基于云模型的山區(qū)易混淆樹(shù)種多光譜遙感識(shí)別及應(yīng)用——以泰山油松和側(cè)柏為例.pdf

1、遙感分類(lèi)是森林資源調(diào)查和監(jiān)測(cè)不可缺少的內(nèi)容，分類(lèi)的精度直接影響遙感數(shù)據(jù)的應(yīng)用水平和實(shí)用價(jià)值。如何解決樹(shù)種分類(lèi)識(shí)別并滿(mǎn)足一定的精度，是遙感圖像研究中的一個(gè)關(guān)鍵問(wèn)題，具有十分重要的意義。同時(shí)，云模型理論已逐漸應(yīng)用于遙感影像解譯方面，其方法簡(jiǎn)單、計(jì)算量小，可以取得高于傳統(tǒng)方法的解譯分類(lèi)精度，具有較好的發(fā)展前景。但目前，將遙感與云模型相結(jié)合進(jìn)行森林識(shí)別的研究還較少。
　　本文以山東省泰山為研究區(qū)，基于資源三號(hào)（ZY-3）和資源一號(hào)02C（

2、ZY-102C）多光譜遙感影像，選取泰山油松與側(cè)柏這一對(duì)易混淆樹(shù)種為研究對(duì)象，在 Erdas Image、ENVI、ArcGIS等軟件支持下，提取樹(shù)種的光譜特征和紋理特征，將云模型與敏感光譜特征和紋理特征相結(jié)合，建立油松和側(cè)柏的識(shí)別模型，從而獲得更高的分類(lèi)識(shí)別精度，實(shí)現(xiàn)樹(shù)種的快速識(shí)別。主要內(nèi)容與結(jié)論如下：
　?。?）篩選出油松和側(cè)柏的敏感光譜指數(shù)
　　基于油松和側(cè)柏冠層反演反射率，構(gòu)建了158個(gè)光譜指數(shù)，以相關(guān)性顯著且高為原

3、則，篩選出對(duì)應(yīng)的敏感光譜指數(shù)。經(jīng)篩選發(fā)現(xiàn)，油松和側(cè)柏敏感性較強(qiáng)的波段多位于紅光波段，這與植被特征主要體現(xiàn)在這一波段是一致的。
　?。?）建立了基于光譜特征的云模型
　　基于篩選出的油松和側(cè)柏10個(gè)敏感光譜指數(shù)分別建立一維云模型，通過(guò)對(duì)10個(gè)一維云模型精度大小的對(duì)比，各選擇3個(gè)敏感光譜指數(shù)建立三維云模型，油松的識(shí)別精確度達(dá)到90.56％，側(cè)柏的精確度達(dá)到88.92%，總體精度達(dá)到90.06%，為其它易混淆樹(shù)種的多光譜遙感識(shí)別提

4、供了參考。
　　（3）建立了基于紋理特征的云模型
　　本文基于第一主成分，提取不同滑動(dòng)窗口尺度的紋理特征，分別對(duì)這些紋理特征建立云模型，最終確定了3?3窗口的紋理特征所建立的云模型精度最高，其中油松采用3?3窗口的均值、熵和二階矩這3個(gè)敏感紋理參數(shù)，側(cè)柏采用3?3窗口的均值、方差和對(duì)比度的3個(gè)敏感紋理參數(shù)，分別建立三維云模型，但識(shí)別精度并不高，其中油松的精確度為55.26%，側(cè)柏的精確度為66.52%。
　?。?）進(jìn)行