曹萌萌，青 松，杜雨春子，袁瑞强，顺布日

(内蒙古师范大学 地理科学学院，内蒙古 呼和浩特 010022)

1 研究背景

随着社会发展和人类活动强度的增加，我国乃至全世界的生态环境遭到破坏，其中水体富营养化引发的藻华现象已成为社会最关注的问题之一[1]。藻华不仅破坏湖泊景观，导致生物量减少，同时也会造成水体自净能力失衡，严重影响湖泊水生态环境。因此，对湖泊藻华进行实时动态监测是预防与治理藻华的关键[2-4]。

与传统方法相比，遥感技术不仅可以有效地绘制藻华的空间分布，也可以实时监测其生长情况，所以国内外学者采用了多种方法对藻华进行提取分析。其中，光谱指数法被广泛应用于藻华识别研究，例如：NDVI指数[5-6]、FAI指数[7-9]、AFAI指数[10]、EVI指数[11]、NDICB指数[12]等。同时，也有学者进一步结合多个光谱指数建立了分类决策树，并用来提取复杂水体环境中的藻华[13-15]。此外，除了常见的监督或非监督分类方法[16-18]，还有少部分研究结合了野外实测光谱数据[19]、目视解译方法、水质参数反演法[20]和专家系统[21]对藻华进行识别。综合对比以上几种分类方法，发现它们各自都具有缺陷。结合光谱指数的决策树分类算法缺乏伸缩性，难以针对大量训练数据集中确定唯一的有效阈值，对缺失值敏感，容易过拟合，从而加大误差。监督分类方法的缺点在于人为主观性强、选择样本的成本较高，而且仅限于识别已定义的类别。非监督分类方法的分类精度无法保证，往往需要后期大量的分析处理。……