共查询到20条相似文献，搜索用时 953 毫秒
1.
《中南林业科技大学学报(自然科学版)》2019,(11)
湿地植被的精细识别与分类是林业遥感中一个亟待解决的难点。本研究以东洞庭湖自然保护区为研究区,以苔草、芦蒿、辣蓼、杨柳和芦苇为研究对象开展高光谱数据观测。采用数据平滑、导数变换、对数变换和归一化变换等方式对高光谱数据进行预处理,再运用PCA算法分别对其进行降维运算,随后采用马氏距离、朴素贝叶斯、Knn、径向基内核支持向量机和随机森林等分类方法对降维后的数据进行分类。结果表明:1)不同预处理方式经过PCA降维后能保持自身特有的特征;2)降维后的累计方差贡献率与分类精度不存在必然联系,主成分个数能对分类精度产生影响;3)不同的分类方法对降维后的数据灵敏度不同,随机森林和径向基内核支持向量机保持较高的稳定性。 相似文献
2.
对-36°和0°的多角度高光谱CHRIS遥感影像数据进行植被指数计算及影像融合,提出归一化植被指数(NDVI)与高光谱影像融合后,采用波谱角填图(SAM)的方法提取湿地植被类型信息。该方法首先对-36°影像进行NDVI植被指数计算,然后与0°影像融合,再采用SAM方法提取湿地植被类型。结果显示,利用该方法对青海省隆宝滩湿地植被类型的提取精度可达到92.23％;而利用SAM方法对0°影像直接进行湿地植被类型提取,其精度只有66%。由此可见,利用不同角度信息影像融合的方法,大大提高了高光谱影像进行湿地植被类型信息提取的精度,为湿地植被类型信息提取又提供了一个有效可行的方法。 相似文献
3.
随着公路建设的发展,路面材料变得更加多元化。利用高光谱监测不同性质的路面材料,非常值得关注。本研究采用美国ASD公司生产的地物波谱辐射仪(波段范围350~2 500 nm),开展了对沥青、混凝土、裸土和草地等典型路面材料的高光谱数据的野外观测,利用光谱均值、一阶微分、二阶微分、倒数后对数等方法,对原始光谱数据进行变换,得到4种材料的光谱特征曲线图,并进行对比和分析。结果表明:在多种数据变换方法中,倒数后对数方法最好,利用高光谱遥感方法能实现对不同路面材料的分类和识别,说明高光谱遥感技术能实现对道路材料和结构的监测。 相似文献
4.
为实现湿地植被的精细分类和高精度制图,为湿地管理部门提供准确的决策依据,以美国加州萨克拉门托—圣华金水域的典型湿地植被为研究对象,以高光谱影像为数据源,结合野外GPS采样点,对典型湿地植被的光谱反射率作一阶导数和二阶导数处理,基于均值置信区间原理筛选特征波段,基于单因素分析法筛选能够明显区分植被类型的植被指数。联合特征波段和植被指数构建特征集,利用机器学习C5.0决策树生成知识规则并提取湿地植被信息。结果表明,基于机器学习C5.0决策树的湿地植被提取总体精度为80.09%,Kappa系数为0.792,与最大似然法比较,总体精度提升10.79%,Kappa系数提升0.105,说明基于机器学习的C5.0决策树法能够实现植被的精细分类,方法切实可行。 相似文献
5.
[目的]利用多角度高光谱数据,分析不同角度下东洞庭湖湿地典型植被群落的光谱特征,确定多角度信息融合的最佳方法,并对融合影像进行湿地植被类型精细识别。[方法]使用CHRIS多角度高光谱数据,针对洞庭湖湿地植被的光谱特征,研究计算窄波段NDVI的最佳波段组合和角度,评价CHRIS 0°影像与NDVI的像素级融合方法,进而对洞庭湖地区湿地植被进行提取。[结果]计算NDVI的最佳红波段和近红外波段分别位于667.6 nm和926.95 nm,对应于CHRIS数据的第24波段和第55波段;选取HSV、Brovery、Gram-Schmidt和PCA 4种融合方法进行融合,发现PCA融合图像的光谱信息丢失最少、纹理细节更丰富,信息量最大;PCA融合影像的总体精度为81.36%,比单角度影像提高7.93%,Kappa系数提高0.097 6,且苔草的漏分误差和泥蒿的错分误差得到明显改善。[结论]基于NDVI的多角度信息融合是提高湿地植被识别精度的一种有效途径,多角度信息融合丰富了地物的信息量,提高地物识别精度。 相似文献
6.
采用青海省隆宝滩地区的多角度高光谱CHRIS遥感数据,通过研究+36°、0°和-36°三个角度影像的组合变换,提出影像变换+不同角度波段组合的方法,用以获取地物的分类信息。该方法首先对0°影像进行穗帽变换,选择其湿度图像,再与+36°和-36°影像的第4波段(0.461 μm)进行RGB组合,生成新的彩色合成影像,然后再进行支持向量机(SVM)的监督分类。结果显示,利用该方法对隆宝滩湿地分类的精度可达到90.02％;而利用传统的监督分类对0°影像直接进行分类,其精度为75.46%。由此可见,利用不同角度信息进行波段组合的方法,大大提高了高光谱影像进行湿地信息提取的精度,为湿地信息提取提供了一个有效的方法。 相似文献
7.
[目的]通过机载遥感影像对普洱山区进行植被分类研究,为山区森林经营规划与可持续经营方案的制图提供高效应用途径。[方法]将2014年4月航拍的机载AISA Eagle II高光谱和Li DAR同步数据融合,利用点云数据提取的数字冠层高度模型(CHM)得到树种的垂直结构信息,结合经过主成分分析(PCA)的高光谱降维影像,选用支持向量机(SVM)分类器进行分类。[结果]普洱市万掌山实验区主要树种分为思茅松、西南桦、刺栲、木荷等。融合影像数据分类的总体精度和Kappa系数分别为80.54%、0.78,比单一高光谱影像数据分类精度分别提高6.55%、0.08,其中主要经营树种思茅松的制图精度达到了90.24%。[结论]该方法对山区主要树种的识别是有效的,将机载Li DAR与高光谱影像融合可以有效改善分类精度。 相似文献
8.
9.
以在云南西双版纳橡胶园采集的225个土壤样本为研究对象,进行风干土壤样品光谱数据采集和全氮含量测定,对土壤反射率（R）进行重采样（5 nm）后进行倒数的对数（log(1/R)）、多元散射校正（MSC）、标准正态交换（SNV）的光谱变换处理和SG平滑或导数变换模式优选获取最佳光谱数据,采用竞争性自适应重加权算法（CARS）、连续投影算法（SPA）和CARS-SPA算法对土壤全氮光谱特征波段进行选择,并分别应用偏最小二乘法（PLS）和支持向量机（SVM）构建胶园土壤全氮估算模型。结果表明,研究区内土壤全氮含量与光谱反射率呈负相关,基于光谱变换和预处理,log(1/R)结合SG导数变换是最佳的土壤全氮反演光谱变换模式,其中,导数阶数为1,SG滤波窗口为43,多项式次数为9。综合比较各变量筛选与建模组合发现,用CARS方法从全波段中筛选出的特征波长建立的SVM模型（R2=0.816,RMSE=0.201,RPD=2.266）效果最好,用于估测研究区土壤全氮含量具有良好的可行性,可为开展云南胶园土壤全氮高效测试和实施橡胶树精准施肥提供技术支持。 相似文献
10.
11.
高光谱遥感在植被特征识别研究中的应用 总被引：4，自引：0，他引：4
总结了高光谱遥感在植被物种识别、结构特征分析、理化信息提取等主要领域的应用研究现状; 分析了高光谱遥感在植被特征识别中所涉及的光谱特征优化、混合光谱分解、图像分类识别等关键性技术环节的最新进展; 剖析了目前研究中存在的主要问题, 并对今后的发展态势进行了展望。 相似文献
12.
13.
基于 SAM 算法的遥感影像湿地植被分类 总被引：2，自引：0，他引：2
以黑龙江省扎龙自然湿地保护区高光谱遥感影像为试验区域,通过对野外试验调查数据和预处理后的高光谱遥感影像进行前期处理,再采用光谱角填图(SAM)图像分类方法进行植被分类实验得出结果,并与最大似然法和支持向量机(SVM)分类方法结果进行对比研究分析,通过实验结果得出误差矩阵和精度评价分析,得到最大似然法的总体分类精度和以及Kappa系数是最低的,而光谱角填图分类方法的总体精度为89.87%,Kappa系数为0.880 7,分类结果要好于其他两种分类方法,其对高光谱遥感影像植被分类实验更具有准确性和实用性。 相似文献
14.
采用近红外光谱技术对乙酰化大青杨和樟子松木材的增重率进行快速预测。在近红外波长780～2500 nm范围内,利用偏最小二乘法( PLS)建立木材横切面原始光谱及不同预处理(一阶导数、二阶导数、归一化处理和消噪)光谱乙酰化木材增重率数学模型,并进行比较分析。结果表明：乙酰化大青杨和樟子松木材分别选用归一化处理光谱和消噪光谱建立的增重率校正模型预测效果较好,预测模型相关系数( R)分别为0.90和0.70,预测标准差(RMSEP)分别为1.0072和1.3012,其中乙酰化大青杨木材增重率预测模型实测能力较佳,表明利用木材横切面近红外光谱建立的数学模型可以实现乙酰化木材增重率的快速预测。 相似文献
15.
利用陕西省西安市阎良区Quickbird卫星遥感数据建立归一化植被指数模型提取城市绿地信息,这种基于光谱的信息提取模型受到"同物异谱"和"同谱异物"信息的干扰,影响了信息提取的精度和速度.通过地物判读发现"同谱异物"信息主要为蓝色房顶、白色建筑物,而"同物异谱"信息主要为城市道路两旁的行道树.对这几种地物类别同实际城市绿地的植被信息进行光谱采样对比分析,建立了避免蓝色房顶及白色建筑物被同时提取的植被提取光谱模型和消除"同物异谱"现象的植被提取光谱模型,经过实验验证,方法可行. 相似文献
16.
热值是灌木生物质能源利用的重要燃烧性能参数之一。针对传统实验室检测方法破坏性大、费时费力、无法实现大量样本的快速检测问题,探讨了沙柳冠层可见-近红外光谱(Vis-NIR)结合不同化学计量学方法预测沙柳热值的精度差异。采用标准正态变量变换(SNV)、归一化数据(normalize)、标准正态变量变换+归一化数据和第二代小波变换即提升小波变换(LWT)对冠层光谱进行预处理,采用偏最小二乘法(PLS)和卷积神经网络(CNN)构建了沙柳热值可见-近红外模型。同时,对比分析了鲸鱼优化算法(WOA)、麻雀搜索算法(SSA)和灰狼优化算法(GWO)对CNN模型参数的优化效果。结果表明：当采用db4小波进行5层分解后,其对沙柳冠层可见-近红外光谱的去躁效果最好,基于LWT-WOA-CNN法构建的沙柳热值可见-近红外模型的预测精度最优,校正模型的决定系数(R2)、均方根误差(RMSE)和相对分析误差(RPD)分别为0.852,0.103和2.599,RPD值较原始的PLS和CNN模型分别提高19.11%和76.80%。该研究可为沙柳生物质能源的高效、精细化利用提供技术支撑。 相似文献
17.
荒漠化土地土壤有机质含量的实测光谱估测 总被引：6，自引：0，他引：6
在对2个荒漠化典型区土壤采样、化验分析和光谱测量的基础上,分析荒漠化土地土壤的反射光谱特征及土壤有机质的光谱敏感范围,构建多种土壤有机质含量高光谱估测模型。结果表明:荒漠化土地土壤具独特的波浪型光谱曲线,其主要特点是在可见光和近红外的500～900nm光谱范围存在一个明显的弓形突起区,其对提取土壤有机质信息有实际意义;相关分析发现,在中心波长分别为600和830nm的可见光和近红外光光谱范围分别存在1个有机质光谱敏感区;土壤有机质含量高光谱估测模型验证结果表明,利用波长588nm处的反射光谱对数lgR588和反射光谱倒数1/R588以及波长835nm处的反射光谱倒数的导数(1/R835)'和反射光谱对数的导数(lgR835)'分别建立的模型,可以较好地估测荒漠化土地土壤有机质含量。 相似文献
18.
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
19.
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
20.
《中南林业科技大学学报(自然科学版)》2015,(11)
高分一号卫星是我国2013年自主发射的第一颗高分辨率对地观测卫星(GF-1),其在湿地中的应用还比较少见。以洞庭湖湿地为研究区,GF-1影像为主要遥感数据源,在对研究区湿地主要植被柳树、杨树、芦苇和苔草的光谱特征分析基础上,建立决策树分类算法。同时结合GF-1影像特有的纹理信息,引入纹理均值和相异性指数对决策树算法进行改进,结果表明:通过采用纹理均值和相异性指数,总体精度从传统决策树的85.64%提高到了92.66%,Kappa系数从0.82提高到0.91,说明该方法对湿地植被识别的效果较好。这对于同等空间分辨率遥感数据的植被分类具有指导和借鉴作用。 相似文献