基于貓群算法的高光譜遙感森林類型識(shí)別研究.pdf

1、合理地保護(hù)和利用森林資源，對(duì)地球生態(tài)系統(tǒng)的穩(wěn)定及可持續(xù)發(fā)展有重要意義，森林樹(shù)種（組）的正確分類是其重要的基礎(chǔ)和依據(jù)。高光譜遙感的興起和發(fā)展為獲取森林資源信息，對(duì)森林有序開(kāi)發(fā)奠定了基礎(chǔ)。國(guó)內(nèi)外專家利用高光譜遙感數(shù)據(jù)以及不同的分類方法對(duì)森林類型進(jìn)行識(shí)別，以求尋找更加高效、合理的方式及更精確的結(jié)果。
　　本研究選用國(guó)產(chǎn)環(huán)境與災(zāi)害監(jiān)測(cè)小衛(wèi)星(HJ-1A)高光譜遙感數(shù)據(jù)，采用基于貓群智能優(yōu)化(Cat Swarm Optimization，C

2、SO)的算法，利用光譜信息對(duì)吉林汪清林業(yè)局經(jīng)營(yíng)區(qū)內(nèi)森林類型進(jìn)行識(shí)別。為達(dá)到此目的，系統(tǒng)地探討了貓群算法及其改進(jìn)算法在森林識(shí)別中的應(yīng)用，建立一種通過(guò)搜索進(jìn)行波段選擇的高光譜降維模型和四種基于貓群算法的森林分類模型，并對(duì)貓群智能算法進(jìn)行高光譜降維、聚類分辨森林類型、挖掘光譜信息規(guī)則進(jìn)行優(yōu)勢(shì)樹(shù)種（組）識(shí)別做了系統(tǒng)研究。
　　首先，HJ-1A數(shù)據(jù)獲取成本低，但提供數(shù)據(jù)時(shí)間不長(zhǎng)，國(guó)內(nèi)外將其應(yīng)用于樹(shù)種（組）識(shí)別的研究很少。挖掘HJ-1A高光譜

3、遙感數(shù)據(jù)的森林應(yīng)用潛力和森林精細(xì)識(shí)別的可能性有深遠(yuǎn)的實(shí)際意義。另外，遙感影像的選擇、預(yù)處理方法、分類方法的不同都會(huì)對(duì)高光譜遙感影像分類結(jié)果有較大影響，探討不同的選擇可使分類結(jié)果仍有較大的改善空間，但也面臨很多挑戰(zhàn)。比如研究區(qū)地形復(fù)雜，空間異質(zhì)性較高時(shí)，現(xiàn)有的分類方法獲得的精度有所限制。不同的分類方法各有優(yōu)劣、適用情況不同，分類結(jié)果也會(huì)大有不同。集成和改進(jìn)現(xiàn)有的算法、尋求新算法成為高光譜影像分類的研究重點(diǎn)。本文圍繞以上問(wèn)題開(kāi)展以下工作:<

4、br>　　第一，對(duì)研究區(qū)的HJ-1A遙感影像進(jìn)行預(yù)處理，形成可以用于分類的基礎(chǔ)數(shù)據(jù);然后選取新興的較優(yōu)秀的貓群智能算法，在研究算法機(jī)理的基礎(chǔ)上，充分借助信息技術(shù)，提出離散的二進(jìn)制貓群算法(BCSO)，建立波段搜索模型，自動(dòng)搜索出可分性好的波段組合為后續(xù)更好地研究蒙古櫟、白樺、落葉松、楊樹(shù)、云杉等分類奠定基礎(chǔ);第二，提出基于貓群的聚類算法模型及半監(jiān)督模糊C貓群算法(CSO-SMFC)，對(duì)研究區(qū)的針葉林、闊葉林、混交林等森林類型進(jìn)行分類并比

5、較其結(jié)果;第三，在上述研究基礎(chǔ)上，提出基本的貓群分類規(guī)則挖掘算法(CSO-Miner)和改進(jìn)的貓群算法與支持向量機(jī)結(jié)合(ACSO-SVM)的兩種方法，建立分類器，形成高光譜森林精細(xì)分類模型，對(duì)研究區(qū)內(nèi)蒙古櫟、白樺、落葉松、楊樹(shù)、云杉等優(yōu)勢(shì)樹(shù)種（組）識(shí)別，比較、驗(yàn)證并評(píng)價(jià)其分類結(jié)果。本文希望通過(guò)森林分類方法的探討，對(duì)后續(xù)其他林業(yè)研究或應(yīng)用提供參考和依據(jù)。
　　研究結(jié)果表明:(1)在波段選擇中，當(dāng)控制子空間為3時(shí)，BCSO提取出的波段

6、組合為21-43-109。(2)在對(duì)針葉林、闊葉林、混交林的森林類型識(shí)別中，基于基本貓群算法的聚類最優(yōu)精度為83.5％，基于CSO-SMFC聚類模型的最優(yōu)精度為85％。(3)森林精細(xì)識(shí)別中，基于CSO-Miner模型的監(jiān)督算法最優(yōu)總體分類精度為80.83％，Kappa系數(shù)為0.77; ACSO-SVM總體分類精度最高為84.16％，Kappa系數(shù)為0.81。結(jié)合研究區(qū)內(nèi)信息，應(yīng)用基于貓群優(yōu)化算法的分類方法對(duì)汪清林區(qū)內(nèi)HJ-1A的高光譜遙