论文部分内容阅读
遥感技术的发展,有利于快速高效提取森林资源信息,树种信息作为森林资源调查中的核心指标,一直是遥感技术在应用方面的研究重点,高光谱遥感能够准确探测不同树种光谱间的细微差异,为森林树种的识别与分类提供了可能性。本文以山东省泰安市徂徕山林场为研究对象,以Hyperion高光谱影像及实测光谱数据为基础数据,探讨了基于光谱数据所选的特征波段在树种识别中的应用效果,以及波谱角分类法的应用潜力,为高光谱数据在林业上的应用提供一定的思路和依据。针对高光谱数据信息量冗余严重、树种间光谱难以区分的问题,本研究对光谱数据进行变换分析、特征波段选择及树种识别验证处理。实验表明,变换分析方法能有效增强树种间的光谱差异,特征波段选择的方法不仅能快速降维,并且所选波段能够有效识别树种差异。数据经一阶微分变换后,通过马氏距离法所得的特征波段在树种识别验证中的精度最高,达到96.3%,所选特征波段集中在植被光谱反射强烈的可见光和近红外区域。针对特征波段选择的降维方法在实际树种分类应用中是否有效的问题,论文以上述特征波段结果为基础,对Hyperion影像进行降维,运用最大似然法、支持向量机法以及波谱角法进行树种分类技术研究。结果表明,三种分类方法的总体精度均高于74.22%,Kappa系数均大于0.67,均能达到生产要求。说明特征选择的方式不仅能大幅度降低运算量,快速降维,还能保留影像光谱的特征信息,在改善树种分类精度的研究上更具潜力。进一步,本研究对常规的波谱角分类法进行改进,得到的分类精度比常规方法提高了近5%,kappa系数提高近0.07。据此,改进的波谱角分类法能有效提高树种分类精度,基于光谱信息的分类方法在高光谱遥感分类应用中具有很大的潜力。研究表明,利用高光谱数据进行树种分类识别具有可行性,利用森林树种的光谱信息进行特征波段分析、选择及分类能有效提高高光谱遥感影像的降维速度和分类速度,并且在一定程度上改善分类精度。