版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、高光譜遙感技術(shù)是當前遙感領(lǐng)域的前沿技術(shù),為植物物種或種群信息的獲取、大范圍植被的識別與分類提供了新的技術(shù)手段。在植被分類中,某些類型的植被群落光譜特性有較為相近的情況,多光譜等傳統(tǒng)遙感影像的應(yīng)用就會受到很大影響。而高光譜遙感由于具有極高的光譜分辨率,能夠大大提高對植被的識別與分類精度。可以在大量窄波段中篩選出那些對植被類型光譜差異較明顯的波段,利用少數(shù)幾個窄波段對植被類型進行識別與分類。也可采用壓縮技術(shù)重新組合幾個綜合波段,充分利用植被
2、的光譜信息,改善了植被的識別與分類精度。
環(huán)境與災(zāi)害監(jiān)測預(yù)報小衛(wèi)星星座(HJ-1A/B)是我國于2008年發(fā)射的第一顆專用于環(huán)境監(jiān)測的衛(wèi)星。HJ-1A星所獲取的HSI高光譜數(shù)據(jù)連續(xù)的波段設(shè)置能夠反映地物光譜的微小變化,提高了對地識別與分類精度,其應(yīng)用可以滿足我國對植被大范圍動態(tài)的監(jiān)測需要。然而受限于發(fā)射時間較短,目前基于HSI數(shù)據(jù)的植被分類及與此相關(guān)的研究比較少。本文以金鐘山自然保護區(qū)為研究區(qū),利用環(huán)境小衛(wèi)星HSI高光譜數(shù)
3、據(jù),主要進行了以下研究工作:
1.HSI數(shù)據(jù)特性與預(yù)處理:介紹了HSI數(shù)據(jù)特點、特性以及波譜信息。針對HSI數(shù)據(jù)產(chǎn)品特點設(shè)置了包括質(zhì)量差波段的去除、修復(fù)個別波段上存在的壞線、垂直條紋去除、幾何精校正預(yù)處理工作流程,處理后的影像質(zhì)量明顯高于原始影像。
2.植被類型的光譜特征分析:依據(jù)野外調(diào)查數(shù)據(jù)與1∶20萬植被分布圖等數(shù)據(jù)提取了保護區(qū)典型植被的光譜曲線。草叢、灌叢、常綠闊葉林、落葉闊葉林、稀疏植被覆蓋區(qū)這五種植
4、被類型具有典型的植被光譜特征。
3.不同分類方法對比研究:運用四種分類方法對保護區(qū)植被類型進行分類識別,分別為基于光譜特征與植被指數(shù)構(gòu)建的決策樹法、最大似然監(jiān)督分類法、ISODATA非監(jiān)督分類法、波譜角填圖法。結(jié)果表明決策樹法與最大似然法具有較高精度,分別為83.74%,76.22%。一方面驗證了決策樹方法和高光譜分析方法相結(jié)合在提取植被信息中的可行性。另一方面驗證了經(jīng)過MNF變換處理后應(yīng)用傳統(tǒng)的分類方法也可對HSI數(shù)據(jù)的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于HJ-1A高光譜遙感樹種識別的研究.pdf
- 基于HJ-1高光譜數(shù)據(jù)的礦區(qū)植被污染監(jiān)測.pdf
- 基于HSI高光譜數(shù)據(jù)的水稻光譜特征分析與識別技術(shù)研究.pdf
- 66296.植被高光譜遙感分類研究
- HJ-1A高光譜影像在黃土丘陵區(qū)生態(tài)環(huán)境監(jiān)測中的應(yīng)用研究.pdf
- ICESat-GLAS波形與HJ-1A高光譜影像聯(lián)合反演森林地上生物量的研究.pdf
- 基于數(shù)據(jù)融合的高光譜遙感圖像分類研究.pdf
- 塔河地區(qū)基于HSI數(shù)據(jù)的林分類型識別研究.pdf
- 基于多核學(xué)習(xí)的高光譜數(shù)據(jù)分類技術(shù)研究.pdf
- 39751.基于高光譜數(shù)據(jù)的分類技術(shù)研究
- 13199.基于hsi高光譜遙感數(shù)據(jù)的水體分布提取及泥沙含量反演研究
- 基于HSI高光譜數(shù)據(jù)的耕地土壤重金屬鎘、鉛含量遙感反演.pdf
- 基于葉片非成像高光譜數(shù)據(jù)樹種分類.pdf
- 基于松弛聚類假設(shè)的高光譜數(shù)據(jù)分類研究.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的高光譜數(shù)據(jù)分類方法研究.pdf
- 基于極速學(xué)習(xí)理論的高光譜數(shù)據(jù)分類.pdf
- 基于混合像元模型的高光譜數(shù)據(jù)分類.pdf
- 高光譜數(shù)據(jù)庫中基于特征的分類方法研究.pdf
- 基于函數(shù)型數(shù)據(jù)分析的高光譜圖像分類研究.pdf
- 基于深度置信網(wǎng)集成的高光譜數(shù)據(jù)分類方法研究.pdf
評論
0/150
提交評論