基于線性光譜混合模型的植被豐度遙感信息提取—以梅江流域為例.pdf

1、從TM遙感影像提取針葉林、闊葉林和低矮植被的豐度信息,對森林資源調查和生態(tài)建設具有重要意義。利用線性混合模型分解得到的3類不同植被豐度信息是遙感軟分類方法,通常比遙感硬分類方法更加科學、準確。本文用線性混合模型從梅江流域TM影像中分解得到了針葉林、闊葉林和低矮植被的豐度分布信息。為改善線性解混的精度,除了經(jīng)過FLAASH大氣校正、MNF變換、PPI計算和人-機交互可視化端元選擇等一般步驟外,本文嘗試增加了地形校正、NDVI閾值法掩膜處理

2、和反射率歸一化處理3個環(huán)節(jié)。
　　研究結果表明:增加了這3個處理環(huán)節(jié)可以改善線性分解的精度,RMS分量圖顯示均方根誤差圖的最大值為0.049,最小值為-0.024,絕大多數(shù)的RMS值都小于0.026,可見總體誤差較小。選擇野外隨機均勻分布的60個樣本點對模擬結果進行了線性擬合檢驗。闊葉林豐度模擬值和實測值之間的相關系數(shù)R2為0.8358;針葉林豐度模擬值和實測值之間的相關系數(shù)R2為0.8861;低矮植被豐度模擬值和實測值之間的相關