师庆东;师庆三;刘曼;

• 1:新疆大学新疆维吾尔自治区绿洲生态重点实验室
• 2:干旱生态环境研究所
• 3:资源与环境科学学院

摘要(Abstract)：

中国西部干旱区气候、土壤、水文、光热、植被等环境因子有着显著的地域差异,若只依靠单一的植被光谱信息来进行准确分类是相当困难的,需要开展基于先验知识、地理信息和遥感信息的分类方法.本文在使用了多种分类方法后,采用了分区分海拔的方法,即将植物的区系理论和植物的纬向、经向和垂直地带性分布特征通过地理信息系统给予知识化的表达,在这些先验知识的基础上叠加植被的光谱特征进行分类.按照这种分类方法,笔者对中国西部干旱区采用分区分类,将整个研究区按地理特点分为三个子研究区:北疆地区,东疆-南疆地区,柴达木盆地-阿拉善地区.每个子区按海拔又分为两个部分,实际上将研究区分为3个子区6个部分,分区的主要原则是植物的区系以及植被的垂直分布、纬向和经向空间分布特点.并在局部地区对分类结果进行了验证,取得了较好的效果,为同类研究提供了一种参考思路和方法.

关键词(KeyWords)： 中国西部干旱区;植被;遥感分类

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(31160114)项目资助

作者(Authors): 师庆东;师庆三;刘曼;

参考文献(References)：

• [1]朴世龙,方精云.最近18年来中国植被覆盖的动态变化[J].第四纪研究,2001,21(4):294-302.
• [2]阎福礼,李震,邵芸,等.基于NOAA/AVHRR数据的地表覆盖变化检测方法与监测[J].遥感信息,2003.3,15-18.
• [3]马明国,董立新,王雪梅.过去21a中国西北植被覆盖动态监测与模拟[J].冰川冻土,2003,25(2):232-236.
• [4]伍光和,张英.中国绿洲地域系统研究[J].干旱区资源与环境,2000,14(3):1-10.
• [5]Tucker C J,Townshend J R G.African land-cover classification using satellite data[J].Science,1985,227(2):369-375.
• [6]DeFries R S,Townshend R G.NDVI-derived land cover classification at a global scale[J].International Journal of Remote Sensing,1994,15:3567-3586.
• [7]Running S W,Loveland T R.A remote sensing based vegetation classification logic for global land cover analysis[J].Remote Sensing of Environment,1995,51:39-48.
• [8]盛永伟,陈维英,肖乾广,等.利用气象卫星植被指数进行我国植被的宏观分类[J].科学通报,1995,40(1):68-71.
• [9]刘纪远,庄大方,凌扬容.基于GIS的中国东北植被综合分类研究[J].遥感学报,1998,2(4):285-291.
• [10]李晓兵,史培军.基于NOAA/AVHRR数据的中国植被类型NDVI变化规律研究[J].植物学报,1999,41(3):314-324.
• [11]Dreyer P.Classification of Land Cover Using Optimized Neural Nets on Spot Data[J].PE&RS,1993,59(5):617-621.
• [12]Civco D L.Artificial Neural Networks for Land-cover Classification and Mapping[J].International Journal of GIS,1993,7(2):173-186.
• [13]Yhann S R,Simpson J J.Application of Neural Networks to AVHRR Cloud Segmentation[J].IEEE Transactions on Geo-science and Remote Sensing,1995,33(3):590-604.
• [14]Serpico S B,Roli F.Classification of Multisensor Remote Sensing Images by Structured Neural Networks[J].IEEE Transac-tions on Geoscience and Remote Sensing,1995,33(3):562-577.
• [15]Paola J D,Schowengerdt R A.A Detailed Comparison of Back propagation Neural Network and Maximum-likelihood Clas-sifiers for Urban Land Use Classification[J].IEEE Transactions on Geoscience and Remote Sensing,1995,33(4):981-996.
• [16]Wilkinson G G.A review of current issues in the integration of GIS and remote sensing data[J].Int J Geographical Infor-mation Systems,1996,10(1):85-101.
• [17]Atkinson P M,Tatnall A R L.Neural networks in remote sensing[J].Int J Remote Sensing,1997,18(4):699-709.
• [18]骆剑承,周成虎,杨艳.人工神经网络遥感影像分类模型及其与知识集成方法研究[J].遥感学报,2001,5(2):122-129.
• [19]中国科学院新疆综合考察队等.新疆植被及其利用[M].北京:科学出版社,1978.
• [20]潘晓玲,党荣理,伍光和.西北干旱荒漠区植物区系地理与资源利用[M].北京:科学出版社,2001.
• [21]师庆东,吕光辉,潘晓玲,等.遥感影像中分区分类法及在新疆北部植被分类中的应用[J].干旱区地理,2003a,26(3):264-268.
• [22]Zeng Xubin,Robert E,Dickinson Alison Walker,et al.Derivation and Evaluation of Global1-km Fractional Vegetation Cover Data for Land Modeling[J].Journal of Applied Meteorology,2000,39:826-839.
• [23]Qi J,Marsett R C,Moran M S,et al.Spatial and temporal dynamics of vegetation in the San Pedro River Basin area[J].Agricultural and Forest Meteorology,2000,105(1/3):55-68.
• [24]张佃民,刘晓云.新疆植被区划的新方案[J].干旱区研究,1990,7(1):1-10.
• [25]中国植被图集编辑委员会.中国科学院,1:1000000中国植被图集[M].北京:科学出版社,2001.:113-136,149-172,189-146,221-224.
• [26]师庆东,吕光辉,韦如意,等.利用FVC和DEM对中国新疆南部植被的分类研究[J].新疆大学学报(自然科学版),2003b,20(3):280-284.
• [27]卢中正,高会军,邱少鹏,等.黄河上游及源头区植被覆盖度特征及环境影响遥感调查与研究[J].陕西环境,2001,8(4):36-38.
• [28]钱云,郝毓灵.新疆绿洲[M].乌鲁木齐新疆人民出版社,1999.
• [29]师庆东.基于FVC指数对1982～2000年中国西部干旱区植被覆盖时空变化特征分析[D].南京:南京信息工程大学,2004.