论文部分内容阅读
本文在现有宏观生态环境要素遥感监测的基础上,进行了以高空间分辨率、高光谱分辨率遥感影像为主要数据源的宏观生态环境要素遥感分类的研究。选取了土地利用和植被作为研究的主要宏观生态环境要素,提出了基于规则的土地利用自动分类算法,构建了金钟山自然保护区植被类型高光谱数据分类决策树模型,应用基于森林内部结构复杂度指数对纳板河流域自然保护区的人工林/天然林进行了区分。应用实地数据以及目视解译数据的验证表明,本报告的研究方法在应用高光谱、高空间分辨率等新兴遥感数据进行宏观生态环境要素的分类上精度较高,符合实际应用要求。 本研究主要内容包括:⑴开发了一套基于规则的土地利用自动分类算法。通过以历史时期的精确土地利用数据为本底数据,通过知识发现的方法,自动提取训练样本区并实现分类三围特征空间的自动构建,从而实现变化像元的监测,进而实现土地利用自动分类。通过试验区验证发现,该算法精度符合实际要求,且算法简单易于实现,人工参与较少,基本实现分类自动化。⑵以环境小卫星HIS高光谱数据为数据源,构建了基于HIS高光谱数据的金钟山自然保护区植被类型决策树分类规则,从而实现了亚热带落叶阔叶林、亚热带-热带常绿阔叶落叶阔叶灌丛、亚热带常绿阔叶林、亚热带-热带草丛,稀疏植被覆盖区五种植被类型的高光谱分类。通过652个地面验证数据的精度对比分析,分类总体精度为83.74%,符合实际应用要求。⑶构建了一套基于高空间分辨率影像的森林内部结构分类算法,并在纳板河流域保护区进行了人工林/天然林的遥感分类,取得了较好的结果。该算法以面向对象方法为基础,通过自底向上的分割算法实现天然林与人工林的分离,同时通过构建的森林内部结构复杂度指数实现天然林与人工林的分类。通过在纳板河流域保护区的分类实践,人工林错分率小于0.83,总体精度超过80%。