摘要：為實現(xiàn)濕地植被的精細分類和高精度制圖,為濕地管理部門提供準確的決策依據(jù),以美國加州薩克拉門托—圣華金水域的典型濕地植被為研究對象,以高光譜影像為數(shù)據(jù)源,結(jié)合野外GPS采樣點,對典型濕地植被的光譜反射率作一階導數(shù)和二階導數(shù)處理,基于均值置信區(qū)間原理篩選特征波段,基于單因素分析法篩選能夠明顯區(qū)分植被類型的植被指數(shù)。聯(lián)合特征波段和植被指數(shù)構(gòu)建特征集,利用機器學習C5.0決策樹生成知識規(guī)則并提取濕地植被信息。結(jié)果表明,基于機器學習C5.0決策樹的濕地植被提取總體精度為80.09%,Kappa系數(shù)為0.792,與最大似然法比較,總體精度提升10.79%,Kappa系數(shù)提升0.105,說明基于機器學習的C5.0決策樹法能夠?qū)崿F(xiàn)植被的精細分類,方法切實可行。