【正文】 ords: Eucalyptus。云南作為桉樹種植的省份之一，2002年金光集團與云南省政府合作，于2003年簽下153萬hm2的林漿紙基地，開始引種，關于引種桉樹人工林的生態(tài)問題爭論也隨之而來?；谶b感技術的桉樹空間分布信息提取，在國內(nèi)外研究中，可以參考的文獻資料很少，但現(xiàn)有的采用遙感技術提取其它植被信息的研究積累為本論文的研究提供了借鑒。信息復合的內(nèi)容和方式包括：；；。將光譜特征和非光譜形成的特征(如地形、紋理結構等)結合對植被的提取也有很大的幫助。田新光等采用面向對象的提取方法，對IKONOS衛(wèi)星影像利用簡單的決策樹分類方法對海岸帶紅樹林信息提取，并與其他方法進行比較，結果表明該分類精度較高[16]。Knotes利用光譜和紋理信息進行土地覆蓋高一層次的分類。如它與GIS數(shù)據(jù)進行融合的分類，就是采用分級形式，選取不同的標準或方法針對不同的集合對其進行最有效的劃分，達到將復雜的多分類問題指標簡單化目的。美國的USGS、EPA 等部門聯(lián)合實施的“美國土地覆蓋數(shù)據(jù)庫”計劃(NLCD 2001) 中，利用決策樹進行了土地、城市密度信息、林冠密度信息的提取，結果表明,土地利用分類精度達到了73%～77%, 城市密度信息提取精度達到83%～91%, 樹冠精度在78% ～93%,完全能夠滿足大規(guī)模土地分類數(shù)據(jù)產(chǎn)品的生產(chǎn)要求。本文主要利用決策樹的分類方法，利用中巴遙感影像，探討了基于決策樹分類方法的影像特征提取、分類體系的建立，并提取出桉樹分布信息。研究區(qū)遙感圖像地類分類特征分析本章介紹了研究區(qū)的概況和數(shù)據(jù)源的預處理工作。遙感圖像分類就是利用計算機對遙感圖像中各類地物的光譜信息和空間信息進行分析，然后選擇特征，并用一定的手段將特征空間劃分為互不重疊的子空間，然后將圖像中的每個像元按照某種規(guī)則或算法劃分為不同的類別，得到遙感圖像中與實際地物的對應信息，最終實現(xiàn)分類[33]。如目前比較流行的分類方法：人工神經(jīng)網(wǎng)絡方法、模糊數(shù)學方法、決策樹方法、專家系統(tǒng)方法、支持向量機方法等。(2)根據(jù)給定的要求，將前一次獲得的集群組進行處理，以獲得新的聚類中心。其基本思想是：地物類數(shù)據(jù)在空間中構成一定的點群；每一類的每一維數(shù)據(jù)都在自己的數(shù)軸上呈正態(tài)分布，該類的多維數(shù)據(jù)就構成了一個多維正態(tài)分布；各類的多維正態(tài)分布模型各有其分布特征，如位置、形狀、密集或分散的程度等[37]。一般情況下，p（wi |x）是未知的，但是在有足夠的訓練數(shù)據(jù)以及地面類別的先驗知識的條件下，該條件概率可以估計得到。隨著遙感數(shù)據(jù)時空維數(shù)的不斷擴展，該方法開始暴露出一些缺點:、多維的遙感數(shù)據(jù)可能不具備正態(tài)分布特征。(ANN)人工神經(jīng)網(wǎng)絡(artificial neural network，ANN)是在對人腦組織結構和運行機制的認識理解基礎之上模擬其結構和智能行為的一種工程系統(tǒng)，簡稱神經(jīng)網(wǎng)絡。神經(jīng)網(wǎng)絡是人工智能的一種，可用于監(jiān)督分類也可用于非監(jiān)督分類。在中間層和輸出層的節(jié)點上都包括許多處理元。如圖21所示，空心點和實心點代表兩類樣本。位于樹最頂層的節(jié)點稱為根節(jié)點。在二維空間的分布模式上看兩個模式類，若用傳統(tǒng)的分類方法進行分類，其決策邊界將會是一個十分復雜的二元函數(shù)式，而若用決策樹分類法，只想要兩個判別條件的聯(lián)合就輕易而又準確地將兩個模式類別區(qū)別開來。使用二次判別分析（quadratic discriminant analysis）最終決定分叉點的位置，并還原為X的原始取值[54]。決策樹方法相對于神經(jīng)元網(wǎng)絡方法，在訓練樣本數(shù)據(jù)時速度更快，并且執(zhí)行效率要高，在輸入數(shù)據(jù)空間特征和分類標識方面，相比神經(jīng)網(wǎng)絡方法具有更好的彈性。分類矩陣是一個N階方陣，表示抽樣單元中被分到某一類而經(jīng)過檢驗屬于該類的數(shù)目。總體精度、生產(chǎn)者精度或使用者精度的缺點是像元類別的小變動可能導致其百分比變化，運用這些指標的客觀性取決于采樣樣本以及方法。25′～22176。按地貌成因類型全區(qū)可劃分兩大地貌單元，即構造侵蝕地貌和溶蝕地貌。降雨量的分布大體隨山勢自北向南而變化，西北多于東南，南北差異達1000mm。 中巴衛(wèi)星數(shù)據(jù)參數(shù)1998年，中國和巴西在中國資源一號原方案基礎上共同投資，聯(lián)合研制中巴地球資源衛(wèi)星（代號CBERS）。目前，中巴衛(wèi)星已經(jīng)成功發(fā)射了三顆，其中01星(CBERS1)從1999年10月14日到2003年8月13日，在軌運行了三年十個月，衛(wèi)星飛行20074圈，共接受、處理、存檔了45萬景圖像數(shù)據(jù)資料，前后覆蓋我國國土、領海和周邊國家53次。26B02～B03～B04～B05～高分辨率相機（HR）B06～27無104寬視場成像儀（WFI）B07～258890無5，雖然對于精確目視解譯較為困難，但CCD數(shù)據(jù)中的植被敏感波段近紅外波段，具有一定的紋理信息,對于植被的提取有重要意義。（2）幾何精校正幾何校正是利用地面控制點使遙感影像的幾何位置符合某種地理投影體系，與其它的地理信息配準，即在遙感影像的像元與地面實際位置之間建立數(shù)學關系，將畸變影像空間中的全部像元轉換到校正影像的空間去。一般來說，幾何校正中，所用地面控制點(GCP)數(shù)與校正精度成正相關，即GCP越多，校正精度就越高，計算的工作量也就越大。校正后標準圖像空間中像元的灰度數(shù)值要重新采樣(Resample)，因為輸出圖像像元點在輸入圖像中的行列號不是或不全是正數(shù)關系。缺點就是對圖像中的幾何結構損壞較大，且計算量大。參考《全國遙感監(jiān)測土地利用/覆蓋》分類體系，見表33。樣本選擇不僅遵循樣區(qū)光譜特征均一,訓練樣本足夠多，且需具有典型性和代表性 [32]。采用假彩色432波段組合合成，可以使影像具有較好的解譯效果。圖35為西盟縣野外調(diào)查GPS點；表35為西盟縣各地類訓練樣本選取數(shù)量表；圖36為西盟縣訓練樣本分布圖；表36為本次研究建立的CBERS02B（432）合成圖像各地類解譯標志。地物分類可依據(jù)的圖像特征有光譜特征、紋理特征、形狀特征和空間特征等，這些特征可以通過遙感圖像的色調(diào)、紋理、大小、形狀、位置布局等特征的認識和理解，然后對這些特征進行分析和表達，使之成為計算機所能處理的形式，這就是模式識別中的特征的選擇與提取。本研究中為了有效地利用中巴衛(wèi)星數(shù)據(jù)進行信息提取和分類，首先對遙感數(shù)據(jù)的信息特征進行認真分析。各種地物由于其結構、組成以及理化性質的差異，導致了不同地物對電磁波的發(fā)射存在著差異，其熱輻射也不完全相同(Du Y Y，1982；杜云艷，1998)。特征提取是對分類精度和可靠性影響最大的因素之一[62]。其他類型樣本，主要來源于野外實地采樣點GPS，以及參考2005年9月的SPOT5高分辨率圖像,然后根據(jù)對本研究區(qū)的了解，在屏幕上選擇每一類別的像元。在有了良好的采樣和可靠的樣本數(shù)據(jù)的基礎上，便可分別進行分類和驗證。此類草地水分缺乏，草被稀疏，牧業(yè)利用條件差4水域——指天然陸地水域和水利設施用地41河渠指天然形成或人工開挖的河流及主干渠常年水位以下的土地，人工渠包括堤岸42湖泊指天然形成的積水區(qū)常年水位以下的土地43水庫坑塘指人工修建的蓄水區(qū)常年水位以下的土地44永久性冰川雪地指常年被冰川和積雪所覆蓋的土地45灘涂指沿海大潮高潮位與低潮位之間的潮侵地帶46灘地指河、湖水域平水期水位與洪水期水位之間的土地5城鄉(xiāng)、工礦、居民用地——指城鄉(xiāng)居民點及縣鎮(zhèn)以外的工礦、交通等用地51城鎮(zhèn)用地指大、中、小城市及縣鎮(zhèn)以上建成區(qū)用地52農(nóng)村居民點指農(nóng)村居民點53其他建設用地指獨立于城鎮(zhèn)以外的廠礦、大型工業(yè)區(qū)、油田、鹽場、采石場等用地、交通道路、機場及特殊用地6未利用土地——目前還未利用的土地、包括難利用的土地61沙地指地表為沙覆蓋，植被覆蓋度在5％以下的土地，包括沙漠，不包括水系中的沙灘62戈壁指地表以碎礫石為主，植被覆蓋度在5％以下的土地63鹽堿地指地表鹽堿聚集，植被稀少，只能生長耐鹽堿植物的土地64沼澤地指地勢平坦低洼，排水不暢，長期潮濕，季節(jié)性積水或常積水，表層生長濕生植物的土地65裸土地指地表土質覆蓋，植被覆蓋度在5％以下的土地66裸巖石礫地指地表為巖石或石礫，其覆蓋面積5％以下的土地67其他指其他未利用土地，包括高寒荒漠，苔原等耕地的三級編碼為： 1 山地； 2 丘陵； 3 平原； 4 大于25度的坡地（如“113”為平原水田）表34 研究區(qū)地類類別劃分表類別說明耕地林地主要包括本次研究的桉樹，其余的植被劃為其它林地建設用地將城鄉(xiāng)、工礦、居民用地合并統(tǒng)稱水域包括河流水面、水庫水面、坑塘水面等(為便于統(tǒng)計和分析，合并為水域)其它主要為山地陰影樣本數(shù)據(jù)的質量，在很大程度上影響著分類結果的精度。在ArcGIS中獲取西盟縣的行政邊界矢量Shapefile文件，用ENVI軟件將該矢量文件另存為ROI文件格式，然后對鑲嵌影像進行裁剪，得到西盟縣縣域范圍影像，見圖34。缺點是改變了原始圖像的光譜信息，易造成邊緣等高頻成分的損失，從而插值后圖像變得模糊。本研究以已經(jīng)校正過的2005年9月20日的SPOT5遙感圖像作為校正參考，采用二次多項式校正模型，校正模型的標準均方誤差(Root Means Squared Error RMS)控制在1個像元以內(nèi)，選取20個控制點進行研究區(qū)影像的精校正。這種校正是用一種數(shù)學模型來近似描述遙感圖像的幾何畸變過程，利用畸變的遙感圖像和標準地圖之間的一些對應點求得幾何畸變的模型，從而通過該模型進行幾何畸變的校正。為便于數(shù)據(jù)處理，需將影像投影變換為高斯克呂格投影。26B02～B03～B04～B05～紅外多光譜掃描儀（IRMSS）B06～78no26B07～78B08～78B09～156寬視場成像儀（WFI）B10～258890no5B11～258CBERS02BCCD相機B01～113177。其產(chǎn)品應用比較廣泛，主要在農(nóng)業(yè)、林業(yè)、水利、海洋、國土資源、災害監(jiān)測、氣象、交通選線等國民經(jīng)濟眾多領域。樹種類有40多料100多種、以殼斗科樹種為主，其他還有山茶科、楝科、榆科、太戟科等[61]。(1968年),最少年降水量為1938mm(2000年)。 地形地貌：西盟縣地處怒山山脈南段的阿佤山中心區(qū)，屬中山峽谷地帶。18′～99176。s accuracy)表述的是對每一個隨機樣本，所分類的結果所對應區(qū)域的實際類型相一致的概率，是具有概率意義的一個統(tǒng)計量。用分類結果與實際地表之間的吻合程度來反映分類結果精度，分類結果的精度計算即可以用抽樣像元中分類正確的像元數(shù)和誤分的像元數(shù)來表示，也可以用實際類型與分類類型的二維表(分類精度矩陣)來表示。并且，決策樹分類方法能夠重點突出植被的空間分布，尤其是稀疏植被的空間分布，因此在分類時能提高分類精度。但是假如選出的分支變量為無序分類變量，則將其變換為啞變量組Z，并計算其最大判別坐標（1argest discriminant coordinate），也就是通過變換，使得不同X取值時因變量Y取值的差異最大化。此方法也就是利用信息論中的信息增益尋找示例數(shù)據(jù)庫中具有最大信息量的屬性字段，形成一條規(guī)則以此建立決策樹的一個節(jié)點，依據(jù)這條規(guī)則對指定遙感影像進行運算，所產(chǎn)生的邏輯值（真或假）派生出兩類結果，即形成兩個分支，或根據(jù)屬性的不同取值形成多個分支，該過程可向下繼續(xù)拓展，直至圖像分出類別，即葉節(jié)點[14]。它是一種直觀的知識表示方法，以信息論為基礎，根據(jù)影像的不同特征，以樹型結構表示分類或決策集合，實現(xiàn)復雜的決策形成過程抽象成易于理解和表達的規(guī)則或判斷。支持向量機是基于從線性可分情況下的最優(yōu)分類超平面（OHP，Optimal Hyper Plane）提出的，通過非線性變換將輸入空間變換到一個高維的特征空間，繼而在這個新的高維特征空間中求取最優(yōu)分類超平面，該最優(yōu)分類超平面能夠將所有的訓練樣本正確分類，而且使訓練樣本中離分類面最近的點到分類面的距離最大，也就是實現(xiàn)分類間隔最大。中間層又叫做隱藏層。神經(jīng)網(wǎng)絡方法具有很多特性：能夠并行分布處理、具有非線性映射特性、通過訓練進行學習、適應與集成；有自學習、自適應和自組織的能力，對外不但表現(xiàn)為可以適應多種不同的問題空間，也能很好地抑制噪聲和信息缺失對最優(yōu)解的影響；對內(nèi)則表現(xiàn)為很好的容錯性，即可以通過自適應與自組織來消除壞神經(jīng)元的影響[33]。因此為了提高分類精度，人們不斷研究和嘗試新方法，以圖改善。最大似然法是以經(jīng)典統(tǒng)計學為基礎，分類器的分類精度很到程度上依賴有關樣本的先驗知識。分類按以下規(guī)則進行[38]：如果對所有j≠i,有p（wi |x） p（wj |x）,則x∈wi也就是說，當p（wi |x）最大時，像元屬于類別wi。具有嚴密的理論基礎，判別函數(shù)對呈正態(tài)分布的類別易于建立，能綜合應用每個類別在各波段中的均值，方差以及各波段之間的協(xié)方差，充分利用了遙感數(shù)據(jù)的統(tǒng)計特征，被認為是至今應用比較廣泛、比較成熟的一種監(jiān)督分類方法[36]。ISODATA算法的一般步驟如下:(l)首先選擇一些初始值作為初始聚類中心，然后將帶分類像元按照一定指標分配給各個聚類中心。為此專家學者不斷研究和探索新方法。新型傳感器的不斷出現(xiàn)，能獲得不同空間分辨率、時間分辨率和光譜分辨率的遙感圖像，并與全球定位系統(tǒng)（Global Position System，簡稱GPS）、地理信息系統(tǒng)（Geographical Information System，簡稱GIS）等相結合，為遙感圖像的解譯提供了多種途徑。同時對全文的整體結構作了詳細安排。