基于葉片和冠層級別的高光譜城市樹種識別.pdf

1、本論文選取了華中地區(qū)具有代表性的12種樹種作為實驗對象,包括草本地被1種、針葉樹種3種、闊葉樹種8種,利用野外光譜儀測量得到它們的葉片和冠層的光譜數(shù)據(jù)。從不同樹種的光譜信息所反映的光譜特征,分析了不同樹種光譜之間的差異性和相同性。針對植物所具有的,不同于其他地物的特性,提取了光譜特征位置點和特征參數(shù),基于這些光譜特征位置點和特征參數(shù)進行了不同樹種的分類。具體結(jié)果如下:
　　 (1)從光譜曲線上發(fā)現(xiàn),不同樹種的葉片和冠層光譜曲線都

2、具有相同的變化趨勢,但還是在局部上表現(xiàn)出了細致的差異。
　　 (2)提取的特征位置點分布十分集中,分別是藍紫波段吸收峰M:407nm；藍邊位置B:525nm;綠峰位置G:560nm；黃邊位置Y:575nm;紅谷R:674nm;紅邊位置V:721nm；近紅外平臺位置I:750nm。
　　 (3)系統(tǒng)聚類分析法能夠較好的將不同樹種從大的類別上區(qū)分開來,但是在進一步對樹種進行細分的時候會存在不同程度的混淆。
　　 (4

3、)不同分類距離算法的比較結(jié)果發(fā)現(xiàn):馬氏距離分類法效果最好,Fisher分類法次之,貝葉斯分類法效果最差。這三種分類方法都能夠?qū)⒌乇蝗~草區(qū)分開,其他樹種都存在不同程度的混淆。
　　 (5)采用SPSS軟件進行的系統(tǒng)聚類分析對植物區(qū)分大的類別時效果較好,再進一步進行細分時,如果精度要求較高、樣本較多時,工作量就很大；采用MATLAB軟件利用混淆矩陣進行數(shù)據(jù)的計算時,馬氏距離分類法的分類效果最好,而馬氏距離法分類主要是針對樹種的細致