城市是人类生产活动最集中的地方,也是碳排放最主要的地区,城市空气中碳浓度相对远离城市的区域高几倍以上,这种邻近效应会使城市绿地固碳效率相对较高,因此快速监测和分析城市绿地状况对于城市绿地经营管理与生态环境评价十分重要。本文以杭州市西湖区为研究区,利用WorldView-2高分辨率遥感影像,采用面向对象多尺度分割的方法,综合利用光谱、形状、纹理等特征对研究区的城市绿地信息进行提取。再结合地面调查的生物量数据构建随机森林回归模型,对西湖区的植被绿地生物量进行估计,并分析空间变化特征。主要研究内容如下:(1)利用WorldView-2高分辨率遥感影像,根据研究区遥感影像的地物特征差异进行分区,分别采用不同的多尺度分割方式分割,构建多层次结构,综合利用光谱、形状、纹理等特征变量对研究区的城市绿地信息进行提取。其中采用J-M(Jeffries-Matusita)距离法确定纹理窗口尺度并筛选纹理特征,最后采用CART(Classification And Regression Trees)决策树分类算法选择最优特征及节点阈值分区域对土地利用覆盖类型进行分类,提取城市绿地分布信息。(2)野外样地数据分为天然林地和人工绿地两种,分别利用生物量模型计算各样地生物量。利用样地大小尺寸的对象提取遥感影像自变量因子,以城市绿地生物量为因变量进行相关性分析,分区域构建随机森林回归模型,利用面向对象提取的植被绿地专题信息估算杭州西湖区的城市绿地植被的生物量。最后根据生物量估算结果分区域、分乡镇街道、不同剖面线进行空间分布格局分析。研究主要得出以下结论:(1)本研究利用可分离指数J-M距离法选择纹理尺度与降维纹理特征:得到影像地物草地、农用地、灌木、乔木最佳纹理窗口尺寸分别为5×5、11×11、13×13、13×13。另外纹理特征从原先192个降低至34个纹理波段,提高了信息提取的精度及效率。(2)本文面向对象的绿地平均用户精度达到84.63%。高于基于像元的最大似然法的72.73%。总体分类精度从基于像元的最大似然法的精度76.53%提高到88.56%,Kappa系数从0.7117提高到0.8623。基于面向对象的CART决策树分类法不仅在很多方面优于传统基于像元的方法,而且比其他采用面向对象方法的研究者更灵活地运用光谱、形状和纹理特征,大幅度的提高了效率和分类精度。(3)将研究区域的乔木划分为高建筑密度区、城郊混合建设区、山林区,样地划分三个区域分别拟合建模估算生物量;灌木不分区域统一根据样地数据回归建模估算生物量;草地根据单位面积生物量估算。其高建筑密度区、城郊混合建设区、山林区、灌木的建模拟合精度分别为77.54%、74.38%、81.29%、84.51%,预测精度分别为71.32%、68.59%、76.08%、80.80%。因此回归建模精度可以满足后续生物量估算。(4)杭州西湖区城市绿地植被总生物量为151.8146×104Mg,生物量密度主要分布在15-170Mg/hm2的范围,平均生物量密度为49.36Mg/hm2。西湖区的各分区的绿地植被生物量密度排序为山林区>高建筑密度区>城郊混合建设区。不同乡镇街道平均生物量密度从大到小顺序依次西湖街道>灵隐街道>留下街道>北山街道>转塘街道>双浦镇>古荡街道>蒋村街道>三墩镇>西溪街道>文新街道>翠苑街道。西湖区剖面线生物量分析,东西向的生物量密度水平最高,南北向西湖区街道平均生物量密度水平较高,其它位置处于城市区、城郊混合建设区的农用地平均生物量密度呈现较低水平;西南-东北方向双浦镇、西湖街道平均生物量密度水平较高;西北-东南留下街道、西湖街道平均生物量密度较高。通过剖面线分析和空间布局分析西湖街道、转塘街道、留下街道其平均生物量密度与生物总量都比较高。