摘要：高光谱遥感具有较高的光谱分辨率,可以应用于植被分类及植被参数反演方面。在植被分类方面,高光谱遥感可以从冠层、叶片及高光谱影像等3个尺度开展植被分类,基于高光谱遥感的植被分类方法包括植被指数法、光谱匹配法、混合像元分解法和支持向量机分类法等,但高光谱遥感在植被分类中仍然存在应用缺陷。在植被反演方面,高光谱遥感可以反演叶面积指数、叶绿素含量和植被含水量。但高光谱遥感在大多数情况下,只能反演部分阔叶林冠层结构。通过研究高光谱遥感在植被分类和植被反演的应用特点和应用缺陷,为在生态系统领域的研究和应用提供技术支持和参考。

摘要：针对高分辨率遥感影像由于原始光谱信息较少而难以有效区分各类型植被,而且城乡植被差异往往被忽视等问题,并考虑到部分植被指数可以在一定程度上增大各植被类型间的差异,提出一种结合植被指数的深度学习植被分类网络,该网络在并联网络结构的基础上,引入密集连接模块与空洞空间金字塔池化模块,增强各类型植被特征信息差异,有效提高分类精度。除此之外,本文充分考虑城乡植被差异,分别对城市区域和农村区域进行验证分析,城市区域植被分类提取中整体精度为96.73%,F1得分为80.71%,交并比为69.91%,农村区域植被分类提取中整体精度为91.35%,F1得分为90.28%,交并比为82.41%,各项精度指标均高于其他深度学习方法。结果表明提出方法能够较好地区分各植被类型,且适用于多源遥感影像的植被分类提取,在城市绿地规划、农村基本农田监管等方面具有一定的应用价值。

摘要：为更好地对西南石漠化地区植被进行动态监测,将天宫二号可见光近红外数据作为一种新的数据源应用于该区域的植被分类。基于单一时相多数据源的天宫二号可见光近红外数据和Landsat8全色波段数据,采用面向对象的决策树分类法,将实验区一分为非植被、耕地、草地、灌木和乔木;基于多时相单一数据源的天宫二号可见光近红外数据,采用基于像元的决策树分类法,将实验区二分为非植被、耕地、草地、常绿灌木林、落叶灌木林、常绿阔叶林和落叶阔叶林。实验设计的3个关键点为:确定准确合理的植被分类体系、选择适宜的辅助信息改善分类效果、结合影像特征确定分类方法。结果表明,2组实验分类总体精度不低于0.70,kappa系数不低于0.61。

摘要：【目的】景观生态应用需要一种适当的植被分类系统来对植被状况进行尽可能详细描述。这是环境影响评价中一个通用的、基本的要求,常常会基于几个不同植被分类系统的植被详细清单和描述性信息,目的是合理描述植被用于景观设计的环境清单,从而提升场地环境的美学体验、优化空间结构、增强人的活动体验和控制场地边界。【方法】多层次植被分类系统是根据Marsh提出的“五层次分类系统”原则,综合了林奈植物分类系统、形态结构分类系统和生态分类系统等方法进行的整理,包括植被整体结构、优势植物类型、植物大小和密度、植被生长的场所、栖息地和重要植物种类等5个层次。【结果】以湖北宜昌市滨江公园为例,将滨江公园长度为5.6 km的带状绿地分成A^F 6个样地,运用多层次植被分类系统方法,从侧重园林景观用途的应用层面来探讨多层次植被分类系统在城市滨江带景观生态应用中的适应性。滨江公园带状绿地带共计70科132属175种植物,乔木、灌木、地被和藤本三者之比约为3:2:1,常绿植物与落叶植物的比例约为3:2。主要的观花植物的观赏时间基本涵盖四季,色相与季相变化丰富;但各样地分段存在植物配置较单一、垂直结构失调和植物景观缺乏特色等问题。【结论】提出景观生态应用策略:1、结合多层次植被分类系统进行植被描述与分类,提升整体绿地景观质量;2、调整植物群落垂直结构,使群落生态特性匹配相应的配植形式;3、营造滨江带绿道景观空间序列,彰显生态效益与社会效益。

摘要：对于基于高光谱图像的植被分类,利用三维卷积神经网络和空谱结合可以取得良好的效果。但存在计算代价大、参数过多容易过拟合等问题。基于此,设计了一种三维卷积与二维卷积相结合的深度网络,通过数据分块的思想减小了计算量;并提出了一种融合植被指数的特征提取方法,改善了现阶段因高光谱图像样本数量少、光谱层间信息相关度高,造成的容易过拟合的问题。在植物园数据集、IP数据集和PU数据集上的实验结果表明该算法以较低的计算复杂度取得了出色的分类效果,具有较好的应用价值。

摘要：[目的]利用遥感影像的时效性和宏观性特点,基于证据理论组合多分类规则的方法快速和高效地实现大区域植被遥感分类。[方法]首先,依据辨识框架的概念设计分类系统,并采用大区域样本快速采集方法提取训练样点;其次,将多个单分类规则得到的植被类型特征影像归一化处理为基本概率赋值作为表达对各类型信任程度的证据源数据,再将不同证据源的信任度信息依据证据理论组合;再次,将组合结果依据最大信任度原则确定植被类型;最后,在中国植被图与中国土地覆盖图的类型一致区域随机布点作为验证样本。[结果]各单分类器分类结果的总体精度范围为60%70%,两两规则组合分类结果的总体精度范围为70%80%,3个规则组合分类结果的总体精度达到80.84%。[结论]组合多分类规则的证据理论分类方法可以提高分类精度;参与组合的单分类器精度越高,相关证据源越多,组合分类结果精度越高。

摘要：充分利用多源植被分类/土地覆盖分类产品各自的优势,通过专门设计与青藏高原植被类型相适应的植被分类体系,选用集成分类方法,在数据可靠性的基础上遵循一致性的原则,制作了青藏高原现状植被图,其在现势性、分类体系的针对性和分类精度上均表现更优.从分类结果的现势性来看,青藏高原现状植被图较早期中国植被图能更好地反映青藏高原植被覆盖现状;从分类体系的针对性来看,青藏高原现状植被图采用了针对青藏高原植被专门设计的分类体系,有利于从多源数据产品中充分提取出具备高可靠性和一致性的植被覆盖信息;从分类精度来看,青藏高原现状植被图的总体精度(78.09%,Kappa系数0.75)较已有相关数据产品提高了18.84%~37.17%,特别是对草地、灌丛等植被类型的分类精度有明显提升.

摘要：1、在遥感图象上进行植被观测的参数描述一个独特的植被单元的两个特性是它的植物种类组成和特征,而不考虑其生长地。可是,正象库克勒(1967)指出的那样,植物种类法的一个主要局限性取决于这样一个事实,就是在给定区域内的重要种类的数量如此之多,使得制图者无法绘出适当的植被概念。由探讨植物分类而引起的更多的间题是许多地区的植物志资料的频繁缺乏。在某些情况下,在植被的生长地能够极其容易地把植被类型进行分类(例如:美洲红树、高山林地、沼泽森林)。如果在把一个地区的植被划分为有实际意义的独立单元时,充分重视了遥感图象的应用。

摘要：为了掌握洞庭湖区植被类型现状、分布规律及变化特征,在对洞庭湖区植被类型分布现状进行全面调查的基础上,设计了具有洞庭湖区湿地特色的植被群落分类体系和编码,利用先进的GPS、G IS、计算机制图技术编绘了洞庭湖区第一幅数字化植被类型图,并建立了与图形数据库联动的属性数据库,为洞庭湖区的科学研究、环境保护和综合治理开发提供了宝贵的基础数据.

摘要：采用样线和样地相结合的调查方法,对阴条岭国家级自然保护区的植被特征进行分析。结果表明,阴条岭国家级自然保护区植被划分为10个植被型、28个群系组和56个群系。植被具有明显的垂直地带性,分布海拔范围最广的植被型是落叶阔叶灌丛、竹林和草甸,其后依次是落叶阔叶林、温性针叶林、寒温性针叶林、常绿阔叶林、温性针阔叶混交林、常绿落叶阔叶混交林和暖性针叶林。海拔1 600~2 400 m区域植被类型丰富,分布有39个群系。保护区温性针阔叶混交林分布面积最广,占保护区植被总面积的19.0%。