全 文 ：第 !" 卷 第 # 期
" $ % # 年 # 月
林 业 科 学
&’()*+(, &(-.,) &(*(’,)
./01!"!*/1#
2345!" $ % #
6/7"%$5%%8$89:5%$$%;8<==5"$%#$#$8
收稿日期" "$%! >%" >"%# 修回日期" "$%# >$" >%=$
基金项目" 国家高技术研究发展计划%=#? 计划& +数字化森林资源监测技术,项目%"$%",,%$"$$%& $
! 鞠洪波为通讯作者$
多源数据林地类型的精细分类方法!
任B冲%B鞠洪波%B张怀清%B黄建文%B郑应选"
%%5中国林业科学研究院资源信息研究所B北京 %$$$@%# "5甘肃省小陇山林业调查规划院B天水 8<%$"$&
摘B要!B(目的) 探讨复杂中山区域’多源数据支持下!高空间分辨率遥感影像林地类型层次化精细分类方法!以
促进高分辨率遥感数据在森林资源调查与监测方面的深入应用$ (方法) 以嘉陵江上游甘肃省小陇山林业实验局
百花林场为研究区!以 &DS+! 和高分一号%Kh;%&遥感影像为主要数据源!综合利用影像光谱特征’植被指数特征’
纹理特征与时相特征’地形特征’森林资源+二类调查,成果数据与林相图等辅助信息!及典型地类与主要森林类型
外业调查样本数据!发展针对暖温带典型天然次生林区’复杂山区地形条件下高空间分辨率遥感影像林地类型多
层次信息提取与森林类型精细识别的有效方法$ 在分析不同时相影像光谱特征的基础上!构建并优选归一化植被
指数%*I.(&’比值植被指数 %M.(&’比值短波红外指数 %M&(&’差值植被指数 %I.(& < 种植被指数特征和均值
%C)&’同质性%iSC&’非相似性%I(&&’信息熵%)*+&’角二阶距%,&C&’相对峰值% M^ &# 种纹理特征!引入与主
要森林类型空间分布相关的 I)C高程值’坡度’坡向 ? 个敏感地形因子!利用不同林地类型时相动态特征和辅助
信息特征!在不同层次影像上分别采用适于该层待分信息类别的阈值法’支持向量机 % &.C&’多分类器组合
%C’’&’人工神经网络%,**&分类方法!将各层分类结果合并获得整个研究区林地类型精细分类图$ 最后!采用分
层随机抽样的独立检验样本对分类结果中 8 类林地类型进行精度验证!并对 ! 类主要森林类型精细识别结果进行
面积统计!与+二类调查,及影像解译结果各类型面积统计值进行对比分析!进一步从整体上检验分类方法的有效
性和分类结果的可信度$ (结果) 本文所发展的分类方法对林地类型信息提取精度较高!有林地’其他林地’苗圃
地等 8 类林地类型总体分类精度达 @"1"=F!总 E^LLE系数为 $1=@@ ## 油松林’华山松林’日本落叶松林’栎类落叶
阔叶林’其他落叶阔叶混交林 ! 类主要森林类型面积统计结果的平均相对精度为 @"1下的多层次林地类型精细分类方法是一种有效的林地类型信息精准监测方法!具有精度高和可信度高的优势!且
森林类型精细识别详细程度达到优势树种%组&级别!是解决复杂山区林地类型精细分类与森林类型精细识别的一
种有效手段!可满足森林资源调查’变化监测’数字更新等林业应用需求$
关键词"B多源数据# 精细分类# 多层次信息提取# 多分类器组合# 林地类型
中图分类号!&8!8BBB文献标识码!,BBB文章编号!%$$% >8<==""$%##$# >$$!< >%"
R./#(L3).%’$7&#& *)%0)%$6#V&"-F,G$S%$’(6$1/&66(*(’&#()"
MO4 ’R/4H%B23 i/4HT/%BkRE4Hi3E7j74H%Bi3E4H27E4\O4%BkRO4HA74HJ3E4"
%%":&+&3*/2 ;1+,0,6,&$()$*&+,:&+$6*/&;1($*?3,0$1 9&/210V6&+! #5)B@&0A01’ %$$$@%#
""S03$%$1’+231 )$*&+,;18&1,$*-31> !%31101’ ;1+,0,6,&$(M31+6 !*$801/&B9031+2608<%$"$&
926#%&’#"B(ST:OQU7VO) +R7ZLELOYLYOZO4UZE4O\X/YOZU0E46 UWLOLYOQ7ZOQ0EZZ7X7QEU7/4 NOUR/6 TEZO6 /4 R7OYEQR7QE0
Q0EZZ7X7QEU7/4 ZUYEUOHW3Z74HR7HR ZLEU7E0YOZ/03U7/4 YON/UOZO4Z74H7NEHOE46 N30U7;Z/3YQOE3J707EYW6EUE74 Q/NL0OJ
N/34UE74/3ZEYOE! \R7QR 0/QEUOZ74 dE7R3Eh/YOZUhEYN! P7E/0/4HZRE4 h/YOZUYW)JLOY7NO4UE0d3YOE3! KE4Z3 DY/V74QO5
(COUR/6)(4 UROUOZUEYOE! &DS+! iMK" E46 U\/ZQO4OZ/XKh;% DC&" 7NEHOZ! E4Q70EYW74X/YNEU7/4 Z3QR EZX/YOZU
YOZ/3YQOZ74VO4U/YWYOZ30UZ! X/YOZUX/YNNEL E46 X/YOZU67ZUY7T3U7/4 NEL! E46 X7O06 NOEZ3YONO4UZENL0OL/74U6EUE/X0E46
Q/VOYUWLOZE46 X74OX/YOZUUWLOZ\OYOELL07O6 74 Q0EZZ7X7QEU7/4 LY/QOZZ5+RON30U7VEY7EUOQREYEQUOY7ZU7QZTEZO6 /4 R7HR
YOZ/03U7/4 YON/UOZO4Z74H7NEHOZ! 74Q03674H7NEHOZLOQUYE0XOEU3YOZ! VOHOUEU7/4 7467QOZ! UOJU3YE0XOEU3YOZE46 7NEHOU7NO;
LREZOQRE4HO6 XOEU3YOZ! E46 U/L/HYELRWQREYEQUOY7ZU7QZ! \OYO3ZO6 EZUROZ7H47X7QE4U7467QEU/YZU/6OVO0/L N30U7;0OVO0
74X/YNEU7/4 OJUYEQU7/4 NOUR/6ZE46 X/YOZUUWLOX74O76O4U7X7QEU7/4 NOUR/6Z! \R7QR \OYOLEYU7Q30EY0WZ37UET0OX/YUROQ/NL0OJ
N/34UE74/3ZUOYYE74 EYOE/XUWL7QE04EU3YE0ZOQ/46EYWX/YOZUYOH7/4 74 \EYN UONLOYEUO]/4O5h/3YVOHOUEU7/4 7467QOZ!
B第 # 期 任B冲等" 多源数据林地类型的精细分类方法
74Q03674H*I.(% 4/YNE07]O6 67XOYO4QOVOHOUEU7/4 746OJ&!M.(%YEU7/VOHOUEU7/4 746OJ&!M&(%YEU7/ZR/YU\EVO74XYEYO6
746OJ&E46 I.(% 67XOYO4QOVOHOUEU7/4 746OJ&E46 Z7JUOJU3YE0XOEU3YOZ!UREU7ZC)%NOE4&!iSC% R/N/HO4O7UW&!I(&
%67ZZ7N70EY7UW&!)*+%O4UY/LW&!,&C%E4H30EYZOQ/46 N/NO4U&E46 M^ %YO0EU7VO[3YU/Z7Z&\OYO6OVO0/LO6 E46 ZO0OQUO65
+RYOOU/L/HYELRWQREYEQUOY7ZU7QXEQU/YZYO0EUO6 U/ZLEU7E067ZUY7T3U7/4 /XNE:/YX/YOZUUWLOZZ3QR EZI)CO0OVEU7/4 Z0/LOE46
EZLOQU\OYOE0Z/OJUYEQUO6 E46 3ZO6 74 UROR7OYEYQR7QE0Q0EZZ7X7QEU7/4 LY/QOZZ5+RYOZR/06 NOUR/6! Z3LL/YUVOQU/YNEQR74O
%&.C&! N30U7L0OQ0EZZ7X7OYQ/NT74EU7/4 %C’’& E46 EYU7X7Q7E04O3YE04OU\/Y[ %,**& Q0EZZ7X7QEU7/4 NOUR/6Z\OYO
6OVO0/LO6 E46 ELL07O6 74 67XOYO4U0OVO0Z/X7NEHO5’0EZZ7X7QEU7/4 YOZ30UZ/X67XOYO4U0EWOYZ\OYOQ/NT74O6 74U/X/YOZUUWLOZ
X74OQ0EZZ7X7QEU7/4 YOZ30UNEL /XURO\R/0OYOZOEYQR EYOE5h74E0W! 746OLO46O4UUOZUZENL0OZ/XZOVO4 X/YOZUUWLOZTEZO6 /4
ZUYEU7X7O6 YE46/NZENL074H\OYOZO0OQUO6 E46 UROQ/4X3Z7/4 NEUY7JE46 E^LLEQ/OX7Q7O4U\OYOOJEN74O6 U/OVE03EUOURO
EQQ3YEQW/XQ0EZZ7X7QEU7/4 YOZ30UZ5(4 /Y6OYU/X3YUROYOVE03EUOUROVE0767UW/XQ0EZZ7X7QEU7/4 NOUR/6 E46 YO07ET707UW/X
Q0EZZ7X7QEU7/4 YOZ30UZ/4 URO\R/0O! UROLOYX/YNE4QO/XUROQ0EZZ7X7QEU7/4 NOUR/6 \EZ67ZQ3ZZO6 TWQ/NLEY74HUROZUEU7ZU7Q
EYOEET/3UX7VONE74 X/YOZUUWLOZTEZO6 /4 Q0EZZ7X7QEU7/4 YOZ30UZ\7UR UROZUEU7ZU7QYOZ30UZ/XX/YOZUYOZ/3YQOZ74VO4U/YWE46
7NEHOV7Z3E074UOYLYOUEU7/45(MOZ30U)+ROYOZ30UZZR/\O6 UREUURONOUR/6 LY/L/ZO6 74 UR7ZLELOYRE6 EH//6 LOYX/YNE4QO74
X/YOZUUWLO74X/YNEU7/4 OJUYEQU7/45SVOYE0EQQ3YEQW/XZOVO4 X/YOZUUWLOZ! 74Q03674HQ0/ZO6 X/YOZU0E46! /UROYUWLOZ/XX/YOZU
0E46! 43YZOYW0E46 E46 Z//4 YOEQRO6 @"1"=F E46 /VOYE0 E^LLEQ/OX7Q7O4U\EZ$1=@@ #5,VOYEHOYO0EU7VOEQQ3YEQW/X
EYOEZUEU7ZU7QYOZ30UZ/XX7VONE74 X/YOZUUWLOZ/XX74O76O4U7X7QEU7/4! 74Q03674H!016+,3B6%3&($*?0+! !016+3*?31>0! F3*04
I3&?C(&*0! SE[ ZLOQ7OZ6/N74E4UTY/E6;0OEVO6 6OQ763/3ZX/YOZUE46 /UROY%REY6\//6 ZLOQ7OZ6/N74E4U& 6OQ763/3ZTY/E6;
0OEVO6 N7JO6 X/YOZU! YOEQRO6 @"1OJUYEQU7/4 NOUR/6 TEZO6 /4 N30U7;Z/3YQO6EUEZ3LL/YU7ZE4 OXOQU7VOELLY/EQR /XLYOQ7ZOQ0EZZ7X7QEU7/4 /XX/YOZU0E46 UWLOZ!
X74O76O4U7X7QEU7/4 /XX/YOZUUWLOZE46 EQQ3YEUON/47U/Y74H/XX/YOZUYOZ/3YQOZ! OZLOQ7E0W74 N/34UE74/3ZEYOE/XQ/NL07QEUO6
U/L/HYELRWQ/467U7/4Z5+ROLY/L/ZO6 NOUR/6 74 UR7ZLELOYREVOE6VE4UEHOZ74 X74O76O4U7X7QEU7/4 /XX/YOZU0E46 UWLOZ\7UR
R7HR EQQ3YEQWE46 R7HR YO07ET707UW! E46 URO6OUE706OHYOO/XX74O76O4U7X7QEU7/4 YOEQROZ6/N74E4UUYOOZLOQ7OZ! \R7QR Q/306
X30WNOOUURO4OO6Z/XX/YOZUYWELL07QEU7/4ZZ3QR EZX/YOZUYOZ/3YQOZ74VOZU7HEU7/4! X/YOZU0E46 QRE4HON/47U/Y74HE46
URONEU7QNEL 67H7UE03L6EUO! OUQ5
:$, ;)%-6" B N30U7;Z/3YQO 6EUE# LYOQ7ZOQ0EZZ7X7QEU7/4# R7OYEYQR7QE074X/YNEU7/4 OJUYEQU7/4# N30U7L0O Q0EZZ7X7OY
Q/NT74EU7/4# X/YOZU0E46 UWLO
BB森林是陆地生态系统的主体!在减缓全球气候
变化’维持生态平衡等方面起着至关重要的作用$
森林资源调查与监测可掌握森林资源的现状与消长
变化’检验经营措施的有效性和合理性!为制定林业
方针政策’宏观规划及森林资源经营方案提供重要
的数据支撑%唐小明等!"$%"&$ 传统的森林资源规
划设计调查以地面调查为主!成本高’周期长’工作
量大!且时效性和准确性往往难以满足实际应用的
需要$ 而遥感技术具有覆盖范围大’重访周期短’应
用成本低等优势!能及时’准确地掌握森林类型’分
布’面积’结构’质量’现状及动态变化情况!在森林
区划’森林资源调查’森林类型精细识别 %陈尔学
等!"$$8&’植被制图%张志明等!"$%?&’动态变化监
测等方面具有巨大的应用潜力$
利用遥感影像开展林地类型分类和森林类型识
别已有较多尝试!研究主要集中在非参数化智能化
分类’多源遥感数据与辅助信息综合分类 %高晓岚
等! "$$=# ./7Z74 &,3%"! "$%<&’知识挖掘和专家系
统’多时相复合分类 %竞霞等! "$$=#温一博等!
"$%?&’面向对象分类%dO4]&,3%"! "$$<&’新方法引
入与分类策略%柏延臣等!"$$!#h//6W&,3%"! "$$8&
等方面!并且在植被分类’林地信息提取’森林类型
精细识别 %iO0NOY&,3%"! "$%"# O^NLO4OOYZ&,3%"!
"$%"&’树种 %组 &分类 %仝慧杰等!"$$8#王妮等!
"$%"&’动态变化监测等方面获得广泛的应用$
近年来!遥感影像空间分辨率逐步提高!使得森
林资源详细调查’林地类型及森林类型精细分类’森
林树种%组&识别等精准监测成为可能$ 高空间分
辨率遥感影像具有独特的空间特性和光谱特性!随
着空间分辨率提高!地物的几何结构和纹理信息更
为明显!影像高度细节化!空间异质性增强#但同时!
光谱波段较少!地物光谱分布更具变化!同类光谱特
征差异变大!异类光谱特征相互重叠!+同物异谱,’
+同谱异物,现象严重!减弱了影像光谱域统计可分
性#而且由于遥感数据’分类方法与策略’影像理解
与处理模式等方面的局限!利用高分辨率遥感影像
实现林地类型划分’森林类型精细分类’树种%组&
识别及林地信息提取仍存在一定的困难 %赵宪文!
!!
林 业 科 学 !" 卷B
"$$@&!大都存在识别精度不高’详细程度和可信度
较低等问题!难以满足精准掌握林地及森林类型信
息的应用需求$
目前!已有较多高空间分辨率遥感影像林地类
型分类与森林类型精细识别的研究#但是!在复杂山
区地形条件下综合利用 &DS+! 和最新国产卫星高
分一号%Kh;%&遥感影像多元特征’基础地理信息’
林业辅助资料的多层次信息提取方法研究!尤其在
暖温带落叶阔叶天然林区域的森林类型精细识别能
力与分类应用研究尚未见报道$ 本文以甘肃省小陇
山林业实验局百花林场为例!充分利用影像多元特
征和辅助信息!开展基于多源数据支持下的层次化
林地类型信息提取与森林类型精细识别方法研究!
以促进高分辨率遥感数据!尤其是国产 Kh;% 数据在
森林资源调查与监测方面的深入应用$
%B研究区概况与数据获取
<=<>研究区概况
研究区位于甘肃省小陇山林业实验局百花林场
%%$#o%!p-%$#o?$p)!?"@%1$? [N"!如图 % 影像覆盖范围内白色边界区域
所示$ 百花林场地处秦岭山脉西端南麓!是嘉陵江
上游重要的水源涵养林区!是黄土高原南缘的绿色
屏障!是兼有我国南北气候特点的典型天然次生
林区$
研究区地处中山峡谷地貌区!地势由东北向西
南倾斜!海拔 % <$$ a" !$$ N!坡度 "#oa坡度 ?=o$ 属暖温带大陆性季风气候!气候温和湿
润!年平均气温 %$1@ q!年均相对湿度 #@F!无霜
期 %=<1= 天!年均降水量 =$$ NN$ 土壤以山地棕壤
和山地褐土为主!山地褐土是地带性典型土壤!海拔
% =$$ N以 下集 中成带! 山 地 棕 壤 分 布 于 海 拔
% <$$ a" <$$ N之间的阴坡’半阴坡$
研究区植物种类非常丰富!过渡性明显’交汇性
显著!植物类型极具多样性$ 全场天然林比重大!森
林覆盖率为 @"1=F$ 森林植被组成和树种成分较
复杂!属中山阔叶混交’针阔混交林带!基本特点为
次生林!萌生起源为主!兼有实生林及实生树木$ 树
种结构以栎类为主!阔叶树种占优势$ 落叶树种主
要有日本落叶松% F3*04I3&?C(&*0&’锐齿栎%H6&*/6+
3%0&13 VEY53/6,&+&**3,3&’麻栎%H"3/6,0++0?3&等#常
绿树种主要有油松 %!016+,3B6%3&($*?0+&’华山松
%!016+3*?31>0&’云杉%!0/&3 3+C&*3,3&等$
<=?>遥感影像
本研究获取 % 景 &DS+! 和 " 景 Kh;% DC&" 遥感
影像$ 影像均含 < 个多光谱波段! &DS+! 空间分辨
率为 %$ N%短波红外为 "$ N&!Kh;% 空间分辨率为
= N$" 景 Kh;% 影像时相相差 = 天!镶嵌拼接可完整
覆盖试验区$ 影像覆盖如图 % 所示!红色边框为
&DS+! 范围!黄色边框为 Kh;% 范围$ 影像基本参数
见表 %$ 鉴于研究区数据获取情况和地表类型时空
特征!尽管 " 种不同传感器影像获取时间相隔 " 年
半!但由于该时间段内典型地物和主要森林类型自身
信息类别属性变化甚微!且受自然和人为干扰很小!
因此!可认为基本未发生变化!即影像时间不一致对
林地类型精细分类结果的影响可忽略不计$
<=@>辅助数据
辅助数据包括"%s!万地形图及其矢量化’数字
高程模型 %I)C&及坡度图# "$$= 年前后 +二类调
查,成果与林相图 %图略&及森林类型分布图 %图
"&!图 " 反映森林优势树种%组&类型信息!油松林’
华山松林’日本落叶松林’栎类落叶阔叶林均表示小
班树种成数大于 !!针阔混交林表示小班内 <% 个阔
叶树种与 <" 个针叶树种的成数均小于 !!落叶阔叶
混交林表示小班内 <个阔叶树种的成数均小于 !!
其他表示均不符合上述类别!仅少量小班!树种含栎
类’桦类’红桦%@&,6%3 3%B$+01&1+0+&’硬阔类!杨’槭’
软阔类及云杉’柏等$
表 <>影像基本参数
F&2M<>!J&5$2&6(’G&%&J$#$%6
传感器
&O4Z/Y
产品号
DY/63QU(I
获取时间
(NEH74H6EUO
景中心坐标
’O4UOYQ//Y674EUO
太阳高度角
&34 O0OVEU7/49%o&
太阳方位角
&34 E]7N3UR9%o&
&DS+! iMK" "#?"=% "$%% >$# >"? ?Kh;% DC&" %<<%?= "$%? >%" >?% ?Kh;% DC&" %<8!#$ "$%< >$% >$= ?<=A>外业数据
外业调查样本用于分类训练及精度验证是较
为客观’可靠的方法$ 在不同季节!通过 ? 次外业
实地调查获得研究区典型地类与主要森林类型的
样本空间位置及类别属性"第 % 次外业调查于
"$%< 年 @ 月开展!考虑到各类别分布状况’面积比
例与大小’调查工作量与可及性等因素!重点获取
各典型地类和主要森林类型要素 %!$ 个样本!样
#!
B第 # 期 任B冲等" 多源数据林地类型的精细分类方法
图 %B研究区地理位置及影像覆盖
h7H5%B+RO0/QEU7/4 /XUOZUZ7UOE46 URO7NEHOZQ/VOYEHO
图 "B主要森林类型分布
h7H5"BCE74 X/YOZUUWLO67ZUY7T3U7/4
本独立’均匀分布!具有良好的代表性!样本大小
为 %$ N n%$ N!调查方式为在样本中心采用 KD&
%+Y7NT0OKO/)JL0/YOY#$$$ &单点空间定位’属性
标注’附记录表和外业照片#第 " 次外业数据采集
于 "$%! 年 < 月开展!兼顾区域整体森林分布’重
点区域类型精细识别’类别重要性及固有样本容
量’调查工作量与可及性等因素!共获取各主要森
林类型要素 % ?=" 个样本!每类样本数均在 #$ 个
以上!调查方式为对独立’均质样本采用 KD& 精确
定位’属性标注’附记录表和外业照片!确保各类
别空间位置精确’信息类别精细!并记录森林类
型’树种组成’优势树种 %组& ’郁闭度’龄组’林下
灌木种类与盖度’海拔’坡度’坡向’坡位’经营活
动等主要调查因子#第 ? 次外业调查于 "$%! 年 #
月开展!主要针对随时间变化较大的地物类别%耕
地等&及未成林地’无立木林地’灌木林’苗圃地等
林地类型进行补测’核实!共获取各类型要素 ?#
个样本!采用 KD& 单点定位’属性标注’附记录表
和外业照片$ 囿于某些区域地形复杂’可及性差’
信号欠佳等因素影响限制!外业样本分布均匀性
受到影响#尽管如此!外业采集样本仍涵盖了百花
林场典型地类和所有主要森林类型!具有一定的
典型性和代表性!并能满足实际应用需求$ 需要
指出的是!虽然遥感影像获取时间与实地调查时
间未能完全同步!但开展研究期间该区域典型地
类和主要森林类型变化很小 %苗圃地除外& !且通
过 ? 次外业调查对于试验区各类别季节变化与时
相特征已详尽掌握!因此时间上的不一致性对类
别精细识别和精度评价影响甚微$ 外业调查各主
要森林类型样本与 Kh;% 假彩色合成影像叠加显
示如图 ? 所示$
图 ?B主要森林类型外业样本点
h7H5?Bh7O06 ZENL0OL/74UZ/XNE74 X/YOZUUWLOZ
8!
林 业 科 学 !" 卷B
<=B>数据预处理
为达到林地类型精细识别的目的!需要空间位
置精确’光谱信息真实!因此需要对遥感影像进行预
处理!包括遥感影像的辐射定标’大气校正’正射校
正’地形辐射校正’拼接’相互配准’裁剪等$ 对
&DS+! 和 Kh;% 影像进行大气校正!使植被波谱曲线
趋于正常$ 通过 %s!万地形图获取 I)C对影像进
行正射校正!改正影像倾斜和投影差!消除因山区地
形起伏和传感器系统误差等而引起的像点位移$ 进
行地形辐射校正以减弱遥感影像地形效应!补偿由
于不规则地形起伏而造成的地物亮度变化$ 对正射
校正后 " 景 Kh;% 影像进行镶嵌!以 &DS+! 校正结
果作为参考影像!选取 式进行相对配准!总体均方根误差%U/UE0MC& OYY/Y&
为 $1<@<$
"B分类方法
?=<>分类系统
BB参考5国家森林资源连续清查技术规定6 %&地类
划分标准与 5森林资源规划设计调查主要技术规
定6 "&林地分类系统!根据研究区地表覆盖状况和应
用需求!结合遥感影像特点和森林类型精细识别能
力!综合考虑类别科学性’系统性及层次性!将本研
究主要林地类型划分为油松林’华山松林’日本落叶
松林’栎类落叶阔叶林’其他落叶阔叶混交林’其他
林地和苗圃地 8 类!构建如表 " 所示 < 级分类系统$
其中!油松林和华山松林为本区域的优良乡土树种#
日本落叶松林为人工营造的速生丰产林#栎类落叶
阔叶林为由栎类和槭’椴’桦等阳性阔叶树种构成的
典型’稳定次生落叶阔叶林#其他落叶阔叶混交林由
表 ?>分类系统
F&2M?>1/&66(*(’&#()"6,6#$J
% 级类型
+ROX7YZU0OVO0QEUOH/YW
" 级类型
+ROZOQ/46 0OVO0QEUOH/YW
? 级类型
+ROUR7Y6 0OVO0QEUOH/YW
< 级类型
+ROX/3YUR 0OVO0QEUOH/YW
林地
h/YOZU0E46
有林地
’0/ZO6 X/YOZU
其他林地
SUROYX/YOZUUWLOZ
苗圃地
*3YZOYW
针叶林
’/47XOY/3ZX/YOZU
阔叶林
dY/E6;0OEVO6 X/YOZU
混交林
C7JO6 X/YOZU
油松林
!016+,3B6%3&($*?0+
华山松林
!016+3*?31>0
日本落叶松林
F3*04I3&?C(&*0
栎类落叶阔叶林
SE[ ZLOQ7OZ6/N74E4UTY/E6;0OEVO6
6OQ763/3ZX/YOZU
其他落叶阔叶混交林
SUROY6OQ763/3ZTY/E6;0OEVO6 N7JO6 X/YOZU
非林地
*/4;X/YOZU0E46
耕地 hEYN0E46
牧草地 KYEZZ0E46
水域 GEUOY
未利用地 c43ZO6 0E46
建设用地 ’/4ZUY3QU7/4 0E46
%& 国家林业局5"$$<5国家森林资源连续清查技术规定5
"& 国家林业局5"$$?5森林资源规划设计调查主要技术规定5
栎类’桦类’红桦’水曲柳等硬阔类树种等组成#其他
林地包括未成林地’宜林地’灌木林地等非有林地范
畴的林地及四旁树$ 本研究旨在发展林地类型精细
分类方法!进一步对油松林’华山松林’日本落叶松
林’栎类落叶阔叶林’其他落叶阔叶混交林 ! 种主要
森林类型进行信息提取!以期达到优势树种%组&级
别的精细识别目的#而非林地不作为本研究的重点
内容!故非林地类型仅划分为耕地’牧草地’水域’未
利用地’建设用地 ! 类!不再进一步细分$
?=?>分类特征分析与特征选择
"1"1%B光谱特征B基于 &DS+! 和 Kh;% 影像上典
型地类和主要森林类型的光谱特征!分析各类别在
不同数据源’不同时相影像上的光谱差异和光谱域
类别可分性$
=!
B第 # 期 任B冲等" 多源数据林地类型的精细分类方法
图 类光谱曲线$ 由图 草地在红波段%dE46"&和近红外波段%dE46?&表现
出明显的植被光谱响应+峰谷,特征!建设用地’未
利用地和苗圃地类别光谱特征重叠!仅依赖光谱特
征难以区分$ 由图 草地和苗圃地在各个波段上的光谱特征表现出一致
性!在近红外波段%dE46<&具有相似的特征趋势!尤
其是耕地和苗圃地光谱曲线几乎完全重合$
图 h7H5图 !B林地类型光谱曲线
h7H5!B&LOQUYE0Q3YVOZ/XZ7JNE74 X/YOZU0E46 UWLOZ
BB图 !E!T 所示为 &DS+! 和 Kh;% 影像上主要森
林类型光谱曲线$ 由图 !E可知!&DS+! 影像上油松
林’华山松林’日本落叶松林’栎类落叶阔叶林’其他
落叶阔叶混交林’其他林地类型表现出明显的植被
光谱响应+峰谷,特征!栎类落叶阔叶林在近红外波
段%dE46?&上具有显著特征!而其他落叶阔叶混交
林与其他林地在近红外波段%dE46?&上差异较小$
对于主要森林类型!除栎类落叶阔叶林外!其他森林
类型在 &DS+! 影像光谱域上区分程度有限!难以满
足精细识别的要求$ 由图 !T 可知!油松林’华山松
林与其他森林类型波谱特征趋势明显不同!尤其在
近红外波段 %dE46<&与其他森林类型差异极为显
著#而油松林与华山松林类别间的光谱差异!在
Kh;%影像近红外波段%dE46<&也较 &DS+! 影像更为
显著$ 油松林和华山松林光谱特征在不同时相影像
上的波段特征趋势也发生明显变化!这可能与不同
数据源波段的光谱范围设置有关!但更重要的是油
松林和华山松林本身的生物学特征使光谱响应特征
随季节而发生显著变化$ 油松林和华山松林不同时
相的光谱响应及其变化规律为进一步使用波段差
值’波段比值及多时相植被指数精细识别油松林和
华山松林这 " 种常绿针叶林提供了可靠依据$
日本落叶松林’栎类落叶阔叶林’其他落叶阔叶
混交林和其他林地等林地类型具有冬季完全落叶的
@!
林 业 科 学 !" 卷B
生物学特性!在 Kh;% 影像红 %dE46? &’红外波段
%dE46<&上表现明显!与 &DS+! 影像对应波段光谱
特征差异显著$ 栎类落叶阔叶林’其他落叶阔叶混
交林在 Kh;% 影像上光谱曲线几乎完全重合!说明冬
季影像更多反映落叶阔叶林落叶后林分表面和背景
%林间空隙’土壤’环境等&的混合光谱特征!二者表
现出较强的+异物同谱,现象!仅用光谱域特征难以
区分$ 由 &DS+! 影像栎类落叶阔叶林和其他落叶
阔叶混交林光谱特征曲线可知!" 类光谱特征曲线
具有一定的可分性!若能加入其他显著特征 %如纹
理’植被指数等&!有可能使 " 类光谱特征曲线完全
分开$ 日本落叶松林为针叶落叶树种!在 Kh;% 影像
上表现出与其他阔叶落叶树种相似的光谱变化趋
势!但在 &DS+! 影像上日本落叶松林光谱特征值范
围和区间与其他类别有较大差异!尤其是在红’近红
外波段$ 因此!日本落叶松林显著的生物学特征和
影像光谱特征的时相变化规律可为该森林类型的精
细识别提供可靠的判别依据$
分析发现!仅用 &DS+! 影像光谱特征难以将油
松林和华山松林准确区分开!结果可能会存在类别混
淆和较大不确定性!而 Kh;% 影像特征可区分油松林
和华山松林!这说明多源影像信息互补在森林类型精
细识别方面具有比单一影像数据源更大的优势$
"1"1"B植被指数B植被指数是地表植被覆盖’生长
状况的有效度量!有助于增强遥感影像的解译与识
别能力%田庆久等!%@@=&$ 本文选取归一化植被指
数%*I.(&’比值植被指数%M.(&’比值短波红外指
数%M&(&和差值植被指数%I.(&作为有效特征参数
参与林地类型精细分类$
"1"1?B纹理特征B影像在某个方向 "上!以相隔一
定距离 +的 % 对像元灰度 %0!A& 出现的统计规律!可
用灰度共生矩阵%K-’C&表达方向’相邻间隔’变化
幅度的综合信息!即 !%"!+& 表示$ "一般取 < 个离散
方向"$o!?"4或 %$ 均值 %NOE4!C)&’同质性 % R/N/HO4O7UW!
iSC&’非相似性 % 67ZZ7N70EY7UW!I(&&’熵 %O4UY/LW!
)*+&’角二阶距%E4H30EYZOQ/46 N/NO4U!,&C&等为
常用纹理特征 %iEYE07Q[! %@8@ &$ 引入相对峰值
%YO0EU7VO[3YU/Z7Z!M^ &作为像元间I*值信息变动的
纹理度量!该参数不用假设纹理参量服从某种概率
分布规律!可以直接对纹理进行度量以表征相对于
高斯分布的样本多元峰度%I/30HOY7Z&,3%"! "$$=&$
根据研究区类别特征和影像纹理特征差异!经
过反复测试!选取均值%C)&’同质性%iSC&’非相
似性%I(&&’信息熵%)*+&’角二阶距%,&C&’相对
峰值%M^ &# 个显著纹理特征参与影像分类$
由图 #E! T 可知!同质性 %iSC&’非相似性
%I(&&纹理特征的引入使得苗圃地与其他类别之间
具有明显的可分性$
BB图 8E表明 &DS+!影像dE46 %纹理特征均值
图 #B地类纹理特征可分性
h7H5#B+OJU3YOXOEU3YOZOLEYET707UW/XURYOOHY/346 /T:OQUZ
%C)&的引入!使得其他林地类型与日本落叶松’栎
类落叶阔叶林’其他落叶阔叶林类型之间具有明显
的可分性#其他落叶阔叶混交林与栎类落叶阔叶林
之间也具有较为明显的可分性#而栎类落叶阔叶林
与日本落叶松林表现出相同的纹理特征值!难以区
分!但是在光谱域则具有显著的可区分性$ 而
dE46 ?!dE46 < 纹理特征对于上述类型可分性欠佳
%图 8Q!6&$
"1"1拔等$ 研究区主要森林类型及优势树种本身的生物
学特性 %如喜光&’树种群落特性和生态适生范围
%如红桦等硬阔适生于较高海拔区域&’垂直向空间
$#
B第 # 期 任B冲等" 多源数据林地类型的精细分类方法
图 8B林地纹理特征可分性
h7H58B+OJU3YOXOEU3YOZOLEYET707UW/XX/3YX/YOZU0E46 UWLOZ
分布特征等较为明显!即主要森林类型与 I)C高程
及坡度’坡向等地形因子间具有较强相关性!故将
I)C高程及坡度’坡向因子等作为森林类型精细分
类的有效特征和辅助信息!以进一步提高森林类型
精细识别精度$
?=@>影像分类
试验区地处中山区域!地形复杂!+同物异谱’
同谱异物,现象严重!且阴影明显!虽进行了正射校
正和辐射校正等预处理!但仍难以完全消除地形因
素影响导致的光谱异常’信息畸变和类别混淆!单一
影像光谱特征和单一数据源难以满足林地类型精细
识别的应用需求$ 鉴于上述区域状况’地表覆盖和
影像特点!本文充分利用多源数据’挖掘多元特征’
综合辅助信息!总体上采用层次化信息提取策略!开
展复杂山区地形条件下高空间分辨率遥感影像林地
类型精细化信息提取方法研究!由易到难逐层提取
各类型信息!在每层上采用适于该层待提取信息类
别的分类特征和分类方法!确保每层信息类别的分
类精度!使层间误差和不确定性降至最低$
首先!对二级类水域’未利用地’建设用地’苗圃
地# < 类进行信息提取$ 利用 &DS+! 影像归一化
植被指数 *I.(f$1# 提取非林地的水域’未利用
地’建设用地和林地的苗圃地#区域!将其作为
-EWOY%!其中!苗圃地#为纯苗圃地$ 在分析类别
光谱特征和可分性的基础上!引入 iSC’I(&’)*+’
,&C和 M^ 纹理特征!选取 ? n? 窗口!纹理特征的
引入对光谱域易于混淆的苗圃地和建设用地具有很
好的可分性$ 针对 -EWOY% 影像上 < 种类别所占面
积比例较小的实际状况!采用支持向量机% &.C&分
类方法$
其次!对耕地’牧草地’日本落叶松#’苗圃地$
和其他林地# ! 类进行信息提取$ 其中!日本落叶
松#为山谷平地区域日本落叶松幼龄林#苗圃地$
为苗圃幼苗地#其他林地#为四旁树$ 结合研究区
实际状况与实地调查结果!设定坡度 &0/LO阈值为
%$o!以 &0/LOf%$o与二类调查结果林地边界为条
件!提取 &DS+! 影像 *I.(e$1# 影像区域!将其作
为 -EWOY"!在该层影像上提取耕地’牧草地’日本落
叶松#’苗圃地$和其他林地# ! 类信息$ 鉴于不
同分类器对于分类模式具有互补性!联合多个分类
器的输出结果可提高林地类型精细识别性能!在解
决复杂分类问题方面能够获取比单一成员分类器精
度更高’性能更可靠的分类效果$ 针对 -EWOY" 影像
光谱 域 类 别特征! 分 别独 立采 用最 大 似 然 法
%#
林 业 科 学 !" 卷B
%C-’&’支持向量机%&.C&和人工神经网络%,**&
? 种分类方法对 -EWOY" 进行分类!进一步采用并联
结构的组合分类器%C’’&投票规则将多个分类器
独立分类的结果进行决策级组合优化!即通过最大
投票方法%C.&确定各分类器输出结果信息类别不
一致时模式类别确定问题$
再次!对 -EWOY% 和 -EWOY" 范围外的 &DS+! 影
像区域进行分析!发现 &DS+! 影像光谱域的森林类
型识别能力难以满足精细分类要求$ 油松林和华山
松林在 Kh;% 影像上容易与其他类别区分!且油松和
华山松类别间也更易区分$ 因此!在 Kh;% 影像上可
较容易提取油松#’华山松’阴影’有林地’冰雪等类
别!其中!油松#分布于未受阴影影响区域#阴影’有
林地和冰雪类仅作为过渡类!不参与最终信息类别
确定$ 针对 Kh;% 影像!选用光谱特征和 *I.(’
M.(’I.(指数特征!采用方法同 -EWOY"!以 Kh;% 影
像分类结果中油松#与华山松区域作为 -EWOY?$
需要指出的是!Kh;% 影像太阳高度角较大!影
像存在阴影区域且难以消除!地形效应明显!+同物
异谱现象,较为显著!因此在 Kh;% 影像上除油松
林’华山松林以外的其他类别统一归为+有林地,!
不在 Kh;% 影像上进一步细分$ &DS+! 影像入射角
较小!近似垂直成像!阴影少!故用 &DS+! 影像对油
松林’日本落叶松林’栎类落叶阔叶林’其他落叶阔
叶混交林’其他林地类别做进一步细分$
最后!在 -EWOY%!-EWOY" 和 -EWOY? 范围外的
&DS+! 影像上进行油松林$’日本落叶松林$’日本落
叶松林&’栎类落叶阔叶林#’栎类落叶阔叶林$’其他
林地$’其他落叶阔叶混交林 8 类信息的提取$ 其中!
油松$为影像上受地形和阴影影响区域#日本落叶松
$’日本落叶松&受地形影响存在+同物异谱,现象#栎
类落叶阔叶林#’栎类落叶阔叶林$分别为栎类树种占
8 成以上的纯林和栎类树种占 ! 成及以上的落叶阔
叶混交林!由于栎类树种组成和所占成分不同!光谱
差异影响较大#其他林地$包括未成林地’宜林地’灌
木林地$ 引入纹理特征 C)’植被指数 *I.(’M.(’
&.(等特征!使得油松林$与日本落叶松林$’栎类落
叶阔叶林#与其他落叶阔叶混交林具有显著可分性#
并同时引入I)C’坡度’坡向 ? 个地形特征因子!采用
人工神经网络%,**&分类器进行森林类型精细识别!
将其作为 -EWOY<$
上述 -EWOY% a-EWOY? 每层影像保证待分类别
训练样本可分性为 %1@! 以上!-EWOY< 影像可分性
为 %1@$ 以上!并用独立验证样本检验分类精度!经
反复测试调整!使得每层内分类结果信息类别精度
可靠!且多层之间误差传播的可能性降至最低$ 需
要说明的是!训练样本根据外业实地调查和辅助数
据选取!兼顾样本代表性’可分离度和信息类别分布
状况!各层均选取一定数量的训练样本!且每类训练
样本数目不低于 #$$ 支持向量机% &.C&分类方法
采用径向基%Mdh&核函数!神经网络%,**&分类方
法采用 -/H7ZU7Q激活函数!训练终止误差 MC& 最大
为 $1%!!训练迭代次数最大为 " $$$$ 上述各层信
息提取后即做掩膜处理!最终将上述-EWOY% a-EWOY<
结果进行合并!并将类别合并为分类系统中所有信
息类别$
?B结果与分析
通过上述多层次林地类型精细分类方法!得到
研究区林地类型精细分类图$ 对分类结果进行重编
码后处理!分类结果如图 = 所示$ 下文为图表简明
起见!栎类落叶阔叶林’其他落叶阔叶混交林和其他
林地简写为栎类林’其他混交林和其他林地$
@=<>精度验证
为验证本文方法在复杂山区地形条件下的适用
情况和林地类型精细识别的精确性!基于外业调查
获取的 KD& 样点数据!结合二类调查成果及林相
图!根据研究区类别分布’信息类别数及各类别覆盖
面积!估计各类别分类精度检验样本数量!最终采用
分层随机抽样产生 % #果林地类型进行精度验证!结果如表 ? 所示$ 由表
? 可知!油松林’华山松林’日本落叶松林’苗圃地生
产者精度和用户精度高#栎类落叶阔叶林与其他落
叶阔叶混交林’栎类落叶阔叶林与其他林地存在一
定程度的混淆#其他林地生产精度较低$ 总体分类
精度为 @"1"=F! E^LLE系数为 $1=@@ #!可以满足实
际应用需求$
@=?>面积统计
为进一步验证方法的应用精度!将遥感影像林
地类别面积统计结果与二类调查及影像解译各类别
面积统计结果进行对比分析!结果如表 < 所示$ 由
表 < 可知!基于遥感影像林地类型精细分类结果精
度较高!! 种主要森林类型分类结果面积统计平均
相对精度为 @"1同时相影像上光谱响应反差明显!且存在大面积纯
林!易于提取!精度高#而对于小片油松林’华山松林
及光谱特征受地形因素影响较大的区域!存在一定
的误差$ 日本落叶松林相对精度为 ="1"F!这是由
于日本落叶松林在夏季影像上+同物异谱,现象严
重!加之复杂山区地形影响!易于与其他类别混淆!
"#
B第 # 期 任B冲等" 多源数据林地类型的精细分类方法
BBBB
图 =B林地类型精细分类
h7H5=BDYOQ7ZOQ0EZZ7X7QEU7/4 /XX/YOZU0E46 UWLOZ
表 @>林地类型精度验证!
F&2M@>9’’.%&’, 4&/(-&#()")**)%$6#/&"-#,G$’/&66(*(’&#()"%$6./#6
类名
(4X/YNEU7/4E0
Q0EZZOZ
油松
!016+
,3B6%3&($*?0+
华山松
!016+
3*?31>0
日本落叶松
F3*04
I3&?C(&*0
栎类林
SE[
其他混交林
SUROYN7JO6
X/YOZU
其他林地
SUROYZ
苗圃地
*3YZOYW
行总计
+/UE0
用户精度
cZOY
EQQ3YEQW%F&
油松
!016+,3B6%3&($*?0+
! <=" #? < " % "? $ ! !8! @=1??
华山松
!016+3*?31>0
8 % %#! $ $ $ $ $ % %8" @@1<$
日本落叶松
F3*04I3&?C(&*0
$ $ " "#! < ? <" $ " ?%< @81==
栎类林
SE[
$ $ $ @ %$% "?< 8$% $ %$ $?# @$1#=
其他混交林
SUROYN7JO6 X/YOZU
$ $ $ @!$ ? 8## "" "$ < 8?= 8@1<@
其他林地
SUROYZ
$ $ " $ $ " $=@ $ " $@% @@1@$
苗圃地
*3YZOYW
$ $ $ $ $ $ 8%= 8%= %$$1$$
列总计
+/UE0
! <=@ % ""= " "8% %$ $!8 < $$< " =88 8%= "# #<<
生产者精度
DY/63QOYEQQ3YEQW%F&
@@1=8 @<1=8 @@18< @$1<@ @<1$# 8"1#% %$$1$$
BB"总体分类精度 SVOYE0EQQ3YEQW"@"1"=F# E^LLE系数 E^LLEQ/OX7Q7O4U"$1=@@ #5
且多分布于沟谷!识别精度受到影响$ 栎类落叶阔叶
林在本研究区具有典型性和代表性!与其他森林类别
在光谱特征’生物学特征%喜光’落叶等&等方面存在
明显差异!且不再进一步细分!故相对精度较高$ 由
于其他落叶阔叶混交林多为硬阔类树种!与其他森林
类型在光谱域具有显著差异!季相变化和生物学特征
?#
林 业 科 学 !" 卷B
显著!且分布于海拔较高区域!生态适生范围和群落
分布极具特殊性!故相对精度最高$ 总体而言!有林
地 ! 种主要森林类型分类结果统计面积与二类调查
及影像解译结果统计面积具有很高的一致性$
表 A>林地类型面积统计与对比
F&2MA>9%$& 6#&#(6#(’6&"-’)JG&%&#(4$&"&/,6(6)**)%$6#/&"-#,G$6
油松
!016+,3B6%3&($*?0+
华山松
!016+3*?31>0
日本落叶松
F3*04I3&?C(&*0
栎类林
SE[
其他混交林
SUROYN7JO6 X/YOZU
调查及解译结果
(4VO4U/YWE46 74UOYLYOUEU7/4 YOZ30UZ9RN"
8 =$= !! " $!# %? !#! ? 8%<
影像分类结果
(NEHOQ0EZZ7X7QEU7/4 YOZ30UZ9RN"
= 相对精度
MO0EU7VOEQQ3YEQW%F&
@"1! @#1! ="1" @%1" @@18
平均相对精度
COE4 YO0EU7VOEQQ3YEQW%F&
@"1<
%& 本文发展的基于遥感影像多元特征’地形特
征和辅助信息的分层信息提取方法!使得不同类别
之间可分性增强!类型识别更为精细和有效!能满足
复杂山区地形条件下高空间分辨率遥感影像林地类
型信息提取和森林类型精细识别的应用需求$
"& 多源多时相遥感影像’基础地理数据’林业
专题信息优势互补!组合分类’综合分析’层次化信
息提取方法在林地类型精细识别方面具有比单一数
据源’单一策略’单一方法更大的优势!能确保森林
资源调查成果的精细化’准确性’高效性#尤其是国
产卫星 Kh;% 遥感影像在森林类型精细识别方面的
显著优势!将在森林类型精准监测’时空变化信息提
取’森林空间结构分析及优化调整辅助决策等方面
发挥重要作用$
?& 综合多源’多时相高分遥感影像!可有效减
弱地形阴影’+同谱异物,’+同物异谱,问题对分类
结果精度的影响!降低复杂山区地形条件下林地类
型信息提取’优势树种%组&精细识别’空间分布与
面积统计方面等的误差和不确定性$
<& 高空间分辨率遥感影像林地类型精细分类
方法仍有待进一步研究!尤其在大比例尺林地类型
制图’大区域森林类型精细分类’树种 %组&精准识
别’自动化及智能化信息提取’变化监测技术等方面
仍存在诸多障碍$ 多源’多时相’多角度时空遥感数
据集与光谱库’地学知识’生物学规律相结合的专家
系统’数据融合与数据挖掘’智能化分类器与集成分
类器’多层次影像理解’面向对象分析’高光谱及
&,M数据应用等方面的深入研究有望进一步提高
森林类型识别精度’可信度和精细化程度!实现森林
类型精准监测!满足国家准确了解森林类型信息的
需求$
!& 本研究区具有典型性和代表性!大面积针叶
纯林’以栎类为主的落叶阔叶林以及生长于高海拔
区域由硬阔树种组成的其他落叶阔叶混交林!具有
明显的时空特征$ 栎类落叶阔叶林’其他落叶阔叶
混交林及其他林地未进一步细分$ 本文所采用的方
法在其他区域的林地类型精细识别能力及实用性还
需要进一步的验证与评估$
参 考 文 献
柏延臣!王劲峰5"$$!5结合多分类器的遥感数据专题分类方法研
究5遥感学报! @%!& "!!! >!#?5
%dE7A’! GE4H2h5"$$!5’/NT7474HN30U7L0OQ0EZZ7X7OYZX/YURONEU7Q
Q0EZZ7X7QEU7/4 /XYON/UO0WZO4ZO6 6EUE52/3Y4E0/XMON/UO&O4Z74H! @
%!& "!!! >!#?5/74 ’R74OZO0 &
陈尔学!李增元!谭炳香!等5"$$85高光谱数据森林类型统计模式
识别方法比较评价5林业科学! =@5
%’RO4 )P! -7kA! +E4 dP! &,3%""$$85.E076EU7/4 /XZUEU7ZU7QTEZO6
X/YOZUUWLOZQ0EZZ7X7QEU7/4 NOUR/6Z3Z74HRWLOYZLOQUYE06EUE5&Q7O4U7E
&70VEO&747QEO! =@5/74 ’R74OZO0 &
高晓岚!汪小钦5"$$=5多源遥感数据在植被识别和提取中的应用5
资源科学! ?$%%& " %!? >%!=5
%KE/P-! GE4HPl5"$$=5,4 ELL07QEU7/4 /XN30U7;Z/3YQOYON/UO
ZO4Z74H 6EUE 74 76O4U7X7QEU7/4 E46 OJUYEQU7/4 /X VOHOUEU7/4
74X/YNEU7/45MOZ/3YQOZ &Q7O4QO! ?$ % % & " %!? > %!=5 / 74
’R74OZO0 &
竞B霞!王锦地!王纪华!等5"$$=5基于分区和多时相遥感数据的
山区植被分类研究5遥感技术与应用! "?%<& " ?@< >?@85
%274HP! GE4H2I! GE4H2i! &,3%" "$$=5’0EZZ7XW74HX/YOZU
VOHOUEU7/4 3Z74HZ3T;YOH7/4 Q0EZZ7X7QEU7/4 TEZO6 /4 N30U7;UONL/YE0
YON/UO ZO4Z74H 7NEHOZ5 MON/UO &O4Z74H +OQR4/0/HW E46
,LL07QEU7/4! "?%<& " ?@< >?@85/74 ’R74OZO0 &
唐小明!张煜星!张会儒!等5"$%"5森林资源监测技术5北京" 中国林
业出版社5
%+E4HP C! kRE4HA P! kRE4Hi M! &,3%" "$%"5C/47U/Y74H
UOQR4/0/HW/XX/YOZUYOZ/3YQOZ5dO7:74H" ’R74Eh/YOZUYWD3T07ZR74H
<#
B第 # 期 任B冲等" 多源数据林地类型的精细分类方法
i/3ZO5/74 ’R74OZO0 &
田庆久!闵祥军5%@@=5植被指数研究进展5地球科学进展! %?%<& "
?"8 >???5
%+7E4 l2! C74 P25%@@=5,6VE4QOZ74 ZU36W/4 VOHOUEU7/4 7467QOZ5
,6VE4QOZ74 )EYUR &Q7O4QO! %?%<& "?"8 >???5/74 ’R74OZO0 &
仝慧杰!冯仲科!张彦林5"$$85树种在遥感信息上的差异分析5北
京林业大学学报! "@%增 "& "%#$ >%#?5
%+/4Hi2! hO4Hk !^ kRE4HA-5"$$85I7XOYO4QOE4E0WZ7ZEN/4HUYOO
ZLOQ7OZ74 YON/UOZO4Z74H7NEHOZLOQUYE52/3Y4E0/XdO7:74Hh/YOZUYW
c47VOYZ7UW! "@% &3LL5"& "%#$ >%#?5/74 ’R74OZO0 &
王B妮!彭世揆!李明诗5"$%"5基于树种分类的高分辨率遥感数据
纹理特征分析5浙江农林大学学报! "@%"& ""%$ >"%85
%GE4H*! DO4H& !^ -7C &! &,3%""$%"5i7HR;YOZ/03U7/4 YON/UO
ZO4Z74H/XUOJU3YE07NEHOZX/YUYOOZLOQ7OZQ0EZZ7X7QEU7/452/3Y4E0/X
kRO:7E4H,rhc47VOYZ7UW! "@%"& ""%$ >"%85/74 ’R74OZO0 &
温一博!范文义5"$%?5多时相遥感数据森林类型识别技术研究5森
林工程! "@%"& " %< >"$5
%GO4 Ad! hE4 G A5"$%?5MON/UOZO4Z74H7NEHOYOQ/H47U7/4 X/Y
N30U7;UONL/YE0X/YOZUQ0EZZ7X7QEU7/45h/YOZU)4H74OOY74H! "@ % " & "
%< >"$5/74 ’R74OZO0 &
赵宪文5"$$@5中国林业遥感发展中应该关注的几个问题5林业科
学! %<$5
%kRE/P G5"$$@5 O^W7ZZ3OZ/4 6OVO0/LNO4U/XYON/UOZO4Z74H
ELL07QEU7/4 74 ’R74OZOX/YOZUYW5&Q7O4U7E&70VEO&747QEO! %?! >%<$5/74 ’R74OZO0 &
张志明!张征凯!郭银明!等5"$%?5高原山区遥感植被制图研究综
述5云南大学学报"自然科学版! ?!%?& " <%# ><"85
%kRE4HkC! kRE4Hk !^ K3/AC! &,3%""$%?5C/34UE74 VOHOUEU7/4
NELL74H3Z74HYON/UOZO4Z74H5 2/3Y4E0/XA344E4 c47VOYZ7UW"
*EU3YE0&Q7O4QO)6U7/4! ?!%?& " <%# ><"85/74 ’R74OZO0 &
dO4]c’! i/XNE44 D! G70RE3Q[ K! &,3%""$$<5C30U7;YOZ/03U7/4!
/T:OQU;/Y7O4UO6 X3]]WE4E0WZ7Z/XYON/UOZO4Z74H6EUEX/YK(&;YOE6W
74X/YNEU7/45(&DM& 2/3Y4E0/XDR/U/HYENNOUYWE46 MON/UO&O4Z74H!
!=%? 9<& " "?@ >"!=5
I/30HOY7Z,D!,4X74ZO4 & *!)0U/XU+5"$$=5’0EZZ7X7QEU7/4 \7UR E4/4;
KE3ZZ7E4 N/6O0X/YD/0&,M6EUE5()))+YE4ZEQU7/4Z/4 KO/ZQ7O4QO
E46 MON/UO&O4Z74H! <#%%$& " "@@@ >?$$@5
h//6WKC!d/W6 I&!&E4QRO];iOY4E46O]’5"$$85CELL74HEZLOQ7X7Q
Q0EZZ\7UR E4 O4ZONT0O/XQ0EZZ7X7OYZ5(4UOY4EU7/4E02/3Y4E0/XMON/UO
&O4Z74H! "=%=& " %8?? >%8<#5
iO0NOY)i!M3]WQ[7+&!dO44OY2!&,3%""$%"5IOUE70O6 NELZ/X
UY/L7QE0X/YOZUUWLOZEYO\7UR74 YOEQR" X/YOZUUYOOQ/NN347U7OZX/Y
+Y7476E6 E46 +/TEH/ NELLO6 \7UR N30U7ZOEZ/4 -E46ZEUE46
N30U7ZOEZ/4 X74O;YOZ/03U7/4 7NEHOYW5 h/YOZU )Q/0/HW E46
CE4EHONO4U! "8@%#& " %<8 >%##5
iEYE07Q[ MC5%@8@5&UEU7ZU7QE0E46 ZUY3QU3YE0ELLY/EQROZU/UOJU3YO5
DY/QOO674HZ/XURO()))! #8%!& " 8=# >=$<5
O^NLO4OOYZD!&O6E4/h!&OOTEQR -!&,3%""$%"5IEUEX3Z7/4 /X67XOYO4U
ZLEU7E0YOZ/03U7/4 YON/UOZO4Z74H 7NEHOZELL07O6 U/X/YOZU;UWLO
NELL74H5()))+YE4ZEQU7/4Z/4 KO/ZQ7O4QOE46 MON/UO&O4Z74H!
<@%%"& " <@88 ><@=#5
./7Z74 ,! Y^W0/V.,! C/ZOYK! &,3%""$%<5&3LOYV7ZO6 Q0EZZ7X7QEU7/4
/XN30U7ZO4Z/YE46 N30U7YOZ/03U7/4 YON/UOZO4Z74H7NEHOZ\7UR E
R7OYEYQR7QE0 Q/L30E;TEZO6 ELLY/EQR5 ())) +YE4ZEQU7/4Z /4
KO/ZQ7O4QOE46 MON/UO&O4Z74H! !"%#& " ??<# >??!=5
"责任编辑B石红青#
!#