陶婷， 阮仁宗， 岁秀珍， 王玉强， 林鹏

(1.河海大学地球科学与工程学院，南京 211100； 2.浙江省义乌市勘测设计研究院，义乌 322000；3. 山东省减灾中心，济南 250000)

基于HyMap数据的浮水植被信息提取

陶婷1， 阮仁宗1， 岁秀珍2， 王玉强3， 林鹏1

(1.河海大学地球科学与工程学院，南京 211100； 2.浙江省义乌市勘测设计研究院，义乌 322000；3. 山东省减灾中心，济南 250000)

以美国加利福尼亚州萨克拉门托—圣华金三角洲为研究区，利用2007年6月空间分辨率3 m的HyMap高光谱数据，根据湿地植被的光谱差异，结合地面实况数据，对植被的“三边”参数进行分析，选取合适的植被指数并结合“三边”参数特征，构建决策树模型，提取出研究区的浮水植被，并与最大似然法的分类结果进行比较。结果表明： 利用决策树模型分类的总体精度达到82.68%，与最大似然法相比，总精度提高了6%，很好地识别出了研究区湿地植被中的浮水植被。

HyMap数据； 浮水植被； 植被指数； 决策树

0 引言

湿地具有独特的环境功能[1],但由于湿地植被具有较高的复杂性和不确定性[2]，传统的多光谱遥感数据在湿地植被分类时，精度较低。高光谱数据丰富的波谱信息和较高的波谱分辨率，以及湿地植被独特的波谱特征，为湿地植被的分类研究提供了有利条件。

在美国加州萨克拉门托—圣华金三角洲，专家们利用Hymap数据对湿地植被进行了研究，并取得了较好的效果。例如，Margaret等[3]把混合调制匹配滤波(mixture tuned matched filtering,MTMF)分析的结果和分类与回归树算法(classification and regression tree,CART)结合起来，利用HyMap数据对多年生的辣椒水草进行研究，揭示环境因素(水份、盐度、物种的结构组成、景区的差异性)对水生植被制图的重要影响；……