遥感在森林地上生物量估算中的应用
遥感在森林资源调查中的应用
遥感在森林资源调查中的应用
遥感是指通过卫星、飞机等遥远距离感测器获取地面信息的技术。
在森林资源调查中，遥感技术被广泛应用于森林的监测、分类、更新、破坏程度评估等方面，具有高效、快捷、准确的特点。
下面将重点介绍遥感在森林资源调查中的应用。
遥感技术可以用于森林类型分类和变化监测。
通过获取的卫星图像，可以进行不同森
林类型的划分和分析，包括天然林、人工林、次生林等。
通过多时相的卫星数据，还可以
监测森林类型的变化情况，了解森林的演替过程和演替速度。
遥感技术可以用于森林植被覆盖度测算。
通过卫星图像，可以提取森林覆盖度信息，
帮助评估森林的植被状况。
植被覆盖度是评估森林生态系统功能的重要指标，可以反映森
林的生产力、水文循环、土壤保持等方面的情况。
遥感技术可以用于森林资源估测。
通过获取的卫星图像，可以计算森林面积、体积、
蓄积量等重要参数，帮助评估森林的资源量和价值。
这对于森林管理和经济利用具有重要
意义，可以为森林资源的合理开发提供科学依据。
遥感技术还可以用于森林火灾监测和预警。
通过卫星图像，可以及时掌握森林火灾的
发生情况和蔓延速度，提供重要的预警信息。
这对于及时采取灭火措施、减少火灾扩散范
围具有重要意义，能够最大限度地保护森林资源和生态环境。
遥感在森林资源调查中的应用
遥感在森林资源调查中的应用
首先，遥感技术可以快速获取大面积的森林信息。
传统的森林调查需要人工进入到森
林内部进行采样调查，费时费力而且容易受到人为因素的影响。
而遥感技术可以使用卫星、航空器等遥感平台对森林进行高分辨率的影像获取，从而获取大面积的森林信息，可以大
大节省调查时间和人力成本，并且获取到的数据具有更高的空间分辨率和时间分辨率。
其次，遥感技术可以获取森林生长状况信息。
通过遥感影像的特征参数提取和分析，
可以得到森林生长状态、林木物种、年龄等信息，这些信息对于森林经营和资源利用至关
重要。
例如，根据森林生长状态的变化，可以判断森林健康状况和生产能力，从而制定合
理的森林管理和经营计划。
第三，遥感技术可以进行森林面积和空间分布的测算。
通过遥感技术，可以测算森林
面积、林木分布、森林类型等信息，从而对森林分布情况有更加全面的认识。
对于森林防火、防治病虫害等方面，提供了更加可靠的数据支持。
第四，遥感技术可以进行森林质量的评价。
遥感信息可以反映森林的生态环境、水土
保持状况、生物多样性等，这些信息是判断森林生态质量和可持续发展的重要指标。
根据
遥感影像的特征参数，可以评价森林土地的适宜程度、营养状况、生态承载能力等指标，
为森林资源的合理开发提供了科学依据。
总之，遥感技术在森林资源调查中的应用十分广泛，可以从多个维度提供森林资源、
生境状况、生态质量、生产能力等方面的数据支持，为科学的森林资源管理和利用提供重
要的决策支撑。
遥感技术在森林资源调查中的应用
遥感技术在森林资源调查中的应用摘要：近年来，随着国内高新技术能力的不断提高，遥感技术有了进一步的发展趋势。
遥感技术在森林资源调查中的应用可以完成实时的市场定位和监管，并可以将收集到的信息和数据传输给相关人员。
通过对数据信息和信息的分析融合，使工作人员能够更及时、更全面地掌握山地和森林的情况。
我国森林资源总面积居世界前列。
传统的森林资源调查工作量大，效率低。
同时，容易产生一些疏漏，不利于森林资源的维护。
因此，遥感技术在森林资源调查中的应用具有充分的现实意义。
关键词：遥感技术；森林资源调查；应用1遥感技术概述遥感技术主要指利用相应的设备，如无人机、飞机或人造卫星等，从高空或外层空间收集地物目标的电磁辐射信息，并通过对这些信息进行扫描、摄影、传输和处理，从而达到远程探测目标的目的。
近年来，随着我国科技水平的不断提升，遥感技术也在不断发展。
现阶段，利用卫星获取数据已经成为森林资源调查的重要手段之一，不仅能极大地提升森林资源调查工作的效率，还能进一步提升数据信息的精确度。
遥感影像不仅可以精准地识别地物信息，而且可以采用相应的分类算法进行分类。
在对数据进行分析时，将地学分析法与影像的具体特征进行结合，依据现有的森林资源资料和调查人员丰富的工作经验，才能够更加精准地判断地物的类型。
遥感技术获取的信息能够利用计算机系统进行分析和输出，进而全面地掌握各种地物的面积。
遥感技术中的航空摄影技术主要基于地理信息系统（Geographic Information System, GIS),GIS在森林资源调查中操作便捷，能够及时更新，并且不需要过多的成本投入，遥感图像能够快速且准确地对森林资源进行动态分析和监测。
2技术优势无人机遥感技术优势主要体现在高效快速、监测全面、大尺度、低成本与高分辨率五方面。
其中，在高效快速方面，无人机可以在短时间内完成起降作业与数字高程模型数据处理任务，同步开展外业采集与内业数据处理作业，单台无人机的日监测能力在200～320平方千米，具备森林资源即时调查、大范围监测的技术条件[2]。
基于遥感技术的森林生态系统监测与碳储量评估：从森林覆盖率到森林生物量,从碳汇功能到碳交易
基于遥感技术的森林生态系统监测与碳储量评估：从森林覆盖率到森林生物量，从碳汇功能到碳交易摘要森林生态系统是地球上重要的碳汇，在全球气候变化背景下，准确评估森林碳储量和监测森林碳汇功能显得尤为重要。
遥感技术作为一种高效、快速、大尺度获取森林信息的工具，在森林生态系统监测与碳储量评估中发挥着重要作用。
本文将以遥感技术为核心，阐述其在森林覆盖率、森林生物量、碳汇功能和碳交易等方面的应用。
首先，介绍遥感技术在森林覆盖率监测中的应用，包括数据源、方法和精度评估；其次，阐述遥感技术在森林生物量估算中的应用，包括生物量模型构建和验证；然后，探讨遥感技术在森林碳汇功能评估中的应用，包括碳排放量和碳吸收量的估算；最后，分析遥感技术在碳交易中的应用，包括碳排放权交易和碳汇交易。
本文将重点探讨遥感技术在森林碳储量评估和碳汇功能监测中的应用现状、面临的挑战以及未来的发展趋势，并展望其在实现全球碳中和目标中的潜在贡献。
关键词:遥感技术，森林生态系统，碳储量评估，碳汇功能，碳交易引言森林生态系统是地球上最大的陆地碳库，在全球碳循环中扮演着至关重要的角色。
森林通过光合作用吸收大气中的二氧化碳，并将其固定在生物量和土壤中，从而起到重要的碳汇作用。
随着全球气候变化日益加剧，森林碳汇功能的减弱将加剧温室效应，对全球生态环境造成严重威胁。
因此，准确评估森林碳储量和监测森林碳汇功能，对于制定有效的碳减排策略、应对气候变化具有重要意义。
传统的森林碳储量评估方法主要依赖地面调查，具有成本高、耗时长、难以大规模实施等缺点。
近年来，随着遥感技术的快速发展，特别是高分辨率遥感影像和无人机技术的应用，为森林碳储量评估提供了新的思路和手段。
遥感技术可以快速、高效地获取大范围森林信息，并进行时空动态监测，克服了传统方法的局限性，为森林碳储量评估和碳汇功能监测提供了有力支撑。
本文将围绕遥感技术在森林生态系统监测与碳储量评估中的应用展开论述，分析其在森林覆盖率监测、森林生物量估算、碳汇功能评估和碳交易等方面的优势和应用前景。
森林生物量遥感估算与应用分析
森林生物量遥感估算与应用分析一、本文概述《森林生物量遥感估算与应用分析》一文旨在探讨利用现代遥感技术对森林生物量进行有效、精确估算的方法及其在实际林业管理、碳循环研究及气候变化应对等领域的广泛应用。
本文首先梳理了遥感技术在森林生物量估测方面的理论基础和最新进展，包括不同遥感平台（如卫星、无人机等）获取的多光谱、高光谱、雷达等数据源在生物量模型构建中的作用机理与适用性分析。
接着，本文详细介绍了目前国内外常用的遥感生物量估算模型，比较其性能优劣，并结合实地调查数据验证了各类模型在不同森林类型、不同尺度下的精度与稳定性。
研究中特别关注了遥感指数的选择、地表特征参数提取、生物量遥感变量关系建模以及不确定性分析等关键技术环节。
本文还深入剖析了遥感估算森林生物量的实际应用价值，通过实例展示如何将遥感估算成果应用于森林资源清查、碳汇计量、生态系统服务评估以及森林可持续经营策略制定等多个层面。
针对现有研究存在的问题与挑战，提出了未来遥感估算森林生物量的研究方向和技术改进策略，力求为推进我国乃至全球的森林资源精细化管理和生态环境保护工作提供科学依据和技术支撑。
二、森林生物量遥感估算的理论基础森林生物量遥感估算技术是一种结合现代遥感技术与生态学原理，对森林生态系统中植被固有的有机物质总量进行非接触式、大范围精确估计的方法。
这一技术的理论基础涵盖了遥感科学、生态计量学、森林生态学以及地理信息系统等多个学科领域。
遥感科学提供了从空间获取森林结构与状态信息的核心手段。
遥感卫星及航空器搭载的多光谱、高光谱和雷达等传感器能够捕捉到地表森林冠层的电磁波辐射特征，这些特征与森林生物量的相关性已被大量科学研究证实。
例如，近红外波段反映叶绿素含量及叶片面积指数，短波红外则可以指示水分状况和生物化学成分，雷达数据可用于提取森林高度和结构参数，这些都是估算生物量的关键参数。
生态计量学构建了生物量与遥感指标之间的定量关系模型。
通过对地面实测生物量数据与遥感数据的相关分析，科学家们建立了多元线性回归、机率密度函数模型、人工神经网络、随机森林等多种数学模型，用于模拟和预测大面积森林生物量分布。
森林生物量遥感估算与应用分析
展的 ３ Ｓ技术 为大 尺 度森 林 生物 量估 算 提供 了一 条 快捷 、 济 、 经 方便 和 可靠 的途径［ ７ １ 。
本 文对 基 于 遥 感 信 息 的 森林 生 物 量 估算 方 法 与应 用 及其发 展 方 向做 了深 入分 析 ． 以期 为我 国森 林 生物量研 究 的发展 提供 参考
１ 引 言
森 林 生物 量 约 占全 球 陆地 植 被 生 物 量 ９ ％ｆ 标 志 ． 是 评 估森 林 碳 也
植 被 的遥 感 图像 信 息 是 由其 反 射 光谱 特 征 决
定的 ． 植物 的光合 作 用表 现 为 对红 光 和蓝 紫光 的强
优 遥 感光 谱模 型 ． 而 确定 了粤西 及 附 近地 区 的森 进 林 生 物 量 ㈣； ａ ｅ等 结 合 地 面 调 查 和 Ｔ Ａ Ｈ Ｒ Ｈｍ Ｍ、 Ｖ Ｒ 数 据 ． 欧 洲 森林 生物 量进 行 了成 功估 算 ［： ｅ ｋ 对 Ｕ Ｌｆ ｙ ｌ ｓ 等利 用 雷 达 数 据 对美 国 Ｅ ｓ Ｍａｙ ｎ ａｔ ｒｌ ｄ落 叶松 的地 ａ
维普资讯
第 ８ 第 ４期 卷 ２０ ０ ６年 １ ２月
地 球 信 息 科 学
ＧＥ Ｉ ＯＲＭＡＴ ＯＮ Ｃ ＥＮＣ Ｏ— ＮＦ Ｉ Ｓ Ｉ Ｅ
Ｖ １ ，Ｎｏ４ ｏ． ８ ． Ｄｅ ．２ ０ ｃ， ０ ６
森林生物 量遥感估 算与应用分析
徐新良 ，
林生 物量 研究 始 于 ２ ０世 纪 ７ ０年 代后 期 ． 后 建 立 先 了主要森 林树 种 的生 物量 测定 相 对 生长 方 程 ． 算 估
了它们 的生 物 量 和生 产 力 ［ 初 步 总 结 了全 国不 同 ３ ］ ． 森林 类 型 的生物 量 与 生产 力及 其 空 间分 布格 局
森林生物量遥感估算方法分析
森林生物量遥感估算方法分析近些年来，随着人类活动日益频繁，全球森林面积锐减，大量使用化石燃料，由此导致的温室效应等环境问题等全球环境问题。
所以，全球碳循环问题日渐成为全球环境变化究领域的热点问题，其中森林生态系统碳循环又是全球碳循环中受人类活动影响最强烈的部分。
因此，为了正确评价森林在全球碳平衡中所发挥的作用，森林生物量作为有效衡量森林生态系统生产力、生态系统结构功能的重要指标，其研究正日益成为人们关注的重点。
随着航天遥感技术应用技术的提高，利用卫星影像特征判读数据与地面实测数据建立数学模型，进行森林资源调查己越来越被人们所认识和应用。
需要注意的是，在对森林生物量进行估算时，模型的恰当选择是关键问题，因为它直接影响了森林生物量的估算精度。
2.基于遥感技术的森林生物量估算方法分析2.1基于遥感技术的森林生物量估算方法的机理分析生物量是指在一定时间内，单位面积内所含的一个或多个生物种组成的群落中所有生物有机体的总干物质的质量。
森林生物量包括乔木层生物量、活地被物层生物量以及动物和微生物生物量3个部分。
目前，对生物量研究的途径主要有三种：依据呼吸作用释放二氧化碳的变化的方法；依据监测光合作用的方法；依据对生物现存量来进行研究的方法。
植物遥感基于对植物叶片和冠层光谱特征的了解，所以要清楚植物叶片结构和植被结构。
从植物遥感—植物与光（辐射）的相互作用出发，叶片的大小、形状、结构以及叶绿素含量同植被结构一样，随着植物的种属、生长时期及分布的改变而变化的。
从植被光谱特征来看，近红外区的反射主要受叶片的叶腔结构控制；在叶片的光合作用过程中，叶绿素主要吸收可见光中的蓝光、红光以及少部分绿光；植物的发射特征主要表现在热红外和微波普段。
由于随着植物的生长发育的变化，其叶腔结构、细胞叶绿素含量和水分含量均会随之变化，导致叶片的光谱反应也发生相关变化。
因此，通过对这些现象及其相应的光谱特征变化的研究和多种光谱特征值的合理组合，可有效的进行植物与非植物的区分、不同植被类型的识别、植物长势监测以及植被生物量估算等研究。
森林冠层高度的遥感估算：进展、挑战与未来方向
森林冠层高度的遥感估算：进展、挑战与未来方向在地球的陆地生态系统中，森林扮演着至关重要的角色。
森林冠层高度作为描述森林结构的关键参数之一，对于理解和监测森林生态系统的功能和健康状态至关重要。
近年来，随着遥感技术的发展，如何利用遥感数据高效、准确地获取森林冠层高度信息，已成为林业研究和森林管理中的热点问题。
遥感技术在森林监测中的应用遥感技术通过不同的传感器和平台，提供了一种大范围、快速获取森林信息的手段。
从早期的光学影像到现在的激光雷达（LiDAR）技术，遥感技术在森林监测中的应用不断深化。
光学影像由于受大气条件和季节变化的影响较大，往往难以获取森林的垂直结构信息。
而LiDAR技术能够穿透森林冠层，获取更为精确的森林高度和生物量信息。
LiDAR技术：穿透森林的“激光眼”LiDAR技术通过发射激光脉冲并接收其反射回来的信号，计算地面和植被的高度信息。
这项技术在森林垂直结构监测中显示出了巨大潜力。
然而，LiDAR数据的获取成本较高，且数据处理复杂，这限制了其在更大范围森林监测中的应用。
地理统计学：森林监测的得力助手为了克服LiDAR数据成本高和覆盖范围有限的问题，研究者们开始尝试将地理统计学方法与遥感数据相结合，以提高森林监测的效率和精度。
回归克里金（Regression Kriging, RK）技术就是其中一种有效的手段。
通过将遥感数据与地面实测数据相结合，RK技术能够在考虑空间自相关性的基础上，对森林冠层高度进行更为准确的估算。
森林冠层高度的不确定性量化在进行森林冠层高度估算时，不确定性的量化同样重要。
这不仅涉及到模型本身的精度，还包括数据采集、处理过程中的各种误差。
通过对不确定性的评估，可以更好地理解模型的可靠性，为森林管理提供更科学的决策支持。
未来展望：技术融合与智能化随着技术的不断进步，未来森林监测将朝着技术融合和智能化的方向发展。
无人机（UAV）搭载的小型化LiDAR设备、合成孔径雷达（SAR）以及更高分辨率的光学影像，将为森林监测提供更为丰富和精细的数据源。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
遥感在森林地上生物量估算中的应用3何红艳 郭志华33 肖文发(中国林业科学研究院森林生态环境与保护研究所,北京100091)摘 要 生物量是地表C 循环研究的重要组成部分,生物量研究有助于深入认识区域乃至全球的C 平衡。
森林作为地球最重要的陆地生态系统,区域乃至全球尺度的森林地上生物量估算一直是生态学研究的难点之一。
在大的空间尺度上,遥感技术是估算森林地上生物量的有效手段。
T M 、AVHRR 、S AR 等数据以及多源数据的融合在森林生物量估算方面广泛应用,并取得了显著效果。
运用遥感技术进行森林生物量估算时,所采用的数据源不同,分析方法也不相同,主要分析方法有:相关分析、多元回归分析、神经网络和数学模型模拟等。
随着测定不同空间、时间和波谱分辨率的各种传感器的广泛使用,以及生物量遥感估算模型的进一步发展和完善,大尺度森林生物量的遥感估算研究必将向前迈进一大步。
生物量;遥感;神经网络;数学模型中图分类号 S718.55 文献标识码 A 文章编号 1000-4890(2007)08-1317-06Appli ca ti on of re m ote sen si n g i n forest aboveground b i oma ss esti m a ti on.HE Hong 2yan,G UO Zhi 2hua,X I A O W en 2fa (Institute of Forest Ecology,Environm ent and P rotection,Ch inese A cade m y of Forestry,B eijing 100091,China ).Chinese Journa l of Ecology ,2007,26(8):1317-1322.Abstract:B i omass is an i m portant variable in many ecol ogical and envir on mental models,and its large scale esti m ati on would be hel pful t o understand the gl obal C balance .Forest p lays an i m 2portant r ole in the gl obal carbon budget because it deter m ines the dyna m ics of terrestrial carbon cycle,but the measure ment of its abovegr ound bi omass involves extensive field surveys .On large regi onal scale,using satellite data is an effective way t o esti m ate forest bi omass .Up t o now,T M ,AVHRR ,radar data and the fusi on of multi p le satellite data have been widely used in f orest bi o 2mass esti m ati on .During esti m ating with satellite data,different mathe matic methods may be re 2quired if the data s ources are different .The main methods for the esti m ati on are correlati on analy 2sis,regressi on analysis,neural net w ork,and other mathe matic models .Ne w instru ments with different res oluti on in s patial,te mporal and s pectru m are devised f or the relatively reliable deter 2m inati on of f orest abovegr ound bi omass .W ith the devel opment and i m p r ove ment of the theories and models for bi omass esti m ati on by using re mote sensing data,great p r ogress will be achieved in the research of forest bi omass on large scales .Key words:bi omass;re mote sensing;neural net w ork;mathe matical model .3国家自然科学基金重大研究计划项目(90211006)、国家重点基础研究发展规划项目(2002CB412508)、国家自然科学基金重大项目(30590383)、国家科技十一五攻关计划项目(2006037002027)和国家林业局重点试验室开放基金资助项目。
33通讯作者E 2mail:guozh@caf .ac .cn 收稿日期:2006209230 接受日期:20072052051 引 言作为生态和环境应用研究的重要变量之一,生物量的长期定位研究有助于加深对全球碳平衡的认识和理解(Field et al .,1995;Fang et al .,2001;方精云等,2002)。
作为地球上最重要的陆地生态系统,森林在全球碳循环中居重要地位,对陆地生物圈和其它地表过程有着重要影响。
因此,大尺度森林地上生物量的有效估算是生态学研究的重要内容之一。
利用遥感进行森林生物量估算是基于植物的反射光谱特征实现的。
这是因为:不同植物及同种植物在不同的生长发育阶段,其反射光谱曲线形态和特征不同;并且,病虫害、灌溉和施肥等条件的不同也会引起植物反射光谱曲线的变化(彭少麟等,生态学杂志Chinese Journal of Ecol ogy 2007,26(8):1317-1322 1999)。
因此,可以利用植物的这一特征,借助遥感技术,并结合地面调查,进行区域和全球尺度上的森林生物量估算研究。
多种遥感数据被广泛用于森林生物量估算,这些遥感数据主要包括Landsat T M、NOAA/AVHRR、S AR等。
2 森林生物量估算中的遥感数据源211 T M数据由美国陆地卫星五号(LANDS AT5)携带的主题成像传感器(The matic Mapper,T M)有7个波段,利用这7个波段的不同组合可以提取不同的植被指数,然后利用植被指数估算区域生物量(Ha me et al.,1997;M ichalek et al.,2000;Foody et al.,2001; Houghi on et al.,2001;T omppo et al.,2002;Foody et al.,2003;R ichards&B rack,2004)。
利用T M数据估算区域生物量时,往往在研究区域内实测生物量或与生物量有密切关系的数据如材积(Ha me et al.,1997;郭志华等,2002)和叶面积指数(leaf area index,LA I)(Phua&Sati o,2003)等,利用T M数据的7个波段及各波段的组合如归一化植被指数(nor malized difference vegetati on index,ND2 V I)(Houghi on et al.,2001;Dong et al.,2003)等与生物量或者材积等的关系进行多元回归分析建模。
郭志华等(2002)利用T M数据的7个波段及其各种组合与材积的关系,估算了粤西地区的森林生物量。
Foody等(2003)在对热带雨林(婆罗洲)的生物量制图时,基于T M数据和回归分析模型,有效提高了生物量估算精度。
Phua和Sati o(2003)利用T M数据的6个波段(未使用第6波段)及植被指数信息,并结合其它因子,进行多元回归建模和生物量估算。
212 NOAA/AVHRR数据AVHRR是NOAA系列卫星的主要探测仪器,包含有一个5通道的光谱扫描辐射仪。
利用AVHRR数据进行生物量估算时,主要是通过AVHRR数据计算NDV I指数。
利用AVHRR数据提取NDV I植被指数,然后通过NDV I估算区域的生物量,是一种比较常用的方法(Ha me et al.,1997;Houghi on et a l.,2001;San2 nier&Tayl or,2002;Dong et a l.,2003;A l2Bakri& Tayl or,2003;Moreau et al.,2003)。
Dong等(2003)利用遥感估算16个国家(加拿大、芬兰、挪威、德国等)167个省份的北部森林和温带森林的生物量时,利用AVHRR数据提取NDV I植被指数,根据针叶林和阔叶林的不同,建立了估算生物量的不同模型,有效估算了这些区域的地上部分生物量。
AVHRR数据也用于森林的分类(M ichalek et a l.,2000),但其分类精度不如T M数据(Houghi on et a l.,2001)。
213 雷达数据雷达遥感又叫微波遥感,可分为主动和被动2种方式,被动方式与可见光和红外遥感类似,是由微波扫描辐射计接收地表目标的微波辐射。
目前多数星载雷达采用主动方式,即由遥感平台发射电磁波,然后接收辐射和散射回波信号,主要探测地物的后向散射系数和介电常数。
微波遥感不依赖于太阳辐射的变化,能够全天候观测,可以随时随地获取植被信息,特别适用于云层覆盖的地区。
而且,微波具有一定的穿透力和对某些地物明显的区分能力,利用雷达数据进行生物量估算相当普遍(Hoek man& Qui ones,2000;I m hoff&Johns on,2000;Houghi on et al.,2001;Sant os et al.,2003)。
Lefsky等(2002)利用雷达遥感数据,估算了北方针叶林、温带针叶林和温带落叶林3类森林生态系统的地上部分生物量。
21311 合成孔径雷达 合成孔径雷达(S AR)利用波长01001～1μm的微波来探测地物,这种雷达数据在森林生物量估算中的应用越来越广(Hoek2 man&Qui ones,2000;I m hoff&Johns on,2000;Sant os et al.,2003)。