基于云模型的山區(qū)易混淆樹種多光譜遙感識別及應用——以泰山油松和側(cè)柏為例.pdf

1、遙感分類是森林資源調(diào)查和監(jiān)測不可缺少的內(nèi)容，分類的精度直接影響遙感數(shù)據(jù)的應用水平和實用價值。如何解決樹種分類識別并滿足一定的精度，是遙感圖像研究中的一個關(guān)鍵問題，具有十分重要的意義。同時，云模型理論已逐漸應用于遙感影像解譯方面，其方法簡單、計算量小，可以取得高于傳統(tǒng)方法的解譯分類精度，具有較好的發(fā)展前景。但目前，將遙感與云模型相結(jié)合進行森林識別的研究還較少。
　　本文以山東省泰山為研究區(qū)，基于資源三號（ZY-3）和資源一號02C（

2、ZY-102C）多光譜遙感影像，選取泰山油松與側(cè)柏這一對易混淆樹種為研究對象，在 Erdas Image、ENVI、ArcGIS等軟件支持下，提取樹種的光譜特征和紋理特征，將云模型與敏感光譜特征和紋理特征相結(jié)合，建立油松和側(cè)柏的識別模型，從而獲得更高的分類識別精度，實現(xiàn)樹種的快速識別。主要內(nèi)容與結(jié)論如下：
　　（1）篩選出油松和側(cè)柏的敏感光譜指數(shù)
　　基于油松和側(cè)柏冠層反演反射率，構(gòu)建了158個光譜指數(shù)，以相關(guān)性顯著且高為原

3、則，篩選出對應的敏感光譜指數(shù)。經(jīng)篩選發(fā)現(xiàn)，油松和側(cè)柏敏感性較強的波段多位于紅光波段，這與植被特征主要體現(xiàn)在這一波段是一致的。
　?。?）建立了基于光譜特征的云模型
　　基于篩選出的油松和側(cè)柏10個敏感光譜指數(shù)分別建立一維云模型，通過對10個一維云模型精度大小的對比，各選擇3個敏感光譜指數(shù)建立三維云模型，油松的識別精確度達到90.56％，側(cè)柏的精確度達到88.92%，總體精度達到90.06%，為其它易混淆樹種的多光譜遙感識別提

4、供了參考。
　　（3）建立了基于紋理特征的云模型
　　本文基于第一主成分，提取不同滑動窗口尺度的紋理特征，分別對這些紋理特征建立云模型，最終確定了3?3窗口的紋理特征所建立的云模型精度最高，其中油松采用3?3窗口的均值、熵和二階矩這3個敏感紋理參數(shù)，側(cè)柏采用3?3窗口的均值、方差和對比度的3個敏感紋理參數(shù)，分別建立三維云模型，但識別精度并不高，其中油松的精確度為55.26%，側(cè)柏的精確度為66.52%。
　　（4）進行