杨丹 李崇贵 常铮 李煜 雷田旺

(西安科技大学，西安，710054) (西安交通工程学院)

森林作为地球上最大的陆地生态系统，对维系生态平衡起着至关重要的作用，也是人类赖以生存和发展的基础条件[1]，因此，对森林资源的调查和实时监测显得尤为重要。传统的森林资源调查因时效性差、精度低、成本高，难以符合林业的可持续发展[2]。而遥感作为一门新技术，能够有效地提高林业资源调查的质量与效率，具有重要的社会和经济意义[3]。近年来，各类卫星不断发射，其搭载的传感器也越来越先进，对于开展低成本和高时效的植被分类提供了新的机遇[4]。众多国内外学者致力于森林植被遥感分类方法研究，探索有利于实际生产的分类方法。Agarwal et al.[5]以不同时相的SPOT影像为数据源，结合植被物候特性，构建归一化植被指数(NDVI)时间序列，对中南亚地区植被进行分类，效果较理想；郝卫平等[6]采用了多时相的MODIS数据提取了主要作物分布的空间信息；温一博等[7]利用分层分类思想，采用7景不同时相的TM遥感影像以及多种植被指数对优势树种进行分类，精度比单一时相提高了16.42%；马婷等[8]对落叶松分类时，加入植被指数时间序列的影像，提高了森林植被的分类精度。综合来看，利用多时相的遥感影像并结合植被指数进行植被分类，考虑了植被生长规律，分类精度大幅度提高。目前，基于深度学习、专家知识、神经网络等智能分类算法的不断推广，为遥感植被分类发展提供了更为广阔的空间。……