南京林业大学学报(自然科学版) ›› 2022, Vol. 46 ›› Issue (5): 143-151.doi: 10.12302/j.issn.1000-2006.202102020
收稿日期:
2021-02-26
修回日期:
2022-04-12
出版日期:
2022-09-30
发布日期:
2022-10-19
通讯作者:
武刚
基金资助:
Received:
2021-02-26
Revised:
2022-04-12
Online:
2022-09-30
Published:
2022-10-19
Contact:
WU Gang
摘要:
【目的】基于遥感影像自动获取单木位置信息,进而建立单木数据库,实施单木集约化管理,以实现精准林业特别是对城市树木的集约管理。【方法】针对传统方法在树冠重叠区域易出现误判和漏判问题,提出基于CV模型的单木定位技术。首先结合树冠形态学特征自动提取初始轮廓;其次基于CV模型对初始轮廓线进行迭代,进而获取单木树冠轮廓;最终提取单木位置信息。为了检验该单木定位方法的效果,选择了7张不同类型(针叶林、阔叶林、经济林等林分和非林分)的高分辨率卫星影像,进行基于CV模型的单木定位方法与传统单木定位方法的对比分析。【结果】基于高分辨率卫星影像的CV模型单木定位法可基于图像全局信息,利用曲线内外的灰度均值而不是梯度信息进行分割,能够在边界模糊或梯度无意义的图像中取得较好的分割效果,快速准确地收敛到目标位置。与梯度分水岭法、标记分水岭法及局部最大值法等传统方法相比, CV模型单木定位法具有更高的匹配率,平均匹配率提高近23%。【结论】该单木定位法可以更好地处理树冠的连接、重叠状况,具有更好的定位效果,表现出良好的应用潜力。
中图分类号:
程晓菲,武刚. 基于高分辨率卫星影像的CV模型单木定位法[J]. 南京林业大学学报(自然科学版), 2022, 46(5): 143-151.
CHENG Xiaofei, WU Gang. Locating individual tree from high resolution satellite images based on CV model[J].Journal of Nanjing Forestry University (Natural Science Edition), 2022, 46(5): 143-151.DOI: 10.12302/j.issn.1000-2006.202102020.
表1
实验影像信息"
影像 编号 image No. | 影像 位置 image location | 地理坐标 coordinate | 树种 tree species | 林分类型 stand type | 影像来源 image source | 获取时间 acquisition time | 目视解译 数量 number of visual interpretation |
---|---|---|---|---|---|---|---|
1 | 北京市海淀区 东升八家郊野公园 | 116°19'24.25″E, 40°0'46.68″N | 圆柏 Sabina chinensis | 针叶林 | Google影像 | 2019年5月 | 397 |
2 | 河北省文安县界围农场 | 116°30'00.00″E, 38°57'37.08″N | 杨树Populus spp. | 阔叶树 | Google影像 | 2020年10月 | 77 |
3 | 浙江省临安市青山湖绿道 | 119°44'57.14″E, 30°14'32.67″N | 水杉Metasequoia glyptostroboides | 针叶林 | Google影像 | 2017年11月 | 75 |
4 | 深圳市宝安区荔枝园 | 113°53'26.34″E, 22°38'41.22″N | 荔枝 Litchi chinensis | 经济林 | Google影像 | 2017年12月 | 111 |
5 | 山东省栖霞市苹果园 | 120°42'13.54″E, 37°10'25.55″N | 苹果 Malus pumila | 经济林 | Google影像 | 2015年7月 | 71 |
6 | 北京林业大学篮球场 | 116°20'8.76″E, 40°0'6.52″N | 国槐 Sophora japonica 馒头柳 Salix matsudana var. matsudana f. umbraculifera | 四旁树 | Google影像 | 2019年6月 | 24 |
7 | 北京林业大学篮球场 | 116°20'8.76″E, 40°0'6.52″N | 国槐 Sophora japonica 馒头柳Salix matsudana var. matsudana f. umbraculifera | 四旁树 | “北京二号” 卫星 | 2018年第2季度 | 24 |
表2
单木位置精度评价"
影像编号 image No. | 林分类型 stand type | 方法 method | Nr | Na | Nmatch | Nerror | Nleave | M | Rmat | Rcom | Rom |
---|---|---|---|---|---|---|---|---|---|---|---|
1 | 针叶林 coniferous forest | CV模型 | 397 | 390 | 366 | 24 | 31 | 0.87 | 0.92 | 0.06 | 0.08 |
梯度分水岭 | 397 | 145 | 145 | 0 | 252 | 0.37 | 0.37 | 0.00 | 0.64 | ||
标记分水岭 | 397 | 198 | 195 | 3 | 203 | 0.49 | 0.49 | 0.02 | 0.51 | ||
局部最大值 | 397 | 431 | 348 | 92 | 49 | 0.71 | 0.88 | 0.19 | 0.12 | ||
2 | 阔叶林 broad-leaved forest | CV模型 | 77 | 78 | 63 | 14 | 15 | 0.68 | 0.82 | 0.19 | 0.18 |
梯度分水岭 | 77 | 119 | 61 | 58 | 16 | 0.45 | 0.79 | 0.49 | 0.21 | ||
标记分水岭 | 77 | 94 | 67 | 27 | 10 | 0.64 | 0.87 | 0.29 | 0.13 | ||
局部最大值 | 77 | 84 | 57 | 27 | 20 | 0.55 | 0.74 | 0.32 | 0.26 | ||
3 | 针叶林 coniferous forest | CV模型 | 75 | 80 | 60 | 20 | 15 | 0.63 | 0.80 | 0.25 | 0.20 |
梯度分水岭 | 75 | 78 | 55 | 23 | 20 | 0.56 | 0.73 | 0.29 | 0.27 | ||
标记分水岭 | 75 | 112 | 70 | 42 | 5 | 0.60 | 0.93 | 0.38 | 0.07 | ||
局部最大值 | 75 | 83 | 49 | 36 | 14 | 0.49 | 0.65 | 0.41 | 0.35 | ||
4 | 经济林 economic forest | CV模型 | 111 | 127 | 91 | 20 | 36 | 0.62 | 0.82 | 0.28 | 0.18 |
梯度分水岭 | 111 | 149 | 90 | 59 | 21 | 0.53 | 0.81 | 0.40 | 0.19 | ||
标记分水岭 | 111 | 371 | 111 | 260 | 0 | 0.30 | 1.00 | 0.70 | 0.00 | ||
局部最大值 | 111 | 204 | 76 | 128 | 35 | 0.32 | 0.68 | 0.63 | 0.32 | ||
5 | 经济林 economic forest | CV模型 | 71 | 79 | 52 | 3 | 19 | 0.70 | 0.73 | 0.34 | 0.27 |
梯度分水岭 | 71 | 110 | 57 | 53 | 14 | 0.46 | 0.80 | 0.48 | 0.20 | ||
标记分水岭 | 71 | 125 | 58 | 67 | 13 | 0.42 | 0.82 | 0.53 | 0.18 | ||
局部最大值 | 71 | 88 | 63 | 25 | 8 | 0.66 | 0.89 | 0.28 | 0.11 | ||
6 | 四旁树 trees of the “Four Sides” | CV模型 | 24 | 21 | 17 | 4 | 7 | 0.61 | 0.71 | 0.19 | 0.29 |
梯度分水岭 | 24 | 73 | 24 | 49 | 0 | 0.33 | 1.00 | 0.67 | 0.00 | ||
标记分水岭 | 24 | 50 | 24 | 26 | 0 | 0.48 | 1.00 | 0.52 | 0.00 | ||
局部最大值 | 24 | 71 | 24 | 47 | 0 | 0.34 | 1.00 | 0.66 | 0.00 | ||
7 | 四旁树 trees of the “Four Sides” | CV模型 | 24 | 20 | 19 | 1 | 4 | 0.79 | 0.79 | 0.05 | 0.21 |
梯度分水岭 | 24 | 103 | 24 | 79 | 0 | 0.23 | 1.00 | 0.77 | 0.00 | ||
标记分水岭 | 24 | 61 | 23 | 39 | 1 | 0.37 | 0.96 | 0.62 | 0.44 | ||
局部最大值 | 24 | 46 | 21 | 25 | 3 | 0.43 | 0.88 | 0.54 | 0.13 |
[1] | 周杨杨, 冯仲科, 陈世林. 我国面向森林资源管理的监测体系创新研究[J]. 世界林业研究, 2020, 33(2):83-89. |
ZHOU Y Y, FENG Z K, CHEN S L. Innovative research on forest resource management monitoring system of in China[J]. World For Res, 2020, 33(2):83-89.DOI:10.13348/j.cnki.sjlyyj.2019.0123.y. | |
[2] | LIEW S C, HUANG X, LIN E S, et al. Integration of tree database derived from satellite imagery and lidar point cloud data[J]. Int Arch Photogramm Remote Sens Spatial Inf Sci, 2018, XLII-4/W10:105-111.DOI:10.5194/isprs-archives-xlii-4-w10-105-2018. |
[3] | GOMES M F, MAILLARD P, DENG H W. Individual tree crown detection in sub-meter satellite imagery using marked point processes and a geometrical-optical model[J]. Remote Sens Environ, 2018, 211:184-195.DOI:10.1016/j.rse.2018.04.002. |
[4] | NEVALAINEN O, HONKAVAARA E, TUOMINEN S, et al. Individual tree detection and classification with UAV-based photogrammetric point clouds and hyperspectral imaging[J]. Remote Sens, 2017, 9(3):185.DOI:10.3390/rs9030185. |
[5] | 戴晓军. 广东省古树名木信息管理系统正式启用[J]. 国土绿化, 2017(6):55. |
DAI X J. Guangdong ancient and famous trees information management system was officially launched[J]. Land Green, 2017(6):55. | |
[6] | 丁天茼, 何建勇. 北京编制首张“雌株密度图” 精准施策治理杨柳飞絮[J]. 绿化与生活, 2019(5):21-22. |
DING T T, HE J Y. Compile the first “Female Plant Density Map” in Beijing,and apply precise measures to control willow catkins[J]. Green Life, 2019(5):21-22. | |
[7] | TOTH C, JÓZKÓW G. Remote sensing platforms and sensors:a survey[J]. ISPRS J Photogramm Remote Sens, 2016, 115:22-36.DOI:10.1016/j.isprsjprs.2015.10.004. |
[8] | BOUVIER M, DURRIEU S, FOURNIER R A, et al. Generalizing predictive models of forest inventory attributes using an area-based approach with airborne LiDAR data[J]. Remote Sens Environ, 2015, 156:322-334.DOI:10.1016/j.rse.2014.10.004. |
[9] | WULDER M, NIEMANN K O, GOODENOUGH D G. Local maximum filtering for the extraction of tree locations and basal area from high spatial resolution imagery[J]. Remote Sens Environ, 2000, 73(1):103-114.DOI:10.1016/S0034-4257(00)00101-2. |
[10] | PICOS J, BASTOS G, MÍGUEZ D, et al. Individual tree detection in a Eucalyptus plantation using unmanned aerial vehicle (UAV)-LiDAR[J]. Remote Sens, 2020, 12(5):885.DOI:10.3390/rs12050885. |
[11] | 孙振峰, 张晓丽, 李霓雯. 机载与星载高分遥感影像单木树冠分割方法和适宜性对比[J]. 北京林业大学学报, 2019, 41(11):66-75. |
SUN Z F, ZHANG X L, LI N W. Comparison of individual tree crown extraction method and suitability of airborne and spaceborne high-resolution remote sensing images[J]. J Beijing For Univ, 2019, 41(11):66-75.DOI:10.13332/j.1000-1522.20180446. | |
[12] | 刘会玲, 张晓丽, 张莹, 等. 机载激光雷达单木识别研究进展[J]. 激光与光电子学进展, 2018, 55(8):40-48. |
LIU H L, ZHANG X L, ZHANG Y, et al. Review on individual tree detection based on airborne LiDAR[J]. Laser Optoelectron Prog, 2018, 55(8):40-48.DOI:10.3788/LOP55.082805. | |
[13] | LARSEN M, ERIKSSON M, DESCOMBES X, et al. Comparison of six individual tree crown detection algorithms evaluated under varying forest conditions[J]. Int J Remote Sens, 2011, 32(20):5827-5852.DOI:10.1080/01431161.2010.507790. |
[14] | 柯樱海, 李小娟, 宫辉力. 遥感技术在自动化森林资源清查中的应用研究[M]. 北京: 中国环境出版社, 2015:1-17 |
KE Y H, LI X J, GONG H L. Research on the application of remote sensing technology in automated inventory of forest resources[M]. Beijing: China Environmental Science Press, 2015:1-17. | |
[15] | 甄贞, 赵颖慧. 单木树冠遥感法提取原理与技术[M]. 北京: 科学出版社, 2017:2-65. |
ZHEN Z, ZHAO Y H. Principle and technology of remote sensing extraction of single tree crown[M]. Beijing: Science Press, 2017:2-65. | |
[16] | WANG L, GONG P, BIGING G S. Individual tree-crown delineation and treetop detection in high-spatial-resolution aerial imagery[J]. Photogramm Eng Remote Sensing, 2004, 70(3):351-357.DOI:10.14358/pers.70.3.351. |
[17] | 郑鑫, 王瑞瑞, 靳茗茗. 基于形态学阈值标记分水岭算法的高分辨率影像单木树冠提取[J]. 中南林业调查规划, 2017, 36(4):30-35,57. |
ZHENG X, WANG R R, JIN M M. Extraction of high-resolution images of single tree crown based on watershed algorithm with morphological threshold mark[J]. Central South For Invent Plan, 2017, 36(4):30-35,57.DOI:10.16166/j.cnki.cn43-1095.2017.04.008. | |
[18] | GOUGEON F. A crown-following approach to the automatic delineation of individual tree crowns in high spatial resolution aerial images[J]. Can J Remote Sens, 1995, 21(3):274-284.DOI:10.1080/07038992.1995.10874622. |
[19] | 姜仁荣, 汪春燕, 沈利强, 等. 基于高分辨率遥感图像的荔枝林树冠信息提取方法研究[J]. 农业机械学报, 2016, 47(9):17-22. |
JIANG R R, WANG C Y, SHEN L Q, et al. A method for lichee's tree-crown information extraction based on high spatial resolution image[J]. Trans Chin Soc Agric Mach, 2016, 47(9):17-22.DOI:10.6041/j.issn.1000-1298.2016.09.003. | |
[20] | 张凝, 张晓丽, 叶栗. 基于改进爬峰法高分辨率遥感影像分割的树冠提取[J]. 农业机械学报, 2014, 45(12):294-300. |
ZHANG N, ZHANG X L, YE L. Tree crown extraction based on segmentation of high-resolution remote sensing image improved peak-climbing algorithm[J]. Trans Chin Soc Agric Mach, 2014, 45(12):294-300.DOI:10.6041/j.issn.1000-1298.2014.12.042. | |
[21] | 董天阳, 周棋正. 基于形态Snake模型的遥感影像的单木树冠检测算法[J]. 计算机科学, 2018, 45(S2):269-273,291. |
DONG T Y, ZHOU Q Z. Single tree detection in remote sensing images based on morphological snake model[J]. Comput Sci, 2018, 45(S2):269-273,291. | |
[22] | 刘玉锋, 潘英, 李虎. 基于高空间分辨率遥感数据的天山云杉树冠信息提取研究[J]. 国土资源遥感, 2019, 31(4):112-119. |
LIU Y F, PAN Y, LI H. Study of crown information extraction of Picea schrenkiana var.tianschanica based on high-resolution satellite remote sensing data[J]. Remote Sens Land Resour, 2019, 31(4):112-119.DOI:10.6046/gtzyyg.2019.04.15. | |
[23] | DONG T Y, SHEN Y Q, ZHANG J, et al. Progressive cascaded convolutional neural networks for single tree detection with google earth imagery[J]. Remote Sens, 2019, 11(15):1786.DOI:10.3390/rs11151786. |
[24] | 邓广. 高空间分辨率遥感影像单株立木识别与树冠分割算法研究[D]. 北京: 中国林业科学研究院, 2009. |
DENG G. Research on individual tree identification and crown segmentation algorithm in high spatial resolution remote sensing imagery[D]. Beijing: Chinese Academy of Forestry, 2009. | |
[25] | 李明华, 陈雨竹, 周淑芳, 等. 运用分水岭算法对航片数据的单木信息提取与识别[J]. 东北林业大学学报, 2019, 47(9):58-62,70. |
LI M H, CHEN Y Z, ZHOU S F, et al. Extraction and recognition of individual tree information on aerial image data used watershed algorithm[J]. J Northeast For Univ, 2019, 47(9):58-62,70.DOI:10.13759/j.cnki.dlxb.2019.09.011. | |
[26] | 滕文秀, 温小荣, 王妮, 等. 基于迭代H-minima改进分水岭算法的高分辨率遥感影像单木树冠提取[J]. 激光与光电子学进展, 2018, 55(12):499-507. |
TENG W X, WEN X R, WANG N, et al. Individual tree crown extraction in high resolution remote sensing image based on iterative H-minima improved watershed algorithm[J]. Laser Optoelectron Prog, 2018, 55(12):499-507.DOI:10.3788/LOP55.122802. | |
[27] | YANG J, HE Y H, CASPERSEN J P, et al. Delineating individual tree crowns in an uneven-aged,mixed broadleaf forest using multispectral watershed segmentation and multiscale fitting[J]. IEEE J Sel Top Appl Earth Obs Remote Sens, 2017, 10(4):1390-1401.DOI:10.1109/JSTARS.2016.2638822. |
[28] | CHAN T F, VESE L A. Active contours without edges[J]. IEEE Trans Image Process, 2001, 10(2):266-277.DOI:10.1109/83.902291. |
[29] | 张开华. 主动轮廓模型在图像分割中的应用研究[D]. 合肥: 中国科学技术大学, 2009. |
ZHANG K H. Research on application of active contour model in image segmentation[D]. Hefei: University of Science and Technology of China, 2009. | |
[30] | 王芳梅, 范虹, WANG Y. 利用改进CV模型连续水平集算法的核磁共振乳腺图像分割[J]. 西安交通大学学报, 2014, 48(2):38-43. |
WANG F M, FAN H, WANG Y. Continuous level set algorithm based on improved CV model for magnetic resonance breast image segmentation[J]. J Xi’an Jiaotong Univ, 2014, 48(2):38-43.DOI:10.7652/xjtuxb201402007. | |
[31] | 耿楠, 于伟, 宁纪锋. 基于水平集和先验信息的农业图像分割方法[J]. 农业机械学报, 2011, 42(9):167-172. |
GENG N, YU W, NING J F. Segmentation of agricultural images using level set and prior information[J]. Trans Chin Soc Agric Mach, 2011, 42(9):167-172.DOI:10.3969/j.issn.1000-1298. | |
[32] | 白明月, 薛河儒, 姜新华, 等. 改进C-V模型在YCbCr空间下的羊体图像分割[J]. 中国农业大学学报, 2018, 23(10):137-143. |
BAI M Y, XUE H R, JIANG X H, et al. Sheep image segmentation by an improved Chan-Vese model in YCbCr space[J]. J China Agric Univ, 2018, 23(10):137-143.DOI:10.11841/j.issn.1007-4333.2018.10.17. | |
[33] | 胡秋霞, 田杰, 何东健, 等. 基于改进型C-V模型的植物病斑图像分割[J]. 农业机械学报, 2012, 43(5):157-161. |
HU Q X, TIAN J, HE D J, et al. Segmentation of plant lesion image using improved C-V model[J]. Trans Chin Soc Agric Mach, 2012, 43(5):157-161.DOI:10.6041/j.issn.1000-1298.2012.05.027. | |
[34] | 冯冬竹, 范琳琳, 余航, 等. 自适应轮廓的变分水平集复杂背景多目标检测[J]. 软件学报, 2017, 28(10):2797-2810. |
FENG D Z, FAN L L, YU H, et al. Adaptive contour based variational level set model for multiple target detection in complex background[J]. J Softw, 2017, 28(10):2797-2810.DOI:10.13328/j.cnki.jos.005172. | |
[35] | 白雪飞, 王文剑. 自适应初始轮廓的Chan-Vese模型图像分割方法[J]. 计算机科学与探索, 2013, 7(12):1115-1124. |
BAI X F, WANG W J. Chan-vese model with adaptive initial contour for image segmentation[J]. J Front Comput Sci Technol, 2013, 7(12):1115-1124.DOI:10.3778/j.issn.1673-9418.1306007. | |
[36] | 刘文国, 刘玲, 袁玉欣. 不同黑杨无性系叶片及单木水平蒸腾特性研究[J]. 林业建设, 2012(4):7-16. |
LIU W G, LIU L, YUAN Y X. Study on consumption properties for leaf and individual level of different Populus deltoides clones[J]. For Constr, 2012(4):7-16. | |
[37] | 刘江俊. 基于无人机影像的单木识别与单木结构参数提取研究[D]. 杭州: 浙江农林大学, 2020. |
LIU J J. Individual tree recognition and individual tree structure parameters extraction based on UAV imagery[D]. Hangzhou: Zhejiang A & F University, 2020. | |
[38] | 徐永胜, 杨玉泽, 林文树. 基于不同拼接算法的无人机林区影像拼接效果研究[J]. 森林工程, 2020, 36(1): 50-59. |
XU Y S, YANG Y Z, LIN W S. Research on image stitching effect of UAV forest region based on different stitching algorithms[J]. Forest Engineering, 2020, 36(1): 50-59. | |
[39] | 陈日强, 李长春, 杨贵军, 等. 无人机机载激光雷达提取果树单木树冠信息[J]. 农业工程学报, 2020, 36(22):50-59. |
CHEN R Q, LI C C, YANG G J, et al. Extraction of crown information from individual fruit tree by UAV LiDAR[J]. Trans Chin Soc Agric Eng, 2020, 36(22):50-59.DOI:10.11975/j.issn.1002-6819.2020.22.006. | |
[40] | 李丹, 张俊杰, 赵梦溪. 基于FCM和分水岭算法的无人机影像中林分因子提取[J]. 林业科学, 2019, 55(5):180-187. |
LI D, ZHANG J J, ZHAO M X. Extraction of stand factors in UAV image based on FCM and watershed algorithm[J]. Sci Silvae Sin, 2019, 55(5):180-187.DOI:10.11707/j.1001-7488.20190520. | |
[41] | GUIJARRO M, RIOMOROS I, PAJARES G, et al. Discrete wavelets transform for improving greenness image segmentation in agricultural images[J]. Comput Electron Agric, 2015, 118:396-407.DOI:10.1016/j.compag.2015.09.011. |
[42] | LIN Y, JIANG M, YAO Y J, et al. Use of UAV oblique imaging for the detection of individual trees in residential environments[J]. Urban For Urban Green, 2015, 14(2):404-412.DOI:10.1016/j.ufug.2015.03.003. |
[43] | 马益杭, 占利军, 谢传节, 等. 连通域标记算法的并行化研究[J]. 地理与地理信息科学, 2013, 29(4):67-71,2. |
MA Y H, ZHAN L J, XIE C J, et al. Parallelization of connected component labeling algorithm[J]. Geogr Geo Inf Sci, 2013, 29(4):67-71,2.DOI:10.7702/dlydlxxkx20130415. | |
[44] | 董新宇, 李家国, 陈瀚阅, 等. 无人机遥感影像林地单株立木信息提取[J]. 遥感学报, 2019, 23(6):1269-1280. |
DONG X Y, LI J G, CHEN H Y, et al. Extraction of individual tree information based on remote sensing images from an unmanned aerial vehicle[J]. J Remote Sens, 2019, 23(6):1269-1280. |
[1] | 赵颖慧, 张大力, 甄贞. 基于非参数分类算法和多源遥感数据的单木树种分类[J]. 南京林业大学学报(自然科学版), 2019, 43(5): 103-112. |
[2] | 张剑晨,崔杰,程屹,黄剑,杜靖媛,葛宏立. 基于主成分变换的多光谱遥感数据的有监督可视化方法[J]. 南京林业大学学报(自然科学版), 2018, 42(05): 121-128. |
[3] | 周宇,张黎宁,吴丽梅. 多源遥感图像融合平台的设计与实现[J]. 南京林业大学学报(自然科学版), 2006, 30(04): 85-88. |
[4] | 张连华,李春干. 高分辨率遥感图像森林训练样本自动提取及其在变化检测中的应用[J]. 南京林业大学学报(自然科学版), 2015, 39(03): 13-17. |
[5] | 史云松,史玉峰. 基于核模糊聚类的遥感影像分类[J]. 南京林业大学学报(自然科学版), 2010, 34(06): 164-168. |
[6] | 张黎宁,周宇. SPOT5全色与多光谱图像融合方法研究[J]. 南京林业大学学报(自然科学版), 2007, 31(04): 89-92. |
[7] | 葛玉峰;周宏平;郑加强;张慧春. 基于相对色彩因子的树木图像分割算法[J]. 南京林业大学学报(自然科学版), 2004, 28(04): 19-22. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||