全 文 ：第 34卷 第 1期 生 态 科 学 34(1): 135−141
2015 年 1 月 Ecological Science Jan. 2015

收稿日期: 2012-05-18; 修订日期: 2014-06-09
基金项目: 石漠化治理综合效应评价技术研究(黔科合 SY 字[2013]3172 号); 国家自然科学基金(41261038); 国家科技支撑计划课题(2014BAB03B001)
作者简介: 周秋文(1986—), 男, 广西桂林人, 博士, 研究方向为水资源水环境遥感, E-mail: zouqiuwen@163.com
*通信作者: 罗娅, 女, 副教授, 研究方向为土地利用与水土流失治理, E-mail:luoya2002@163.com

周秋文, 罗娅, 苏维词, 等. 基于多元信息的岩溶区植被类型信息快速提取方法构建[J]. 生态科学, 2015, 34(1): 135−141.
ZHOU Qiuwen, LUO Ya, SU Weici, et al. Constructing a rapid vegetation mapping method based on multi-information in karst area[J].
Ecological Science, 2015, 34(1): 135−141.

基于多元信息的岩溶区植被类型信息快速提取方法
构建
周秋文 1, 罗娅 1,*, 苏维词 2,3, 张军以 4
1. 贵州师范大学地理与环境科学学院, 贵阳 550001
2. 贵州科学院山地资源研究所, 贵阳 550001
3. 重庆师范大学地理与旅游学院, 重庆 400047
4. 南京大学地理与海洋科学学院, 南京 2100932

【摘要】 岩溶区植被类型多样、地形复杂、可进入性差, 如何快速获取岩溶区高空间分辨率的植被类型信息, 便成为
重要问题。基于土地利用图, 在综合岩溶分布图、气温、高程、岩溶区植被分类体系、植被地带性和非地带性分布规
律等多元信息的基础上, 初步构建了基于多元信息的岩溶区高分辨率快速植被类型信息提取方法, 并以广西龙江流域
为例进行了试验。结果表明, 植被信息提取总体精度达到 71%, 空间分布特征符合区域规律。该方法是快速获取岩溶
区植被类型信息较为高效可靠的方法之一, 避免了耗费大量的人力物力, 并且能达到一定的精度, 在对精度要求不高
而要求速度快、投入少的情形下较为适用。

关键词：植被类型; 多元信息; 遥感; 岩溶区
doi:10.3969/j.issn. 1008-8873.2015.01.020 中图分类号：TP79 文献标识码：A 文章编号：1008-8873(2015)01-135-07
Constructing a rapid vegetation mapping method based on multi-information
in karst area
ZHOU Qiuwen1, LUO Ya1,*, SU Weici2,3, ZHANG Junyi4
1. School of Geography and Environment Science, Guizhou Normal University, Guiyang 550001, China
2. Institute of Mountain Resources, Guizhou Academy of Sciences, Guiyang 550001, China
3. School of Geography and Tourism, Chongqing Normal University, Chongqing 400047, China
4. School of Geographic & Oceanographic Sciences, Nanjing University, Nanjing 210093, China
Abstract: With the characteristics of diverse vegetation types, complex terrain, poor accessibility in karst areas, it has become an
important issue to quickly derive high-spatial-resolution vegetation type distribution. Based on a land use map, and in combination
with the multi-information including karst distribution, temperature, elevation, vegetation classification system, and zonal or
non-zonal distributional information of vegetation, this paper initially constructed a rapid high-resolution vegetation mapping
method, and applied this method in Longjiang River basin in Guangxi Province. The results show that, this method is an efficient
and reliable method in deriving a large-scale, high spatial resolution vegetation map in karst area with low cost and sufficiently high
accuracy. This method is more suitable for the situations which require rapid and low cost mapping but relatively low accuracy.
Key words: vegetation mapping; multi-information; remote sensing; karst area
136 生 态 科 学 34 卷

1 前言
植被类型图是反映不同分类等级的植物群落分
布规律和分布面积的地图[1]。植被类型图的应用非
常广泛, 在宏观管理领域, 可用于生产力估测、土地
利用规划、森林管理和各类土地评估、环境影响评
价等, 指导生态恢复和各种土地改良工作; 在工程
建设方面, 植被类型图可以辅助工程设计、新建和
扩建道路、矿区开发等目的; 植被类型图还是科学
研究的重要基础资料; 此外, 植被类型图还可以
用于自然保护区规划、旅游区规划、军事等其他
目的[2], 植被类型图的精度和尺度大小直接影响下
一步工作的质量[3]。
近年来, 在科学研究和应用需求的共同推动下,
许多学者在植被类型信息提取领域进行了大量有益
的探索[4]。最早的植被类型信息采用人工实地调查
的方法, 这种方法能够获得一手调查数据, 准确性
很高, 然而要耗费大量的人力物力。近年来随着遥
感和地理信息技术的发展, 传统的实地调查方法已
经被取代。早期的遥感植被分类采用人工目视解译,
虽然这种方法一定程度上避免了野外工作, 然而也
需要耗费大量的人力[5–6]。为了避免耗费人力物力的
弊端, 之后采用了基于遥感影像光谱特征的机监督
分类和非监督分类方法, 但由于各植被类型相互掺
杂, 且受土壤湿度, 地形阴影, 异物同谱的影响, 单
纯对遥感数据进行监督或非监督分类的结果精度不
高[7–8]。为了解决上述问题, 遥感信息复合技术被引
入植被类型信息提取中。遥感信息复合技术将不同
来源、不用光谱特征、不同空间分辨率的遥感数据
相结合, 将遥感和非遥感信息相结合, 充分利用已
有的材料, 大大提高了植被类型信息提取的精度和
效率[9–10]。虽然目前遥感信息复合技术是一种较为
理想的植被类型信息提取方法, 但是需要复合何种
信息, 如何复合, 需要根据不同研究区特点、不同数
据和知识获取情况, 因地制宜地制定遥感信息复合
方案[3]。
岩溶区自然地理地质条件恶劣, 地形破碎、山
岳崎岖、可进入性差, 不便于开展大规模的植被实
地调查[11]。要获得岩溶区大比例尺、高分辨率的植
被类型信息, 采用高分辨率遥感影像解译植被类型,
虽然能避免大量的野外工作, 但是也存在一定的问
题。一方面, 高分辨率的遥感影像成本较高, 目视解
译耗时耗力, 综合效率较低。另一方面, 我国岩溶地
区大多地处热带亚热带气候条件下, 雨热充沛、光
照充足, 植被类型复杂多样, 遥感影像中同谱异物
和同物异谱的问题, 使得在岩溶区很难仅凭图像光
谱特征解译得到高精度的植被类型信息。因此, 要
获得岩溶区高空间分辨率的植被类型信息, 引入除
遥感影像外的多元信息, 进行植被类型综合分析和
解译识别, 是较为高效可靠的方法。
本文在遥感和 GIS 技术支持下, 以较为成熟的
遥感反演土地利用分类产品为基础, 在综合岩溶分
布图、气温、高程、岩溶区植被分类体系、植被地
带性和非地带性分布规律等多元信息的基础上, 初
步构建基于多元信息的岩溶区快速植被类型信息提
取方法。
2 材料与方法
2.1 试验区概况
龙江地处云贵高原向广西盆地过渡地带, 包括
广西、贵州两省区的交界地区, 面积约 1.73 万 km2,
是珠江上游的一条小支流, 是西南岩溶区较典型的
喀斯特水文盆地。境内气候温暖, 雨量丰沛, 年平
均气温 17—20 ℃, 7 月最热, 平均气温 27—28 ℃,
1 月最冷, 最低气温–3.2 ℃; 年平均降雨 1260—
1627 mm, 5—8 月为雨季, 4、9、10 月为平水季节, 11
月至翌年 3 月为旱季[12]。
2.2 技术路线
植被分类的基础是确定植被分类系统, 本植被
类型信息提取方法将植被类型划分到植被亚型层
次。根据对岩溶区植被分类系统的初步分析, 综合
数据可获取性和实际植被解译需要, 大致确定了可
以通过土地利用、岩溶分布、气温、高程等信息进
行植被类型划分。
目前已有多种覆盖我国范围的土地利用/地表
覆盖产品, 几中常用的产品其分类体系均较详细,
与植被型组有一定的对应关系。如 MODIS 地表覆
盖产品中 IGBP 分类体系将地表覆盖类型划分为常
绿针叶林、常绿阔叶林、落叶阔叶林等 16 种; 欧空
局发布的 MERIS 土地利用/地表覆盖产品将地表覆
盖类型划分为 22种类型; 中国 1:10万土地利用数据
将全国分为 6 个一级类(耕地、林地、草地、水域、
城乡、工矿、居民用地和未利用土地), 31 个二级类。
1 期 周秋文, 等. 基于多元信息的岩溶区植被类型信息快速提取方法构建 137

我国植被分为 11 个植被型组, 包括针叶林、阔叶林、
灌草和灌草丛、草原和稀树干草原、荒漠(包括肉质
刺灌丛)、冻原、高山稀树植被、草甸、沼泽、水生
植被。由于目前覆盖我国范围的常用土地利用/地表
覆盖产品分类较为细致, 基本能完整包括我国的 11
种植被型组, 两种分类体系有较好的对应关系, 因
此可采用土地利用产品识别植被型组。
与普通的植被类型分类系统相比, 岩溶植被类
型分类系统的特点是, 在植被亚型层次增加了岩溶
植被亚型。如暖性落叶阔叶林植被型中, 进一步划
分出石灰岩山暖性落叶阔叶林植被亚型。石灰岩植
被亚型的植被普遍生长在石灰岩地区, 二者具有良
好的对应关系, 因此可以利用岩溶分布图中的石灰
岩分布, 识别出石灰岩类植被亚型。
气温是植被生长的重要影响因子, 是植被地带
和非地带性分布的重要控制性因素。植被型在植被
型组的基础上, 将植被划分为冷性、暖性、热性的
多种植被型, 而冷性、暖性、热性则主要是根据气
温划分的。因此植被型划分中可引入气温因子, 根
据不同的温度阈值, 划分出植被型。
地形作为一种重要的环境要素, 通过控制光、
热、水、土壤养分等资源的再分配影响植物生长发
育, 进而影响植被类型分布。岩溶植被分类体系中,
植被亚型中包括低山和中山类型, 而低山和中山的
划分主要依据山体的高程。因此, 可以根据上述分
类的对应关系, 引入高程因子, 结合研究区的实际
情况, 采用不同的阈值划分出部分植被亚型。
综合上述分析, 本文确定的岩溶区植被类型空
间分布提取技术路线如下: 首先通过土地利用/土地
覆盖图确定植被型组; 其次根据气温因子, 划分出
植被型; 最后根据岩溶分布图、高程信息, 综合岩溶
区植被空间分布规律, 进一步划分植被亚型。
2.3 植被分类系统
植被分类系统决定了植被类型划分的层次体系,
以及类型数量及类型名称。进而确定了应该综合哪
些信息来进行植被类型解译, 因此构建基于多元信
息的岩溶区高分辨率快速植被制图方法的首要工
作室确定植被分类系统。植被分类系统具有一定的
区域特点, 不同区域的植被分类系统不尽相同, 由
于本研究拟以广西龙江流域为案例, 因此主要参考
广西植被分类系统。研究拟定的植被分类系统以广
西天然植被类型分类系统为基础[13–14], 增加了水田、
旱地两类人工植被, 同时由于竹林面积相对较小, 难
以判别, 研究采用的植被分类系统暂时未将竹林列
入(表 1)。值得说明的是, 本文主要探讨植被类型信
息提取方法, 因此提出的龙江流域天然植被分类系
统难免有诸多不足之处, 在此不做深入讨论。
2.4 植被类型识别规则
通过分析拟定的研究区植被分类系统, 结合数
据可获取性, 可制订如下识别规则: 1)首先通过土地
利用图分出植被型组; 2)通过气温图分出除草丛以
外的植被型(由于草丛植被型组下只有一种植被型,
因此无需识别), 阈值设定主要参考植物地理学对冷
性、暖性、热性的定义[1,15], 在结合研究区的实际情
况, 设定多年平均气温 20℃以上为热性, 20℃—10℃
为暖性, 10℃以下为冷性; 3)通过岩溶分布图识别出
暖性落叶阔叶、常绿落叶阔叶混交林、热性灌丛、
暖性灌丛、禾草草丛植被型下属的石灰岩类植被亚
型; 4)通过高程图识别出暖性针叶林、暖性落叶阔叶
林下属的低山或中山植被亚型, 阈值设定主要参考
地貌学对低山和中山的划分标准, 并根据研究区植
被海拔分异规律适当修正, 设定 600 米以上为中山
类, 600 米以下为低山类。

表 1 龙江流域天然植被分类系统
Tab. 1 Classification system of natural vegetation of the
Longjiang River basin
植被型组 植被型 植被亚型
低山丘陵暖性针叶林
暖性针叶林
中山针叶或针阔混交林 针叶林
热性针叶林 南亚松林
低山丘陵暖性落叶阔叶林
中山暖性落叶阔叶林 暖性落叶阔叶林
石灰岩山暖性落叶阔叶林
中山常绿落叶阔叶混交林
常绿落叶阔叶混交林
石灰岩山常绿落叶阔叶混交林
阔叶林
常绿阔叶林 典型常绿阔叶林
红壤土地区热性灌丛
热性灌丛
石灰岩土地区热性灌丛
红壤土地区暖性灌丛
灌丛
暖性灌丛
石灰岩土地区暖性灌丛
红壤土地区草丛
草丛 禾草草丛
石灰岩土地区草丛
138 生 态 科 学 34 卷

2.5 数据获取与模型实现
土地利用图来源于欧空局研发的全球 300 m 分
辨率地表覆盖产品, 该产品有 22 种地表覆盖类型,
能够区分出本研究中的所有植被型组。目前该产品
是已有的分辨率较高、划分地表覆盖类型较为详细
的产品之一, 已被广泛应用于诸多领域, 具有一定
的可信度。岩溶分布数据来源于全球岩溶分布图,
气温数据来源于该数据库是由美国 California 大学
和澳大利亚 Queensland 大学共同开发的 1 公里网格
全球气候图。高程数据是下载自国际科学数据共享
网的全球 30 m 分辨率 ASTER GDEM 数字高程产品。
在数据准备完成后, 植被类型识别的工作通过在
ENVI 软件中建立决策树实现自动分类识别, 得到
龙江流域植被类型图(图 1)。
3 结果与分析
3.1 植被类型提取精度
通过野外实地调查共采集了 100 个样点, 由于
本研究中划分的植被类型较多, 受实地可进入性的
限制, 野外调查中并没有采集到所有植被类型的样
点, 因此仅基于部分植被类型进行精度分析。经样
点验证, 总体提取精度达到 71%, 其中提取精度最
高的是石灰岩土地区草丛, 精度为 83%, 其次为石
灰岩山常绿落叶阔叶混交林, 提取精度为 82%。提
取精度最低的是典型常绿阔叶林, 精度为 40%, 此
外石灰岩土地区暖性灌丛和低山球了暖性针叶林精
度也较低, 精度分别为 48%和 54%(表 2)。

图 1 龙江流域植被类型图
Fig. 1 Vegetation type map of the Longjiang River basin
1 期 周秋文, 等. 基于多元信息的岩溶区植被类型信息快速提取方法构建 139

表 2 龙江流域部分植被类型提取精度
Tab. 2 Extraction accuracy of some of the vegetation types
植被类型 样点数 精度/%
低山丘陵暖性针叶林 11 54
中山针叶或针阔混交林 5 60
南亚松林 16 69
石灰岩山暖性落叶阔叶林 8 50
石灰岩山常绿落叶阔叶混交林 6 82
典型常绿阔叶林 25 40
石灰岩土地区热性灌丛 8 63
石灰岩土地区暖性灌丛 8 48
石灰岩土地区草丛 12 83
3.2 植被类型误判分析
从误判的空间分布看, 流域上游的误判率高于
下游。这主要是由于下游地区地势和缓, 地表植被
类型以水田和旱地为主, 覆盖面积较大, 类型单一,
因此出现误判的几率较小。而流域的上游地区海拔
相对较高, 地表起伏大, 植被类型复杂多样, 其中
还镶嵌有许多人工植被, 将天然植被类型误判为人
工植被的情况较多。从地貌特征来看, 岩溶平原区
和连片岩溶石山区误判的几率较小, 而丘陵区误判
的几率较大。
分类结果中, 丘陵区的分类精度较低。这主要
是因为丘陵区自然植被类型较为复杂, 同时存在灌
木、乔木、草本植物等。受现有数据空间分辨率的
影响, 无法细致识别复杂的植被类型。加上丘陵区
人类耕作、开发等活动较为密集, 植被分布受人为
扰动影响较大, 更加剧了空间异质性, 使得误判的
几率较大。针对这一问题, 可能的解决方案首先是
提高土地利用、岩溶分布、气温、高程等数据的空
间分辨率, 从而提高对植被类型识别能力。然而,
上述四个因子对植被类型的识别能力始终是存在
一定局限的, 要获得更高的精度, 需要引入更多的
信息。可引入高分辨率遥感影像信息, 通过植被光
谱特征的阈值分割, 得到精度更高的植被分类结
果。但是引入高分辨率遥感影像信息后, 会增加数
据成本, 同时光谱阈值的确定需要大量的野外采样,
也会增加野外工作量。
从误判的植被类型来看, 石灰岩土地区暖性
灌丛和典型常绿阔叶林之间相互误判的情况也较
多, 这主要是因为这两种植被类型无论从光谱特
征还是空间分布规律都较为接近, 直观上而言主
要的区别只是植株的高矮不同, 因此很难将二者
区分开来。石灰岩山暖性落叶阔叶林多被误判为
石灰岩山常绿落叶阔叶混交林, 由于区分这两种
植被类型主要依据温度, 而由于研究区属于典型
岩溶区, 地形复杂, 地表起伏大, 影响植被类型分
布的其它因素也较多, 因此在全区域采用统一的
温度阈值容易导致误判, 此外龙江流域属于亚热
带地区 , 暖性落叶阔叶林的分布面积相对较小 ,
难免导致部分地区灰岩山暖性落叶阔叶林被误分
为其它类型。低山丘陵暖性针叶林多被误判为旱
地, 由于龙江流域并不是针叶林的地带性分布地
区 , 较少存在大面积连片针叶林 , 而往往是以与
耕地或者杂草交错分布的形式存在, 而龙江流域
上游平地较少, 人类的耕作活动往往是采取山坡
旱作的形式, 因此将低山丘陵暖性针叶林多被误
判为旱地的情况较多。
3.3 龙江流域植被类型分布特征
总体而言, 龙江流域的水田和旱地主要分布
在龙江下游河池、宜山等地, 这些地区地势和缓,
便于农业耕作。林地主要分布在龙江中游, 尤其
是大环江、小环江流域, 这些区域海拔较高, 人类
活动干扰较少 , 土层相对较厚 , 利于各种树木的
生长。灌木主要分布在龙江上游打狗河流域, 该地
区为典型的岩溶峰丛洼地区, 岩溶石山上土层较
薄, 以生长灌木为主。草地的面积较小, 主要为零
星分布。
龙江流域植被类型提取的结果共提取出 14 种
天然植被亚型, 其中面积较大的是南亚松林、典型
常绿阔叶林、石灰岩土地区热性灌丛、中山针叶林
或针阔叶混交林 , 分别占流域面积的 19.6%、
17.9%、12.7%、9.7%(图 2)。南亚松林主要分布在
打狗河下游, 河池以北的地区, 此外, 大环江、小
环江流域也有分布。典型常绿阔叶林主要分布在大
环江、小环江流域, 尤其大环江中上游地区分布较
广。石灰岩土地区热性灌丛主要分布在龙江上游打
狗河流域, 此外龙江干流沿岸地区河池到宜山区间
也有少量分布。中山针叶林或针阔叶混交林主要分
布在流域边缘地区, 尤其以南部和北部高海拔山区
为主, 包括南丹、河池的南部以及大环江、小环江
的上游。
140 生 态 科 学 34 卷


图 2 龙江流域各植被类型面积占流域面积比例
Fig. 2 Proportion of each vegetation type area over the
whole basin
4 讨论
本文结合岩溶区特点,  引入除遥感影像外的岩
溶分布图、气温、高程、岩溶区植被分类体系、植
被地带性和非地带性分布规律等多元信息,  构建
了基于多元信息的岩溶区高分辨率植被类型信息
提取方法,  为岩溶区植被信息快速提取提供了方
法参考。
与遥感影像人工目视解译方法提取植被类型
信息相比 , 本方法避免了大量的劳动 , 并使不同
区域的植被信息提取结果具有可比性。用人工目
视解译方法从遥感影像中提取植被类型信息, 往
往需要投入大量的人力物力, 即使经验丰富的解
译人员, 仍然需要投入几天甚至是更多的时间去
完成一景试验区那样大的植被类型信息提取工作,
而且工作量随着精度要求的提高而不断增加; 本
研究提出的方法是一种自动化的提取方法, 能够
最大限度地节省人力投入, 工作效率大大增加。用
人工目视解译方法从遥感影像中提取植被类型信
息 , 虽然能在一定程度上保证精度 , 但是信息提
取精度取决于解译人员的知识水平和个人经验 ,
质量不稳定。本方法是一种相对自动化的植被信
息提取方法, 能够使不同时期、不同区域遥感影像
提取出的植被类型信息具有时间和空间上的可比
性, 质量稳定。
与遥感影像基于样区的监督分类提取植被类型
信息相比, 本方法能避免样区选择的主观性或者同
物异谱、同谱异物而造成的精度降低。基于样区的
监督分类首先要在遥感影像上选择一定的样区进行
训练, 选择不同的样区, 往往会带来不同的结果,
而岩溶区由于景观破碎, 选择的样区稍有变化, 将
使得结果差距更大; 本方法通过引入多元信息, 通
过阈值设定的方法一定程度上避免了只依据样区
进行植被信息提取, 结果更加稳定可靠。岩溶区由
于景观破碎, 植被类型多样, 峰丛、峰林的阴影也
较多, 这使得同物异谱、同谱异物的问题更加突出,
基于样区的监督分类方法并不能避免同物异谱、
同谱异物的问题; 由于本方法提取植被信息的依
据不仅是遥感影像光谱特征, 还包括岩溶分布图、
气温、高程、岩溶区植被分类体系、植被地带性
和非地带性分布规律等多元信息, 上述信息都不
存在同物异谱、同谱异物的问题, 因此植被类型信
息提取结果能最大限度地避免同物异谱、同谱异物
的问题。
虽然本方法有一定的优势, 但也存在一定的局
限和不足。首先, 由于多元信息包括了岩溶分布图、
气温、高程等信息, 导致植被类型信息的提取精度
受到上述多元信息的精度影响, 而岩溶区地表破碎,
某些区域很难获得高空间分辨率的上述多元信息,
这会导致植被类型信息提取精度降低。其次, 阈值
的设定对植被类型信息提取精度有较大影响, 本方
法通过参考相关文献设定阈值, 由于岩溶区地表破
碎, 不同的区域的合理阈值不尽相同, 因此在实际
应用中可能难以确定合理阈值, 导致植被类型信息
提取精度降低。
5 结论
引入除遥感影像外的岩溶分布图、气温、高
程、岩溶区植被分类体系、植被地带性和非地带
性分布规律等多元信息 , 进行植被类型综合分
析和解译识别 , 是快速获取岩溶区植被类型信
息较为高效可靠的方法。这种方法避免了耗费大
量的人力物力 , 并且能达到一定的精度 , 在对精
度要求不高而强调速度快、投入少的情形下较为
适用。
植被类型提取结果的精度在一定程度上受
1 期 周秋文, 等. 基于多元信息的岩溶区植被类型信息快速提取方法构建 141

制于原始数据的精度 , 以及温度、高程等要素阈
值设定的合理性。因此在实际操作中 , 应尽量选
取高精度的土地利用图、岩溶分布图 , 并根据不
同的研究区适当调整温度、高程等要素的阈值 ,
或将研究区划分成子区 , 不同的子区采用不同
的阈值。
参考文献
[1] 侯学煜. 中国的植被[M]. 北京: 人民教育出版社, 1960.
[2] 张翠萍 , 牛建明 , 董建军 , 等 . 植被制图的发展与现
状[J]. 中山大学学报, 2005, 44(S2): 245–249.
[3] 张志明, 张征凯, 郭银明, 等. 高原山区遥感植被制图研
究综述[J]. 云南大学学报: 自然科学版 , 2013, 35(3):
416–427.
[4] 杨绍锷, 谭裕模, 胡钧铭. 基于 NDVI 的广西近十年
植被变化特征分析[J]. 南方农业学报 , 2012, 43(11):
1783–1788.
[5] 刘中正, 彭培好, 周正坤. 基于 3S 技术的雅江县植被类
型调查与分析[J]. 地理空间信息, 2013, 11(2): 78–80.
[6] 唐代生, 尹京, 彭珍宝, 等. 基于 3S 技术的南岳区植被
分布图的绘制与研究[J]. 中南林业科技大学学报, 2013,
33(1): 15–19.
[7] 袁金国. 森林植被遥感分类研究[J]. 河北师范大学学报:
自然科学版, 2003, 23(2): 274–277.
[8] 陈君颖, 田庆久. 高分辨率遥感植被分类研究[J]. 遥感
学报, 2007, 11(2): 221–227.
[9] 杨中宝, 李慧敏. 基于 3S 技术的抚仙湖东大河小流域磷
矿开采区植被遥感解译[J]. 玉溪师范学院学报, 2012,
28(12): 30–34.
[10] 张宏, 金学林, 李智军, 等. 陕西太白山自然保护区卫星
遥感影像植被解译[J]. 陕西林业科技, 2011(2): 44–46.
[11] 向悟生, 李先琨, 吕仕洪, 等. 广西岩溶植被演替过程中
主要小气候因子日变化特征[J]. 生态科学, 2004, 23(1):
25–31.
[12] 钱小鄂, 吴少斌. 广西龙江流域水环境状况及地下水资
源评价[J]. 广西地质, 2001, 14(4): 37–40.
[13] 苏宗明 . 广西天然植被类型分类系统 [J]. 广西植物 ,
1998, 18(3): 237–246.
[14] 苏宗明, 李先琨. 广西岩溶植被类型及其分类系统[J].
广西植物, 2003, 23(4): 289–293.
[15] 吴征镒, 中国植被[M]. 北京: 科学出版社, 1980.