一种山区乔木林潜在分布的预测方法，基于TVDI温度植被干旱指数、SMMI土壤湿度监测指数、限制因子和基于VTCI条件植被温度指数、SMMI土壤湿度监测指数、限制因子构建乔木林分布模型,选取模型；提取乔木林分布指数，分别生成乔木林分布指数图；在研究区范围内随机生成样点，根据遥感影像从中选取位于乔木林内的样点，对各样点进行统计，生成散点图，在散点图上通过目视判读和参照遥感影像进行人工调试，获得阈值；从乔木林分布指数图中扣除归一化土壤指数、海拔、坡向、坡度不适宜乔木林生长的区域，得到乔木林分布区，最后扣除现有乔木林分布区域即得到乔木林潜在分布区。
1.一种山区乔木林潜在分布的预测方法，其特征在于含有以下步骤；
通过GIS地理信息系统技术、RS遥感技术从遥感影像数据中分别提取TVDI温度植被干旱指数、VTCI条件植被温度指数、SMMI土壤湿度监测指数、NDSI归一化土壤指数，从DEM数据中提取海拔、坡向、坡度数据，其中TVDI温度植被干旱指数、VTCI条件植被温度指数和SMMI土壤湿度监测指数作为预测乔木林潜在分布的适宜因子，NDSI归一化土壤指数、海拔、坡向、坡度作为限制因子；分别基于TVDI温度植被干旱指数、SMMI土壤湿度监测指数、限制因子和基于VTCI条件植被温度指数、SMMI土壤湿度监测指数、限制因子构建乔木林分布模型,选取模型；提取乔木林分布指数，分别生成乔木林分布指数图；
在研究区范围内随机生成样点，根据遥感影像从中选取位于乔木林内的样点，分别提取各样点所对应的基于TVDI温度植被干旱指数的乔木林分布指数、基于VTCI条件植被温度指数的乔木林分布指数、归一化土壤指数、海拔、坡向、坡度，对各样点进行统计，生成散点图，在散点图上通过目视判读和参照遥感影像进行人工调试，获得阈值；
预测乔木林潜在分布区，运用确定的阈值分别提取乔木林分布指数、归一化土壤指数、海拔、坡向、坡度因子，并输出生成乔木林分布指数分布图、归一化土壤指数分布图、海拔分布图、坡向分布图、坡度分布图的矢量图；
从乔木林分布指数图中扣除归一化土壤指数、海拔、坡向、坡度不适宜乔木林生长的区域，得到乔木林分布区，最后扣除现有乔木林分布区域即得到乔木林潜在分布区。
2.根据权利要求1所述的一种山区乔木林潜在分布的预测方法，其特征在于含有步骤如下：步骤1、收集数据，从地理空间数据云网站遥感影像数据和DEM影像数据；
步骤2、数据预处理，运用ENVI遥感图像处理平台对遥感影像进行几何校正、辐射定标、大气校正、地形校正预处理；
步骤3、提取温度植被干旱指数，首先运用ENVI依据数学模型：从遥感影像中提取地表温度，Ts是任意像元的地表温度， 为任意象元的辐射亮度值，2
Landsat8的K1＝774.8853W/(m*sr*μm)、K2＝1321.0789K；
NDVI＝(NIR‑RED)/(NIR+RED) (2)从遥感影像中提取NDVI(归一化植被指数)，NIR是近红外波段、RED是红外波段；
TVDI＝(Ts‑Ts_min)/(Ts_max‑Ts_min) (3)从遥感影像中提取温度植被干旱指数，Ts是任意像元的地表温度，Ts_min是最小地表温度，即湿边，由地表温度与植被指数拟合得到，其计算公式：
Ts_max为最高地表温度，与其对应的是干边,其计算公式：Ts_min＝a2+b2*NDVI，
步骤4、提取土壤湿度监测指数，运用ENVI依据数学模型：从遥感影像中提取SMMI土壤湿度监测指数，并生成SMMI分布图.式中：NIR是近红外波段、SWIR是短波红外波段；
步骤5、提取归一化土壤指数，运用ENVI依据数学模型：从遥感影像中提取NDSI归一化土壤指数，并生成NDSI分布图；
式中：NIR是近红外波段、SWIR是短波红外波段；
步骤6、提取地形因子，运用ArcGIS的3D分析工具从DEM影像中提取海拔、坡向、坡度地形因子，并生成相应的分布图；
步骤7、构建模型，基于步骤3、步骤4、步骤5、步骤6提取的因子，运用GIS空间建模技术构建乔木林分布指数综合模型；
Td＝{T(TVDI,SMMI)}\{Eup,As,Sd,NDSIi,j} (6)式中，
T为以TDVI和SMMI构建的乔木分布指数函数，Eup为不适宜乔木生长的海拔阈值，
NDSIi,j为裸岩、砾石、含有砾石的土壤所在的归一化土壤指数区间值；
步骤8、提取乔木林分布指数，基于步骤2、步骤3确定的TVDI、SMMI，运用ArcGIS 10.2栅格计算器工具依据步骤7中确定的函数:提取乔木林分布指数，并生成乔木林分布指数图；
步骤9、确定阈值，在研究区范围内随机生成样点，根据遥感影像从中选取位于乔木林内的样点；运用ArcGIS空间分析工具分别提取各样点所对应的乔木林分布指数、归一化土壤指数、海拔、坡向、坡度，运用Origin8.0对各样点进行统计，并生成散点图，并在散点图上通过目视判读和参照遥感影像进行人工调试，获得最佳阈值；
步骤10、预测乔木林潜在分布区，运用ArcGIS根据步骤9确定的阈值分别提取乔木林分布指数、归一化土壤指数、海拔、坡向、坡度因子，并生成分布图；运用ArcGIS分析工具从乔木林分布指数图中扣除归一化土壤指数、海拔、坡向、坡度不适宜乔木林生长的区域，得到乔木林分布区，最后扣除现有乔木林分布区域即得到乔木林潜在分布区。
3.根据权利要求2所述的一种山区乔木林潜在分布的预测方法，其特征在于还含有以下步骤；采用抽样法来量化精度步骤：运用ArcGIS在研究区范围内布设样点，规格为500m×
500m；参照遥感影像分别提取位于现有林地内、外的样点，并分布附加乔木林和非乔木林属性；采用ArcGIS空间叠加分析功能，分别统计位于乔木林分布区内属性为乔木林的样点数，和统计位于乔木林潜在分布区内属性为非乔木林的样点数；
4.根据权利要求2所述的一种山区乔木林潜在分布的预测方法，其特征在于还含有以下步骤；采用生境对比法步骤：通过采集现有乔木林分布区、乔木林潜在分布区和乔木林不可分布区的土壤温度、湿度数据并进行相关分析，运用IBM SPSS Statistics的One‑way ANOVA功能比较分析3种分布类型的生境差异。
一种山区乔木林潜在分布的预测方法
技术领域
[0001] 本发明涉及一种山区乔木林潜在分布的预测方法，属于基于遥感(RS)和地理信息系统技术(GIS)预测山区乔木林潜在分布的技术领域。
背景技术
[0002] 山区天然林处于积雪冰川和河川水系之间，具有控制能量平衡和水分循环、保护永久积雪和冰川安全、拦截与调节山区降水和冰雪融水的重要生态水文作用，同时具有涵养水源、净化水质、保持水土、防风固沙等重大生态功能，担负着调节生态平衡的重大责任。随着经济建设对森林物质产品需求的增长和各类经济活动对森林生态系统干扰强度的加大，山区天然林的自然更新问题日益突出。怎样科学界定山区乔木林适宜生长区是目前亟需解决的问题。
[0003] 传统的林地潜在分布预测是以气象数据为基础，通过分析适宜现有林地分布的降水、气温和太阳辐射阈值来模拟林地潜在分布区域。由于气象站点存在分布的稀疏性、不均匀性以及离散性，该方法存在缺点：1.想要获取研究区域的气象数据需对气象站点进行空间插值，这样就降低了气象数据的准确性，从而影响林地潜在分布的预测精度；2.在无气象站点的区域想要获取气象数据则需要布设气象站台进行实测，导致成本高、周期长、时效性差。
[0004] 丁程锋于2016年8月(文献：丁程锋,李霞,张绘芳,等.基于生境指数的天山中部云杉林潜在分布区预测[J].应用生态学报,2016,27(8):2401‑2408)提出了基于气象数据和地形数据，利用遥感和地理信息系统技术从中提取地形湿度指数、背光程度、海拔、坡向、坡度和降水数据构建生境指数模型模拟天山云衫林潜在分布的方法。该方法在一定程度上提高了预测精度，但仍受限于气象站点分布的稀疏性、不均匀性以及离散性。
发明内容
[0005] 为了克服以往林地潜在分布预测精度受限于气象站点分布的问题，本发明提供一种基于遥感影像预测山区乔木林潜在分布的方法。
[0006] 一种山区乔木林潜在分布的预测方法，含有以下步骤；
[0007] 通过GIS地理信息系统技术、RS遥感技术从遥感影像数据中分别提取TVDI温度植被干旱指数、VTCI条件植被温度指数、SMMI土壤湿度监测指数、NDSI归一化土壤指数，从DEM数据中提取海拔、坡向、坡度数据，其中TVDI温度植被干旱指数、VTCI条件植被温度指数和SMMI土壤湿度监测指数作为预测乔木林潜在分布的适宜因子，NDSI归一化土壤指数、海拔、坡向、坡度作为限制因子；分别基于TVDI温度植被干旱指数、SMMI土壤湿度监测指数、限制因子和基于VTCI条件植被温度指数、SMMI土壤湿度监测指数、限制因子构建乔木林分布模型,选取模型；提取乔木林分布指数，分别生成乔木林分布指数图；
[0008] 在研究区范围内随机生成样点，根据遥感影像从中选取位于乔木林内的样点，分别提取各样点所对应的基于TVDI温度植被干旱指数的乔木林分布指数、基于VTCI条件植被温度指数的乔木林分布指数、归一化土壤指数、海拔、坡向、坡度，对各样点进行统计，生成散点图，在散点图上通过目视判读和参照遥感影像进行人工调试，获得阈值；
[0009] 预测乔木林潜在分布区，运用确定的阈值分别提取乔木林分布指数、归一化土壤指数、海拔、坡向、坡度因子，并输出生成乔木林分布指数分布图、归一化土壤指数分布图、海拔分布图、坡向分布图、坡度分布图的矢量图；
[0010] 从乔木林分布指数图中扣除归一化土壤指数、海拔、坡向、坡度不适宜乔木林生长的区域，得到乔木林分布区，最后扣除现有乔木林分布区域即得到乔木林潜在分布区。
[0011] 本发明的有益效果：本发明通过从遥感影像提取相关指数因子构建乔木林分布模型，能够快速模拟生成山区乔木林空间分布区，为山区林业管理部门快速准确地提供造林位置，为山区天然林的更新提供科学依据。
[0012] 气象站点的气象数据不能准确的反映整个山区的气象状况，因此通过气象数据预测乔木林潜在分布的方法存在局限性。本发明克服了这一局限性，遥感影像数据能够覆盖整个山区，针对于每一点都能提取准确的数据，且获取数据途径比较快捷，预测精度得到了提高。
附图说明
[0013] 当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，如图其中：
[0014] 图1为本发明的流程示意图。
[0015] 下面结合附图和实施例对本发明进一步说明。
具体实施方式
[0016] 显然，本领域技术人员基于本发明的宗旨所做的许多修改和变化属于本发明的保护范围。
[0017] 本技术领域技术人员可以理解，除非特意声明，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
[0018] 本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与所属领域中的普通技术人员的一般理解相同的意义。
[0019] 为便于对实施例的理解，下面将结合做进一步的解释说明，且各个实施例并不构成对本发明的限定。
[0020] 实施例1：如图1所示，一种山区乔木林潜在分布的预测方法，含有以下步骤；通过GIS地理信息系统技术、RS遥感技术从遥感影像数据中分别提取TVDI温度植被干旱指数、VTCI条件植被温度指数、SMMI土壤湿度监测指数、NDSI归一化土壤指数，从DEM数据中提取海拔、坡向、坡度数据，其中TVDI温度植被干旱指数、VTCI条件植被温度指数和SMMI土壤湿度监测指数作为预测乔木林潜在分布的适宜因子，NDSI归一化土壤指数、海拔、坡向、坡度作为限制因子；分别基于TVDI温度植被干旱指数、SMMI土壤湿度监测指数、限制因子和基于VTCI条件植被温度指数、SMMI土壤湿度监测指数、限制因子构建乔木林分布模型,选取模型；提取乔木林分布指数，分别生成乔木林分布指数图；
[0021] 在研究区范围内随机生成样点，根据遥感影像从中选取位于乔木林内的样点，分别提取各样点所对应的基于TVDI温度植被干旱指数的乔木林分布指数、基于VTCI条件植被温度指数的乔木林分布指数、归一化土壤指数、海拔、坡向、坡度，对各样点进行统计，生成散点图，在散点图上通过目视判读和参照遥感影像进行人工调试，获得阈值；
[0022] 预测乔木林潜在分布区，运用确定的阈值分别提取乔木林分布指数、归一化土壤指数、海拔、坡向、坡度因子，并输出生成乔木林分布指数分布图、归一化土壤指数分布图、海拔分布图、坡向分布图、坡度分布图等矢量图；
[0023] 从乔木林分布指数图中扣除归一化土壤指数、海拔、坡向、坡度不适宜乔木林生长的区域，得到乔木林分布区，最后扣除现有乔木林分布区域即得到乔木林潜在分布区。
[0024] 其中基于TVDI温度植被干旱指数、SMMI土壤湿度监测指数、限制因子构建模型的步骤如下：
[0025] 步骤1、收集数据，从地理空间数据云网站(http://www.gscloud.cn/)下载Landsat 8遥感影像数据和DEM影像数据。
[0026] 步骤2、数据预处理，运用ENVI遥感图像处理平台对遥感影像进行几何校正、辐射定标、大气校正、地形校正等预处理。
[0027] 步骤3、提取温度植被干旱指数，首先运用ENVI依据数学模型：
[0028]
[0029] 从遥感影像中提取地表温度，Ts是任意像元的地表温度， 为任意象元的辐射亮度值，
[0030] Landsat8的K1＝774.8853W/(m2*sr*μm)、K2＝1321.0789K。
[0031] 其次运用ENVI依据数学模型：
[0032] NDVI＝(NIR‑RED)/(NIR+RED) (2)
[0033] 从遥感影像中提取NDVI(归一化植被指数)，NIR是近红外波段、RED是红外波段。
[0034] 最后，运用ENVI依据数学模型：
[0035] TVDI＝(Ts‑Ts_min)/(Ts_max‑Ts_min) (3)
[0036] 从遥感影像中提取温度植被干旱指数，Ts是任意像元的地表温度，Ts_min是最小地表温度，即湿边，由地表温度与植被指数拟合得到，其计算公式：
[0037] Ts_min＝a1+b1*NDVI；
[0038] Ts_max为最高地表温度，与其对应的是干边，其计算公式：
[0039] Ts_min＝a2+b2*NDVI，
[0040] a1、b1是湿边拟合方程的系数，
[0041] a2、b2是干边拟合方程的系数。
[0042] 步骤4、提取土壤湿度监测指数，运用ENVI依据数学模型：
[0043]
[0044] 从遥感影像中提取SMMI(土壤湿度监测指数)，并生成SMMI分布图.式中：NIR是近红外波段、SWIR是短波红外波段。
[0045] 步骤5、提取归一化土壤指数，运用ENVI依据数学模型：
[0046]
[0047] 从遥感影像中提取NDSI(归一化土壤指数)，并生成NDSI分布图。
[0048] 式中：NIR是近红外波段、SWIR是短波红外波段。
[0049] 步骤6、提取地形因子，运用ArcGIS的3D分析工具从DEM影像中提取海拔、坡向、坡度等地形因子，并生成相应的分布图。
[0050] 步骤7、构建模型，基于步骤3、步骤4、步骤5、步骤6提取的因子，运用GIS空间建模技术构建乔木林分布指数综合模型。
[0051] Td＝{T(TVDI，SMMI)}\{Eup，As，Sd，NDSIi，j} (6)
[0052] 式中，
[0053] Td为乔木林分布指数综合模型，
[0054] T为以TDVI和SMMI构建的乔木分布指数函数，
[0055] Eup为不适宜乔木生长的海拔阈值，
[0056] As为不适宜乔木生长的坡向阈值，
[0057] Sd为不适宜乔木生长的的坡度阈值，
[0058] NDSIi，j为裸岩、砾石、含有砾石的土壤所在的归一化土壤指数区间值。
[0059] 乔木分布指数函数如下：
[0060]
[0061] 式中： 为研究区域TVDI的平均值，
[0062] 为研究区域SMMI的平均值，
[0063] a为常数。
[0064] 步骤8、提取乔木林分布指数，基于步骤2、步骤3确定的TVDI、SMMI，运用ArcGIS 10.2栅格计算器工具依据步骤7中确定的函数：
[0065]
[0066] 提取乔木林分布指数，并生成乔木林分布指数图。
[0067] 步骤9、确定阈值，在研究区范围内随机生成样点，根据遥感影像从中选取位于乔木林内的样点。运用ArcGIS空间分析工具分别提取各样点所对应的乔木林分布指数、归一化土壤指数、海拔、坡向、坡度，运用Origin 8.0对各样点进行统计，并生成散点图，并在散点图上通过目视判读和参照遥感影像进行人工调试，获得最佳阈值。
[0068] 步骤10、预测乔木林潜在分布区，运用ArcGIS根据步骤9确定的阈值分别提取乔木林分布指数、归一化土壤指数、海拔、坡向、坡度等因子，并生成分布图。运用ArcGIS分析工具从乔木林分布指数图中扣除归一化土壤指数、海拔、坡向、坡度等不适宜乔木林生长的区域，得到乔木林分布区，最后扣除现有乔木林分布区域即得到乔木林潜在分布区。
[0069] 步骤11、精度验证，精度验证采用两种步骤方式，一是采用抽样法来量化精度步骤，二是采用生境对比法步骤。
[0070] 步骤1)、采用抽样法来量化精度步骤：运用ArcGIS在研究区范围内布设样点，规格为500m×500m；参照遥感影像分别提取位于现有林地内、外的样点，并分布附加乔木林和非乔木林属性；采用ArcGIS空间叠加分析功能，分别统计位于乔木林分布区内属性为乔木林的样点数，和统计位于乔木林潜在分布区内属性为非乔木林的样点数。
[0071] 成数抽样法精度验证公式如下：
[0072] Pi＝Ni/N (8)
[0073]
[0074] 式中：P为精度，
[0075] Pi为成数，
[0076] Ni为i类型样点数，
[0077] N为样点总数，
[0078] t取1.96。
[0079] 步骤2)、采用生境对比法步骤：通过采集现有乔木林分布区、乔木林潜在分布区和乔木林不可分布区的土壤温度、湿度数据并进行相关分析，运用IBM SPSS Statistics的One‑way ANOVA功能比较分析3种分布类型的生境差异。
[0080] 实施例2：如图1所示，一种山区乔木林潜在分布的预测方法，含有以下步骤；
[0081] 步骤1、收集数据，从地理空间数据云网站(http：//www.gscloud.cn/)下载Landsat 8遥感影像数据和DEM影像数据。
[0082] 步骤2、数据预处理，运用ENVI对遥感影像进行几何校正、辐射定标、大气校正、地形校正等预处理。
[0083] 步骤3、提取温度植被干旱指数，首先运用ENVI依据数学模型：
[0084]
[0085] 从遥感影像中提取地表温度，Ts是任意像元的地表温度， 为任意象元的辐射亮2
度值，Landsat8的K1＝774.8853W/(m*sr*μm)、K2＝1321.0789K。
[0086] 其次运用ENVI依据数学模型：
[0087] NDVI＝(NIR‑RED)/(NIR+RED) (2)
[0088] 从遥感影像中提取NDVI(归一化植被指数)，NIR是近红外波段、RED是红外波段。
[0089] 最后，运用ENVI依据数学模型：
[0090] TVDI＝(Ts‑Ts_min)/(Ts_max‑Ts_min) (3)
[0091] 从遥感影像中提取温度植被干旱指数，Ts_min是最小地表温度，即湿边，由地表温度与植被指数拟合得到，其计算公式：
[0092] Ts_min＝a1+b1*NDyI；
[0093] Ts_max为最高地表温度，与其对应的是干边，其计算公式：
[0094] Ts_min＝a2+b2*NDVI，
[0095] a1、b1是湿边拟合方程的系数，
[0096] a2、b2是干边拟合方程的系数。
[0097] 步骤4、提取条件植被温度指数：运用ENVI依据数学模型：
[0098] VTCI＝(Ts_max‑Ts)/(Ts_max‑Ts_min) (4)
[0099] 从遥感影像中提取条件植被温度指数，Ts_min是最小地表温度，即湿边，由地表温度与植被指数拟合得到，其计算公式：
[0100] Ts_min＝a1+b1*NDVI；
[0101] Ts_max为最高地表温度，与其对应的是干边，其计算公式：
[0102] Ts_min＝a2+b2*NDVI，
[0103] a1、b1是湿边拟合方程的系数，
[0104] a2、b2是干边拟合方程的系数。
[0105] Ts(地表温度)与NDVI(归一化植被指数)提取方式与步骤3相同。
[0106] 步骤5、提取土壤湿度监测指数，运用ENVI依据数学模型：
[0107]
[0108] 从遥感影像中提取SMMI(土壤湿度监测指数)，并生成SMMI分布图.式中：NIR是近红外波段、SWIR是短波红外波段。
[0109] 步骤6、提取归一化土壤指数，运用ENVI依据数学模型：
[0110]
[0111] 从遥感影像中提取NDSI(归一化土壤指数)，并生成NDSI分布图。
[0112] 式中：NIR是近红外波段、SWIR是短波红外波段。
[0113] 步骤7、提取地形因子，运用ArcGIS的3D分析工具从DEM影像中提取海拔、坡向、坡度等地形因子，并生成相应的分布图。
[0114] 步骤8、基于TVDI、SMMI、NDSI和地形因子构建模型，运用GIS空间建模技术构建乔木林分布指数综合模型：
[0115] Td_TVDI＝{TTVDI(TVDI，SMMI)}\{Eup，As，Sd，NDSIi，j} (7)[0116] 式中，Td_TVDI为乔木林分布指数综合模型，
[0117] TTVDI为以TDVI和SMMI构建的乔木分布指数函数，
[0118] Eup为不适宜乔木生长的海拔阈值，
[0119] As为不适宜乔木生长的坡向阈值，
[0120] Sd为不适宜乔木生长的的坡度阈值，
[0121] NDSIi，j为裸岩、砾石、含有砾石的土壤所在的归一化土壤指数区间值。
[0122] 乔木分布指数函数如下：
[0123]
[0124] 式中： 为研究区域TVDI的平均值， 为研究区域SMMI的平均值，a为常数。
[0125] 步骤9、基于VTGI、SMMI、NDSI和地形因子构建模型，运用GIS空间建模技术构建乔木林分布指数综合模型。
[0126] Td_VTCI＝{TVTCI(VTCI，SMMI)}\{Eup，As，Sd，NDSIi，j} (9)[0127] 式中，Td_VTCI为乔木林分布指数综合模型，
[0128] TVTCI为以VTCI和SMMI构建的乔木分布指数函数，
[0129] Eup为不适宜乔木生长的海拔阈值，
[0130] As为不适宜乔木生长的坡向阈值，
[0131] Sd为不适宜乔木生长的坡度阈值，
[0132] NDSIi，j为裸岩、砾石、含有砾石的土壤所在的归一化土壤指数区间值。
[0133] 乔木分布指数函数如下：
[0134]
[0135] 式中： 为研究区域VTCI的平均值， 为研究区域SMMI的平均值，b为常数。
[0136] 步骤10、提取乔木林分布指数，运用ArcGIS 10.2栅格计算器工具分别依据步骤8、步骤9中确定的函数(8)、函数(10)提取乔木林分布指数，并分别生成乔木林分布指数图。
[0137] 步骤11、确定阈值，在研究区范围内随机生成样点，根据遥感影像从中选取位于乔木林内的样点。运用ArcGIS空间分析工具分别提取各样点所对应的基于TVDI的乔木林分布指数、基于VTCI的乔木林分布指数、归一化土壤指数、海拔、坡向、坡度，运用0rigin 8.0对各样点进行统计，并生成散点图，并在散点图上通过目视判读和参照遥感影像进行人工调试，获得最佳阈值。
[0138] 步骤12、预测乔木林潜在分布区，运用ArcGIS根据步骤11确定的阈值分别提取乔木林分布指数、归一化土壤指数、海拔、坡向、坡度等因子，并生成分布图。运用ArcGIS分析工具从乔木林分布指数图中扣除归一化土壤指数、海拔、坡向、坡度等不适宜乔木林生长的区域，得到乔木林分布区，最后扣除现有乔木林分布区域即得到乔木林潜在分布区。据此，分别得到基于TVDI预测的乔木林潜在分布区和基于VTCI预测的乔木林潜在分布区。
[0139] 步骤13、精度验证，精度验证采用两种方式，一是采用抽样法来量化精度，二是采用生境对比法。
[0140] 步骤1)、成数抽样法：运用ArcGIS在研究区范围内布设样点，规格为500m×500m；参照遥感影像分别提取位于现有林地内、外的样点，并分布附加乔木林和非乔木林属性；采用ArcGIS空间叠加分析功能，分别统计位于乔木林分布区内属性为乔木林的样点数，和统计位于乔木林潜在分布区内属性为非乔木林的样点数。
[0141] 成数抽样法精度验证公式如下：
[0142] Pi＝Ni/N (11)
[0143]
[0144] 式中：P为精度，Pi为成数，Ni为i类型样点数，N为样点总数，t取1.96。
[0145] 步骤2)、生境对比法：通过采集现有乔木林分布区、乔木林潜在分布区和乔木林不可分布区的土壤温度、湿度数据并进行相关分析，运用IBM SPSS Statistics的One‑way ANOVA功能比较分析3种分布类型的生境差异。
[0146] 通过运用以上两种方法分别验证基于TVDI预测的乔木林潜在分布区和基于VTCI预测的乔木林潜在分布区的精度，选取最优模型。
[0147] 如上所述，对本发明的实施例进行了详细地说明，但是只要实质上没有脱离本发明的发明点及效果可以有很多的变形，这对本领域的技术人员来说是显而易见的。因此，这样的变形例也全部包含在本发明的保护范围之内。
