高空间分辨率影像具有丰富的空间信息,地物的空间位置、几何形状、纹理信息、分布格局等信息能够在高分辨率影像中清晰的表现。在中低分辨率遥感影像上相同类型的地物在高分辨率影像上由光谱反射率不同的若干像元表示,因此在高分辨率影像上,同一地物表现出更大的差异。地物内部的异质性增强的特点对高分辨率影像的信息提取方法提出了新的要求,传统的基于像元光谱信息的分类方法会由于同一地物的光谱异质性造成严重的“椒盐效应”,已不再适合于高分辨率遥感影像的信息提取。取而代之的是能够结合空间信息的面向对象分类方法。各种植被类型在遥感影像中表现出相似的光谱特征,仅仅依靠光谱信息的分类方法对于不同植被类型的识别存在很大的局限性。因此空间信息对植被类型的识别显得更为重要。本研究以高分辨率IKONOS影像提取香榧树为例,探索纹理与景观格局的空间信息在面向对象分类方法中的应用。本研究提出了表征植被区域有关空隙度分布特征的纹理方法；将面向对象方法与地理信息系统(GIS)空间分析相结合,充分发挥面向对象多尺度分割和分类的技术优势与GIS的二次开发功能,实现了景观水平指数的尺度转换；并提出表征植被区域景观破碎度的景观特征算法,将景观特征信息成功应用于面向对象的遥感影像分类方法。本文的主要研究内容和结论如下：1.区域型空间自相关系数(LISA)是最初针对点数据提出的算法,本研究使用LISA方法生成纹理信息量化遥感影像像元间的空间自相关性,将LISA纹理作为辅助空间信息应用于面向对象的分割与分类,提高分割的准确度以及香榧树的识别精度。通过采集典型植被样本,对各种植被类型进行空间变异分析,采用地统计半方差分析方法,得到各种植被类型在IKONOS影像的蓝(B)、绿(G)、红(R)、近红外(NIR)波段,以及NDVI(归一化植被指数)和RVI(比值植被指数)上的半方差模型,半方差模型的基台值表示植被类型的像元在影像中的空间变异程度,变程值表示像元具有空间相关性的最大距离,由每种植被类型在每个波段上的变程值获取计算LISA纹理时的最佳窗口大小；根据最佳窗口分别对B.G.R.NIR.NDVI、RVI进行LISA三个特征分量(Local Moran’s I, Getis-Ord Local G,和Local Geary’s C)的计算,生成LISA纹理影像；通过Z检验方法逐一选择区分任意两种植被类型的最佳纹理影像,两种植被类型在z值最高的纹理影像上表现出最大的差异,选择对两两植被类型区分度最高的LISA纹理影像参与到面向对象的分割与分类中。结果表明,相比仅使用光谱波段进行分割的结果,结合LISA纹理影像能够得到更好的分割结果。由于高分辨率影像中地物内部的光谱异质性较强,仅仅依靠光谱波段进行分割,会把很多属于同一地物的像元分割到不同的对象中,这种过于破碎的分割结果会增加误分的风险,增加了将同一地物的对象归于不同的地物类别的可能性；LISA纹理能够克服分割结果对于光谱异质性过于敏感的缺陷,因此,结合LISA纹理能够得到更“有意义”的分割对象,使对象和现实中的地物有更好的契合度,避免了过于破碎的分割结果；LISA纹理特征有效的提高了植被的识别精度,通过Kappa分析进行的显著性检验结果可知,LISA纹理特征使分类的总体精度显著提高。结果表明：LISA纹理能够提供高分辨率影像中重要的空间信息,将LISA纹理应用于面向对象方法能够有效的提高影像分割的准确度和分类的精度。2. NDVI能够有效的区分遥感影像中的植被与非植被类型,本研究根据NDVI这一特点和植被间空隙分布特征在高分辨率影像上的表现,将植被像元看作是“实体”单元,非植被像元看作是“空隙”单元,提出基于NDVI的空隙度(lacunarity)纹理方法表征植被区域有关空隙的空间分布特征,并将基于NDVI的lacunarity纹理影像的相关特征作为待选择的特征源,应用于面向对象的分类中。本研究采用直方图阈值法对NDVI影像进行阈值分割,生成二值影像,其中1代表植被像元(实体单元),0代表非植被像元(空隙单元)。采集典型植被样本,使用二值影像对植被类型进行lacunarity分析,寻求每一个植被类型的lacunarity值与滑动盒大小的关系,在lacunarity值—滑动盒关系图中,寻找线性或者近似线性的自相关范围,从而获取计算lacunarity的最佳移动窗口大小。根据每种植被的lacunarity最佳移动窗口的信息进行计算,生成lacunarity纹理影像。将多光谱影像和lacunarity纹理影像的特征作为待选择的特征源,用C5.0决策树方法进行特征选择和规则提取。由规则选取的结果可知,lacunarity特征对植被的识别发挥了非常重要的作用,与lacunarity纹理有关的特征出现在所有植被类型的规则中,结果表明,lacunarity纹理特征的结合使香榧树的识别精度有明显的提高,通过Kappa分析进行的显著性检验结果可知,lacunarity纹理使分类的总体精度显著提高。研究说明：高分辨率影像上植被间的空隙分布特征是植被区域重要的空间特征,基于NDVI的lacunarity纹理方法能够表征植被区域的空隙度特征,且能够应用于面向对象的遥感影像分类方法提高植被的识别精度。3.高分辨率影像能够表现出地物清晰的景观格局信息,景观因子中的景观水平指数(landscape level metrics)具有重要的生态学意义,是量化景观格局信息的有效方法,然而景观水平指数并不是针对遥感影像分类提出的方法,因此不能直接应用于遥感影像的分类中。本研究探索如何将景观水平指数进行尺度转换,将其量化尺度拓展到遥感影像中广泛存在的空间单元中,从而实现对影像景观格局信息的获取,并将景观信息作为分类特征应用于面向对象的分类方法中。本研究发挥面向对象方法的优势与GIS二次开发功能实现景观水平指数的尺度转换,使用多尺度分割技术建立层次等级体系,在体系中不同的尺度上完成对空间单元(spatial units)和破碎几何体(fragmentation geometry)的定义并生成两者的矢量图层,使用Visual Basic语言与ArcObjects组件进行GIS二次开发,产生对空间单元进行景观特征量化的功能,实现将GIS空间分析功能与遥感影像处理方法有效的结合。4.为了使影像中空间单元的景观信息具有可比性,本研究对有效网孔面积(Meff)算法进行优化,提出有效网孔面积比率(Meffratio)算法。将Meffratio与其他景观水平指数进行对比可知,某些常用景观水平指数对空间单元中地类的数量以及斑块的数量有较苛刻的要求,由大尺度转换到小尺度的空间单元后,在计算某些结构简单的空间单元时,会出现算法失效的情况,存在很大的局限性。与这些景观指数相比,Meffratio在算法上具有很大的优势,它能够量化任意空间单元中的景观破碎度信息,而且计算结果与现实中的景观特征有很高的契合程度,因此,算法合理并具有重要的景观生态学意义。并且,在使用Meffratio时,可以根据应用和研究需要,灵活的定义空间单元的尺度和破碎几何体的构成元素,在面向对象的分类方法中具有可观的推广价值和应用前景。