共查询到14条相似文献，搜索用时 234 毫秒
1.
以兖州实验区为例,探讨了利用决策树方法进行城市高光谱遥感绿化分析的流程和方法;分析了试验区典型地物的波谱特性;总结了常用反射率反演方法,并根据具体情况选择FLAASH模型进行了实验;试验区研究表明,决策树分类方法在高光谱遥感影像信息提取中具有可行性.这种基于高光谱的精细信息提取方法,可以提高不同植被类型的高光谱图像分类识别精度,为城市绿化分析提供参考依据. 相似文献
2.
3.
详细论述了高光谱遥感技术在森林生物物理和化学参量估计以及森林健康状态遥感评价等方面的应用研究状况，对高光谱遥感植被应用的数据处理技术作了简要说明。对我国高光谱遥感森林应用研究现状和发展水平进行了阐述，最后对高光谱遥感森林应用的未来趋势作了探讨。 相似文献
4.
5.
快速准确识别树种是研究和保护森林资源的基础,通过遥感技术进行树种识别已成为森林调查重要手段之一。激光雷达数据可以提供森林垂直结构的信息,而高光谱遥感数据可以提供树木详细的光谱信息,因此联合激光雷达和高光谱数据能够提高树种分类精度。文中阐述了激光雷达和高光谱遥感在森林树种识别中的研究现状,总结了单一遥感源进行树种识别的优缺点,介绍了联合激光雷达和高光谱遥感数据的树种识别方法,最后从数据平台、数据提取、数据融合及识别模型等4个方面探讨了当前树种识别研究中面临的问题以及未来的研究方向,旨在为提高树种识别精度提供参考。 相似文献
6.
高光谱遥感在植被研究中的应用使定量估算植被的生物化学参数和生物物理参数成为可能.分析了樟树幼林生物化学参数与高光谱特征变量之间的相关关系.结果表明:樟树幼林的大部分生物化学参数(叶绿素a含量、叶绿素b含量、叶绿素总含量、类胡萝卜素含量和总磷含量)与高光谱遥感特征参数(蓝边内最大的一阶微分、绿峰反射率、红边位置、蓝边面积、绿峰反射率和红谷反射率构成的比值与归一化植被指数、红边面积和蓝边面积构成的比值和归一化植被指数)之间的相关系数达到了0.01极显著性检验水平;纤维素、总氮含量与高光谱特征参数的相关系数没有达到显著性检验水平.因此,可以利用相关系数达到了0.01极显著性检验水平的高光谱特征参数建立樟树幼林生物化学参数的高光谱遥感估算模型. 相似文献
7.
氮素是植物生命活动所需的重要营养元素,在森林植被的光合作用和生态系统固碳方面起着关键作用。因此,理解森林叶片氮浓度在叶片和冠层（遥感像元）尺度上的高光谱特征,是开展森林冠层叶片氮浓度（CNC）遥感反演、优化森林碳循环模拟、应对气候变化的重要基础工作。当前,森林CNC的光谱特征提取受到冠层结构因素的影响,其高光谱遥感反演的理论亦不明确。文中通过梳理国内外大量植被叶氮高光谱反演的代表性研究成果,以时间为轴线从叶片和冠层2个尺度上进行文献综述,详细阐述当前国内外森林叶氮浓度高光谱遥感反演的主要方法、研究热点和面临的问题,并对近年来学界关于森林冠层结构在冠层叶片氮浓度遥感反演中的影响进行综述,并展望森林冠层叶氮浓度高光谱遥感反演的发展方向。 相似文献
8.
9.
高光谱识别是采用大量比较窄的波段对目标物进行同时观测,以实现对目标物更好的观测效果。以东洞庭湖为研究对象,对典型湿地植被苔草、芦苇、芦蒿、辣蓼和旱柳开展野外高光谱观测的基础上,开展数据变换和分类识别。在对数据进行剔除、滤波和重采样后,对高光谱数据进行导数运算、对数运算、对数的导数运算、归一化运算和归一化后导数运算,以突出植被的光谱特征差异。采用主成分分析方法,对高光谱数据进行降维。并运用BP(Back Propagation)神经网络、马氏距离(Mahalanobis)分类法、贝叶斯(Bayes)分类法、费希尔(Fisher)分类法、光谱角度制图法(Spectral Angle Mapper,SAM)、支持向量机(Support Vector Machine,SVM)等6种方法开展湿地植被识别。结果表明:在多种数据变换方法中,LOG(N(R))变换效果最好,而湿地植被识别方法中,光谱角度制图法的精度最高。 相似文献
10.
11.
12.
基于高光谱遥感技术的森林树种识别研究进展 总被引：3，自引：0，他引：3
在详细介绍高光谱树种识别研究方法的基础上,总结了国内外利用高光谱数据进行森林树种识别的研究应用现状;剖析了目前研究中存在的主要问题;指出了今后开展高光谱树种研究的方向与潜力。 相似文献
13.
Mohamad M.Awad 《林业研究》2018,(5)
Mapping forests is an important process in managing natural resources.At present,due to spectral resolution limitations,multispectral images do not give a complete separation between different forest species.In contrast,advances in remote sensing technologies have provided hyperspectral tools and images as a solution for the determination of species.In this study,spectral signatures for stone pine(Pinus pinea L.) forests were collected using an advanced spectroradiometer "ASD FieldSpec 4 Hi-Res" with an accuracy of 1 nm.These spectral signatures are used to compare between different multispectral and hyperspectral satellite images.The comparison is based on processing satellite images: hyperspectral Hyperion,hyperspectral CHRIS-Proba,Advanced Land Imager(ALI),and Landsat 8.Enhancement and classification methods for hyperspectral and multispectral images are investigated and analyzed.In addition,a well-known hyperspectral image classification algorithm,spectral angle mapper(SAM),has been improved to perform the classification process efficiently based on collected spectral signatures.The results show that the modified SAM is 9% more accurate than the conventional SAM.In addition,experiments indicate that the CHRIS-Proba image is more accurate than Landsat 8(overall accuracy 82%,precision 93%,and Kappa coefficient 0.43 compared to 60,67%,and 0.035,respectively).Similarly,Hyperion is better than ALI in mapping stone pine(overall accuracy 92%,precision 97%,and Kappa coefficient 0.74 compared to 52,56%,and -0.032,respectively). 相似文献