为深入实施以生态建设为主的林业发展策略,加快推进林业现代化建设,加快国土绿化,加强资源保护,将实现森林资源的现代化管理作为林业部门重要工作之一。森林资源不仅分布辽阔,且还时时处于变化中,取得可靠的森林资源信息、了解森林资源状况及其变化规律是森林资源现代化管理的主要内容。随着3S技术的发展,利用遥感技术对森林资源进行调查监测,科学、快速、高效地获取森林资源分布状况及其动态变化信息,为政府部门的规划、决策提供科学有效的数据支撑,是森林资源现代化管理的工作重心。本研究依据中国科学院植被图编辑委员会于2001编制的中国植被区划图,将全国分为8个区域进行森林覆盖信息的提取。选择植被覆盖率较高,植被类型多样的的寒温带针叶林区域展开模型算法、技术方法的研究。开展的主要工作如下:(1)本研究依据植被生长受地形、温度、降水等环境因素影响的客观规律,按中国植被区划将全国分为8个区域进行大区域森林覆盖信息的提取。(2)基于遥感影像的大区域植被类型样本快速提取方法研究。利用遥感影像的宏观性特征,基于植被分类资料,依据实验区域遥感影像及衍生影像本身特点,实现大区域植被样本快速提取。实验参考1:100万中国植被图、WESTDC中国土地覆盖图,结合实验区域2001年MODIS时序NDVI影像的非监督分类结果,利用矢、栅数据的空间特征,将实验影像非监督分类的类型信息关联为随机样点属性,依据该属性中包含的非监督分类类型数和各类型的样点比例,对比类别间样本可分离性指标、标准差变化,实现样本纯化。纯化后的植被样本与WESTDC中植被空间分布基本一致,主要植被类型空间分布精确程度为84.82%。将纯化前后的样本输入最大似然分类器,纯化后样本分类的总体精度提高了25.62%。认为该采样方法适用于宏观大区域植被样本数据提取,并具有快速高效的优势。(3)基于证据理论组合多分类规则实现大区域植被遥感分类的研究。通过IDL编程快速实现,基于证据理论正交规则的多分类器组合分类算法模型,该模型算法综合了不同单分类器的特征优势,提高了植被分类精度,从而高效地得到实验区森林覆盖信息。实验依据证据理论辨识框架概念设计分类系统,通过最大似然、最小距离、时序波谱角(SAM)三个单分类器得到各分类规则的类型特征影像数据。利用IDL程序算法,将各分类规则得到的类型特征影像归一化处理成以三个单分类规则为证据源的各类型概率分配影像数据(mBpa),为了避免不同证据源低信任值相近可能导致的证据理论的“合成悖论”(“Zadeh悖论”)现象,设置“超集”概念集。进一步通过证据理论正交规则将不同证据源的mBpa合成,计算合成后的信任函数(Belief),最后,依据影像数据最大信任度原则(CBV),得到组合分类器的植被类型分布影像,并提取其中的森林覆盖信息。相比最大似然、最小距离、时序SAM三个单分类器的总体精度69.88%、66.06%、62.77%;最大似然与最小距离组合分类、最小距离与时序SAM组合分类、最大似然与时序SAM组合分类的总体精度分别为78.14%、72.56%、76.19%;将三个单分类规则通过证据理论组合后的分类总体精度为80.84%。研究表明组合分类规则的分类结果总体精度均高于单分类器;证据源的精度对分类总体精度存在影响,证据源精度越高,越能够提高组合分类器的分类精度;相关的证据源越多,越能够提高组合分类器的分类精度(4)依据以上快速采样和证据理论组合分类器的方法,对全国8个植被区划进行植被类型遥感分类,从而提取全国森林覆盖信息。实验得到的全国乔木覆盖面积约为1500660 km2,覆盖率为15.69%,灌木覆盖面积约为844950 km2,覆盖率为8.83%;中国植被图中乔木覆盖面积约为1499000 km2,覆盖率为15.67%,灌木覆盖面积约为891400 km2,覆盖率为9.32%。两个数据的乔木覆盖率相差0.02%,灌木覆盖率相差0.49%。实验得到的全国乔木覆盖率,与第六次森林资源清查数据的乔木覆盖率相差0.47%。本研究结合专家经验和遥感影像基于统计方法实现大区域植被样本的快速采集,基于证据理论组合多分类规则的方法实现大区域植被遥感分类,构建了快速、高效地提取大区域植被类型信息的算法模型,从而实现了全国森林覆盖信息的快速提取。