植被分类系统与方法综述

植被分类是植被研究的重要组成部分,亦是植被研究中最复杂的问题之一。植被分类研究能够为制定与保护和合理利用植被相关的法律法规及措施提供科学依据。本文详细介绍了植被分类的历史,以及植被分类的各种原则和系统及其应用情况。揭示出植被分类的原则从单一性向综合性,分类方法从外貌分类向数量分类的发展趋势。     

基于端元提取的滇中典型森林类型识别研究

端元波谱的选择对森林类型的识别精度和效率具有重要影响。以滇中地区典型森林植被为研究对象,基于Landsat8 OLI遥感影像数据,结合二类调查数据,在影像融合的基础上提取典型森林植被的感兴趣区,通过最小噪声分离变换及n维散点图提取滇中典型森林植被(云南松、华山松、蓝桉、柏木和栎类)的波谱曲线,利用提取出的端元波谱,采用波谱角填图法进行滇中典型森林类型的识别,采用混淆矩阵对分类结果进行精度评价;同时,与传统的森林类型分类识别端元提取方法进行了对比分析。研究结果表明:1)基于感兴趣区端元提取的方法所得的分类结果较为理想,总体分类精度达83.46%,其中云南松84.78%、华山松96.88%、蓝桉80.60%、柏木75.00%、栎类57.69%。2)基于几何顶点的端元提取方法通过多次端元波谱提取、波谱分析仍仅能识别云南松、华山松、蓝桉和栎类,柏木无法识别;分类精度分别为云南松89.13%、华山松84.37%、蓝桉76.12%、栎类53.13%。基于传统方法提取出的波谱近似程度较高,分类精度偏低,端元波谱不易识别。3)基于感兴趣区的端元提取方法方便快捷、精度较高,可避免无意义端元波谱对分类结果的混淆,能有效解决端元波谱无法识别的技术难题。     

基于像元分类与基于对象分类的森林景观分析比较研究

采用基于对象的分类方法与基于像元的分类方法对黑石顶自然保护区QuickBird遥感图像进行了分类,结合多样性指数、优势度指数、均匀度指数、聚集度指数和破碎度指数对比分析了黑石顶自然保护区不同分类方法的景观格局。结果表明,基于对象的多尺度、多层次景观分析方法较传统的基于像元的景观分析方法更能体现实际的景观状况,并能够获得更准确的景观分析结果。     

基于FCN与面向对象的滨海湿地植被分类

【目的】提出一种基于全卷积神经网络(FCN)与面向对象的滨海湿地植被分类方法,以提高滨海湿地植被监测效果。【方法】以浙江慈溪部分杭州湾滨海湿地为研究区,基于高分辨率Quick Bird影像,采用FCN与面向对象相结合的方法监测滨海湿地植被:1)融合Quick Bird影像的多光谱数据和全色数据提高影像空间分辨率,运用目视判读制作标签图,以100×100窗口选取样本后进行翻转、旋转等操作,获得训练样本4 904对、测试样本544对,采用FCN对样本完成训练后得到相应的模型参数用于整幅影像,获得全图分类结果; 2)对原始影像进行多尺度分割,利用平均全局评分指数法确定最优分割尺度为170,以最优分割结果对FCN分类结果进行边界约束,得到最终分类结果并制作滨海湿地植被分类图; 3)基于混淆矩阵对仅采用FCN处理的结果影像及采用FCN与面向对象相结合处理的结果影像进行精度评价。【结果】1)采用FCN处理的影像分类总体精度达94.39%,典型滨海湿地植被精度均在85%以上,但分类结果存在少量椒盐现象,分类误差产生的主要原因是滨海湿地下垫面背景复杂,不同植被类型空间分布杂乱; 2)将面向对象与FCN相结合处理的结果影像可消除椒盐现象,总体精度达97.56%,典型滨海湿地植被精度均在90%以上。【结论】基于FCN的滨海湿地植被分类方法能够有效从高分辨率影像中提取典型滨海湿地植被信息,在此基础上结合面向对象的多尺度分割方法可有效消除椒盐现象,弥补基于像元分类的缺陷,优化滨海湿地植被分类结果,在滨海湿地植被监测方面值得推广和运用。     

基于高光谱数据(Hyperion)混合像元分解的研究

本文以高光谱(Hyperion)数据为数据源,借助遥感手段对数据进行坏线修复、大气校正和几何校正等处理,通过有约束条件和无约束条件线性混合模型对像元对研究区域进行分类研究.研究结果表明:无约束条件和有约束条件进行混合像元的分类精度分别为90.1%和90.4%,两者的分类精度相差不是太大;就裸地而言,有约束条件的线性像元混合分解的精度要远高于无约束条件;从冗余的数据中提取有用信息和如何利用高光谱遥感的今后遥感图像分类研究的难点和热点.     

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。     

基于3S技术的天保区植被变化监测方法研究

以甘肃省清水县天然林保护区植被时空变化为研究对象,以2期Landsat TM遥感影像为主要信息源,以植被面积和植被覆盖度为监测指标,采用最大似然方法进行监督分类获得土地利用分类图和植被面积,采用NDVI像元二分法获得植被覆盖度图。利用空间分析和统计分析方法将土地利用分类图和植被覆盖度图进行空间叠加分析,揭示研究区1996—2004年间土地利用和植被覆盖度的数量变化和空间变化特征,并对天保区与非天保区以及不同天保区内部的差异进行对比分析。研究结果表明：1996年—2004年间甘肃省清水县天然林保护区森林面积和植被覆盖度得到了明显改善,且天保区优于非天保区; 不同类型天保区植被变化状况有差异,3种类型天然林保护区中以重点生态保护区植被改善状况最为显著。     

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。     

基于Landsat 8-OLI的荒漠化地区植被覆盖度反演模型研究

基于Landsat 8-OLI影像数据,利用植被指数逐步回归分析和线性混合像元分解的方法,结合134个野外样地调查数据,将线性混合像元分解结果(植被丰度)导入影像植被指数逐步回归模型,建立康保县荒漠化地区植被覆盖度反演混合模型,并进行精度检验。结果表明:(1)在所选16种影像植被指数中,采用单一植被指数进行荒漠化地区植被覆盖度反演建模,与植被覆盖度拟合优度最高的是归一化植被指数(NDVI)和土壤调节植被指数(SAVI),利用植被指数逐步回归分析建模,筛选出的3种最佳影像植被指数是土壤调节植被指数(SAVI0.5),比值植被指数(SR_(N-R))和增强型植被指数(EVI);(2)通过线性混合像元分解建立的植被覆盖度反演模型,分解所得植被丰度与植被覆盖度的决定系数为0.673,模型精度低于利用植被指数逐步回归分析法反演的模型精度,但高于单一植被指数与植被覆盖度反演模型的精度;(3)精度检验显示植被指数逐步回归分析法反演的植被覆盖度模型的决定系数(R~2)和精度分别为0.719和86.70%,而混合像元分解和植被指数逐步回归分析综合所建的混合模型的决定系数(R~2)和精度分别为0.807和92.37%,表明植被指数逐步回归分析与混合像元分解相结合能较好地提高荒漠化地区植被覆盖度反演精度。     

基于混合像元分解方法的康保县植被覆盖度估测

以康保县为研究区,使用Landsat8 OLI数据,结合134个野外样地调查数据,通过像元二分法、完全约束最小二乘法和随机森林三种方法来进行混合像元的分解,探讨混合像元分解方法对提取地表植被覆盖度的可行性。结果显示:基于随机森林的混合像元分解方法结果最优,F为0.664,RMSE为0.127;三种方法都能较为精确地估测出康保县的植被覆盖情况,且与实测数据较为拟合,因此采用混合像元分解的方法进行植被覆盖度估测是完全可行的。     

红砂属植物研究进展

红砂属(Reaumuria Linn.)植物全世界共12种,是重要的生态保护和饲用植物。从定名至今已有200多年的研究历史。主要从以下儿方面作以介绍和综述：(1)分类与植物区系方面的研究进展;(2)生理生态学特性等方面的研究;(3)植物资源的开发利用研究情况。     

公益林与商品林分类指标体系及技术标准的研究

林业分类经营是林业部提出的一项深化林业改革的重要措施,如何科学合理地划公益林与商品林,是当前实施林业分类经营战略迫切需要解决的问题。本文从系统、可行、科学的角度对森林功能性分类系统,划分公益林与商品林的分类指标体系及技术指标进行了探讨。     

湖南木兰科植物研究

湖南木兰科植物有 ６ 属 ３４ 种 ２ 变种,分布于 ４８ 个县,多生长于海拔 ５００～１５００ ｍ 的山地阔叶林中．依据湖南木兰科植物的地理分布,结合系统分类和植物区系资料,经分析和推论得知：（１）湖南木兰科植物种质资源丰富,以中国特有成分为主,它们与毗邻省（区）的种类关系密切;（２）湖南木兰科植物区系表现为多种区系成分的过渡与汇集,即华中、华东、华南和滇黔桂４ 个区系成分的交汇、混杂和过渡;（３）湖南木兰科植物的多数种类是从湖南西北至西南以外地区迁移扩散而来,少数种类是在本省西北至西南地区及其周边省区分化形成;（４）湘西北至湘西南地区是湖南木兰科植物的现代分布中心与现代分化中心．另外,还编排了湖南木兰科植物分类检索表     

分层分类与监督分类相结合的遥感分类法研究

遥感分类技术是获取土地利用/覆盖数据的主要方法.分层分类思想强调将分类过程逐级进行,每层选用不同的分类标准和方法;监督分类是基于传统统计分析的分类法,具有算法成熟,简便易行的特点.将2种方法相结合,建立起一个复合分类模型,并在SPOT影像上进行试验.试验证明:该方法能有效地提高分类精度,比单一使用监督分类法得到的结果精度提高了8.41%.     

基于MapGIS的洞庭湖区植被分布图的编制

为了掌握洞庭湖区植被类型现状、分布规律及变化特征,在对洞庭湖区植被类型分布现状进行全面调查的基础上,设计了具有洞庭湖区湿地特色的植被群落分类体系和编码,利用先进的GPS、G IS、计算机制图技术编绘了洞庭湖区第一幅数字化植被类型图,并建立了与图形数据库联动的属性数据库,为洞庭湖区的科学研究、环境保护和综合治理开发提供了宝贵的基础数据.     

果梅品种分类研究进展

梅是原产我国的重要园艺植物。果梅分类一直是梅种质资源研究的重要内容,也是梅品种资源利用的科学依据。长期以来,果梅品种分类深受果树学者的重视并取得了可喜的研究进展与突破。该文就梅的植物学分类与梅花品种分类系统、果梅品种分类的意义、果梅品种分类（包括园艺学、孢子学、细胞学、数值、同工酶、分子生物学分类）研究进行了系统地总结与归纳,同时对果梅品种分类研究存在的问题提出了一些新见解。     

Analysis of forest cover change at Khadimnagar National Park,Sylhet, Bangladesh,using Landsat TM and GIS data

We mapped the forest cover of Khadimnagar National Park （KNP） of Sylhet Forest Division and estimated forest change over a period of 22 years （1988-2010） using Landsat TM images and other GIS data. Supervised classification and Normalized Difference Vegetation Index （NDVI） image classification approaches were applied to the images to produce three cover classes, viz. dense forest, medium dense forest, and bare land. The change map was produced by differencing classified imageries of 1988 and 2010 as before image and after image, respectively, in ERDAS IMAGINE. Error matrix and kappa statistics were used to assess the accuracy of the produced maps. Overall map accuracies resulting from supervised classification of 1988 and 2010 imageries were 84.6% （Kappa 0.75） and 87.5% （Kappa 0.80）, respec- tively. Forest cover statistics resulting from supervised classification showed that dense forest and bare land declined from 526 ha （67%） to 417 ha （59%） and 105 ha （13%） to 8 ha （1%）, respectively, whereas medium dense forest increased from 155 ha （20%） to 317 ha （40%）. Forest cover change statistics derived from NDVI classification showed that dense forest declined from 525 ha （67%） to 421 ha （54%） while medium dense forest increased from 253 ha （32%） to 356 ha （45%）. Both supervised and NDVI classification approaches showed similar trends of forest change, i.e. decrease of dense forest and increase of medium dense forest, which indicates dense forest has been converted to medium dense forest. Area of bare land was unchanged. Illicit felling, encroachment, and settlement near forests caused the dense forest decline while short and long rotation plantations raised in various years caused the increase in area of medium dense forest. Protective measures should be undertaken to check further degradation of forest at KNP.     

Sensitivity of landscape pattern metrics to classification approaches

Computing of landscape pattern metrics from spectrally classified digital images is becoming increasingly common. Recently, object-orientated image classification is being seen as an alternative and is tending to replace pixel-based approaches. However, object-based methods are likely to influence and produce biases in the results of these spatial analyses. In this study, the sensitivity of 85 landscape metrics to different classification methods and parameters are analyzed. A Landsat image of a complex mountainous forest region of Mexico was classified using pixel-based and object-based approaches. Nine object-based classified images were obtained using a region-growing algorithm based upon different segmentation parameters. Pixel-based classified images were smoothed using different methods (majority filtering, sieving and clumping). Accuracy assessment was carried such that classified images with similar accuracy were compared. Landscape metrics were then derived from the different classified images and compared through a coefficient of variation computing. Almost all the metrics showed variability due to classification and post-processing methods, particularly core area metrics and some proximity and contagion/interspersion indices. Caution must be observed when comparing values of metrics derived from images with slight differences in their characteristics or in the way they have been processed as, for example, in landscape monitoring studies based upon multidate imagery.