[23] 马西军. 晋西黄土区不同类型坡面土壤抗蚀性特征[D]. 北京: 北京林业大学, 2013. Ma X J. Soil anti-erodibility of different land use types of loess hilly areas in western Shanxi[D]. Beijing: Beijing Forestry University, 2013.
[24] 宋吉红. 重庆缙云山森林水文生态功能研究[D]. 北京: 北京林业大学, 2008. Song J H. Research on hydrological and ecological functions of forests in Jinyun Mountain, Chongqing[D]. Beijing: Beijing Forestry University, 2008.
[25] 范川, 周义贵, 李贤伟, 等. 柏木低效林改造不同模式土壤抗蚀性对比[J]. 林业科学, 2016, 50(6): 107−114. Fan C, Zhou Y G, Li X W, et al. Comparison of soil anti-Erodibility of different modes for reforming low efficiency stands of Cupressus funebris[J]. Scientia Silvae Sinicae, 2016, 50(6): 107−114.
[26] 陈丽梅. 人参生长的土壤理化环境及生长模型的研究[D]. 长春: 吉林大学, 2007. Chen L M. Study on soil physicochemical environment and growth model of ginseng[D]. Changchun: Jilin University, 2007.
[27] 李萍. 松嫩草地群落植物多样性及密度对土壤抗蚀性的影响[D]. 长春: 东北师范大学, 2012. Li P. Influence of community plant diversity and density on soil resistance in Songnen Grassland[D]. Changchun: Northeast Normal University, 2012.
[28] 周巧稚. 晋西黄土区不同密度刺槐林水土保持功能评价[D]. 北京: 北京林业大学, 2019. Zhou Q Z. Evaluation of soil and water conservation function of Robinia pseudoacacia plantations with different densities in loess region of western Shanxi Province[D]. Beijing: Beijing Forestry University, 2019.
[29] 侯贵荣, 毕华兴, 魏曦, 等. 黄土残塬沟壑区刺槐林枯落物水源涵养功能综合评价[J]. 水土保持学报, 2019, 33(2): 251−257. Hou G R, Bi H X, Wei X, et al. Comprehensive evaluation of water conservation function of litters of Robinia pseudoacacia forest lands in gully region on Loess Plateau[J]. Journal of Soil and Water Conservation, 2019, 33(2): 251−257.
[30] 金锁, 毕浩杰, 刘佳, 等. 林分密度对云顶山柏木人工林群落结构和物种多样性的影响[J]. 北京林业大学学报, 2020, 42(1): 10−17. doi: 10.12171/j.1000-1522.20190202 Jin S, Bi H J, Liu J, et al. Effects of stand density on community structure and species diversity of Cupressus funebris plantation in Yunding Mountain, southwestern China[J]. Journal of Beijing Forestry University, 2020, 42(1): 10−17. doi: 10.12171/j.1000-1522.20190202
-
期刊类型引用(11)
1. 杨涛，孙付春，黄波，吴柏强，冉光泽. 果园作业平台关键技术研究进展. 中国农机化学报. 2024(01): 152-159 . 
百度学术
2. 汪若尘，蒋亦勇，丁仁凯，孙泽宇，徐可. 基于BP神经网络PID的机电式作业机全向调平控制. 农业工程学报. 2024(23): 52-62 . 百度学术
3. 姜欢龙，严重勇，李青涛，梁丽，李佳阳，谭芸颖. 自走式农业机械静态稳定性研究现状及展望. 西华大学学报(自然科学版). 2023(01): 32-41 . 百度学术
4. 聂昭成，罗红品，刘威，李光林. 丘陵山地作物信息采集全向自平衡装置的设计与试验. 西南大学学报(自然科学版). 2023(10): 129-138 . 百度学术
5. 蒋俞，孙泽宇，汪若尘，夏长高，叶青，郭逸凡. 丘陵山区履带式作业机全向调平系统设计与性能试验. 农业工程学报. 2023(18): 64-73 . 百度学术
6. 孙泽宇，夏长高，蒋俞，郭逸凡，汪若尘. 基于QBP-PID的履带式作业机全向调平控制研究. 农业机械学报. 2023(12): 397-406 . 百度学术
7. 姜彪，付友，郭靖，张海林，马新华. 煤矿抢险移动式自动调平搭载平台控制系统. 煤矿机械. 2022(04): 181-185 . 百度学术
8. 张翠英，仪垂良，刘学峰，任冬梅，张成保. 基于CAN总线的悬浮式转向驱动桥电气控制系统设计. 农业装备与车辆工程. 2021(05): 1-5 . 百度学术
9. 缪友谊，陈小兵，朱继平，袁栋，陈伟，丁艳. 果园作业平台研究进展分析. 中国农机化学报. 2021(06): 41-49 . 百度学术
10. 李林林，邓干然，林卫国，崔振德，何冯光，李国杰. 农业机械自动调平技术发展现状与趋势. 现代农业装备. 2021(05): 2-7+35 . 百度学术
11. 吕昊暾，胡召田，于泳超，康峰，郑永军. 果园高位作业平台自动调平前馈PID控制方法. 农业工程学报. 2021(18): 20-28 . 百度学术
其他类型引用(5)
计量
- 文章访问数: 895
- HTML全文浏览量: 370
- PDF下载量: 83
- 被引次数: 16
