基于HJ-1A高光譜遙感樹種識別的研究.pdf

1、當前，已有很多專家學者應用高光譜遙感影像進行森林樹種識別研究，但以國內的環(huán)境與災害監(jiān)測小衛(wèi)星高光譜遙感數(shù)據(jù)為基礎提取森林樹種識別的研究卻鮮有相關報道。因此，本論文基于環(huán)境與災害監(jiān)測小衛(wèi)星的遙感影像，以吉林省汪清林業(yè)經(jīng)營區(qū)為研究對像，對該林區(qū)內的主要樹種蒙古櫟、白樺和落葉松等樹種進行識別，以探討環(huán)境與災害監(jiān)測小衛(wèi)星在森林樹種識別的可應用性，可望對后續(xù)的研究提供相關的參考和依據(jù)。
　　本文首先對研究區(qū)的HJ-1A高光譜遙感影像進行預處

2、理，然后應用最佳指數(shù)法、波段指數(shù)法、協(xié)方差特征值法和基于光譜灰度值的特征選擇方法等，選出三個可分性好的波段組合以更好地區(qū)分該研究區(qū)中蒙古櫟、白樺和落葉松等樹種。再用基于樹種光譜知識的分類技術，并結合研究區(qū)的坡向和高程數(shù)據(jù)信息對研究區(qū)的蒙古櫟、白樺和落葉松進行樹種識別。
　　研究結果表明:(1)在波段選擇中，用最佳指數(shù)法提取出的波段組合為21-109-112;用波段指數(shù)法選出的波段組合為21-33-112;用協(xié)方差特征值選出的波段組

3、合為21-27-112;用光譜灰度值選出的波段組合為47-72-107。然后用光譜維混合距離對各個方法進行評價，評價出最佳波段組合為47-72-107。(2)在樹種識別中，僅基于光譜值的專家知識總體分類精度為75.00％，卡帕系數(shù)為0.6087;結合坡向信息的知識分類，總體分類精度為83.33％，卡帕系數(shù)為0.7391;結合高程信息的知識分類，總體分類精度為91.67％，卡帕系數(shù)為0.8588;結合坡向信息和高程信息的知識分類，總體分類

4、精度為95.83％，卡帕系數(shù)為0.9310。
　　應用專家知識分類方法對環(huán)境與災害監(jiān)測小衛(wèi)星的汪清研究區(qū)的高光譜遙感數(shù)據(jù)進行分類，并結合研究區(qū)的空間信息數(shù)據(jù)，可以很好地識別汪清林業(yè)經(jīng)營區(qū)的蒙古櫟、白樺和落葉松等樹種。
　　本文的創(chuàng)新點在于:(1)以環(huán)境與災害監(jiān)測小衛(wèi)星的高光譜遙感數(shù)據(jù)為基礎，創(chuàng)造性地基于樹種的光譜特征值對波段進行選擇，與其他方法相比，得到的波段組合可分性最好;(2)在森林類型識別上，應用基于樹種光譜特征知識的