论文部分内容阅读
我国森林主要分布在多云雨的西南地区,传统光学遥感由于受到云雨雾的影响,一年中很难获取到符合研究精度要求的影像。且光学遥感对于森林植被类型的识别依赖于各种植被指数数值,在各个林种类型识别上精度不足。而微波遥感不受天气的影响,能获得可见光和红外遥感所无法获取的地表纹理特征信息。结合传统光学遥感对于植被分布的敏感性和SAR数据的高分辨率与丰富的纹理信息,本文拟对森林植被类型分类做初步的研究与探讨。
国内外对于SAR遥感图像检测森林植被的研究主要使用中长波波段,考虑到X波段的反射回波主要为植被表层信息,本文探讨了使用X波段进行林种识别的可能性与精度。
本文利用TerraSAR-X数据与多光谱数据融合,通过SVM分类方法对于南京紫金山地区植被类型进行了分类研究。主要的研究内容和结果如下:
(1)对研究区的SAR和多光谱数据采用了IHS与PCA变换方法进行融合变换,并对于融合效果进行主观、客观评价,主观客观指标分别显示出VV波段与多光谱数据融合后图像信息量含量大;
(2)采用SVM分类算法对于融合影像进行分类处理并对分类结果进行精度评价,参考冬夏两季NDVI值对于分类结果进行分析评价。
(3)得到研究结果如下:1)雷达数据在一级地类分类中可达到较高的精度,地类识别精度可达到83%以上,且对于居民地识别精度更高。在对植被类型的刻画分类中,雷达数据分类精度可达73%以上,分类效果较好。2)通过数据融合,分类数据具备了丰富的高光谱信息和SAR数据的纹理信息,填补了雷达叠掩现象造成的山体背坡数据缺失,降低了SAR叠掩地区对于分类结果的影响。3)融合数据进一步提高了SAR影像的分辨率,对于一级地类的分类精度显著提升。丰富的光谱影像可以更好的识别常绿林、常绿落叶混交林和落叶林的分布范围,分类精度从70%提升至80%。分类效果理想,为进行大范围林种类型识别提供依据。