全 文 ：利用 3S 技术对梅里雪山地区植被制图的
精度检验分析 3
张志明　欧晓昆 3 3 　王崇云　吴玉成
(云南大学生态学与地植物研究所 ,昆明 650091)
【摘要】　在野外考察的基础上 ,应用 3S技术 ,完成了云南西北部梅里雪山地区的 1∶50 000 的植被图. 对
已完成的植被图通过野外收集的 GPS点进行校正 , GPS样点数的多少依据统计学抽样调查的样本大小计
算而得 ,用这些校正样点数建立混淆矩阵进行植被图精度计算 ,最后利用计算成数方差进行检验. 混淆矩
阵计算得出植被图总的判对精度即整体精度 OA 为 8417 % ,利用计算成数方差检验 ,结果表明大部分类
型为 90 %以上. 基于 3S技术完成的植被图精度取决于区域面积大小和植被分类等级 ,而利用遥感技术来
划分的植被等级与传统的植被分类等级不完全一致.
关键词 　植被制图 　3S 　混淆矩阵 　精度分析 　梅里雪山
文章编号 　1001 - 9332 (2004) 09 - 1517 - 06 　中图分类号 　S127 ; TP97 　文献标识码 　A
Accuracy analysis of vegetation mapping for Meili Snow Mountain area , northwest Yunnan , China. ZHAN G
Zhiming ,OU Xiaokun ,WAN G Chongyun ,WU Yucheng ( Institute of Ecology and Geobotany , Yunnan U niver2
sity , Kunming 650091 , China) . 2Chin. J . A ppl . Ecol . ,2004 ,15 (9) :1517～1522.
The Meili Snow Mountain (28°20′～28°33′N ,98°30′～8°52′E) is a very famous mountain in Northwest Yun2
nan of China by its rich and well protected biodiversity and Tibetan cultural diversity. By applying 3S ( RS2Re2
mote Sensing , GIS2Geography Information System , GPS2Global Position System) technology ,the 1∶50 000 vege2
tation map of Meili Snow Mountain area (total about 332 km2) was drawn out . The vegetation in this area was
classified into 18 vegetation types except for stone ,glacier and river system. The vegetation map was rectified by
applying the GPS points got from the fields. The numbers of GPS points were calculated by the formula of num2
bers of samples in statistics. 313 GPS points were used to rectify the vegetation map. The numbers were fit for
the formula of numbers of samples in Statistics. The accuracy and verify of vegetation types distribution in the
map was analyzed by building a Probability Error Matrix ( PEM) and through the variance analysis. The results
indicated that the overall accuracy (OA) of the vegetation map was 84. 7 %. The accuracy of vegetation map fin2
ished by 3S technology was lied on the area of the region and the grade of vegetation class first ,but the grade of
vegetation class classified by remote sensing technology disaccord with the traditional vegetation class system. The
other factors deciding the accuracy of vegetation were the distinguish ability of Remote Sensing image ,the accu2
racy of distinguish ,and the numbers of the samples ,including vegetation class experts knowledge.
Key words 　Vegetation map , 3S technology , Error matrix , Accuracy analysis , Meili Snow Mountain.3 国家重点基础研究发展规划项目 (2003CB415102) 和美国大自然
保护协会 ( TNC)资助项目 (180435711228010) .3 3 通讯联系人.
2003 - 01 - 19 收稿 ,2004 - 01 - 17 接受.
1 　引 　　言
计算机技术的飞速发展 ,为植被的深入研究提
供了有力的工具. 在宏观和中观尺度进行植被定性
和定量分析 ,遥感 ( Remote Sensing , RS) 、地理信息
系统 ( Geography Information System , GIS)和全球定
位系统 ( Global Position System , GPS) 技术为研究工
作带来方便、高效、准确和科学性 ,现已成为研究景
观生态学和植被生态的重要工具[16 ,22 ] . 同时 ,3S 技
术的发展促进了景观生态学和植被生态学的发展 ,
并且成果显著[1 ,11 ,13 ,17 ,24 ] . Hobbs[5 ]利用遥感影像
对澳大利亚西部小麦种植区农田植被进行分类.
Shirish 等[18 ]利用 TM 影像图和地理信息系统对印
度 Madhav 国家公园的森林景观进行了植被类型确
定和完成植被制图等方面的工作. Megan[14 ]提出一
种利用影像图进行植被类型的划分和植被制图的新
方法 ,把多波段的影像图反映的信息与传统的生态
学分类方法联系起来.
应用 3S 技术进行植被生态学的研究 ,现已成为
植被生态学家们关注的热点之一. 从目前国内外开
展的各种研究工作来看 ,大部分工作是进行植被的
空间分布格局 [4 ,8 ,12 ] 、植被类型的划分和植被制
图[3 ,7 ,20 ,21 ] 、估算植被资源的生物量[4 ,9 ] 、植被动态
应 用 生 态 学 报 　2004 年 9 月 　第 15 卷 　第 9 期 　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　
CHIN ESE JOURNAL OF APPL IED ECOLO GY ,Sep. 2004 ,15 (9)∶1517～1522
的变化等方面的研究[19 ] . 而植被图的精度高低以及
如何进行精度检验分析工作的相关报道还不多
见[15 ] . 本文在野外工作的基础上 ,利用遥感数据、全
球定位系统和地理信息系统 ,开展了梅里雪山地区
的植被制图工作 ,并且借用遥感判读精度分析方法
试图对已完成的植被图进行判读精度检验分析[4 ] .
2 　研究地区与研究方法
211 　研究地区概况
梅里雪山位于云南省迪庆州德钦县境内 ,属横断山区的
核心部分. 广义的梅里雪山是指坐落在云南省迪庆州德钦县
境内的四蟒大雪山 ,属位于青藏高原东南缘 ,澜沧江与怒江
之间的滇藏边界的怒山山脉 ,北与西藏境内的他念他恩山相
连 ,南接云南省怒江州贡山县境内的碧罗雪山. 研究区的范
围为 28°20′～28°33′N , 98°30′～8°52′E 之间 ,面积约 332
km2 ,研究区的最高海拔为 6 740 m 的云南省第一高峰 ———
卡格博峰 ,最低海拔为 2 020 m 的澜沧江江面 ,相对高差
4 720 m.
梅里雪山地区属高原性寒温带山地季风气候. 根据德钦
县气象记录 ,德钦县城及附近地区年均温 417 ℃,最热月 (7
月)平均气温 1117 ℃;最冷月 (1 月)平均气温 - 311 ℃. 年均
降雨量约 650 mm. 由于南北走向的深切河谷 ,加之受较低纬
度和巨大垂直高差的双重影响 ,气候垂直变化显著. 梅里雪
山地区另一较典型的气候特征是降雨 (降雪) 主要集中在海
拔约 3 000 m 以上的亚高山和高山地带 ,属寒温带、亚寒带
或寒带气候 ;在海拔 2 700 m 以下的地段则少雨干旱 ,属北
亚热带或南温带气候 ,特别是近澜沧江畔的河谷地带 ,降雨
稀少 ,植被多为干暖性河谷灌丛 [6 ] .
212 　研究方法
21211 植被制图方法 　采用 2000 年 7 月陆地卫星 TM 影像
图 ,在地理信息系统 ARC/ INFOR 软件的支持下 ,根据卫星
影像的波段不同进行预分类和画出图斑 (polygon) . 在梅里雪
山地区共收集 868 个 GPS 样点和 139 个样地资料. 根据野
外收集的样点和植被样方数据 ,划分出植被类型 ,在地理信
息系统 Arc/ View 软件的支持下将 GPS 样点、1∶50 000 的地
形图及卫星影像图三者叠加来进行图斑属性标注. 植被类型
判别的主要依据为 :1) 选取部分 GPS 样点作为图斑属性标
注的判别依据. 其中已经被选作典型样方的 GPS 样点必须
作选择 ,其余 GPS样点用随机方式选取 ;2) 影像的波谱特性
判别. 由于构成不同植被的主要优势种不同 ,所产生的波谱
特性发生差异. 该差异主要是色调、明度和饱和度上的差异 ,
经过处理后 ,在所得到的假彩色图像上反映出来 ;3) 当地植
被类型随海拔、坡度、坡向等环境因子变化的分布规律 ;4) 依
据野外肉眼的观察、路线记录 ,以及拍摄的照片.
21212 植被图精度计算和分析方法 　成数样点的抽样判读是
进行卫星影像判读方法之一[10 ] . 而对利用卫星影像所完成的
植被图 ,也可以运用成数样点的抽样判读方法来进行检验.
1)样点数的计算. 当统计的结果以百分率表示时 ,则抽
样调查的样本大小可按下式进行估计 :
n = t2apq/ ( e^ - p) 2 (1)
式中 , n为所估计的样本容量 ; ta 为 df = ∞时的 ta 的值 ; e^为
某一事件发生的百分率 ; p 为总体百分率 , q = 1 - p[23 ] .
依据上式计算样点数 ,期望植被图的准确率与实际的准
确率相差不超过 0105 ,且置信概率为 95 % ,另外假设总体百
分率 p = 50 % ,因为当 p = q 时 , pq 为最大值 ,以免 n 失之
过小. 所以代入公式计算得 :
n = 11962 ×015 ×015/ 01052 = 196
即不管该植被图的准确率为多少 ,需要调查 196 个以上
样点 , 才能使期望的准确率与实际的准确率相差不超过 ±
0105 ,其可靠度不低于 95 %.
2) 精度计算及检验. 建立植被类型的混淆矩阵 ,计算出
各植被类型的过程精度 ( PA ) 、用户精度 ( UA ) 和总精度
( OA ) [2 ] .
上述混淆矩阵计算出各植被类型精度的准确性高低 ,则
需要通过计算成数判读精度来进行检验. 经过上述成数样点
的判读后 ,进行成数抽样的计算. 公式 : P = m/ n. 式中 , P为
某植被类型的成数 ; m 为某植被类型样点数 ; n 为各植被类
型的样点数和. 再按公式 :
Pi = 6D
j = 1
Pj Pji (2)
求出各类型修正后的成数 Pi ;然后按公式 :
S 2 = 6D
j = 1
P2j
Pji (1 - Pji)
nj
+
1
N6D
j = 1
Pj Pji 2 - 6D
j =1
Pj Pji
2 (3)
求出个类型成数的方差 S 2 ,最后按公式 :
ΔP = ta
S p
nj
( ta = 1196)
Δ′P = ΔPPi , Pc = 1 - Δ′P (4)
得出各类型的判读精度 Pc[10 ] .
3 　结果与分析
311 　植被成图
在完成的 1∶50 000 的梅里雪山地区植被图上 ,
共分出除岩石、河流和冰雪以外的 18 种植被类型 ,
分别是矮灌丛、侧柏 ( Platycladus orientalis) 林、高
灌丛、河岸林、沙棘 ( Hi ppophae rham noi des Subsp .
Y unnanensis) 林、栎类 ( Q uercus ssp . ) 林、高山松
( Pi nus densata) 林、华山松 ( Pi nus arm andi) 林、针
阔混交林、澜沧黄杉 ( Pseudotsuga f orrestii) 林、落叶
阔叶林、落叶松 ( L ari x ssp . ) 林、云杉 ( Picea ssp . )
林、冷杉 ( A bies ssp . ) 林、亚高山草甸、高山、亚高山
灌丛、人工群落、柳灌丛 ( S ali x ssp . ) (图 1) .
8151 应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　15 卷
图 1 　梅里雪山核心区植被图
Fig. 1 Vegetation map in Meili Snow Mouhtain Area ,northwest Yunnan ,China.
312 　植被图精度校正及检验
根据式 (1) ,计算出样点数为 196 个 ,将植被图
斑属性标注时未使用的 313 个 GPS 样点用来进行
校正判别 ,结果见表 1.
总的判对精度即整体精度 OA 为 8417 %. 具体
对各类型而言精度相差较大 ,其中各类型的用户精
度 UA 最高的是河岸林、沙棘林和高山2亚高山灌丛
3 种类型 ,高达 100 % ;而精度最低的是澜沧黄杉林 ,
为 50 % ,其次是落叶阔叶林 ,为 6215 %. 而过程精度
PA 最高的是矮灌丛、沙棘林、华山松林、澜沧黄杉
林、落叶松林和人工群落 ,为 100 %. 最低的是柳灌
丛 (4515 %)和落叶阔叶林 (50 %) . 结合野外观察 ,对上述判别结果作如下解释 :1)河岸林和沙棘林用户精度高达 100 %. 其原因是分布面积较小 ,尤其是沙棘林仅在一地出现并成林. 而河岸林和高山2亚高山灌丛分布特点明显 ,前者主要分布于海拔偏低的山沟边及村子附近 ,后者分布海拔较高 ,其卫星影像假彩色与其它类型差异明显 ,很容易通过目视判读判别. 2) 用户精度偏低为 50 %的澜沧黄杉林. 这是由于面积较小 ,且常与华山松和其它一些阔叶树混生 ,目视判读较难判别 ;3)落叶阔叶林用户精度为 6215 %. 其原因一是面积不大 ,二是使用单一时段影像的目视判读很难与栎树林和针阔混交林区分开.
91519 期 　　　　　　　　　　　张志明等 :利用 3S技术对梅里雪山地区植被制图的精度检验分析 　　　　　　　　　　　
表 1 　梅里雪山各植被类型之间的混淆矩阵
Table 1 Error matrix of all vegetation types in Meili Snow Mountain
类型
Type
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 X i + UA
( %)
1 8 2 10 80
2 8 1 9 8819
3 1 9 10 90
4 4 4 100
5 1 1 100
6 11 1 12 9117
7 31 1 2 34 9112
8 7 1 2 10 70
9 2 60 3 1 1 1 68 8812
10 1 1 2 50
11 2 5 1 8 6215
12 4 1 5 80
13 2 11 1 14 7816
14 1 1 2 4 2 59 1 2 3 75 7817
15 13 1 14 9219
16 9 9 100
17 1 2 19 22 8614
18 1 5 6 8313
X + i 8 11 10 5 1 15 35 7 70 1 10 4 12 64 18 12 19 11 313
( %) 100 7217 90 80 100 7313 8816 100 8517 100 50 100 9117 9212 7212 75 100 4515 OA = 8417
1) 矮灌丛 Short shrubs;2) 侧柏林 Platycladus orientalis forest ;3) 高灌丛 Tall shrubs;4) 河岸林 Riverside forest ;5) 沙棘林 Hippophae rham noides subsp . yunnanensis
forest ;6) 栎类林 Quercus ssp. Forest ;7) 高山松林 Pinus densata forest ;8) 华山松林 Pinus arm andi forest ;9) 针阔混交林 Mixed forests;10) 澜沧黄杉林 Pseudotsuga
f orrestii forest ;11) 落叶阔叶林 Deciduous forest ;12) 落叶松林 L arix ssp. forest ;13) 云杉林 Picea ssp. forest ;14) 冷杉林 A bies ssp. forest ;15) 亚高山草甸 Sub2alpine
meadows;16) 高山 2亚高山灌丛 Alpine and sub2alpine shrubs;17) 人工群落 Plantation community;18) 柳灌丛 S alix ssp. shrubs. Xi + 为第 i 类分类类别抽样数累计
值 ; X + i 为第 i 类参考类别抽样数累计值 ; UA 为用户精度 ; PA 为过程精度 ; OA 为整体精度 . X i is sample total of classified type i , X + i is total samples of reference
type i , UA is user’s accuracy , PA is producer’s accuracy , OA is overall accuracy.
表 2 　各植被类型检查结果
Table 2 Variance analysis result of all vegetation types
植被类型
Vegetation
type
nj 检查样点数
Check samples
number
Pj 成数
Pj
probability
各类型检查样点成数 Pji all vegetation types check samples probability
Pj1 Pj2 Pj3 Pj4 Pj5 Pj6 Pj7 Pj8 Pj9 Pj10 Pj11 Pj12 Pj13 Pj14 Pj15 Pj16 Pj17 Pj18
1 10 010319 018 012
2 9 010288 018889 011111
3 10 010319 011 019
4 4 010128 1
5 1 010032 1
6 12 010383 019167 010833
7 34 011086 019118 010294 010588
8 10 010319 017 011 012
9 68 012173 010294 018824 010441 010147 010147 010147
10 2 010064 015 015
11 8 010256 0125 01625 01125
12 5 010159 018 012
13 14 010447 011429 017857 010714
14 75 012396 010133 010133 010266 010533 010267 017867 010133 010266 0104
15 14 010447 019286 010714
16 9 010288 1
17 22 010703 010455 010909 018636
18 6 010192 011667 018333
表 3 　各类型的 P i、S2、S i、PCi的值
Table 3 Value of P i , S2 , S i , PCi of all vegetation types
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
Pi ( ×10 - 2) 2155 3152 3119 1160 0132 4179 11118 2123 22137 0132 3120 1127 3183 20145 5175 3184 6107 3151
S 2 ( ×10 - 4) 0179 1109 0199 0112 0110 1136 8179 0170 5155 0110 0199 040 1118 5120 1173 118 1182 0182
S i ( ×10 - 2) 0189 1104 0199 0135 0132 1117 2197 0184 2136 0132 0199 0163 1108 2128 1132 1109 1135 0190
PCi ( %) 9312 9317 9319 8913 0 9610 9815 9216 9917 2 9214 8016 9611 9917 9618 9318 9810 9414
表 4 　各植被类型用户精度和检查判读精度
Table 4 User accuracy and identify accuracy of all vegetation types
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
样点 Samples 10 9 10 4 1 12 34 10 68 2 8 5 14 75 14 9 22 6
UA( %) 80 8819 90 100 100 9117 9112 70 8812 50 6215 80 7816 7817 9219 100 8614 8313
PCI( %) 9312 9317 9319 8913 0 96 9815 9216 9917 2 9214 8016 9611 9917 9618 9318 98 9414
0251 应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　15 卷
　　依据上述的 313 个样点对植被图进行检查 ,进
行最后的判读精度计算并得到检查数据 (表 2) .
根据表 2 的数据 ,按式 (2)对各植被类型进行成
数计算 ,然后按式 (3) 进行检查后的成数方差计算 ,
最后按式 ( 4) 得出各类型检查后的判读精度 (按
95 %的可靠性) (表 3) .
　　各植被类型的最后判读精度大部分在 90 %以
上 (表 3) ,说明该图的判读效果达到了预期的要求 ,
只有沙棘林 ( PC5) 和澜沧黄杉林 ( PC10) 两种植被类
型的最后的检查判读精度不符合要求. 这是由于两
种类型在该区域的面积较小 ,样点数不够而影响了
判读精度.
313 　植被图精度分析
梅里雪山地区植被图的精度校正和检验结果表
明 ,本研究的 313 个 GPS 样点用于判别和分析植被
精度符合统计原理. 但各植被类型的精度有所差别 ,
并且与各类型的检验样点数有关 (表 4) .
各类型的用户精度与其检验样点数有关 (表
4) ,样点数过少则用户精度偏高或偏低 ,例如植被类
型 4、5、10 和 12 ,即河岸林、沙棘林、澜沧黄杉林和
落叶松林 ,用户精度分别为 100 %、100 %、50 %和
80 % ,而检查判读精度分别为 8913 %、0、2 %和
8016 %. 导致此结果的原因 :1)这几种植被类型在该
区域的分布面积很小 ,例如河岸林仅在较低海拔村
庄附近的河旁分布 ,沙棘林仅在个别村庄旁小面积
分布 ;2)分布的地带性规律不明显 ,如澜沧黄杉林往
往与其它类型混交 ;3)分布面积小而分散 (如河岸林
和落叶松林) ;4) 受人为影响较大 ,特别是分布在村
庄附近的植被类型. 各个类型的分布状况参见图 1
和图 2.
图 2 　梅里雪山各植被类型的面积比较
Fig. 2 Comparison of all vegetation types area (m2) .
　　用户精度在 60 %～80 %的有类型 11、8、13、14 ,
即落叶阔叶林、华山松林、云杉林、冷杉林. 其原因与
卫星遥感影像的分辨率有关 ,因为目前使用的 3 波
段 TM 假彩色的影像图分辨不出落叶阔叶林、针阔
混交林和栎类林之间的差异 ;云杉林、冷杉林、高山
松及华山松之间的差异也不大容易判别. 由表 2 中
Pji值可以看出 ,在各个植被类型的判断方面都有一
些误差 ,如矮灌丛中有 20 %被判成侧柏林 ;侧柏林
中有 1111 %判成高灌丛 ;高灌丛中有 10 %判成侧柏
林 ;栎类林中有 813 %判成针阔混交林 ;高山松林中
有 219 %判成亚高山草甸、519 %判成人工群落 ;华
山松林有 10 %判成落叶阔叶林、20 %判成冷杉林 ;
针阔混交林中有 219 %判成栎类林、414 %判成落叶
阔叶林、115 %判成云杉林、115 %判成冷杉林、115 %
判成亚高山草甸 ;黄杉林中有 50 %判成亚高山草
甸 ;落叶阔叶林中有 25 %判成针阔混交林、1215 %
判成冷杉林 ;落叶松林中有 20 %柳灌丛 ;云杉林中
有 1413 %判成针阔混交林、711 %判成冷杉林 ;冷杉
林中主要被错判成针阔混交林和柳灌丛 ;亚高山草
甸中有 711 %判成高山、亚高山灌丛 ;人工群落中有
416 %判成栎类林、911 %判成高山松林 ;柳灌丛中有
1717 %判成亚高山草甸.
4 　结 　　语
在野外考察的基础上 ,应用 3S 技术完成了 1∶
50 000 的梅里雪山地区植被图 ,共有 18 种植被类型
和河流、冰雪、岩石 3 种其它类型. 该图的总体判对
精度 (即整体精度 OA )为 8417 %.
基于 3S 技术完成的植被图的精度首先取决于
区域面积大小和植被分类等级. 对不同的区域依据
面积大小和当地的植被多样性高低 ,确定不同的植
被等级 ,依据遥感技术划分的植被等级与传统的植
被分类等级不能完全一致[20 ] . 其次 ,植被图的精度
决定于遥感影像的精度、判读精度和用于判读的野
外采集的样点数.
各类型检查后的判读精度 Pci与样点数的大小
有正相关关系. 用于检查的样点数越多精度越高. 样
点数不足的类型建议并入其它相似的类型 ,例如把
类型 5 并入类型 11 ,类型 10 并入类型 8.
在 GIS 的支持下应用 TM 遥感影像和 GPS 采
集的样点 ,可较好地用于植被制图工作中. 该方法对
大、中区域 ,使用高级植被分类单位制作小、中比例
尺的植被图十分有效. 但是对于大比例尺的植被图 ,
特别在地形等环境条件复杂、植被类型多样的地区
应用还存在一些问题 ,主要是因为遥感光谱反映的
是下垫面所有要素的反射光谱. 就目前 TM 遥感影
像的诸波段而言 ,不同的优势种不足以使波谱发生
明显的差异 ,而影像光谱的差异更多来自生物量和
12519 期 　　　　　　　　　　　张志明等 :利用 3S技术对梅里雪山地区植被制图的精度检验分析 　　　　　　　　　　　
环境条件的差异. 所以 ,对于大比例尺、地形等环境
条件复杂、植被类型多样地区的植被图 ,其精度主要
与遥感影像本身分辨率 ,区域的复杂程度有关. 只有
将 TM 遥感影像与 GPS 和 GIS 配合使用 ,再加上植
被分类专家的知识 ,才可能完成一幅高精度的植被
图.
致谢 　美国大自然保护协会 ( TNC) 提供梅里雪山地区的卫
星影像图 ,周汝良先生提供植被预分类的图斑.
参考文献
1 　Fu B2J (傅伯杰) . 2001. Landscape Ecology Principle and Applica2
tion. Beijing :Science Press. 342～358 (in Chinese)
2 　Gan S(甘　淑) ,He D2M (何大明) . 2001. Study on remote sensing
monitoring forest cover by NDVI technique in mountain area of
Lancang river basin. Sci S ilv S in (林业科学) , 27 (4) : 134～136
(in Chinese)
3 　Giles MF , Richard ML . 2001. Mapping tropical forest fractional
cover from coarse spatial resolution remote sensing imagery. Plant
Ecol ,131 :143～154
4 　Guo Z2H (郭志华) , Peng S2L (彭少麟) . 2001. Combining multi2
temporal NOAA2AVHRR NDVI and ground auxiliary data for esti2
mating terrestrial net primary production in Guangdong. Acta Ecol
S in (生态学报) ,21 (9) :1444～1449 (in Chinese)
5 　Hobbs RJ ,Wallace J F ,Campbell NA. 1989. Classification if vegeta2
tion in the Western Astralian wheatbelt using Landsat MSS data.
Vegetatio ,80 :91～105
6 　Jin Z2Z(金振洲) ,Ou X2K(欧晓昆) . 2000. Vegetation of Dry2hot
Valley. Kunming : Yunnan Science and Technology Press. 265～269
(in Chinese)
7 　Kimberly RH , Susan LM. 2001. Mapping a forest mosaic. Plant
Ecol ,156 :105～120
8 　Li H2G(李红旮) ,Cui W2H(崔伟宏) . 2001. A study on the vege2
tation in Ayarwaddy Watershed ,Myanma. Chin J Ecol (生态学杂
志) ,20 (supp . ) :34～38 (in Chinese)
9 　Li J2L (李建龙) ,Jiang P(蒋　平) . 1998. Advances in study on the
remote sensing technology and GPS and GIS integration systems in
estimating grassland yield applications in the North of Xinjiang ,
China. Acta Ecol S in (生态学报) ,18 (5) :504～510 (in Chinese)
10 　Li Z2X(李芝喜) , He Q (何 　强) . 1995. Remote Sensing Analysis
on Forest in Yunnan Diqing. Kunming : Yunnan Science and Tech2
nology Press. 10～17 (in Chinese)
11 　Liu C2R(刘灿然) ,Chen L2Z(陈灵芝) . 2000. Analysis of the patch
shape with shape indices for the vegetation landscape in Beijing.
Acta Ecol S in (生态学报) ,20 (4) :559～567 (in Chinese)
12 　Liu X2H (刘先华) . 1998. Characteristics of vegetation diversity in
the Xilin River basin and their responses to climatic factors. Acta
Phytoecol S in (植物生态学报) ,22 (5) :466～472
13 　Ma K2M (马克明) ,Fu B2J (傅伯杰) . 2000. Spatial neighboring and
distribution regularities of landscape types in Donglingshan moun2
tain region ,Beijing ,China. Acta Ecol S in (生态学报) ,20 (5) :748
～752 (in Chinese)
14 　Megan ML . 1998. Numeric classification as an aid to spectral map2
ping of vegetation communities. Plant Ecol ,136 :133～149
15 　Niu J2M (牛建明) . 2001. Climate2based digital simulation on spatial
distribution of vegetation —A case study in Inner Mongolia. Acta
Ecol S in (生态学报) ,21 (7) :1064～1071 (in Chinese)
16 　Peng S2L (彭少麟) , Guo Z2H (郭志华) , Wang B2S (王伯荪) .
1999. Applications of RS and GIS terrestrial vegetation ecology.
Chin J Ecol (生态学杂志) ,18 (5) :52～64 (in Chinese)
17 　Pinder J E. 1997. The relationship between vegetation type and to2
pography in Lassen Volcanic National Park. Plant Ecol ,131 :17～
29
18 　Shirish AR , Roy PS. 1997. Satellite remote sensing for ecological
analysis of forested landscape. Plant Ecol ,131 :129～141
19 　Thomas RA ,John A K. 2001. Spectral response and pattern of Fras2
er fir mortality and regeneration , Great Smoky Mountains , USA.
Plant Ecol ,156 :59～74
20 　Wang B2R (王宝荣) . 2001a. Remote sensing image interpretation
of vegetation types. Chin J Ecol (生态学杂志) ,20 ( supp . ) :18～
20 (in Chinese)
21 　Wang B2R (王宝荣) . 2001b. Apllication of RS technology to the
study of vegetation mapping in the Yulong Snow Mountain , Li2
jiang , Yunnan. Chin J Ecol (生态学杂志) ,20 ( supp . ) :39～41 (in
Chinese)
22 　Wu J2G (邬建国) . 2000. Landscape Ecology —Pattern , Process ,
Scale and Hierarchy. Beijing : Higher Education Press. 190～206 (in
Chinese)
23 　Xu J2C(徐继初) . 1990. Biological Statistics and Experimental De2
sign. Beijing :Agriculture Press. 186～189 (in Chinese)
24 　Xiao D2N (肖笃宁) . 1999. The Development of Landscape Ecology
Changsha : Hunan Science and Technology Press. (in Chinese)
作者简介 　张志明 ,男 ,1976 年生 ,硕士生 ,主要从事 3S 技
术在植被生态学中应用及植被数量生态学的研究 ,发表论文
2 篇. E2mail :zhiming-zhang76 @hotmail. com
2251 应 　用 　生 　态 　学 　报 　　　　　　　　　　　　　　　　　　15 卷