崔一嬌，朱 琳，趙力娟

(首都師范大學(xué)資源環(huán)境與旅游學(xué)院;北京市城市環(huán)境過程與數(shù)字模擬國家重點(diǎn)實(shí)驗(yàn)室培育基地;三維信息獲取與應(yīng)用教育部重點(diǎn)實(shí)驗(yàn)室;城市環(huán)境過程與數(shù)字模擬國家重點(diǎn)實(shí)驗(yàn)室培育基地;資源環(huán)境與地理信息系統(tǒng)北京市重點(diǎn)實(shí)驗(yàn)室，北京 100048)

植被是反映地理環(huán)境(氣候、土壤、地貌等)的最好標(biāo)志［1-2］。在干旱半干旱地區(qū)，植被群落組成簡單，天然植被更是生物生態(tài)系統(tǒng)的重要組成部分，植被對地理環(huán)境尤其是植被生長的主要依賴因子就有更為直接的反映［3］，對干旱半干旱地區(qū)的植被進(jìn)行更細(xì)致的信息提取不僅對生態(tài)環(huán)境的保育及研究有著重要的意義，同時(shí)也能反映地下水的變化情況，對地下水研究也有著重要的作用。

近年來比較常用的植被分類方法除傳統(tǒng)的基于像元的方法，如監(jiān)督分類、非監(jiān)督分類、神經(jīng)網(wǎng)絡(luò)和模糊數(shù)學(xué)等，還有基于面向?qū)ο蟮姆椒ǎ?］，基于像元的方法利用了像元的光譜信息，常存在誤分類的情況，有時(shí)會(huì)產(chǎn)生“椒鹽現(xiàn)象”［5］。而面向?qū)ο蟮姆诸惙椒◤浹a(bǔ)了傳統(tǒng)分類方法的不足，綜合考慮了像元的光譜信息、對象內(nèi)部的結(jié)構(gòu)、紋理以及相鄰對象之間的關(guān)聯(lián)信息［6］。

國內(nèi)外已有許多學(xué)者利用面向?qū)ο蟮姆椒ㄌ崛≈脖恍畔ⅰulong等分別利用1∶5000的航空照片和TM影像，將馬來西亞Kemaman地區(qū)的紅樹林劃分為14個(gè)植被類型，分類精度達(dá)到91.12%和87.18%［7］;James等利用ETM+影像，在像元分類基礎(chǔ)上運(yùn)用面向?qū)ο蠓椒▽γ绹鴸|北部長島海峽沿岸的濕地植被進(jìn)行細(xì)分，并對比分析了兩種方法的結(jié)果［8］;Xujun Ye等利用機(jī)載多光譜影像對桔園的雜草信息進(jìn)行了提取，精度達(dá)99.07%［9］;Andrea等結(jié)合分類樹的方法對干旱牧場草地進(jìn)行分類，精度可達(dá)80%［10］。而在我國，針對草地信息的提取仍多集中在基于像元的方法上，在面向?qū)ο蠓椒ㄉ希S慧萍等利用高分辨率影像，成功提取了喬木、灌木、人工草地與疏林地等草地覆蓋信息，精度達(dá)92%左右［11］;張學(xué)儒等人利用高程、NDVI、紋理等信息針對高海拔灌叢植被進(jìn)行提取，精度達(dá)84.7%［4］。我國基于面向?qū)ο蠹夹g(shù)在植被分類應(yīng)用上還需深入。

西遼河流域?qū)儆谖鞅卑敫珊档貐^(qū)，是環(huán)境變化的敏感區(qū)，也是國家實(shí)施西部大開發(fā)戰(zhàn)略的重點(diǎn)地區(qū)，西遼河流域已經(jīng)成為我國東北地區(qū)生態(tài)環(huán)境最脆弱的地區(qū)之一［12］。本文以西遼河流域平原區(qū)為研究對象，采用中分辨率影像，結(jié)合野外采集的光譜信息，運(yùn)用面向?qū)ο蟮姆诸惙椒▽Φ匚镄畔⑦M(jìn)行分類，并對草地類型進(jìn)行了細(xì)分著重提取了植被信息。研究成果能夠?yàn)槲鬟|河植被生態(tài)系統(tǒng)的維持和恢復(fù)以及進(jìn)一步研究植被與水資源關(guān)系提供科學(xué)依據(jù)。

1 研究區(qū)概況及數(shù)據(jù)來源

1.1 研究區(qū)概況

西遼河流域平原區(qū)位于東北平原西部農(nóng)牧交錯(cuò)帶的東緣，地理坐標(biāo)為42°34'01″—44°58'47″N，119°3'40″—124°34'25″E(圖1)，總面積5.16×104km2。研究區(qū)屬于溫帶半濕潤向半干旱氣候的過渡地區(qū)，年際間干濕交替，春季干旱少雨多大風(fēng)。年降水量343—451mm，并呈現(xiàn)從南向北逐漸減少的規(guī)律。由于沙漠化過程，部分土壤已經(jīng)退化為風(fēng)沙土，河漫灘和河谷平原上為草甸土，部分區(qū)域有鹽堿土。植被以疏林草原為主，草本層退化，灌木層發(fā)育強(qiáng)烈。

1.2 數(shù)據(jù)來源

本文采用Landsat-5 TM影像，分辨率為30 m。影像獲取時(shí)間為2010年7、8、9月份，該時(shí)期研究區(qū)的植被特征較為明顯，利于植被信息的提取。數(shù)據(jù)預(yù)處理分為幾何校正、大氣校正、鑲嵌和裁剪4個(gè)步驟。幾何校正采用多項(xiàng)式變換，并用最鄰近法進(jìn)行重采樣。然后利用ENVI的FLAASH模型對影像進(jìn)行大氣校正。最后對遙感影像進(jìn)行鑲嵌，并用西遼河平原區(qū)邊界對其進(jìn)行裁剪。

圖1 研究區(qū)位置圖Fig.1 Location of the study area

植被光譜數(shù)據(jù)的采集時(shí)間為2011年8月，植被生長較旺盛且與影像時(shí)間一致。選取研究區(qū)內(nèi)開魯、通遼、烏爾吉木倫河流域、哈黑爾郭勒流域四個(gè)區(qū)域作為野外采樣區(qū)，利用FieldSpec波譜儀對主要植被及土壤進(jìn)行了光譜采集，光譜測量范圍為350—2500nm。每次光譜測定前均進(jìn)行標(biāo)定，每株植被測定20次，采樣點(diǎn)共25個(gè)，共獲取34個(gè)1m×1m的植物樣方。

2 研究方法

面向?qū)ο蠓椒ㄖ饕ㄓ跋穹指詈托畔⑻崛刹糠?。首先，根?jù)影像像元的同質(zhì)性自下而上合并形成影像對象;然后，利用對象的空間特征和光譜特征通過隸屬度函數(shù)或最鄰近分類器，實(shí)現(xiàn)類別信息自動(dòng)提取的目的［13］。

圖2 技術(shù)流程圖Fig.2 The flow chart of research

本文利用Definiens eCognition 7.0作為軟件平臺(tái)，其獨(dú)有的分類范式(分割程序，最鄰近分類器，特征空間優(yōu)化等)提高了分類精度，能夠用于提取更詳細(xì)的植被信息［14］。采用eCognition軟件中隸屬度函數(shù)分類器構(gòu)建分類樹時(shí)，結(jié)合野外采集的光譜、影像光譜、歸一化植被指數(shù)(NDVI)等信息對植被信息進(jìn)行提取，技術(shù)流程如圖2，主要分為3個(gè)部分:影像分割、信息提取以及分類結(jié)果的精度評估與出圖。

2.1 分類系統(tǒng)制定

西遼河流域平原區(qū)植被類型主要有耕地、草地和林地。林地多為人工種植的林場，與農(nóng)田一樣受人為因素影響較大，草地植被則屬于天然植被。研究區(qū)典型植被包括茵陳、虎尾草、蒼耳、稗、披堿草和白刺花。由于地下水是干旱半干旱地區(qū)植被生長的主要限制因素之一［3］。根據(jù)草地植被與水分的關(guān)系將研究區(qū)的草甸植被簡單分為中生偏旱和中生偏濕兩類，表1列出這兩類分別包括的植被物種。本次研究中提取耕地、林地、中生偏旱草地、中生偏濕草地、未利用地和水體共6類地物信息。

2.2 影像分割

分割尺度影響著分類結(jié)果的精度，根據(jù)不同尺度的嘗試結(jié)果，最終選擇分割尺度為70(圖3)，分割時(shí)其余參數(shù)設(shè)置如下:波段色彩權(quán)重均為1，顏色權(quán)重設(shè)為0.7，緊湊度設(shè)為0.5。由圖可以看出分割尺度為20時(shí)，對象過于破碎，不利于分類;當(dāng)分割尺度為120時(shí)，分割不夠完整，存在一個(gè)對象包含了多種地物的現(xiàn)象，而分割尺度70的結(jié)果相對兼顧了研究區(qū)各種植被的局部細(xì)節(jié)以及空間幾何分布特征。

表1 西遼河流域植被物種的類型Table 1 The types of vegetation in study area

圖3 不同分割尺度結(jié)果比較Fig.3 The result of different segmentation scale

2.3 信息提取

影像分割后，共獲得119384個(gè)影像對象，屬性特征值的計(jì)算分析以及信息的提取過程就是基于這些影像對象進(jìn)行的。建立各類別的分類規(guī)則可以有兩種途徑，一種是選擇地物訓(xùn)練樣本，自動(dòng)建立規(guī)則;另一種是分析類別的特征表現(xiàn)，建立分類層次并定義各類別分類規(guī)則。本文選擇的是第二種方法，選取有效的屬性特征、建立分類層次(分類樹)、定義隸屬度函數(shù)是該方法提取地物信息的重要環(huán)節(jié)。分類層次結(jié)構(gòu)如圖4所示，eCognition根據(jù)構(gòu)建的類層次結(jié)構(gòu)，能夠?qū)Ψ悄繕?biāo)地類進(jìn)行掩膜，避免提取目標(biāo)地物時(shí)其他類別的干擾。針對各類別主要選取了以下幾個(gè)屬性特征:NDVI、波段反射率均值、波段反射率比率和亮度。

(1)水體

水體在除藍(lán)綠波段外的其他波段上吸收均較為顯著，本研究中水體對中紅外波段的吸收更為明顯，因此利用中紅外波段的均值與所有波段均值和之比(中紅外波段比屬性Ratio(5))區(qū)分水體與非水體。

(2)未利用地

由于土壤反射率與土壤含水量密切相關(guān)，隨土壤水分的增加而降低［15］，西遼河流域平原地處半干旱區(qū)，影像上未利用地的亮度值明顯較高，亮度值即各個(gè)波段反射率均值的平均值，因此在非水體類別中，可以選用亮度屬性來提取未利用地信息，未分類部分為植被。

(3)耕地和林地

歸一化植被指數(shù)NDVI是最常用的植被指數(shù)之一，對植被生長狀態(tài)和植被覆蓋度有最佳的指示作用［16］，NDVI能夠消除大部分和大氣條件有關(guān)的輻照度條件變化，很好的發(fā)掘遙感影像光譜中的植被信息。西遼河地區(qū)耕地和林地均為人工種植，覆蓋度較高，因此在未分類部分利用NDVI可以把耕地和林地這些植被茂密的類別與草地信息有效區(qū)分開來。雖然耕地和林地在影像上混淆較大，但耕地在形狀上多呈有規(guī)律的矩形，利用這一特性eCognation中Rectangular Fit屬性可以實(shí)現(xiàn)耕地的提取，該屬性考慮對象的長寬創(chuàng)建一個(gè)同面積的矩形，比較對象與矩形的匹配程度，越匹配其值越接近1。

(4)草地

不同的地物類型具有不同的光譜特性，因此可以利用光譜特征的差異識別不同的地物［17］。利用ViewSpecPro光譜處理軟件對采集的光譜數(shù)據(jù)分析得到6種草地植被的光譜曲線。

圖4 分類層次結(jié)構(gòu)圖Fig.4 Map of class hierarchy structure

根據(jù)TM影像的波段信息(只選取藍(lán)、綠、紅、近紅外和中紅外波段)，將六種植被的光譜信息分段分析，統(tǒng)計(jì)TM每個(gè)波段對應(yīng)的波譜反射率平均值，得到其均值光譜反射率特征曲線(圖5)，由圖可以看出這幾種草地物種在第1、2、3波段反射率比較接近;而在第4波段，中生偏旱草(虎尾草、蒼耳和稗)反射率較為接近，中生偏濕草(披堿草和白刺花)反射率較為接近，兩類草地植被光譜反射率有較明顯的差異。因此選用第4波段的反射率均值屬性作為區(qū)分中生偏旱和中生偏濕草地的依據(jù)。同時(shí)，對草地采樣點(diǎn)光譜和采樣點(diǎn)對應(yīng)在遙感影像上的光譜進(jìn)行比較，調(diào)試并確定兩類草地理想的光譜閾值范圍。

基于上述分析，利用選取的屬性特征最終建立的分類規(guī)則見表2。

圖5 研究區(qū)主要草地物種均值波譜反射率曲線圖Fig.5 Spectral curve of typical grass object

3 分類結(jié)果與精度評價(jià)

3.1 分類結(jié)果

西遼河流域平原區(qū)分類的結(jié)果見圖6。從制圖結(jié)果中可以看出，面向?qū)ο蠓椒ㄌ崛〉男畔⒔Y(jié)果圖斑完整性較好，避免出現(xiàn)了“椒鹽現(xiàn)象”。

3.2 精度評價(jià)

分類結(jié)果的精度評估采用誤差矩陣的評價(jià)方法，利用野外實(shí)地考察結(jié)果以及高分辨率影像上目視選取的樣本評估分類結(jié)果。共選取了100個(gè)檢查點(diǎn)，其中野外實(shí)測采樣點(diǎn)25個(gè)，高分辨率遙感影像隨機(jī)采樣點(diǎn)75個(gè)。中生偏旱與中生偏濕草地樣本全部來自野外采樣點(diǎn)。精度評價(jià)結(jié)果見表3。對角線上的元素為被正確分類的樣本數(shù)目，非對角線上的元素為被混分的樣本數(shù)目。

表2 分類體系和分類規(guī)則Table 2 Classes and rules of feature extraction

圖6 2010年影像面向?qū)ο蠓诸悎DFig.6 Information extraction result of 2010 TM image

表3 分類結(jié)果精度評價(jià)表Table 3 Accuracy assessment results of classification

4 討論

由分類結(jié)果可以看出，研究區(qū)植被在空間分布上存在一些特點(diǎn)，利用ArcGIS軟件對研究區(qū)植被進(jìn)行統(tǒng)計(jì)及分析，討論植被分布的規(guī)律。

(1)不同植被面積分布

對各類植被信息的面積進(jìn)行計(jì)算，結(jié)果得出耕地面積為12167.3km2，占總面積的23.3%;林地面積20350.4km2，占總面積的 38.9%;草地面積 15832.3km2，占總面積的 30.3%，其中，中生偏旱草地面積14206.7 km2，占草地面積的89.7%，中生偏濕草地面積1625.6km2，占草地面積的10.3%。說明西遼河流域平原區(qū)以林地為主。草地覆蓋也占有很大比重，其中，中生偏旱草覆蓋面積遠(yuǎn)遠(yuǎn)大于中生偏濕。

(2)不同區(qū)縣植被面積分布

疊合區(qū)縣邊界數(shù)據(jù)，針對不同區(qū)縣統(tǒng)計(jì)不同植被信息的面積，由于巴林左旗和公主嶺兩區(qū)在西遼河流域平原區(qū)面積過小，不計(jì)入統(tǒng)計(jì)，由圖7可以看出林地主要分布在科爾沁左翼后旗和科爾沁左翼中旗，分別占林地總面積的15.4%和22.8%;耕地主要分布在科爾沁區(qū)和科爾沁左翼中旗，分別占耕地總面積的17.6%和20.3%;中生偏旱草主要分布在奈曼旗、科爾沁左翼后旗和科爾沁左翼中旗，分別占中生偏旱草總面積的15.9%，15.1%和14.7%;中生偏濕草主要分布在科爾沁左翼后旗、扎魯特旗和科爾沁左翼中旗，分別占中生偏濕草總面積的15.9%，13.9%和16.3%。相反，林地在庫倫旗、巴林右旗的面積，耕地在庫倫旗、巴林右旗及通榆縣的面積，中生偏旱草在雙遼市、長嶺縣的面積，中生偏濕草在庫倫旗、巴林右旗和長嶺縣的面積所占最少。可以看出，植被集中的區(qū)縣(科爾沁區(qū)、科爾沁左翼中旗、科爾沁左翼后旗)在研究區(qū)中均位于中下游區(qū)域，緊靠西遼河、新開河一級河流。植被占面積較少的區(qū)縣(庫倫旗、巴林右旗)主要在上游地區(qū)。

圖7 各區(qū)縣植被面積統(tǒng)計(jì)圖Fig.7 The statistic result of Vegetation area in different countries

(3)不同緩沖帶植被面積

由分類結(jié)果可以看出在植被分布上，尤其是耕地主要分布在研究區(qū)中下游水域附近，且中生偏濕草地也多分布于該地區(qū)。對西遼河流域平原區(qū)的一級河流分別作5、10、15、20km的緩沖區(qū)分析，并對不同緩沖區(qū)內(nèi)的植被面積進(jìn)行統(tǒng)計(jì)，由于離差較大，對縱坐標(biāo)(面積)取以10為底的對數(shù)進(jìn)行分析，由圖8可以看出，耕地主要分布在緩沖區(qū)5km內(nèi)，隨著與河流的距離增大，耕地面積明顯減少;林地主要分布在緩沖區(qū)10km內(nèi)，隨緩沖區(qū)距離增大，有一定的減少;草地中，中生偏濕草較集中在10km內(nèi)，而中生偏旱草的分布隨河流緩沖區(qū)距離的增大總體呈現(xiàn)減少的趨勢，但關(guān)系不顯著。針對上述三方面討論得出的特點(diǎn)可以看出，西遼河流域平原區(qū)植被以林地、耕地為主，集中分布于河流兩側(cè)，且中下游地區(qū)植被較上游地區(qū)長勢更好。分析其原因，一是隨林業(yè)保護(hù)政策以及人類活動(dòng)的影響，使得西遼河流域平原區(qū)林地和耕地在面積占很大優(yōu)勢。二是受自身環(huán)境限制，因?yàn)檠芯繀^(qū)地處半干旱環(huán)境，地表水資源較為匱乏，近年來地下水資源也出現(xiàn)不足，水資源對植被生長有一定限制。此外，研究區(qū)上游土壤鹽堿化較為嚴(yán)重，相比之下，中下游土壤養(yǎng)分充足，利于種植，

因此，在空間分布上，植被較為集中分布在河流兩側(cè)及中下游地區(qū)。三是植被本身的特性也影響其分布的范圍，中生偏濕草對水分依賴明顯，研究區(qū)環(huán)境本身不利于中生偏濕草的生長，因此分布較少且集中在水源較充足的地區(qū)，相反，中生偏旱草對水分依賴較小，因此在分布上與河流位置關(guān)系上的特征并不顯著。

圖8 不同緩沖區(qū)內(nèi)植被面積統(tǒng)計(jì)圖Fig.8 The result of vegetation area in different buffer zone

5 小結(jié)

利用面向?qū)ο蟮男畔⑻崛》椒軌蛴行У靥崛∥鬟|河平原區(qū)2010年的植被信息，分類結(jié)果的總體分類精度達(dá)到了 82.13%，Kappa 系數(shù)為 0.765。

在光譜信息上，研究區(qū)中生偏旱和中生偏濕草地植被存在明顯的差異，TM影像的第4波段反射率均值屬性能夠作為區(qū)分中生偏旱和中生偏濕草地的依據(jù)。

研究區(qū)耕地、林地主要受水體分布和人類活動(dòng)的影像，研究區(qū)植被主要分布在中下游游水域附近，在面積上，以林地分布為主，草地類型中，中生偏旱草地占主要優(yōu)勢。在空間位置上，植被較為集中在科爾沁左翼中旗和科爾沁左翼后旗臨近河流的旗縣。結(jié)合一級河流的緩沖分析，林地和中生偏濕草主要集中在一級河流緩沖區(qū)10km內(nèi)，耕地集中在緩沖區(qū)5km內(nèi)，中生偏旱草分布與河流關(guān)系不顯著。在將來的研究中，可以結(jié)合降水、地下水埋深等數(shù)據(jù)對研究區(qū)的植被分布規(guī)律做進(jìn)一步的討論。

［1］ Wu J，Pan J，Xing L X，Liu A T.Distilling type information of vegetation based on slight subare.Journal of Jilin University(Earth Science Edition)，2007，37(Z1):217-220.

［2］ Zheng D，Li W H，Chen Y P，Liu J Z.Relations between Groundwater and Natural Vegetation in the Arid Zone.Resources Science，2005，27(4):160-167.

［3］ Chen Y N，Li W H，Xu H L，Liu J Z，Zhang H F，Chen Y P.The Influence of Groundwater on Vegetation in theLower Reaches of Tarim River，China.Acta Geographica Sinica.2003，58(4):542-549.

［4］ Zhang X R，Liu L S，Zhang Y L，Zhang J P，Nie Y，Zhang H.Extraction of Shrub Vegetation by Object-Oriented Classification Method Based on ENVI ZOOM in High-Altitude Area:A Case of Dingri County.Geography and Geo-Information Science.2010，26(4):104-108.

［5］ Su W，Li J，Chen Y H，Zhang J S，Hu D Y，Liu C M.Object oriented urban land-cover classification of multi-scale image segmentatio n method a case study in kuala lumpur city center，Malaysia.Journal of Remote Sensing.2007，11(4):521-530.

［6］ Gao Y，Mas J F，Maathuis B H P，Zhang X M，Djik P M V.Comparison of pixel-based and object-oriented image classification approaches a case study in a coal fire area，Wuda，Inner Mongolia，China.International Journal of Remote Sensing，2006，27(18):4039-4055.

［7］ Sulong I，Mohd-Lokman H，Mohd-Tarmizi H，Ismail A.Mangrove mapping using landsat imagery and aerial photographs:Kemaman district，Terengganu，Malaysia.Environment，Development and Sustainability，2002，4:135-152.

［8］ Hurd J D，Civco D L，Gilmore M S，Prisloe S，Wilson E H.Tidal wetland classification from landsat imagery using an integrated pixel-based and object-based classification approach//ASPRS 2006 Annual conference.American Society for Photogrammetry and Remote Sensing.Reno:Nevada，2006:28-39.

［9］ Ye X，Sakai K，Asada S－I，Sasao A.Use of airborne multispectral imagery to discriminate and map weed infestations in a citrus orchard.Weed Biology and Management，2007，7:23-30.

［10］ Laliberte A S，F(xiàn)redrickson E L，Rango A.Combining decision trees with hierarchical object-oriented image analysis for mapping arid rangelands.Photogrammetric Engineering＆ Remote Sensing，2007，73(2):197-207.

［11］ Huang H P，Wu B F，Li M M，Zhou W F，Wang Z W.Detecting urban vegetation efficiently with high resolution remote sensing data.Journal of Remote Sensing，2004，8(1):68-74.

［12］ Yang J P，Ding Y J，Chen R S，Liu L Y.The interdecadal fluctuation of dry and wet climate boundaries in China in recent 50 years.Acta Geographica Sinica.2002，57(6):655-660.

［13］ Li N，Zhou D M，Zhao K Y.Marshclassification mapping at a community scale using high-resolution imagery.Acta Ecologica Sinca.2011，31(22):6718-6726.

［14］ Platt R V，Rapoza L.An evaluation of an object-oriented paradigm for land use/landcover classification.The Professional Geographer，2008，60(1):87-100.

［15］ Shepherd K D，Walsh M G.Development of reflectance spectral libraries for characterization of soil properties.Published in Soil Sci，2002，66:988-998.

［16］ Purevdorj T S，Tateishi R，Ishiyama T，Honda Y.Relationship between percent vegetation cover and vegetation indices.Remote sensing，1998，19(18):3519-3535.

［17］ Wang H Y，Su W，Zhou J Q.Object-oriented information extraction method of remote sensing image based on multi-classifier mixed.Engineering of Surveying and Mapping.2009，18(5):22-26.

參考文獻(xiàn):

［1］ 吳健，潘軍，邢立新，劉安濤.基于景觀分區(qū)的植被類型信息提取.吉林大學(xué)學(xué)報(bào)(地球科學(xué)版)，2007，37(Z1):217-220.

［2］ 鄭丹，李衛(wèi)紅，陳亞鵬，劉加珍.干旱區(qū)地下水與天然植被關(guān)系研究綜述.資源科學(xué)，2005，27(4):160-167.

［3］ 陳亞寧，李衛(wèi)紅，徐海量，劉加珍，張宏峰，陳亞鵬.塔里木河下游地下水位對植被的影響.地理學(xué)報(bào)，2003，58(4):542-549.

［4］ 張學(xué)儒，劉林山，張鐿鋰，張繼平，聶勇，張華.基于ENVI ZOOM面向?qū)ο蟮母吆０喂鄥仓脖惶崛　远ㄈ湛h為例.地理與地理信息科學(xué)，2010，26(4):104-108.

［5］ 蘇偉，李京，陳云浩，張錦水，胡德勇，劉翠敏.基于多尺度影像分割的面向?qū)ο蟪鞘型恋馗脖环诸愌芯俊择R來西亞吉隆坡市城市中心區(qū)為例.遙感學(xué)報(bào)，2007，11(4):521-530.

［11］ 黃慧萍，吳炳方，李苗苗，周為峰，王忠武.高分辨率影像城市綠地快速提取技術(shù)與應(yīng)用.遙感學(xué)報(bào)，2004，8(1):68-74.

［12］ 楊建平，丁永建，陳仁升，劉連友.近50年來中國干濕氣候界線的10年際波動(dòng).地理學(xué)報(bào)，2002，57(6):655-661.

［13］ 李娜，周德民，趙魁義.高分辨率影像支持的群落尺度沼澤濕地分類制圖.生態(tài)學(xué)報(bào)，2011，31(22):6717-6726.

［17］ 王惠英，蘇偉，周軍其.基于多分類器組合面向?qū)ο筮b感影像信息提取方法.測繪工程，2009，18(5):22-26.