基于决策树的洞庭湖湿地信息提取技术研究
|
摘要
洞庭湖湿地地处长江中下游，对维持生态平衡和保持本区域的经济可持续发展具有重要意义。然而，由于自然环境的变迁、长期的泥沙淤积和人类活动干扰的日益加剧，洞庭湖湿地受到了严重的破坏，湿地面积急剧下降。人类活动与河流水沙情势制约着湖泊的演化，围湖垦殖和入湖泥沙淤积加速着洞庭湖的衰亡，洞庭湖敞水区的面积急剧缩小，洲滩面积逐渐增多，洞庭湖湿地的结构和功能正在发生着巨大的变化。
本研究以洞庭湖区为研究对象，利用不同分辨率遥感影像数据的光谱与纹理特征，结合其他辅助数据，探索洞庭湖湿地信息的高效提取方法。同时根据多期影像数据的分类结果，揭示湿地的演变规律。
主要研究成果与结论如下：
（1）利用人类活动中洞庭湖防洪大堤对洞庭湖区域进行分区，结合GIS知识的空间分析功能，研究洞庭湖湿地的分布特征，考虑冬夏季相的不同，充分挖掘数据，构建决策树实现对研究区湿地类型的精确获取。将分类结果与传统最大似然法监督分类所得结果进行对比可知：利用知识的决策树分类方法对湿地类型进行分类，较传统的最大似然法监督分类总体精度提高12.05%；总体kappa系数提高0.1407；特别是外湖区的林地，芦苇滩地，泥滩地、水体等覆盖类型其生产者精度和用户精度有大幅提高。
（2）利用SPOT-5高分辨率影像进行洞庭湖湿地土地覆盖分类，选择全色波段作为纹理特征计算的数据源；通过选定样本的J-M距离确定各湿地类型相对应的最佳纹理尺度；选用QUEST算法对遥感影像光谱、纹理信息构成的数据集进行数据挖掘，构建决策树模型，对高分辨率影像进行分类。
结果表明结合多尺度最佳纹理信息的高分辨率影像分类，分类精度达到78.57%，而单一光谱数据分类和结合单尺度纹理数据的分类精度分别为71.98%和76.76%。可见，纹理信息能够有效地提高地物的识别程度，多尺度纹理能够更好地描述地物的纹理特征，更有效解决分类结果中的同谱异物现象，有助于提高高分辨率影像分类精度与效率。
（3）水体、泥滩地、苔草滩地、芦苇滩地、水田是本研究最主要的土地覆盖类型。水体、苔草滩地面积在所选时间跨度上先减少，后趋于稳定；泥滩地呈现持续下降的趋势。作为本区鱼类与水鸟主要栖息、觅食地的水体、泥滩地、苔草滩地的减少，表明奔去湿地退化严重威胁本区的湿地多样性保护。
从1987年至1996年，研究区湿地类型发生剧烈变化，主要转化类型为泥滩地、水域、苔草滩地与林地的转化。1987年至2004年洞庭湖外湖区的林地面积仍在持续增加，同时泥滩地持续减少；在2004年-2009年区间，外湖区的林地面积一定程度出现下降，但不明显，其已经成为洞庭湖区特别是西洞庭湖区一种主要的地面覆被类型。
（4）研究区景观总体的多样性和异质性变化不大；景观中各优势地类所占比重呈现先减小后增大的趋势；景观类型团聚程度增大，分散程度降低。
研究区地类斑块在1987年至1996年总体呈现斑块趋于破碎化和小型化的趋势；在1996年至2009年2个时间段内，则表现为斑块趋于聚合的趋势。研究区地类斑块密度变化总体呈现先增大后减小的趋势，斑块破碎化程度在1996年达到最高，到2004年时又有很大程度好转，景观趋于完整；斑块边界密度在1996年至2009年之间总体下降，研究区地类形状趋于规则，受到较为剧烈的人为干扰。研究区地类呈现出聚集度增加的趋势。
The Dongting wetland is located in the Yangtze River. It’s a great significance of theecological balance and the regional economic sustainable development in this area. However，because of the change of natural environment，long-term sediment siltation and humanactivities increasing，the Dongting Lake wetland has been destroyed seriously. The wetlandarea decreased sharply in Dongting Lake area. Human activities and the river water sandregime is restricting the lake evolution，reclamation from lakes and lake sediment depositionaccelerated decline of Dongting Lake. In open water area reduces，bottomland area graduallyincreased，the Dongting Lake wetland structure and function is undergoing tremendouschanges.
In this study based on different resolution remote sensing image，using the remote sensingdata of spectrum and texture features by combination with other auxiliary data we extracteDongting Lake wetland information. At the same time according to the multiple image dataclassification results，it reveales the evolution of wetland.
The result showes that:
(i)By using flood control dam on Dongting Lake wetland zoning，combined with theknowledge of GIS spatial analysis function，studying of Dongting Lake wetland distributioncharacteristics in winter and summer，considering the phase different，sufficient mining data，a decision tree is constructed to obtained achieve the study area wetland types. Than wecompared classification results to the traditional maximum likelihood supervised classification.Which shows: The method using of knowledge of decision tree classification to classify typesof wetlands, increased by12.05%to the traditional maximum likelihood supervisedclassification overall accuracy; overall kappa coefficient was increased by0.1407; Such aswoodland, reed beaches, mudflats, water coverage types’ producer accuracy and user accuracywere greatly improved outside the Lake area.
(ii) SPOT-5high resolution images is used to classification land coverage type.inDongting lake wetland. We selected panchromatic as texture features to calculate data source.Through the various J-M distance for the selected sample of wetland types we determined thebest texture scale.,than we used QUEST algorithm for remote sensing image spectral，textureinformation form data sets ofr data mining to constructe the decision tree model for highresolution image classification.
The results show that by selecting the optimal texture scale combination，using a decisiontree on the spectral data and multi scale texture data for high resolution remote sensing imagehaving a high classification accuracy of78.57%. The spectroscopic data classification andcombining single scale texture data classification accuracy were71.98%and76.76%. It showsthat texture information can effectively improved the wetland object recognition level，at thesame time multiscale texture can better described the features of texture features and moreeffective to solved the classification results of the foreign body in the same spectrumphenomenon. It helped to improve the accuracy and efficiency of high resolution remotesensing image classification.
(iii) Water，mudflat，carex，reed，forest land and paddy field are the most important typesof land coverage in the study area. Water，carex area at the selected time span decreases first，then tends to be stable; Forest land to explosive increase，then tends to be stable.
From1987to1996，in the study area the land coverage types have a acute change. Themain transformation is happened between mudflat，carex，reed and water to forest land. From1987to2004forest land area continues to increase，at the same time the mudflat continued todecline. In the years2004to2009interval， the forest land outside the Dongting lake dam areais decline，but not obvious. It has become a major ground cover types in the Dongting Lakearea especially in Western Dongting Lake area.
(iv) The study area’s overall landscape diversity and heterogeneity changed little. Thesuperior class proportion appears first decrease and then increase. Landscape types ofagglomeration degree increases，the degree of dispersion is reduced.
Land coverage types in the study area, plaques in overall plaque tended to thefragmentation and miniaturization trend from1987to1996. Form1996to2009it shows asplaque tends to polymerization tendency. The study area to class plaque density changesoverall appears first increased and then decreased. Patch fragmentation peaked in1996to2004，which showed it has a great degree improvement and landscape tends to be integrity.Patch boundary density in1996to2009has a overall decline. The study area shape tends to beregular which has a more intense human disturbance. The class of the study area presents aaggregation degree increasing trend.
本研究以洞庭湖区为研究对象，利用不同分辨率遥感影像数据的光谱与纹理特征，结合其他辅助数据，探索洞庭湖湿地信息的高效提取方法。同时根据多期影像数据的分类结果，揭示湿地的演变规律。
主要研究成果与结论如下：
（1）利用人类活动中洞庭湖防洪大堤对洞庭湖区域进行分区，结合GIS知识的空间分析功能，研究洞庭湖湿地的分布特征，考虑冬夏季相的不同，充分挖掘数据，构建决策树实现对研究区湿地类型的精确获取。将分类结果与传统最大似然法监督分类所得结果进行对比可知：利用知识的决策树分类方法对湿地类型进行分类，较传统的最大似然法监督分类总体精度提高12.05%；总体kappa系数提高0.1407；特别是外湖区的林地，芦苇滩地，泥滩地、水体等覆盖类型其生产者精度和用户精度有大幅提高。
（2）利用SPOT-5高分辨率影像进行洞庭湖湿地土地覆盖分类，选择全色波段作为纹理特征计算的数据源；通过选定样本的J-M距离确定各湿地类型相对应的最佳纹理尺度；选用QUEST算法对遥感影像光谱、纹理信息构成的数据集进行数据挖掘，构建决策树模型，对高分辨率影像进行分类。
结果表明结合多尺度最佳纹理信息的高分辨率影像分类，分类精度达到78.57%，而单一光谱数据分类和结合单尺度纹理数据的分类精度分别为71.98%和76.76%。可见，纹理信息能够有效地提高地物的识别程度，多尺度纹理能够更好地描述地物的纹理特征，更有效解决分类结果中的同谱异物现象，有助于提高高分辨率影像分类精度与效率。
（3）水体、泥滩地、苔草滩地、芦苇滩地、水田是本研究最主要的土地覆盖类型。水体、苔草滩地面积在所选时间跨度上先减少，后趋于稳定；泥滩地呈现持续下降的趋势。作为本区鱼类与水鸟主要栖息、觅食地的水体、泥滩地、苔草滩地的减少，表明奔去湿地退化严重威胁本区的湿地多样性保护。
从1987年至1996年，研究区湿地类型发生剧烈变化，主要转化类型为泥滩地、水域、苔草滩地与林地的转化。1987年至2004年洞庭湖外湖区的林地面积仍在持续增加，同时泥滩地持续减少；在2004年-2009年区间，外湖区的林地面积一定程度出现下降，但不明显，其已经成为洞庭湖区特别是西洞庭湖区一种主要的地面覆被类型。
（4）研究区景观总体的多样性和异质性变化不大；景观中各优势地类所占比重呈现先减小后增大的趋势；景观类型团聚程度增大，分散程度降低。
研究区地类斑块在1987年至1996年总体呈现斑块趋于破碎化和小型化的趋势；在1996年至2009年2个时间段内，则表现为斑块趋于聚合的趋势。研究区地类斑块密度变化总体呈现先增大后减小的趋势，斑块破碎化程度在1996年达到最高，到2004年时又有很大程度好转，景观趋于完整；斑块边界密度在1996年至2009年之间总体下降，研究区地类形状趋于规则，受到较为剧烈的人为干扰。研究区地类呈现出聚集度增加的趋势。
The Dongting wetland is located in the Yangtze River. It’s a great significance of theecological balance and the regional economic sustainable development in this area. However，because of the change of natural environment，long-term sediment siltation and humanactivities increasing，the Dongting Lake wetland has been destroyed seriously. The wetlandarea decreased sharply in Dongting Lake area. Human activities and the river water sandregime is restricting the lake evolution，reclamation from lakes and lake sediment depositionaccelerated decline of Dongting Lake. In open water area reduces，bottomland area graduallyincreased，the Dongting Lake wetland structure and function is undergoing tremendouschanges.
In this study based on different resolution remote sensing image，using the remote sensingdata of spectrum and texture features by combination with other auxiliary data we extracteDongting Lake wetland information. At the same time according to the multiple image dataclassification results，it reveales the evolution of wetland.
The result showes that:
(i)By using flood control dam on Dongting Lake wetland zoning，combined with theknowledge of GIS spatial analysis function，studying of Dongting Lake wetland distributioncharacteristics in winter and summer，considering the phase different，sufficient mining data，a decision tree is constructed to obtained achieve the study area wetland types. Than wecompared classification results to the traditional maximum likelihood supervised classification.Which shows: The method using of knowledge of decision tree classification to classify typesof wetlands, increased by12.05%to the traditional maximum likelihood supervisedclassification overall accuracy; overall kappa coefficient was increased by0.1407; Such aswoodland, reed beaches, mudflats, water coverage types’ producer accuracy and user accuracywere greatly improved outside the Lake area.
(ii) SPOT-5high resolution images is used to classification land coverage type.inDongting lake wetland. We selected panchromatic as texture features to calculate data source.Through the various J-M distance for the selected sample of wetland types we determined thebest texture scale.,than we used QUEST algorithm for remote sensing image spectral，textureinformation form data sets ofr data mining to constructe the decision tree model for highresolution image classification.
The results show that by selecting the optimal texture scale combination，using a decisiontree on the spectral data and multi scale texture data for high resolution remote sensing imagehaving a high classification accuracy of78.57%. The spectroscopic data classification andcombining single scale texture data classification accuracy were71.98%and76.76%. It showsthat texture information can effectively improved the wetland object recognition level，at thesame time multiscale texture can better described the features of texture features and moreeffective to solved the classification results of the foreign body in the same spectrumphenomenon. It helped to improve the accuracy and efficiency of high resolution remotesensing image classification.
(iii) Water，mudflat，carex，reed，forest land and paddy field are the most important typesof land coverage in the study area. Water，carex area at the selected time span decreases first，then tends to be stable; Forest land to explosive increase，then tends to be stable.
From1987to1996，in the study area the land coverage types have a acute change. Themain transformation is happened between mudflat，carex，reed and water to forest land. From1987to2004forest land area continues to increase，at the same time the mudflat continued todecline. In the years2004to2009interval， the forest land outside the Dongting lake dam areais decline，but not obvious. It has become a major ground cover types in the Dongting Lakearea especially in Western Dongting Lake area.
(iv) The study area’s overall landscape diversity and heterogeneity changed little. Thesuperior class proportion appears first decrease and then increase. Landscape types ofagglomeration degree increases，the degree of dispersion is reduced.
Land coverage types in the study area, plaques in overall plaque tended to thefragmentation and miniaturization trend from1987to1996. Form1996to2009it shows asplaque tends to polymerization tendency. The study area to class plaque density changesoverall appears first increased and then decreased. Patch fragmentation peaked in1996to2004，which showed it has a great degree improvement and landscape tends to be integrity.Patch boundary density in1996to2009has a overall decline. The study area shape tends to beregular which has a more intense human disturbance. The class of the study area presents aaggregation degree increasing trend.
引文
Aurélie Davranche，Ga tan Lefebvre，Brigitte Poulin.Wetland Monitoring Using Classification Trees andSPOT-5Seasonal Time Series [J].Remote Sensing of Environment，doi:10.1016/j.rse.2009.10.009
Baatz M，Schape A．Multi-resolution Segmentation：An Optimization Approach for High Quality MultiscaleImage Segmentation.Angewandte Geogr[R]．Information Sverarbeitung．by Strobl J，Blaschke T，Wichmann.Heidelberg，2000，7：12-23
Burkee J K.Climate change: Potential Impacts and Interactions in Wetlands of the United States，Virginia [J].American Water Resources Association，2000，36：313-320
Brock T C，Vierssan W V.Climatic change and hydrophtedominated communities in inland wetlandecosystem[J].Wetland Ecology and Management，1992，2：37-49
Boser B E，IM Guyon，V N Vapnik.A training Algorithm for Optimal Margin Classifiers [C].In Proceedingsof the Fifth Annual Workshop on Computational Learning Theory，1992：144-152
Bronge L B，Naslund-Landenmark B．Wetland classification for Swedish CORINE Land Cover Adopting aSemi-automaticinteractive Approach．Canadian Journal of Remote Sensing，2002，28(2)：139-155．
Breiman L，Friedman J H，OlshenRA.Classification and Regression Trees[M].Monterey，CA：Wadsworth，1984
Bounlom Vinliam，卞建民，林年丰.3S技术在霍林河流域下游湿地景观演变中的应用[J].吉林大学学报(地球科学版)，2005，35（2）：221-225
Burnd H，Hagelnur M A.Detection of Hydrologic Trends and Variability [J].Journal of Hydrology，2002，255：107-122
Cowardin L.M，Carte V，Golet F.Classification of Wetlands and Deepwater Habitats of The U.S.FWS/OBS-79/31. Washington，D.C：Fish and Wildlife Service，U.S Department of the Interior.1979
Chris Wright，Alisa Gallant.Improved Wetland Remote Sensing in Yellowstone National Park UsingClassification Trees to Combine TM Imagery and Ancillary Environmental Data[J].Remote Sensing ofEnvironment，2007，107（4）：582-605
Camps Valls G. Retrieval of Oceanic Chlorophyllconcentration with Relevance Vector Machines [J].RemoteSensing of Environment，2006，105（1）：23-33
Crist E P，Kauth R J.The Tasseled Cap Demystified[J].Photogrammetric Engineering and Remote Sensing，1986，52（1）：8l-85
Crippen R E.Calculating the Vegetation Index Faster [J]. Remote Sensing of Environment，1990，34（1）：71-73
Tilley D.R，Ahmed M，Son J.H.Hyperspectral Reflectance of Emergent Macrophytes as an Indicator ofWater Column Ammonia in an OligohalineSubtropical Marsh[J]..Ecological Engineering，2003，21（2-3）：153-163
Dugan P.Wetlands in Danger [M]. Singapore：Reel International Books Ltd，1993
Demarey DM.Discrimination of Wetland Vegetation Using Close-Range Remote Sensing.Ph. D. Dissertationof University of Nebraska，2005，25（10）：2686-2693
Durbha S S，King R L，Younan N H.Support Vector Machines Regression for Retrieval of Leaf Area Indexfrom Multiangle Imaging Spectroradiometer [J]. Remote Sensing of Environment，2007，107（1-2）：348-361
Green E.P， Mumby P.J， Edwards A.J.Estimating Leaf Area Index of Mangroves from SatelliteData[J].Aquatic Botany，1997，58（1）：11-19
Elena Lioubimtseva.An evaluation of Vegetation Imagery for Broad-scale Landscape mapping of Russia:effects of resolution on landscape pattern [J].Landscape and Urban Planning，2003，65：187-200
Finlayson C M，Vander Valk A.Classification and Inventory of The World’s Wetlands. Netherlands：KluwerAcademic Publishers，1995
Foody G M，A Mathur.The Use of Small Training Sets Containing Mixed Pixels for Accurate Hard ImageClassification：Training on Mixed Apectral Responses for Classification by a SVM [J].Remote Sensing ofEnvironment，2006，103（2）：179-189
Friedl M，Brodley C，Strahler.Maximizing Land Cover Classification Accuracies Produced by Decision Treeat Continental to Global Scales[J].IEEE Transactions Geoscience and Remote Sensing，1999，37（2）：969-977
Giulia.C，Laurent D，Philippe M.An Object-based Method for Mapping and Change Analysis in MangroveEcosystems [J]. ISPRS Journal of Photogrammetry and RemoteSensing，2008，63（5）：578-589
GhiocaRobrecht D.M，Johnston， C.A，Tulbure M.G. Assessing the Use of Multiseason QuickBird Imageryfor Mapping Invasive Species in a Lake Erie Coastal Marsh[J]. Wetlands，2008，28（4）：1028-1039
Greig Smith P.Quantitative Plant Ecology[M].London：Blackwell，1983
Houghton J T.Climatic Change1995：The Science of Climate Change. U.K：Cambridge University Press，1996
Houghton J T，Jenkins G T，Ephraums J J.Climate Change：The IPCC Scientific Assessment.U.K：Cambridge University Press，1990，32-45
Robert M，Haralick K，Shanmugam K.Textural Features for Image Classification [J].IEEE Transactions onSystems，Man and Cybernetics，SMC-3，1973，11：610-621
Haralick R M.Statistical and Structural Approaches to Texture [J].Proceedings of the IEEE，1993，67：786-804
Hamed K H.Trend Detection in Hydrologic Data：The Mann-Kendall Trend Test under the ScalingHypothesis[J].Journal of Hydrology，2008，349：350-363
Kovacs J.M，Flores-Verdugo F，Wang J.F.Estimating Leaf Area Index of a Degraded Mangrove Forest Usinghigh Spatial Resolution Satellite Data[J]. Aquatic Botany，2004，80（1）：13–22
Jones P，Wigley T，Wright P.Global Temperature Variations between1861and1984[J]. Nature，1986，322：430-434
Jean-Robert B，Bwangoy，Matthew C.Wetland Mapping in the Congo Basin Using Optical and RadarRemotely Sensed Data and Derived Topographical Indices[J].Remote Sensing of Environment，2010，114（1）：73-86
Jiang J，Zhang D，Fraedrich K. Historical Climate Variability of Wetness in East China(960-1992)：AWavelet Analysis[J].Int.J.Ciim.1997，17（2）：968-981
Konstanze Kleinod，Michael Wissen，Michael Bock.Detecting Vegetation Changes in a Wetland Area inNorthern Germany Using Earth Observation and Geodata[J].Journal for Nature Conservation，2005，13（2）：115-225
Keuchel J，Naumann S，Heiler M.Automatic Land Cover Analysis for Tenerife by Supervised ClassificationUsing Remotely Sensed Data [J].Remote Sensing of Environment，2003，86（4）：530-541
Kiema J.Texture Analysis and Data Fusion in the Extraction of Topographic Objects from Satellite Imagery[J].International Journal of Remote Sensing，2002，23（4）：767-776
Kim H，LohWY.Classification Trees with Unbiased Multi Way Splits[J].Journal of the American StatisticalAssociation，2001，96：598-604
Kendall M G.A New Measure of Rank Correlation[J].Biometrical Journal，1938，30：81-93
Kendall M G.Rank Correlation Methods[M].London:Charles Griffin，1975，1-202
Karl T R，Knight R W，Plummer N.Trends in the High Frequency Climate Variability in the TwentiethCentury[J].Nature，1995，377：217-220
Laba M，Downs R，Smith S. Mapping Invasive Wetland Plants in the Hudson River National EstuarineResearch Reserve Using QuickBird Satellite Imagery[J].Remote Sensing of Environment，2008，112（1）：286-300
Lahmer W，Pfuetnner B，Becher A.Assessment of Land Use and Climate Change Impacts on theMesoscale[J].Phys ChemEarth(B)，2001，26（7-8）：565-575
Larson D L.Effects of Climate on Numbers of Northern Prairie Wetlands[J].Climatic Change，1995，30：169-180
Mitsch W.J，Gosselink J.G..Wetlands (2nd ed.). New York：Van Nostrand Reinhold，1993
MOREAU S，BOSSENO R，GU X F.Assessing the Biomass Dynamics of Andean Bofedal and TotoraHighprotein wetland grasses from NOAAPAVHRR [J].Remote Sensing of Environment，2003，（85）：516-529.
MOREAU S，TOAN T L.Biomass Quantification of Andean Wet Land Forages using ERS Satellite SARData for Optimizing Livestock Management [J].Remote Sensing of Environment，2003（4）：477-492.
MartinH，CatherineM，Bernde.Surface Energy Fluxes and Distribution Model Sofperma Frost in EuropeanMountain Areas：An Overview of Current Developments[J].Permafrost and Periglacial processes，2001，12：53-68
Mazzoni D，Logan A，Diner D.A Data Mining Approach to AssociatingMISR Smoke Plume Heights withMODIS Fire Measurements [J].Remote Sensing of Environment，2007，107
Mc Feeters S K.The Use of Normalized Difference Water Index (NDWI) in the Delineation of Open WaterFeatures [J].International Jamal of Remote Sensing，1996，17（7）：1425-1432
Marceau D J，Howarth P J.Evaluation of the gray level cooccurrence matrix method for land coverclassification using SPOT imagery [J].IEEE Transactions on Geoscience and Remote Sensing，1990（28）：513-519
Murray M.R，Zisman S.A， Furley P.A. The Mangroves of Belize: Part1.distribution，Composition andClassification[J]，Forest Ecology and Management，2003，174：265-279
Narasimha R PV，Sesha SM V R，SreenivasK.Textural Analysis of IRS-1D Panchromatic Data for LandCover Classification[J].International Journal of Remote Sensing，2002，23（17）：3327-3345
Nemmour H，Chibani Y. Multiple Support Vector Machines for Land Cover Change Detection: AnApplication for Mapping Urban Wxtensions [J].ISPRS Journal of Photogrammetry and Remote Sensing，2006，61（2）：125-133
Nyoungui A N di，Tonye E，AkonoA.Evaluation of Speckle Filtering and Texture Analysis Methods for LandCover Classification from SAR Images [J].International Journal of Remote Sensing，2002，23（9）：1895-1925
Ohanian P P， Dubes R C.Performance Evaluation for Four Class of Texture Features [J].PatternRecognition，1992，25（8）：819-833
Ramírez-García. P， López-Blanco J，Oca a D.Mangrove vegetation assessment in the Santiago RiverMouth， Mexico， by means of supervised classification using Landsat TM imagery[J]. Forest Ecologyand Management，1998，105(1–3)：217–229
Poiani K A，Johnson W C.Potential Effects of Climate Change on a Semi-permanent Prairie Wetland[J].Climatic change，24：213-232
Peddle D R，Franklin S E.Image Texture Processing and Data Integration for Surface Pattern Discrimination[J].Photogrammetric Engineering and Remote Sensing，1991，57（4）：413-420
P．Deer，1998．Digiml Change Detection in Remotely Sensed Imagery Using Fuzzy Settheory．P HD esis，Department of Geography and Department of Computer Science，University ofAdelaide，Australia
PalM， MatherPM.An Assessmentof the Effectiveness of Decision Tree Methods of Land CoverClassification[J]. Remote Sensing of Environment，2003，86：554-565
Qian Weihong，Zhu Yafen.Climate Change in China from1880to1998and Its Impact on the EnvironmentCondition[J]. Climatic Change，2001，50：419-444
Rose P M，Scott D A.Waterfowl population estimates[R].IWRB Puhl. No.29. International Waterfowl andWetland Research Bureau， Slimhridge，U K，1994
Riitters KH，O’Neill R V，HunsakerCT.A Factor Analysis of Landseape Pattem and Stmcteetrics[J].Landscape Ecol，1995，1（1）：23-29
Ryherd S，CurtisW.Combining Spectral and Texture Data in the Segmentation of Remotely Sensed Images[J].Photogrammetric Engineering and Remote Sensing，1996，62（2）：181-194
Scope and UNEP，Ecosystem Dynamics in Freshwater Wetlands and Shallow Water Bodies.ProceedingWorkshop Misk，Pinsk，and Tskhaltoubo，USSR，1982
Sun Guangyou.The Classification System of Wetland and Types and Distribution of Wetland in China. In:Wetland Environment and Peat Land Utilization[M].Changhun：Ji lin People's Publishing House，1994，39-46.
Su L.Support Vector Machines for Recognition of Semiarid Vegetation Types Using MISR MultiangleImagery [J].Remote Sensing of Environment，2007，107（12）：299-311
SakariT，Anssi P.Performance of Different Spectral and Textural Aerial Photograph Features in Multi SourceForest Inventory [J].Remote Sensing of Environment，2005（94）：256-268
Sesnie SE，Gessler PE，Finegan B.IntegratingLandsatTM and SRTM-DEM Derived Variables with DecisionTrees for Habitat Classification and Change Detection Incomplex Neotropical Environments[J].RemoteSensing of Environment，2008，112：2145-2159
Tarnocai.C.Canadian Wetland Reqistry.in Proceedings of a Workshop on Canadian Wetlands Environment.Rubec C and Pollett F.Canada Land Directorate，Ecologica Land Classification Series，No.12，1979，9-38
Tsai-Ming Lee，Hui-Chung Yeh.Applying Remote Sensing Techniques to Monitor Shifting WetlandVegetation：A Case Study of Danshui River Estuary Mangrove Communities[J]. Ecological Engineering，2009，35（4）：487-496
Treitz P， Howarth P.Integrating Spectra， Spatial and Terrain Variables for Forest EcosystemClassification[J].Photogrammetric Engineering&Remote Sensing，2000，66（3）：305-3l7
U.S.Soil Conservation Service.Soil Survey Staff Soil Taxonomy:a Basic System of Soil Classification forMaking and Interpreting Soil Surveys，U.S.Soil Conservation Service Agric.Handbook436，WashingtonD.C.，1975，754
Vourltis G L，Oechel W C.Landscape-scale CO2，H2O vapor and Energy Flux of Moist-wet Coastal TundraEcosystem over two Growing Seasons [J].Journal of Ecology，1997，85：575-590
Wentao Zou，Huaiqing Zhang，Hongbo Ju.Classification of Alpine Wetlands Based on Feature Indices ofRemote Sensing Image[C].International Conference on Remote Sensing (ICRS2010)， Hang Zhou，China.ISBN:978-1-4244-8729-5
Xu B，Gong P，Spear R.Comparison of Different Gray Level Reduction Schemes for a Revised TextureSpectrum Method for Land-Use Classification Using IKONOS Imagery[C]. PE&RS，2003，69（5）：529-536
Y.A. Mohamed，W.G.M. Bastiaanssen，H.H.G. Savenije.Spatial Variability of Evaporation and MoistureStorage in the Swamps of The Upper Nile Studied by Remote Sensing Techniques[J].Journal ofHydrology，2004，28（1）：145-164.
Youichi Oyama， Bunkei Matsushita， Takehiko Fukushima.Application of spectral decompositionalgorithm for mapping water quality in a turbid lake (Lake Kasumigaura，Japan) from Landsat TMData[J]. ISPRS Journal of Photogrammetry and Remote Sensing，2009，64（1）：73-85
Zhang Huaiqing，Zhu Xiaorong，Study on the Dynamic Monitoring and Succession Analysis of Wetland Types in Dongting Lake Area，Proccedings of the2nd IEEE International Conference on Computer Science and Information Technology，2009IEEE, vol.3, pp.223-227
ZhangY. Optimisation of Building Detection in Satellite Images by Combining Multispectral Classificationand Texture Filtering [J]. ISPRS Journal of Photogrammetry&Remote Sensing，1999，54：50-60
Zhu G，GBlumberg D. Classification Using ASTER Data and SVM algorithms：The Case Study of BeerSheva，Israel [J].Remote Sensing of Environment，2002，80（2）：233-240
国土资源部地籍管理司.2005年度土地利用动态遥感监测项目技术方案．中国土地勘测规划院，2005年11月
国土资源部地籍管理司.2006年度十地利用动态遥感监测项目技术方案．中国十地勘测规划院，2006年11月
柴岫等.若尔盖高原沼泽[M].北京：科学出版社，1965：1-25
陈亮，张友静，陈波.结合多尺度纹理的高分辨率遥感影像决策树分类[J].地理与地理信息科学，2007，23（4）：18-21
陈述彭，童庆禧，郭华东遥感信息机理研究[M]。北京：科技出版社，1998
陈鹏，高建华，朱大奎，王颖海岸生态交错带景观空间格局及其受开发建设的影响分析——以海南万泉河口博鳌地区为例，自然资源学报[J]，2002，7(4):509-514
陈定贵，周德民，吕宪国等.三江平原红河自然保护区湿地遥感分类研究[J].遥感技术与应用，2007，22（4）：485-491
陈隆勋，周秀骥，李维亮.中国近50年来气候变化特征及其形成机制[J].气象学报，2004，62（5）：634-646
陈文波，肖笃宁，李秀珍.景观指数分类、应用及构建研究[J].应用生态学报，2002，13（1）：121-125
常学礼，张安定，杨华等.科尔沁沙地景观研究中的尺度效应[J].生态学报，2003，23（4）：635-641
常学礼.坝上地区沙漠化过程对景观格局影响的研究[J].中国沙漠，1996，16（3）：222-227
范丽军，韦志刚，董文杰.西北地区地气温差时空特征分析[J].高原气象，2004，23（3）：361-367
杜红艳，张洪岩，张正祥.GIS支持下的湿地遥感信息高精度分类方法研究[J].遥感技术与应用，2004，19（4）：244-248
丁一汇，戴晓苏.中国近百年来的温度变化[J].气象，1996，20（12）：19-26.
邓良基.遥感基础与应用[M].中国农业出版社，2002，174-181
党安荣，王晓栋，陈晓峰等.遥感图像处理方法[M].北京：清华大学出版社，2003，319-323
傅伯杰.黄土区农业景观空间格局分析[J].生态学报，1995，15（2）：113-120
谷东起，赵晓涛，夏东兴等.基于3S技术的朝阳港潟湖湿地景观格局演变研究[J].海洋学报，2005，27（2）：91-97
管玉娟，张利权.影像融合技术在滩涂湿地植被分类中的应用[J].海洋环境科学，2008，27（6）：647-652
高占国，张利权.应用间接排序识别盐沼植被的光谱特征:以崇明东滩为例[J].植物生态学报，2006，30（2）：252-260
黄群，姜加虎.近50年来洞庭湖区的内湖变化[J].湖泊科学，2005，17(3):202-206
黄桂林，张建军，李玉祥.辽河三角洲的湿地类型及现状分析[J].林业资源管理，2000（4）：51-56
韩敏，程磊，邢军.基于神经网络的扎龙湿地土地覆盖分类研究[J].大连理工大学学报，2004，44（4）：582-588.
黄华梅，张利权，高占国.上海滩涂植被资源遥感分析[J].生态学报，2005，25（10）：2886-2693
黄华梅，张利权.上海九段沙互花米草种群动态遥感研究[J].植物生态学报，2007，31（1）：75-82
何春阳，曹鑫，史培军等.基于Landsat7-ETM+全色数据纹理何结构信息复合的城市建筑信息提取研究[J].测绘学报，2004，29（9）：800-804
蒋卫国，李京，李加洪等.辽河三角洲湿地生态系统健康评价[J].生态学报，2005，25（3）：408-414
贾永红，李芳芳.一种新的湿地信息遥感提取方法研究[J].华中师范大学学报（自然科学版），2007，41（4）：641-644
景可，尤联元.黄河源湖区地理考察[A].黄河源头考察文集[C].西宁:青海人民出版社，1982，169-190
姜青香，刘慧平，孔令彦.纹理分析方法在TM图像信息提取中的应用[J].遥感信息，2003，18（4）：24-27
姜青香，刘慧平.利用纹理分析方法提取TM图像信息[J].遥感学报，2004，8（5）：458-464
贾永红.四种HIS变换用于SAR与TM影像复合的比较[J].遥感学报，1998，2（2）：103-106
刘兴土.中国沼泽研究[M].北京：科学出版社，1988，30-37
罗彩莲遥感技术在泉州湾湿地信息提取中的利用[J].防护林科技，2007，3：77-78
李慧，余明.基于决策树模型的湿地信息挖掘与结果分析[J].地球信息科学，2007，9（2）：60-65
兰樟仁，张东水，邱荣祖.基于优化理论的遥感影像湿地信息提取[J].福建林学院学报，2004，24（4）：308-311
李克让.全球气候变化及其影响研究进展和未来展望[J].地理学报，1996，51（增刊）：1-14
罗磊.青藏高原湿地退化的气候背景分析[J].湿地科学，2005，3（3）：190-198
刘敏超，李迪强，温琰茂.三江源区湿地生态系统功能分析及保育[J].生态科学，2006，25（1）：64-68
刘兴土沼洋综合分类系统的探讨[J].地理科学，1997，17（增刊）：389-401
李仁东，刘纪远应用Landsat ETM+数据估算鄱阳湖湿生植被生物量[J].地理学报，2001，56（5）：532-540
刘瑜，韩震.基于遥感的长江口南汇潮滩植被群落时空动态变化[J].上海海洋大学学报，2009，18（5）：579-585
李栋梁，钟海玲，吴青柏等.青藏高原地表温度的变化分析[J].高原气象，2005，24（3）：291-297
刘志刚，史文中，李德仁等.一种基于支撑向量机的遥感影像不完全监督分类新方法[J].遥感学报，2005，9（4）：363-373
刘纪远，张增祥，庄大方等.中国土地利用变化的遥感时空信息研究[M].北京：科学出版社，2005，54-268
李俊杰，何隆华，戴锦芳等.基于遥感影像纹理信息的湖泊围网养殖区提取[J].湖泊科学2006，8（4）：337-342
廖楚江，王长耀，林文鹏.基于地址统计学影像纹理的海南沙漠化监测研究[J].中国沙漠，2006，26（9）：926-932
李仁东，庄大方，王宏志，吴胜军.洞庭湖区近20年土地利用/覆盖变化的时空特征.地理科学进展.003，02
李金莲，刘晓玫，李恒鹏.SPOT-5影像纹理特征提取与土地利用信息识别方法[J].遥感学报，2006，10（6）：926-932
李国砚，董雅文，刘晓玫等.天目湖流域土地利用的动态变化及其景观响应[J].水土保持学报，2008，22（1）：180-184
李加林，赵寒冰，刘闯.辽河三角洲湿地生态环境需水量变化研究[J].水土保持学报，2006，20（2）：129-135
李弼程，彭天强，彭波等.智能图像处理技术[M].北京:电子工业出版社，2004，212-213
卢纹岱.SPSS统计分析（第4版）[M].北京：电子工业出版社，2010，292-311
买买提·沙吾提，塔西甫拉提·特依拜，丁建丽等.BP神经网络的沙漠化土地信息提取研究[J].干旱区研究，2008，25（5）：647-652
牛明香，赵庚星，李尊英.南四湖湿地遥感信息分区分层提取研究[J].地理与地理信息科学，2004，20（2）：45-49
那晓东，张树清，李晓峰等.基于QUEST决策树兼容多源数据的淡水沼泽湿地信息提取[J].生态学杂志，2009，28（2）：357-365
潘竟虎，王建，王建华.长江、黄河源区高寒湿地动态变化研究[J].湿地科学，2007，5（4）：298-304
潘杰，李明诗.基于信息量的高分辨率影像纹理提取的研究[J].南京林业大学学报，2010，34（4）：129-134
奚歌，刘绍民，贾立.黄河三角洲湿地蒸散量与典型植被的生态需水量[J].生态学报，2008，28（11）：5356-5369
屈晓晖，庄大方，彭望碌等.基于ANN分类的农田遥感动态监测模型研究[J].自然资源学报，2007，22（2）：193-198
青海省地方志编纂委员会.长江黄河澜沧江源志[M].郑州：黄河水利出版社，2000
覃征，鲍复民.数字图像融合[M].西安：西安交通大学出版社，2004，57-59
《三江源自然保护区生态环境》编辑委员会.三江源自然保护区生态环境[M].西宁：青海人民出版社，2002，83-88
《湿地公约》履约办公室.关于特别是作为水禽栖息地的国际重要湿地公约(中文)[EB/OL].国家林业局野生动植物保护司译.
宋长春，湿地生态系统对气候变化的响应[J].湿地科学，2003，1（2）：122-125
沙志刚，数字遥感技术在土地利用动态监测中的应用概述.国土资源遥感，1999(2):7-11
申卫军，部建国，林永标等.空间幅度变化对景观格局分析的影响[J].生态学报，2003，23（11）：2219-2231
孙广友.试论沼泽综合分类系统[J].地理学报，1998，53（增刊）：141-148
孙广友，邓伟，邵庆春.长江河源区自然环境及其近期演化趋势[A].长江河源区自然环境研究[C].北京：科学出版社，1995，130-135
施能，陈家其.中国近100年来4个年代的气候变化特征[J].气象学报，1995，53（4）：431-439
孙家柄.遥感原理与应用[M].武汉：武汉大学出版社，2003，37-39
施雅风.简明中国冰川目录［M.上海：上海科学普及出版社，2005，48-50
史培军，宫鹏，李晓兵等．土地利用／覆盖变化研究的方法与实践．科学出版社，2000：47-51
唐小平，黄桂林.中国湿地分类系统的研究[J].林业科学研究，2003，，16（5）：531-539
童庆禧，郑兰芬，王晋年等.湿地植被成像光谱遥感研究[J].遥感学报，1997，1（1）：50-60
屠其璞，邓自旺，周晓兰.中国近117年年平均气温变化的区域特征研究应用气象学报[J].1999，10（增刊）：34-42
王铁良，赵博，周林飞等.辽宁双太子河口湿地生态环境需水量估算[J].沈阳农业大学学报，2007，38（4）：572-576
王丹丹，王志强，陈铭等.松嫩平原西部沼泽湿地景观格局动态变化研究[J].干旱区地理，2006，29（1）：94-97
韦志刚，黄荣辉等.青藏高原气温和降水的年际和年代际变化[J].大气科学，2003，27（2）：157-168
王绍武.近百年气候变化与变率的诊断研究[J].气象学报，1994，52（3）：261-273
王绍武.PAGES计划与CLIVAR计划中的交叉科学问题[J].气象学报，1997，55（6）：662-669
王绍武，蔡静宁，朱锦红等.19世纪80年代到20世纪90年代中国年降水量的年代际变化[J].气象学报，2002，60（5）：637-639
汪青春，周陆生，伊海明等.青海高原器测时期以来的气温变化[J].青海气象，2000，1：17-21
韦玉春，汤国安，杨昕等.遥感数字图像处理教程[M].北京：科学出版社，2007，109-110
王广亮，李英成，曾钰等.ALOS数据像素级融合方法比较研究[J].测绘科学，2008，33（6）：121-124
邬建国.景观生态学――格局、过程、尺度和等级[M].北京：高等教育出版社，2000，6-8
王辉.木材表面纹理计算机视觉识别技术的研究[D].东北林业大学学士论文，2005，1-18
吴樊，王超，张红.基于纹理特征的高分辨率SAR影像居民区提取[J].遥感技术与应用，2005，20（1）：148-152
魏凤英.现代气候统计诊断与预测技术[M].北京：气象出版社，1999，37-66
谢志茹，张志峰，宫辉力.基于IKNOS遥感影像的北京城市公园湿地资源调查[J].首都师范大学学报（自然科学版），2004，25（1）：71-73
徐新良，刘纪远，邵全琴等.30年来青海三江源生态系统格局和空间结构动态变化[J].地理研究，2008，27（4）：829-839
徐敩祖，王家澄.中国冻土分布及其地带性规律的初步探讨[C].第二届全国冻土学术会议论文选集.北京:科学出版社，1982，3-12
徐影，丁一汇，李栋梁.青藏地区未来百年气候变化[J].高原气象，2003，22（5）：451-457
徐宗学，隋彩虹.黄河流域平均气温变化趋势分析[J].气象，2005，31（11）：7-16
余国营.湿地研究若干基本科学问题初论[J].地理科学进展，2001，20（2）：177-183
姚云军，张泽勋，秦其明等.基于支持向量机的遥感影像湿地信息提取研究[J].计算机应用研究，2008，25（4）：989-991
颜梅春，张友静，鲍艳松.基于灰度共生矩阵法的IKONOS影像中竹林信息提取[J].遥感信息，2004，19（2）：31-35
杨辉.决策树优化研究[J].上海理工大学学报，1999，21（1）：36-38
杨淑莹，胡军，曹作良.基于图像纹理分析的目标物体识别方法[J].天津理工学院学报，2001，17（4）：31-33
朱卫红，南颖，刘志锋.基于3S技术的图们江下游湿地系统分类及分布特征研究[J].东北师大学报（自然科学版），2007，39（3）：106-113
张怀清，朱晓荣等，退田还湖工程前后洞庭湖区湿地变化分析，林业科学研究，2009，22(3):309-314
张志锋，宫辉力，赵薇等.基于3S技术的北京野鸭湖湿地资源的动态变化研究[J].遥感技术与应用，2003，18（5）：291-296
张洪岩，龙恩，程维明.向海湿地动态变化及其影响因素分析[J].自然资源学报，2005，20（4）：613-620
李玲玲，宫辉力，赵文吉.1996-2006年北京湿地面积变化信息提取与驱动因子分析[J].首都师范大学学报（自然科学版），2008，29（3）：95-101
张志锋，宫辉力，赵薇等.基于3S技术的北京野鸭湖湿地资源的动态变化研究[J].遥感技术与应用，2003，18（5）：291-296
周华茂，曾良修，喻歌农等.卫星遥感和地理信息系统在湿地资源调查中的应用[J].西南农业学报，2000，13（2）：78-82.
邹文涛，张怀清，鞠洪波等.三江源自然保护区土地利用遥感分类方法研究[J].林业资源管理，2010，（6）：90-96
钟文君，兰樟仁.基于高空间分辨率遥感影像的湿地信息提取技术研究[J].云南地理环境研究，2007，19（5）：134-139
赵串串，杨晓阳，张凤臣等.气候变化对湿地植被生物量影响分析--以三江源区为例[J].干旱区资源与环境，2008，22（9）：88-91
中国科学院长春地理研究所沼泽研究室.三江平原沼泽[M].北京：科学出版社，1983：42-51.
张存杰，李栋梁，王小平.东北亚近100年降水变化及未来10-15年预测研究[J].高原气象，2004，23（6）：919-929
张森琦，王永贵，赵永真.黄河源区多年冻土退化及其环境反映[J].冰川冻土，2004，26（1）：1-6
周宁芳，秦宁生，屠其璞等.近50年青藏高原地面气温变化的区域特征分析[J].高原气象，2005，24
（3）：344-349
张锦水，何春阳，潘耀忠等.基于SVM的多源信息复合的高空间分辨率遥感数据分类研究[J].遥感学报，2006，10（1）：49-57
赵英时等.遥感应用分析原理与方法[M].北京：科学出版社，2001：176-196
赵文武，傅伯杰，陈利顶.景观指数的粒度变化效应[J].第四纪研究，2003，23（3）：326-333
曾文华.基于灰度共生法和小波变换的遥感影像纹理信息提取[D].东北师范大学，2006：10-18
郑学芬，林宗坚，范丽等.遥感影像信息量的计算方法研究[J].山东科技大学学报自然科学版，2008，27（2）：80-83
朱晓荣，张怀清，周金星等东洞庭湖湿地遥感动态监测技术研究，林业科学研究，2008，21（增）：41-45
朱晓荣，基于多源遥感数据的洞庭湖湿地动态监测研究[D]，北京：北京林业大学，2008
张文彤，吴擢春等.分类树中QUEST算法与多水平Logistic模型的联合应用与比较[J].中国卫生统计，2004，21（1）：28-30，35
Baatz M，Schape A．Multi-resolution Segmentation：An Optimization Approach for High Quality MultiscaleImage Segmentation.Angewandte Geogr[R]．Information Sverarbeitung．by Strobl J，Blaschke T，Wichmann.Heidelberg，2000，7：12-23
Burkee J K.Climate change: Potential Impacts and Interactions in Wetlands of the United States，Virginia [J].American Water Resources Association，2000，36：313-320
Brock T C，Vierssan W V.Climatic change and hydrophtedominated communities in inland wetlandecosystem[J].Wetland Ecology and Management，1992，2：37-49
Boser B E，IM Guyon，V N Vapnik.A training Algorithm for Optimal Margin Classifiers [C].In Proceedingsof the Fifth Annual Workshop on Computational Learning Theory，1992：144-152
Bronge L B，Naslund-Landenmark B．Wetland classification for Swedish CORINE Land Cover Adopting aSemi-automaticinteractive Approach．Canadian Journal of Remote Sensing，2002，28(2)：139-155．
Breiman L，Friedman J H，OlshenRA.Classification and Regression Trees[M].Monterey，CA：Wadsworth，1984
Bounlom Vinliam，卞建民，林年丰.3S技术在霍林河流域下游湿地景观演变中的应用[J].吉林大学学报(地球科学版)，2005，35（2）：221-225
Burnd H，Hagelnur M A.Detection of Hydrologic Trends and Variability [J].Journal of Hydrology，2002，255：107-122
Cowardin L.M，Carte V，Golet F.Classification of Wetlands and Deepwater Habitats of The U.S.FWS/OBS-79/31. Washington，D.C：Fish and Wildlife Service，U.S Department of the Interior.1979
Chris Wright，Alisa Gallant.Improved Wetland Remote Sensing in Yellowstone National Park UsingClassification Trees to Combine TM Imagery and Ancillary Environmental Data[J].Remote Sensing ofEnvironment，2007，107（4）：582-605
Camps Valls G. Retrieval of Oceanic Chlorophyllconcentration with Relevance Vector Machines [J].RemoteSensing of Environment，2006，105（1）：23-33
Crist E P，Kauth R J.The Tasseled Cap Demystified[J].Photogrammetric Engineering and Remote Sensing，1986，52（1）：8l-85
Crippen R E.Calculating the Vegetation Index Faster [J]. Remote Sensing of Environment，1990，34（1）：71-73
Tilley D.R，Ahmed M，Son J.H.Hyperspectral Reflectance of Emergent Macrophytes as an Indicator ofWater Column Ammonia in an OligohalineSubtropical Marsh[J]..Ecological Engineering，2003，21（2-3）：153-163
Dugan P.Wetlands in Danger [M]. Singapore：Reel International Books Ltd，1993
Demarey DM.Discrimination of Wetland Vegetation Using Close-Range Remote Sensing.Ph. D. Dissertationof University of Nebraska，2005，25（10）：2686-2693
Durbha S S，King R L，Younan N H.Support Vector Machines Regression for Retrieval of Leaf Area Indexfrom Multiangle Imaging Spectroradiometer [J]. Remote Sensing of Environment，2007，107（1-2）：348-361
Green E.P， Mumby P.J， Edwards A.J.Estimating Leaf Area Index of Mangroves from SatelliteData[J].Aquatic Botany，1997，58（1）：11-19
Elena Lioubimtseva.An evaluation of Vegetation Imagery for Broad-scale Landscape mapping of Russia:effects of resolution on landscape pattern [J].Landscape and Urban Planning，2003，65：187-200
Finlayson C M，Vander Valk A.Classification and Inventory of The World’s Wetlands. Netherlands：KluwerAcademic Publishers，1995
Foody G M，A Mathur.The Use of Small Training Sets Containing Mixed Pixels for Accurate Hard ImageClassification：Training on Mixed Apectral Responses for Classification by a SVM [J].Remote Sensing ofEnvironment，2006，103（2）：179-189
Friedl M，Brodley C，Strahler.Maximizing Land Cover Classification Accuracies Produced by Decision Treeat Continental to Global Scales[J].IEEE Transactions Geoscience and Remote Sensing，1999，37（2）：969-977
Giulia.C，Laurent D，Philippe M.An Object-based Method for Mapping and Change Analysis in MangroveEcosystems [J]. ISPRS Journal of Photogrammetry and RemoteSensing，2008，63（5）：578-589
GhiocaRobrecht D.M，Johnston， C.A，Tulbure M.G. Assessing the Use of Multiseason QuickBird Imageryfor Mapping Invasive Species in a Lake Erie Coastal Marsh[J]. Wetlands，2008，28（4）：1028-1039
Greig Smith P.Quantitative Plant Ecology[M].London：Blackwell，1983
Houghton J T.Climatic Change1995：The Science of Climate Change. U.K：Cambridge University Press，1996
Houghton J T，Jenkins G T，Ephraums J J.Climate Change：The IPCC Scientific Assessment.U.K：Cambridge University Press，1990，32-45
Robert M，Haralick K，Shanmugam K.Textural Features for Image Classification [J].IEEE Transactions onSystems，Man and Cybernetics，SMC-3，1973，11：610-621
Haralick R M.Statistical and Structural Approaches to Texture [J].Proceedings of the IEEE，1993，67：786-804
Hamed K H.Trend Detection in Hydrologic Data：The Mann-Kendall Trend Test under the ScalingHypothesis[J].Journal of Hydrology，2008，349：350-363
Kovacs J.M，Flores-Verdugo F，Wang J.F.Estimating Leaf Area Index of a Degraded Mangrove Forest Usinghigh Spatial Resolution Satellite Data[J]. Aquatic Botany，2004，80（1）：13–22
Jones P，Wigley T，Wright P.Global Temperature Variations between1861and1984[J]. Nature，1986，322：430-434
Jean-Robert B，Bwangoy，Matthew C.Wetland Mapping in the Congo Basin Using Optical and RadarRemotely Sensed Data and Derived Topographical Indices[J].Remote Sensing of Environment，2010，114（1）：73-86
Jiang J，Zhang D，Fraedrich K. Historical Climate Variability of Wetness in East China(960-1992)：AWavelet Analysis[J].Int.J.Ciim.1997，17（2）：968-981
Konstanze Kleinod，Michael Wissen，Michael Bock.Detecting Vegetation Changes in a Wetland Area inNorthern Germany Using Earth Observation and Geodata[J].Journal for Nature Conservation，2005，13（2）：115-225
Keuchel J，Naumann S，Heiler M.Automatic Land Cover Analysis for Tenerife by Supervised ClassificationUsing Remotely Sensed Data [J].Remote Sensing of Environment，2003，86（4）：530-541
Kiema J.Texture Analysis and Data Fusion in the Extraction of Topographic Objects from Satellite Imagery[J].International Journal of Remote Sensing，2002，23（4）：767-776
Kim H，LohWY.Classification Trees with Unbiased Multi Way Splits[J].Journal of the American StatisticalAssociation，2001，96：598-604
Kendall M G.A New Measure of Rank Correlation[J].Biometrical Journal，1938，30：81-93
Kendall M G.Rank Correlation Methods[M].London:Charles Griffin，1975，1-202
Karl T R，Knight R W，Plummer N.Trends in the High Frequency Climate Variability in the TwentiethCentury[J].Nature，1995，377：217-220
Laba M，Downs R，Smith S. Mapping Invasive Wetland Plants in the Hudson River National EstuarineResearch Reserve Using QuickBird Satellite Imagery[J].Remote Sensing of Environment，2008，112（1）：286-300
Lahmer W，Pfuetnner B，Becher A.Assessment of Land Use and Climate Change Impacts on theMesoscale[J].Phys ChemEarth(B)，2001，26（7-8）：565-575
Larson D L.Effects of Climate on Numbers of Northern Prairie Wetlands[J].Climatic Change，1995，30：169-180
Mitsch W.J，Gosselink J.G..Wetlands (2nd ed.). New York：Van Nostrand Reinhold，1993
MOREAU S，BOSSENO R，GU X F.Assessing the Biomass Dynamics of Andean Bofedal and TotoraHighprotein wetland grasses from NOAAPAVHRR [J].Remote Sensing of Environment，2003，（85）：516-529.
MOREAU S，TOAN T L.Biomass Quantification of Andean Wet Land Forages using ERS Satellite SARData for Optimizing Livestock Management [J].Remote Sensing of Environment，2003（4）：477-492.
MartinH，CatherineM，Bernde.Surface Energy Fluxes and Distribution Model Sofperma Frost in EuropeanMountain Areas：An Overview of Current Developments[J].Permafrost and Periglacial processes，2001，12：53-68
Mazzoni D，Logan A，Diner D.A Data Mining Approach to AssociatingMISR Smoke Plume Heights withMODIS Fire Measurements [J].Remote Sensing of Environment，2007，107
Mc Feeters S K.The Use of Normalized Difference Water Index (NDWI) in the Delineation of Open WaterFeatures [J].International Jamal of Remote Sensing，1996，17（7）：1425-1432
Marceau D J，Howarth P J.Evaluation of the gray level cooccurrence matrix method for land coverclassification using SPOT imagery [J].IEEE Transactions on Geoscience and Remote Sensing，1990（28）：513-519
Murray M.R，Zisman S.A， Furley P.A. The Mangroves of Belize: Part1.distribution，Composition andClassification[J]，Forest Ecology and Management，2003，174：265-279
Narasimha R PV，Sesha SM V R，SreenivasK.Textural Analysis of IRS-1D Panchromatic Data for LandCover Classification[J].International Journal of Remote Sensing，2002，23（17）：3327-3345
Nemmour H，Chibani Y. Multiple Support Vector Machines for Land Cover Change Detection: AnApplication for Mapping Urban Wxtensions [J].ISPRS Journal of Photogrammetry and Remote Sensing，2006，61（2）：125-133
Nyoungui A N di，Tonye E，AkonoA.Evaluation of Speckle Filtering and Texture Analysis Methods for LandCover Classification from SAR Images [J].International Journal of Remote Sensing，2002，23（9）：1895-1925
Ohanian P P， Dubes R C.Performance Evaluation for Four Class of Texture Features [J].PatternRecognition，1992，25（8）：819-833
Ramírez-García. P， López-Blanco J，Oca a D.Mangrove vegetation assessment in the Santiago RiverMouth， Mexico， by means of supervised classification using Landsat TM imagery[J]. Forest Ecologyand Management，1998，105(1–3)：217–229
Poiani K A，Johnson W C.Potential Effects of Climate Change on a Semi-permanent Prairie Wetland[J].Climatic change，24：213-232
Peddle D R，Franklin S E.Image Texture Processing and Data Integration for Surface Pattern Discrimination[J].Photogrammetric Engineering and Remote Sensing，1991，57（4）：413-420
P．Deer，1998．Digiml Change Detection in Remotely Sensed Imagery Using Fuzzy Settheory．P HD esis，Department of Geography and Department of Computer Science，University ofAdelaide，Australia
PalM， MatherPM.An Assessmentof the Effectiveness of Decision Tree Methods of Land CoverClassification[J]. Remote Sensing of Environment，2003，86：554-565
Qian Weihong，Zhu Yafen.Climate Change in China from1880to1998and Its Impact on the EnvironmentCondition[J]. Climatic Change，2001，50：419-444
Rose P M，Scott D A.Waterfowl population estimates[R].IWRB Puhl. No.29. International Waterfowl andWetland Research Bureau， Slimhridge，U K，1994
Riitters KH，O’Neill R V，HunsakerCT.A Factor Analysis of Landseape Pattem and Stmcteetrics[J].Landscape Ecol，1995，1（1）：23-29
Ryherd S，CurtisW.Combining Spectral and Texture Data in the Segmentation of Remotely Sensed Images[J].Photogrammetric Engineering and Remote Sensing，1996，62（2）：181-194
Scope and UNEP，Ecosystem Dynamics in Freshwater Wetlands and Shallow Water Bodies.ProceedingWorkshop Misk，Pinsk，and Tskhaltoubo，USSR，1982
Sun Guangyou.The Classification System of Wetland and Types and Distribution of Wetland in China. In:Wetland Environment and Peat Land Utilization[M].Changhun：Ji lin People's Publishing House，1994，39-46.
Su L.Support Vector Machines for Recognition of Semiarid Vegetation Types Using MISR MultiangleImagery [J].Remote Sensing of Environment，2007，107（12）：299-311
SakariT，Anssi P.Performance of Different Spectral and Textural Aerial Photograph Features in Multi SourceForest Inventory [J].Remote Sensing of Environment，2005（94）：256-268
Sesnie SE，Gessler PE，Finegan B.IntegratingLandsatTM and SRTM-DEM Derived Variables with DecisionTrees for Habitat Classification and Change Detection Incomplex Neotropical Environments[J].RemoteSensing of Environment，2008，112：2145-2159
Tarnocai.C.Canadian Wetland Reqistry.in Proceedings of a Workshop on Canadian Wetlands Environment.Rubec C and Pollett F.Canada Land Directorate，Ecologica Land Classification Series，No.12，1979，9-38
Tsai-Ming Lee，Hui-Chung Yeh.Applying Remote Sensing Techniques to Monitor Shifting WetlandVegetation：A Case Study of Danshui River Estuary Mangrove Communities[J]. Ecological Engineering，2009，35（4）：487-496
Treitz P， Howarth P.Integrating Spectra， Spatial and Terrain Variables for Forest EcosystemClassification[J].Photogrammetric Engineering&Remote Sensing，2000，66（3）：305-3l7
U.S.Soil Conservation Service.Soil Survey Staff Soil Taxonomy:a Basic System of Soil Classification forMaking and Interpreting Soil Surveys，U.S.Soil Conservation Service Agric.Handbook436，WashingtonD.C.，1975，754
Vourltis G L，Oechel W C.Landscape-scale CO2，H2O vapor and Energy Flux of Moist-wet Coastal TundraEcosystem over two Growing Seasons [J].Journal of Ecology，1997，85：575-590
Wentao Zou，Huaiqing Zhang，Hongbo Ju.Classification of Alpine Wetlands Based on Feature Indices ofRemote Sensing Image[C].International Conference on Remote Sensing (ICRS2010)， Hang Zhou，China.ISBN:978-1-4244-8729-5
Xu B，Gong P，Spear R.Comparison of Different Gray Level Reduction Schemes for a Revised TextureSpectrum Method for Land-Use Classification Using IKONOS Imagery[C]. PE&RS，2003，69（5）：529-536
Y.A. Mohamed，W.G.M. Bastiaanssen，H.H.G. Savenije.Spatial Variability of Evaporation and MoistureStorage in the Swamps of The Upper Nile Studied by Remote Sensing Techniques[J].Journal ofHydrology，2004，28（1）：145-164.
Youichi Oyama， Bunkei Matsushita， Takehiko Fukushima.Application of spectral decompositionalgorithm for mapping water quality in a turbid lake (Lake Kasumigaura，Japan) from Landsat TMData[J]. ISPRS Journal of Photogrammetry and Remote Sensing，2009，64（1）：73-85
Zhang Huaiqing，Zhu Xiaorong，Study on the Dynamic Monitoring and Succession Analysis of Wetland Types in Dongting Lake Area，Proccedings of the2nd IEEE International Conference on Computer Science and Information Technology，2009IEEE, vol.3, pp.223-227
ZhangY. Optimisation of Building Detection in Satellite Images by Combining Multispectral Classificationand Texture Filtering [J]. ISPRS Journal of Photogrammetry&Remote Sensing，1999，54：50-60
Zhu G，GBlumberg D. Classification Using ASTER Data and SVM algorithms：The Case Study of BeerSheva，Israel [J].Remote Sensing of Environment，2002，80（2）：233-240
国土资源部地籍管理司.2005年度土地利用动态遥感监测项目技术方案．中国土地勘测规划院，2005年11月
国土资源部地籍管理司.2006年度十地利用动态遥感监测项目技术方案．中国十地勘测规划院，2006年11月
柴岫等.若尔盖高原沼泽[M].北京：科学出版社，1965：1-25
陈亮，张友静，陈波.结合多尺度纹理的高分辨率遥感影像决策树分类[J].地理与地理信息科学，2007，23（4）：18-21
陈述彭，童庆禧，郭华东遥感信息机理研究[M]。北京：科技出版社，1998
陈鹏，高建华，朱大奎，王颖海岸生态交错带景观空间格局及其受开发建设的影响分析——以海南万泉河口博鳌地区为例，自然资源学报[J]，2002，7(4):509-514
陈定贵，周德民，吕宪国等.三江平原红河自然保护区湿地遥感分类研究[J].遥感技术与应用，2007，22（4）：485-491
陈隆勋，周秀骥，李维亮.中国近50年来气候变化特征及其形成机制[J].气象学报，2004，62（5）：634-646
陈文波，肖笃宁，李秀珍.景观指数分类、应用及构建研究[J].应用生态学报，2002，13（1）：121-125
常学礼，张安定，杨华等.科尔沁沙地景观研究中的尺度效应[J].生态学报，2003，23（4）：635-641
常学礼.坝上地区沙漠化过程对景观格局影响的研究[J].中国沙漠，1996，16（3）：222-227
范丽军，韦志刚，董文杰.西北地区地气温差时空特征分析[J].高原气象，2004，23（3）：361-367
杜红艳，张洪岩，张正祥.GIS支持下的湿地遥感信息高精度分类方法研究[J].遥感技术与应用，2004，19（4）：244-248
丁一汇，戴晓苏.中国近百年来的温度变化[J].气象，1996，20（12）：19-26.
邓良基.遥感基础与应用[M].中国农业出版社，2002，174-181
党安荣，王晓栋，陈晓峰等.遥感图像处理方法[M].北京：清华大学出版社，2003，319-323
傅伯杰.黄土区农业景观空间格局分析[J].生态学报，1995，15（2）：113-120
谷东起，赵晓涛，夏东兴等.基于3S技术的朝阳港潟湖湿地景观格局演变研究[J].海洋学报，2005，27（2）：91-97
管玉娟，张利权.影像融合技术在滩涂湿地植被分类中的应用[J].海洋环境科学，2008，27（6）：647-652
高占国，张利权.应用间接排序识别盐沼植被的光谱特征:以崇明东滩为例[J].植物生态学报，2006，30（2）：252-260
黄群，姜加虎.近50年来洞庭湖区的内湖变化[J].湖泊科学，2005，17(3):202-206
黄桂林，张建军，李玉祥.辽河三角洲的湿地类型及现状分析[J].林业资源管理，2000（4）：51-56
韩敏，程磊，邢军.基于神经网络的扎龙湿地土地覆盖分类研究[J].大连理工大学学报，2004，44（4）：582-588.
黄华梅，张利权，高占国.上海滩涂植被资源遥感分析[J].生态学报，2005，25（10）：2886-2693
黄华梅，张利权.上海九段沙互花米草种群动态遥感研究[J].植物生态学报，2007，31（1）：75-82
何春阳，曹鑫，史培军等.基于Landsat7-ETM+全色数据纹理何结构信息复合的城市建筑信息提取研究[J].测绘学报，2004，29（9）：800-804
蒋卫国，李京，李加洪等.辽河三角洲湿地生态系统健康评价[J].生态学报，2005，25（3）：408-414
贾永红，李芳芳.一种新的湿地信息遥感提取方法研究[J].华中师范大学学报（自然科学版），2007，41（4）：641-644
景可，尤联元.黄河源湖区地理考察[A].黄河源头考察文集[C].西宁:青海人民出版社，1982，169-190
姜青香，刘慧平，孔令彦.纹理分析方法在TM图像信息提取中的应用[J].遥感信息，2003，18（4）：24-27
姜青香，刘慧平.利用纹理分析方法提取TM图像信息[J].遥感学报，2004，8（5）：458-464
贾永红.四种HIS变换用于SAR与TM影像复合的比较[J].遥感学报，1998，2（2）：103-106
刘兴土.中国沼泽研究[M].北京：科学出版社，1988，30-37
罗彩莲遥感技术在泉州湾湿地信息提取中的利用[J].防护林科技，2007，3：77-78
李慧，余明.基于决策树模型的湿地信息挖掘与结果分析[J].地球信息科学，2007，9（2）：60-65
兰樟仁，张东水，邱荣祖.基于优化理论的遥感影像湿地信息提取[J].福建林学院学报，2004，24（4）：308-311
李克让.全球气候变化及其影响研究进展和未来展望[J].地理学报，1996，51（增刊）：1-14
罗磊.青藏高原湿地退化的气候背景分析[J].湿地科学，2005，3（3）：190-198
刘敏超，李迪强，温琰茂.三江源区湿地生态系统功能分析及保育[J].生态科学，2006，25（1）：64-68
刘兴土沼洋综合分类系统的探讨[J].地理科学，1997，17（增刊）：389-401
李仁东，刘纪远应用Landsat ETM+数据估算鄱阳湖湿生植被生物量[J].地理学报，2001，56（5）：532-540
刘瑜，韩震.基于遥感的长江口南汇潮滩植被群落时空动态变化[J].上海海洋大学学报，2009，18（5）：579-585
李栋梁，钟海玲，吴青柏等.青藏高原地表温度的变化分析[J].高原气象，2005，24（3）：291-297
刘志刚，史文中，李德仁等.一种基于支撑向量机的遥感影像不完全监督分类新方法[J].遥感学报，2005，9（4）：363-373
刘纪远，张增祥，庄大方等.中国土地利用变化的遥感时空信息研究[M].北京：科学出版社，2005，54-268
李俊杰，何隆华，戴锦芳等.基于遥感影像纹理信息的湖泊围网养殖区提取[J].湖泊科学2006，8（4）：337-342
廖楚江，王长耀，林文鹏.基于地址统计学影像纹理的海南沙漠化监测研究[J].中国沙漠，2006，26（9）：926-932
李仁东，庄大方，王宏志，吴胜军.洞庭湖区近20年土地利用/覆盖变化的时空特征.地理科学进展.003，02
李金莲，刘晓玫，李恒鹏.SPOT-5影像纹理特征提取与土地利用信息识别方法[J].遥感学报，2006，10（6）：926-932
李国砚，董雅文，刘晓玫等.天目湖流域土地利用的动态变化及其景观响应[J].水土保持学报，2008，22（1）：180-184
李加林，赵寒冰，刘闯.辽河三角洲湿地生态环境需水量变化研究[J].水土保持学报，2006，20（2）：129-135
李弼程，彭天强，彭波等.智能图像处理技术[M].北京:电子工业出版社，2004，212-213
卢纹岱.SPSS统计分析（第4版）[M].北京：电子工业出版社，2010，292-311
买买提·沙吾提，塔西甫拉提·特依拜，丁建丽等.BP神经网络的沙漠化土地信息提取研究[J].干旱区研究，2008，25（5）：647-652
牛明香，赵庚星，李尊英.南四湖湿地遥感信息分区分层提取研究[J].地理与地理信息科学，2004，20（2）：45-49
那晓东，张树清，李晓峰等.基于QUEST决策树兼容多源数据的淡水沼泽湿地信息提取[J].生态学杂志，2009，28（2）：357-365
潘竟虎，王建，王建华.长江、黄河源区高寒湿地动态变化研究[J].湿地科学，2007，5（4）：298-304
潘杰，李明诗.基于信息量的高分辨率影像纹理提取的研究[J].南京林业大学学报，2010，34（4）：129-134
奚歌，刘绍民，贾立.黄河三角洲湿地蒸散量与典型植被的生态需水量[J].生态学报，2008，28（11）：5356-5369
屈晓晖，庄大方，彭望碌等.基于ANN分类的农田遥感动态监测模型研究[J].自然资源学报，2007，22（2）：193-198
青海省地方志编纂委员会.长江黄河澜沧江源志[M].郑州：黄河水利出版社，2000
覃征，鲍复民.数字图像融合[M].西安：西安交通大学出版社，2004，57-59
《三江源自然保护区生态环境》编辑委员会.三江源自然保护区生态环境[M].西宁：青海人民出版社，2002，83-88
《湿地公约》履约办公室.关于特别是作为水禽栖息地的国际重要湿地公约(中文)[EB/OL].国家林业局野生动植物保护司译.
宋长春，湿地生态系统对气候变化的响应[J].湿地科学，2003，1（2）：122-125
沙志刚，数字遥感技术在土地利用动态监测中的应用概述.国土资源遥感，1999(2):7-11
申卫军，部建国，林永标等.空间幅度变化对景观格局分析的影响[J].生态学报，2003，23（11）：2219-2231
孙广友.试论沼泽综合分类系统[J].地理学报，1998，53（增刊）：141-148
孙广友，邓伟，邵庆春.长江河源区自然环境及其近期演化趋势[A].长江河源区自然环境研究[C].北京：科学出版社，1995，130-135
施能，陈家其.中国近100年来4个年代的气候变化特征[J].气象学报，1995，53（4）：431-439
孙家柄.遥感原理与应用[M].武汉：武汉大学出版社，2003，37-39
施雅风.简明中国冰川目录［M.上海：上海科学普及出版社，2005，48-50
史培军，宫鹏，李晓兵等．土地利用／覆盖变化研究的方法与实践．科学出版社，2000：47-51
唐小平，黄桂林.中国湿地分类系统的研究[J].林业科学研究，2003，，16（5）：531-539
童庆禧，郑兰芬，王晋年等.湿地植被成像光谱遥感研究[J].遥感学报，1997，1（1）：50-60
屠其璞，邓自旺，周晓兰.中国近117年年平均气温变化的区域特征研究应用气象学报[J].1999，10（增刊）：34-42
王铁良，赵博，周林飞等.辽宁双太子河口湿地生态环境需水量估算[J].沈阳农业大学学报，2007，38（4）：572-576
王丹丹，王志强，陈铭等.松嫩平原西部沼泽湿地景观格局动态变化研究[J].干旱区地理，2006，29（1）：94-97
韦志刚，黄荣辉等.青藏高原气温和降水的年际和年代际变化[J].大气科学，2003，27（2）：157-168
王绍武.近百年气候变化与变率的诊断研究[J].气象学报，1994，52（3）：261-273
王绍武.PAGES计划与CLIVAR计划中的交叉科学问题[J].气象学报，1997，55（6）：662-669
王绍武，蔡静宁，朱锦红等.19世纪80年代到20世纪90年代中国年降水量的年代际变化[J].气象学报，2002，60（5）：637-639
汪青春，周陆生，伊海明等.青海高原器测时期以来的气温变化[J].青海气象，2000，1：17-21
韦玉春，汤国安，杨昕等.遥感数字图像处理教程[M].北京：科学出版社，2007，109-110
王广亮，李英成，曾钰等.ALOS数据像素级融合方法比较研究[J].测绘科学，2008，33（6）：121-124
邬建国.景观生态学――格局、过程、尺度和等级[M].北京：高等教育出版社，2000，6-8
王辉.木材表面纹理计算机视觉识别技术的研究[D].东北林业大学学士论文，2005，1-18
吴樊，王超，张红.基于纹理特征的高分辨率SAR影像居民区提取[J].遥感技术与应用，2005，20（1）：148-152
魏凤英.现代气候统计诊断与预测技术[M].北京：气象出版社，1999，37-66
谢志茹，张志峰，宫辉力.基于IKNOS遥感影像的北京城市公园湿地资源调查[J].首都师范大学学报（自然科学版），2004，25（1）：71-73
徐新良，刘纪远，邵全琴等.30年来青海三江源生态系统格局和空间结构动态变化[J].地理研究，2008，27（4）：829-839
徐敩祖，王家澄.中国冻土分布及其地带性规律的初步探讨[C].第二届全国冻土学术会议论文选集.北京:科学出版社，1982，3-12
徐影，丁一汇，李栋梁.青藏地区未来百年气候变化[J].高原气象，2003，22（5）：451-457
徐宗学，隋彩虹.黄河流域平均气温变化趋势分析[J].气象，2005，31（11）：7-16
余国营.湿地研究若干基本科学问题初论[J].地理科学进展，2001，20（2）：177-183
姚云军，张泽勋，秦其明等.基于支持向量机的遥感影像湿地信息提取研究[J].计算机应用研究，2008，25（4）：989-991
颜梅春，张友静，鲍艳松.基于灰度共生矩阵法的IKONOS影像中竹林信息提取[J].遥感信息，2004，19（2）：31-35
杨辉.决策树优化研究[J].上海理工大学学报，1999，21（1）：36-38
杨淑莹，胡军，曹作良.基于图像纹理分析的目标物体识别方法[J].天津理工学院学报，2001，17（4）：31-33
朱卫红，南颖，刘志锋.基于3S技术的图们江下游湿地系统分类及分布特征研究[J].东北师大学报（自然科学版），2007，39（3）：106-113
张怀清，朱晓荣等，退田还湖工程前后洞庭湖区湿地变化分析，林业科学研究，2009，22(3):309-314
张志锋，宫辉力，赵薇等.基于3S技术的北京野鸭湖湿地资源的动态变化研究[J].遥感技术与应用，2003，18（5）：291-296
张洪岩，龙恩，程维明.向海湿地动态变化及其影响因素分析[J].自然资源学报，2005，20（4）：613-620
李玲玲，宫辉力，赵文吉.1996-2006年北京湿地面积变化信息提取与驱动因子分析[J].首都师范大学学报（自然科学版），2008，29（3）：95-101
张志锋，宫辉力，赵薇等.基于3S技术的北京野鸭湖湿地资源的动态变化研究[J].遥感技术与应用，2003，18（5）：291-296
周华茂，曾良修，喻歌农等.卫星遥感和地理信息系统在湿地资源调查中的应用[J].西南农业学报，2000，13（2）：78-82.
邹文涛，张怀清，鞠洪波等.三江源自然保护区土地利用遥感分类方法研究[J].林业资源管理，2010，（6）：90-96
钟文君，兰樟仁.基于高空间分辨率遥感影像的湿地信息提取技术研究[J].云南地理环境研究，2007，19（5）：134-139
赵串串，杨晓阳，张凤臣等.气候变化对湿地植被生物量影响分析--以三江源区为例[J].干旱区资源与环境，2008，22（9）：88-91
中国科学院长春地理研究所沼泽研究室.三江平原沼泽[M].北京：科学出版社，1983：42-51.
张存杰，李栋梁，王小平.东北亚近100年降水变化及未来10-15年预测研究[J].高原气象，2004，23（6）：919-929
张森琦，王永贵，赵永真.黄河源区多年冻土退化及其环境反映[J].冰川冻土，2004，26（1）：1-6
周宁芳，秦宁生，屠其璞等.近50年青藏高原地面气温变化的区域特征分析[J].高原气象，2005，24
（3）：344-349
张锦水，何春阳，潘耀忠等.基于SVM的多源信息复合的高空间分辨率遥感数据分类研究[J].遥感学报，2006，10（1）：49-57
赵英时等.遥感应用分析原理与方法[M].北京：科学出版社，2001：176-196
赵文武，傅伯杰，陈利顶.景观指数的粒度变化效应[J].第四纪研究，2003，23（3）：326-333
曾文华.基于灰度共生法和小波变换的遥感影像纹理信息提取[D].东北师范大学，2006：10-18
郑学芬，林宗坚，范丽等.遥感影像信息量的计算方法研究[J].山东科技大学学报自然科学版，2008，27（2）：80-83
朱晓荣，张怀清，周金星等东洞庭湖湿地遥感动态监测技术研究，林业科学研究，2008，21（增）：41-45
朱晓荣，基于多源遥感数据的洞庭湖湿地动态监测研究[D]，北京：北京林业大学，2008
张文彤，吴擢春等.分类树中QUEST算法与多水平Logistic模型的联合应用与比较[J].中国卫生统计，2004，21（1）：28-30，35
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |