论文部分内容阅读
随着国民经济的发展和人民生活水平的提高,我国的果园产业发展迅速,果园面积不断增加,成为农村经济的重要支柱,显示了良好的发展前景。山东省烟台栖霞市是我国重要的果园基地,果园面积超过栖霞市总面积的22%(2016年栖霞市统计年鉴),但是存在果园位置不清,不能及时掌握其分布状况的问题,不利于果业的可持续发展。而近年来快速发展的遥感技术,可以实现果园分布状况的监测需要。本研究利用国产HJ1A-HSI影像对栖霞市果园进行识别,以期为提取果园分布信息提供一种新的技术方法。以山东省栖霞市部分乡镇为研究区域,基于HJ1A-HSI影像和HJ1A-CCD影像,在对影像进行预处理的基础上,通过计算CCD影像的NDVI值提取出了HSI影像中研究区的植被区域;基于ENVI和MATLAB平台分别实现OIF、ASP+ABS和SCP三种特征选择方法,对研究区HSI数据进行波段选择,然后结合实地调查数据,对三种波段选择的结果分别采用MLC、NNC、ISODATA三种分类方法,提取了研究区域内的果园分布信息,并对识别的结果进行精度分析和评价;同时基于NNC分类方法,对非波段选择的影像进行果园信息的提取,从而证明波段选择的必要性,并最终确定适合HJ1A-HSI数据的果园信息提取方法,主要研究结果如下:(1)提取了HJ1A-HSI影像的植被区域通过计算得到HJ1A-CCD数据的NDVI图像,在CCD影像上提取出研究区的植被区域,较为理想地实现了研究区HJ1A-HSI影像上植被区域的提取,消除了非植被区域对于研究区果园识别的影响。(2)得到了基于HJ1A-HSI数据的研究区的波段集合基于ENVI和MATLAB平台,利用OIF、ASP+ABS和SCP这三种波段选择方法对研究区进行波段选择。OIF波段选择结果为b1、b2、b109、b110、b111、b112、b113、b114、b115;ASP+ABS波段选择结果为b2、b3、b4、b46、b75、b76、b109、b110、b113;SCP波段选择结果为b4、b8、b15、b16、b41、b52、b84、b89、b112。(3)实现了果园的高光谱影像识别及精度分析对经过上述三种波段选择方法组成的新的图像,分别采用MLC、NNC、ISODATA三种分类方法对研究区的果园进行识别,提取出了果园的分布信息,并对识别结果进行了精度分析与评价。研究表明,在这三种分类方法中,采用NNC分类方法的果园识别精度最高,其次是MLC分类方法,而ISODATA分类方法的果园识别精度最低。在NNC分类方法中,基于SCP的波段选择方法的NNC分类效果最好,其总体精度高达81.54%,Kappa系数高达0.8006,达到了良好的分类效果。在波段选择方法中,采用SCP波段选择方法的识别精度最高,其次是ASP+ABS波段选择方法,而OIF波段选择方法的识别精度最低。最终将HJ1A-HSI果园识别的最优方法确定为基于光谱特征参量(SCP)的波段选择方法和神经网络分类方法(NNC)的组合。通过比较经过波段选择和非波段选择的HSI数据的果园识别精度,得到基于SCP、ASP+ABS、OIF这3种波段选择后的果园识别精度要高于非波段选择的果园识别精度,其总体精度以及Kappa系数分别提高了13%和0.156、8.46%和0.101、3.85%和0.049,提升的效果较为显著,从而说明了利用本文的波段选择方法提高了HJ1A-HSI高光谱影像的地物分类识别能力,从而证明了波段选择对利用高光谱遥感进行分类识别的必要性。