1.一种基于植被分类和立地类型划分的矿区植被重建方法，其特征在于，包括以下步骤：

步骤一、获取遥感影像并进行影像预处理；

步骤二、根据步骤一中处理后的遥感影像对矿区植被进行分类:采用面向对象的支持向量机分类方法将矿区植被分类为草本、灌木和乔木；

步骤三、选取可能影响立地类型划分的立地因子，并对其进行处理，得到以坡度和土壤肥力作为主导因子的立地类型：在多种生态因子的交互作用下，选取可能影响立地类型划分的立地因子微地形、坡度、坡向和土壤理化性质，对其进行数量化处理、相关性分析、主成分分析、主导因子确定，并结合矿区实际情况，得到以坡度和土壤肥力作为主导因子的立地类型；

步骤四、根据不同植被归一化差异植被指数的演变趋势，以及不同立地类型对应的不同植被类型归一化差异植被指数的演变趋势，分析矿区自生态修复以来的植被长势情况；

步骤五、从步骤四分析得到的植被长势好的区域中选取样本，结合步骤二和步骤三，以样本的植被分类结果作为决策属性，以样本的立地类型作为条件属性，得到基于植被分类与立地类型划分的决策树模型，进行矿区植被重建；所述基于植被分类与立地类型划分的决策树模型的创建步骤如下：(1)基于决策树模型原理，将所选取样本基于步骤二得到的植被分类结果作为决策属性，基于步骤三得到的立地类型作为条件属性，计算训练集的熵，设训练集为S，样本对应有m个分类，即Ci，其中i＝1,2,...,m，Ci,s代表S中Ci类样本的集合，进行S信息熵计算：式中，|Ci|代表i类样本的个数，|S|代表样本个数；

(2)计算样本划分后的信息熵:利用一个特征A的n个不同取值，分别记为a1,a2,a3,...,an，将训练集S划分为n个子集{S1,S2,S3,...,Sn},其中，Sj是S中特征A取值为aj的集合,j＝

1,2,3,…,n；设Si,j是Sj中属于类别Ci的集合，则对样本S划分后的信息熵公式如下：式中， 代表子集Sj中任一样本属于类别Ci的概率；

(3)计算特征属性A的信息增益，计算公式如下：

Gain(A)＝H(S)‑H(S|A)。

2.根据权利要求1所述的一种基于植被分类和立地类型划分的矿区植被重建方法，其特征在于，所述步骤一中获取的遥感影像进行预处理的方法包括辐射定标、大气校正、影像融合和影像裁剪。

3.根据权利要求1所述的一种基于植被分类和立地类型划分的矿区植被重建方法，其特征在于，面向对象的支持向量机分类方法的步骤如下：(1)对遥感影像进行多尺度分割：通过调节分割尺度大小，以该分割尺度为基础，调节异质因子中的光谱信息和形状信息的权重大小，其中，形状因子包括光滑度因子和紧致度因子，通过反复递增对比，得到不同地物之间分割最优的多尺度分割结果；

(2)采用面向对象的支持向量机分类方法对矿区遥感影像进行植被分类：在步骤(1)确定了最优的多尺度分割结果基础上，得到代表影像地物特征的大小不一的对象，对其进行基于地物对象的光谱特征、形状特征与纹理特征的选择；对象特征选择后，选择支持向量机的分类方法对遥感影像进行矿区植被分类，结合矿区实际情况，将植被分为灌木、草本、乔木三类；

(3)进行遥感影像分类精度的评价：通过将实测样点的地表真实信息与相同位置上对应的影像分类结果进行相比较计算，利用Kappa系数评价分类结果的质量，其评价的计算公式如下：式中，N代表像素总数,n代表遥感影像分类中总的类别数，xkk代表第k类正确分类的样本个数，xk+代表第k行的和，x+k代表第k列的和。

4.根据权利要求1所述的一种基于植被分类和立地类型划分的矿区植被重建方法，其特征在于，立地类型的划分采用定性与定量相结合的方式，将分布于不同地点、具有相同特性的立地加以归并，制定出适合立地类型划分的分类系统，步骤如下：(1)选取立地因子：在对立地因子进行选择时，结合研究区域实地情况，遵循立地类型划分的原则，确保立地类型划分所选择的因子能够反映研究区域的特征：包括初步选取矿区地形地貌中的海拔、坡度，土壤物理性质中的土壤容重、砾石含量、土壤含水率，以及代表土壤化学性质的土壤全氮、碱解氮、有机质、全磷、有效磷含量以及pH值，再对其筛选得到立地类型划分的立地因子；

(2)对得到的立地因子进行数量化处理：参考立地因子量化分级赋值方法，对立地因子进行数量化、标准化，使得不同性质、不同范围以及不同度量的因子具有可比性；

(3)对立地因子的相关性与主成分进行分析：对步骤(2)中经过数量化处理过的立地因子，首先对其进行相关性分析，再利用主成分分析的方法对立地因子作进一步分析，通过降维的方式将大部分立地信息用几个变量表现出来，得到划分立地类型的主导因子，即坡度和土壤肥力，并结合矿区实际情况，将矿区划分为不同的立地类型。

5.根据权利要求1所述的一种基于植被分类和立地类型划分的矿区植被重建方法，其特征在于，所述步骤四中矿区自生态修复以来的植被长势情况分析步骤如下：(1)利用至少两期遥感卫星影像计算自生态修复以来至少三个自然年的植被生长季归一化差异植被指数均值；基于步骤二中的植被分类结果，结合归一化差异植被指数计算结果，利用ArcGis软件的掩膜提取工具，得到自生态修复以来至少三个自然年不同植被类型的归一化差异植被指数；

(2)分析不同植被类型以及不同立地类型对应的不同植被的归一化差异植被指数时空变化特征以及显著性情况，通过分析得到自生态修复以来至少三个自然年的植被长势较好的区域，在植被长势较好的区域选取样本，用于后续的基于决策树模型的矿区植被重建。