基于遥感技术的植被分类研究现状与发展趋势

综述了国内外基于遥感技术进行植被分类的研究现状, 并提出植被分类的发展趋势:(1)从单时相、单源遥感分类向多时相、多源信息融合发展; (2)从单一分类方法向复合分类方法发展; (3)从“硬”分类向“软”分类方向发展; (4)从基于像元分类向混合像元分解分类和面向对象分类方向发展; (5)从传统分类向智能分类方向发展。     

湿地植被遥感分类研究进展

植被是湿地生态系统的重要组成部分,湿地植被遥感分类研究能为湿地保护、管理和恢复提供实践指导。文中主要从湿地植被遥感分类的数据源和分类方法2方面综述湿地植被遥感分类研究的现状,分析目前湿地植被遥感分类研究的不足,展望未来我国湿地植被遥感分类的发展趋势。     

森林植被遥感分类研究进展与对策

遥感分类是遥感应用中的主要问题之一,分类的精度直接影响遥感数据的应用水平和实用价值。本文概述了遥感分类的方法,综述了森林植被遥感分类研究的国内外进展,在此基础上分析了森林植被遥感分类存在的问题,提出了发展对策,指出基于知识的人工智能技术和高光谱技术是森林植被遥感分类未来的发展趋势。     

壶瓶山国家级自然保护区森林植物群落类型及特征

对壶瓶山自然保护区的植被进行了研究,该区植被属于华中植物区系,地带性植被在森林分区上为中亚热带北部常绿阔叶林亚地带,属三峡武陵山雪峰山林区。主要类型有：低山针叶林、中山针叶林、中山针阔混交林、常绿阔叶林、常绿落叶阔叶混交林、落叶阔叶林、灌丛、灌草丛和草句。在分类系统上采用植被型组(Vegetation type group)一植被型(Vegetation type)一植被亚型(Vegetation subtype)一植物群系(plant formation)一植物群丛(Plant association)为分类等级,共分为5个植被型组,9个植被型,包括50个主要群系。     

珠海市植被分类系统和主要植被群落特征

在野外考察和研究的基础上,采用优势种、外貌与结构相结合的原则,参考《中国植被》的分类系统,将珠海市自然植被划分为5个植被型组、8个植被型、19个群系,40个群落。其中植被型主要包括：A. 亚热带针叶林;B. 常绿阔叶林;C. 常绿灌丛;D. 灌草丛;E. 草丛;F. 砂生草丛;G. 砂生灌丛;H. 沼生草丛。人工植被可划分为4个植被型,即林地、林果园、农作物园地和城市绿地。同时,对主要群落的外貌和组成特点进行了描述,如：马尾松群落、布渣叶群落、大叶相思群落、大头茶群落、猪笼草群落、红树林植物群落等。     

基于GIS和RS的广州市森林植被分类研究

首先对森林植被类型分类方法的研究概况进行了综述，提出采用植被指数进行植被分类，根据广州市中心城区植被冠层反射率数据，通过对多种植被指数的计算和分析，得出植被指数和植被类型的关系。进而对TM影像数据处理。得出广州市中心城区森林植被分类情况。     

湖北大洪山植被的研究

本文初步研究了湖北大洪山植被的环境因素、区系特征及植被的基本类型。根据植被现状,按《中国植被》的分类原则,将该区植被划分为3个植被型组、10个植被型和143个群系,并对每一群系及某些重要群丛给予了分析和评价。此外,还从生态经济学角度出发探讨了本区植被开发利用的途径。     

城市植被分类研究进展

笔者概述了当前国内外城市植被分类体系的研究进展,并对城市植被分类中存在的主要问题进行了分析和展望。     

洱海湿地植被及其保护

洱海是云南省第2大淡水湖,面积24 952hm2,湖容量28.8亿m3,根据《中国湿地植被》的植被分类原则,洱海湿地植被划分为2个植被型组,4个植被型,27个群系。文章介绍了其中的14个植被群系的分布、生物学特性及主要用途。并从生物多样性、稀有性、自然性、脆弱性等方面进行了生态质量评价。提出了今后的保护措施。     

基于证据理论组合多分类规则实现大区域植被遥感分类研究

[目的]利用遥感影像的时效性和宏观性特点,基于证据理论组合多分类规则的方法快速和高效地实现大区域植被遥感分类。[方法]首先,依据辨识框架的概念设计分类系统,并采用大区域样本快速采集方法提取训练样点;其次,将多个单分类规则得到的植被类型特征影像归一化处理为基本概率赋值作为表达对各类型信任程度的证据源数据,再将不同证据源的信任度信息依据证据理论组合;再次,将组合结果依据最大信任度原则确定植被类型;最后,在中国植被图与中国土地覆盖图的类型一致区域随机布点作为验证样本。[结果]各单分类器分类结果的总体精度范围为60%70%,两两规则组合分类结果的总体精度范围为70%80%,3个规则组合分类结果的总体精度达到80.84%。[结论]组合多分类规则的证据理论分类方法可以提高分类精度;参与组合的单分类器精度越高,相关证据源越多,组合分类结果精度越高。     

基于BP神经网络的森林植被遥感分类研究

如何解决多类别图像的识别并满足一定的精度,是遥感图像研究中的一个关键问题,具有十分重要的意义。本文使用Landsat7ETM+遥感数据和森林资源分布图等地理辅助数据,用BP神经网络方法对森林植被进行了分类,并与最大似然法的分类结果进行精度比较分析。结果表明地理辅助数据参与的BP神经网络用于森林植被遥感图像分类其效果是较好的,是一种有效的图像分类方法。     

长株潭城市人工植被景观分类及其优化模式

以国家"十五"计划重点引导培育的七大城镇密集区之一的长株潭(长沙市、株洲市、湘潭市)为研究对象,运用植物群落学-生态学的原理与方法,建立了城市人工植被景观分类系统,该系统分为:类(Class)、型(Type)、配置组(Dispose Group)、配置(Disposition)4级,将长株潭城市人工植被景观划分为3类、8型、24配置组、213个配置;提出了10个人工植物群落优化配置模式.该研究实例可为不同城市的人工植被景观的划分及相关研究提供参考.     

河北省平山县卸甲河流域各土地系统植被的比较研究

以河北省平山县卸甲河流域作为个例研究,划分了８个土地系统。在研究了各土地系统土地利用类型结构的基础之上,进一步比较了它们之间植物群系（林）的分布：植物种数量,乔木、灌木及草本植物状况,以及植物群系的组成结构。各土地系统之间差别很大。研究说明,封山育林、植树造林恢复植被,以及保护天然林,是保护生物多样性唯一有效的办法。另一方面,也说明生态土地分类注意人类影响程度和土地利用,更加易于和土地分类规划相结合