论文部分内容阅读
我国拥有丰富的竹资源,快速而有效地提取竹资源专题信息并对其进行动态监测,将对竹产业发展和建设提供重要的指导作用。遥感技术为竹资源的监测和调查提供了高效、准确的手段,然而我国南方林区多丘陵、山脉,同时受亚热带气候影响,林下植被长势良好,依赖于可见光为成像方式的多光谱遥感在识别专题信息时存在同物异谱、同谱异物的现象。由于植被的物质结构和生长特性有所不同,因而会呈现出不同的光谱吸收和反射特征。高光谱遥感其精细的光谱分辨率能准确探测到对树种识别具有诊断意义的细微光谱特征,极大地提高了森林树种的识别精度,这为实现竹资源在遥感影像上的识别提供了有效信息。本文以福建省永安市为研究区,利用环境星高光谱遥感数据(HJ-1A HSI),以毛竹专题信息提取为目标,开展了毛竹专题信息在HJ-1A HSI影像数据上的光谱响应分析、HJ-1A HSI影像上毛竹专题信息特征波段的选择、有助于识别毛竹的有效特征量的构建以及信息提取最佳分类方法的确定等方面的研究,主要结论如下:(1)获取毛竹与马尾松、杉木、硬阔、经济林等典型森林类型在HJ-1A HSI影像上的光谱值,从光谱相关系数、光谱角余弦、光谱信息散度等方面分析这各森林类型在HJ-1A HSI影像上的光谱相似性。结果表明,毛竹与马尾松、硬阔的光谱差异较小,而与经济林的光谱差异较大。通过对原始光谱曲线数学变换来分析毛竹与其他4种森林类型之间的光谱差异性,得出在波长759 nm~770 nm、917 nm~934 nm这两个特征波段范围内,各森林类型的光谱差异最为显著,毛竹在波长464 nm、538 nm、565 nm、925 nm附近与其他森林类型的光谱差异最大。(2)采用一阶光谱微分法、二阶光谱微分法、包络线去除法、光谱混合距离法、分组波段指数法和自适应波段选择法这六种方法进行毛竹信息的特征波段选择,利用最大似然法从每组特征波段组合的影像上提取毛竹等5个森林类型,从毛竹提取精度最高的角度确定有效提取毛竹信息的最优特征波段。结果表明,一阶光谱微分法所选择的特征波段组合的图像具有更高的识别精度,毛竹的识别精度可达67.99%。即以一阶微分所选出的特征波段作为HJ-1A HSI影像毛竹专题信息提取的最佳波段:1,3,5,6,8,9,10,11,12,17,20,22,37,49,76,77,87,88,90,107,108,109,110,111,112,113,共计26个波段。(3)引入主成分分量、纹理特征量、地形因子三个特征量,分别与基于一阶光谱微分法所确定的26个波段叠加,并采用最大似然法对毛竹等5个森林类型进行提取,通过对比叠加前后的分类精度来确定可提高毛竹专题信息的辅助变量。结果表明,第一主成分分量、海拔、海拔坡度的叠加,均可以有效提高毛竹专题信息的识别精度,与特征量叠加前相比,毛竹识别精度分别提高0.1%、0.66%,2.54%,而纹理特征量未能提高毛竹的识别精度,且研究发现第二主成分分量和第三主成分分量的加入会降低毛竹专题信息提取的精度。(4)将所确定的26个特征波段与复合特征量(第一主成分分量、海拔和坡度)叠加,采用最大似然法进行分类,最终得到信息提取的总体精度为69.22%,Kappa系数为0.6146,毛竹的提取精度为71.11%。(5)采用最大似然法、光谱角匹配法、决策树分类法分别提取毛竹等5种森林类型在26个波段叠加的影像上的信息。结果表明,最大似然法分类结果的图像总精度为69.22%,毛竹使用者精度为71.11%;光谱角匹配法分类结果的图像总精度为54.39%,毛竹使用者精度为50.83%;决策树分类法分类结果的图像总精度为64.16%,毛竹使用者精度为65.45%。由此判定最大似然法为HJ-1A HSI影像上毛竹专题信息提取的最佳分类方法。