论文部分内容阅读
贵州威宁草海地处云贵高原地区,是中国著名的三大高原湖泊之一,贵州最大的高原天然淡水湖泊,也是国家Ⅰ级保护湿地,其湿地植被对草海的生态平衡起着重要作用,同时保护着生物的多样性,每年成千上万的湿地鸟类栖息在此,湿地植被分布面积分布影响着生活在此的人与动物的生活。因此,高效精确的掌握草海湿地植被的分布对草海湿地的管理有着重要意义。本文采用Landsat-OLI、Sentinel2A及无人机影像数据,利用面向对象决策树分类方法、传统监督分类法,结合各地物光谱特征、纹理特征及几何特征,将草海的湿地植被划分为草本湿地植被（草地）、木本湿地植被（林地）及水生植被（沉水植被、挺水植被）、耕地和建筑用地及其他地类（主要包括水体）,利用混淆矩阵、样本点精度验证方法针对草地、林地、沉水植被、挺水植被、耕地和建筑用地的精度进行验证,并反演草海湖泊水环境指数信息,分析各水环境指数与水生植被分布关系,得出结论如下:（1）面向对象的决策树分类方法有效的提高了草海湿地信息提取精度。传统的监督分类方法分类效果不如面向对象的决策树分类效果,相较传统的SVM、Par、NNP、MinD、MDP、Max监督分类,面向对象的决策树分类总体精度分别提高了27.37%、30.41%、19.21%、31.38%、42.72%、16.86%,比传统分类效果最好的最大似然法高16.86%。（2）选用高分辨率的遥感影像能有效提高分类精度。文章同时采用Landsat和Sentinel-2A遥感影像,利用面向对象的决策树分类方法提取草海的湿地信息,结果表明,采用30m分辨率的Landsat遥感影像进行分类的精度远没有用10米分辨率的Sentinel-2A遥感影像进行分类的精度高,前者分类精度为60.39%,而后者分类精度为86.43%。（3）纹理特征及归一化指数能有效解决各地物边缘信息难分问题。在加入归一化植被指数（NDVI）、归一化水体指数（NDWI）、改进归一化水体差异指数（MNDWI）、归一化建筑指数（NDBI）及Red波段的MEAN纹理特征、Blue波段的MEAN及SM纹理特征量后,能有效的将沉水植被与挺水植被、建筑用地与植被有效的区分开来。（4）不同精度验证方法对分类精度影响较大。本文利用了两种验证方法对提取结果进行了验证,发现,用传统的分类方法进行湿地信息的提取时,采用混淆举证的验证方法验证SVM、Par、NNP、MinD、MDP、Max监督分类的精度,比选样点法验证的精度分别高出33.35%、9.23%、25.35%、33.49%、37.87%、16.96%,因此,本文最终选用可靠性较高选取样本点的验证方法,并结合无人机影像进行精度的验证。（5）挺水植被区域水体富营养化程度要高于沉水植被区域。整体来看,挺水植被区域的综合营养状态值数（TLI）要高于沉水植被区域的TLI;TN营养状态值在沉水植被地区要高于挺水植被区域,而TP营养状态值在沉水植被地区要低于挺水植被区域,Chla营养状态值在沉水植被地区和挺水植被区域有较小的差异,CONMn营养状态值在沉水植被区域部分小于挺水植被区域,挺水植被的SD营养状态值分布较集中。