论文部分内容阅读
由于光谱分辨率和波段数目的限制,传统的多光谱数据难以获取典型植被的局部精细信息,对植被的反射光谱信息反映不够,不足以分析典型植被的反射光谱差异性,在植被分类识别上存在一定的难度。与之不同的是,高光谱数据具有光谱分辨率高、波段数目多、波段宽度窄等特点,在分析湿地植被的反射光谱差异性方面有较大的潜力。针对不同湿地植被光谱相似度高、难以分类的特点,本文利用光谱仪测取了鄱阳湖湿地六种典型植被(狗牙根、南荻、水蓼、灰化苔草、藜蒿和芦苇)的高光谱数据,在对数据进行预处理的基础上,对高光谱数据进行倒数的对数变换、导数变换(包括一阶、二阶导数)和包络线变换,并对比分析了不同植被的反射光谱差异性。其次,本文提出了一种基于数据误差范围和光谱均值差的植被光谱特征波段选择方法,并将该方法与现存的马氏距离法、光谱标准差法应用于各种数学变换的光谱曲线分析并筛选出光谱特征波段。经T检验法检验特征波段的敏感度后,利用Bayes法和Fisher法对六种典型湿地植被进行了判别分类,并对精度结果进行了评价,最后在Landsat 8影像上检验了不同植被的区分度。高光谱数据对植被光谱特征信息具有良好的表征能力,六种植被具有相似的光谱特征曲线。通过相关的数学变换,统计各种光谱特征参数可有效突显出不同植被间的光谱差异,有利于各植被类型的识别,其中通过包络线变换后,六种植被光谱在400-529、558-567、653-670、1173-1184和1209-1239nm这四个波段上差异最为明显。与现存的光谱特征波段提取方法相比,本文提出的光谱特征波段选择法效果更佳,其中原始光谱的特征波段为422-452、530-592nm,倒数的对数光谱的特征波段为422-452、522-597nm,包络线光谱的特征波段为400-529、558-567、653-670、1173-1184和1209-1239nm。基于光谱特征波段,利用Bayes和Fisher判别分析法可有效对不同植被光谱进行判别分类,且经过变换后光谱的判别分类精度要高于原始光谱,部分植被经过包络线变换后的精度可提高13%。利用Landsat 8影像可有效对部分植被进行区分,但由于混合像元因素影响,部分植被之间未能有效区分。研究成果为湿地遥感信息解译、湿地植被制图奠定了理论基础,为湖泊湿地植被以及湖泊生态环境的保护决策提供科学依据,同时在方法上也为内陆淡水湖泊湿地典型植被光谱识别分类提供借鉴意义。