论文部分内容阅读
作为湿地生态系统重要组成部分之一,湿地植被在维持和承载系统关键物理过程和生物功能方面发挥着巨大作用。应用遥感技术对湿地植被进行有效识别,有利于实现对其大尺度且高时效的监测,为人类保护湿地植被资源、修复生态环境提供科学依据。本研究以鄱阳湖南矶山国家自然保护区典型湿地植被为研究对象,基于实测的高光谱数据与多源遥感影像数据对湿地植被进行光谱特征分析与识别分类研究。在对不同季节典型湿地植被实地调查采样的基础上,掌握灰化薹草、南荻、芦苇、水蓼、狗牙根等典型湿地植被的基本物候特征,并选取春季、秋季两个时期测定其冠层光谱反射率信息。首先,应用光谱分析法对不同季节的典型湿地植被光谱特征信息进行分析;然后,采用基于误差范围的光谱阈值法选择出不同生长季节光谱特征波段并进行高光谱识别,找出最佳识别季节;同时,对比分析典型湿地植被在不同类型的卫星传感器光谱特征信息,并基于波段响应函数模拟Landsat OLI、GF-1 WFV、HJ-1A HSI等3种卫星影像的5种植被指数(DVI、RVI、NDVI、HJVI、SAVI)在湿地植被的识别能力表现,找出识别效果较好的卫星影像与植被指数;最后,利用较适宜的遥感影像,基于先验知识和决策树分类方法对保护区优势湿地植被群丛进行遥感分类。研究表明:(1)南矶山湿地自然保护区中典型湿地植被的冠层光谱反射率在不同季节表现出较明显的差异,在冠层尺度上可以实现对湿地植被的有效识别;(2)根据实测高光谱选择的光谱特征波段看,主要集中于红边、近红外波段,且占整个波段的比重较低,取得较为理想的光谱降维效果。(3)基于选择的光谱特征波段对不同季节的湿地植被进行判别分析,发现秋季的识别效果明显优于春季。(4)模拟不同卫星传感器实验发现,基于植被指数识别湿地植中RVI、NDVI、SAVI表现出较强的识别能力,且在GF-1 WFV影像中识别效果较好。(5)采用先验知识并结合CART模型的决策树方法对保护区优势湿地植被群丛进行遥感分类实验,取得较高的分类精度。