本文選題：HyMap數(shù)據(jù)　切入點：浮水植被　出處：《國土資源遙感》2017年02期 　論文類型：期刊論文

【摘要】：以美國加利福尼亞州薩克拉門托—圣華金三角洲為研究區(qū),利用2007年6月空間分辨率3 m的HyMap高光譜數(shù)據(jù),根據(jù)濕地植被的光譜差異,結(jié)合地面實況數(shù)據(jù),對植被的"三邊"參數(shù)進行分析,選取合適的植被指數(shù)并結(jié)合"三邊"參數(shù)特征,構(gòu)建決策樹模型,提取出研究區(qū)的浮水植被,并與最大似然法的分類結(jié)果進行比較。結(jié)果表明:利用決策樹模型分類的總體精度達到82.68%,與最大似然法相比,總精度提高了6%,很好地識別出了研究區(qū)濕地植被中的浮水植被。
[Abstract]:Taking the Sacramento San Joaquin Delta of California as the study area, the HyMap hyperspectral data with spatial resolution of 3 m on June 2007 were used to combine the ground real data with the spectral difference of wetland vegetation. By analyzing the "trilateral" parameters of vegetation, selecting the appropriate vegetation index and combining with the characteristics of "trilateral" parameters, the decision tree model is constructed, and the floating vegetation in the study area is extracted. Compared with the result of maximum likelihood method, the result shows that the total accuracy of classification by using decision tree model is 82.68, compared with the maximum likelihood method, the total precision is improved by 6%, and the floating water vegetation in wetland vegetation in the study area is well recognized.
【作者單位】： 河海大學(xué)地球科學(xué)與工程學(xué)院;浙江省義烏市勘測設(shè)計研究院;山東省減災(zāi)中心;
【基金】：中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項項目“應(yīng)對氣候變化的碳收支認證及相關(guān)問題”(編號:XDA05050106)資助
【分類號】：Q948;TP751

【參考文獻】

相關(guān)期刊論文 前2條

1 柴穎;阮仁宗;傅巧妮;;高光譜數(shù)據(jù)濕地植被類型信息提取[J];南京林業(yè)大學(xué)學(xué)報(自然科學(xué)版);2015年01期

2 潘琛;杜培軍;張海榮;;決策樹分類法及其在遙感圖像處理中的應(yīng)用[J];測繪科學(xué);2008年01期

相關(guān)碩士學(xué)位論文 前1條

1 客涵;南四湖沉水、浮葉植物群落結(jié)構(gòu)與水環(huán)境因子相關(guān)研究[D];山東大學(xué);2014年

【共引文獻】

相關(guān)期刊論文 前10條

1 陶婷;阮仁宗;歲秀珍;王玉強;林鵬;;基于HyMap數(shù)據(jù)的浮水植被信息提取[J];國土資源遙感;2017年02期

2 喻俊;李曉敏;張權(quán);侍昊;薛建輝;褚軍;;基于實測高光譜數(shù)據(jù)的太湖湖濱帶典型植被分類[J];江蘇農(nóng)業(yè)科學(xué);2017年05期

3 蘭進芳;霍軼珍;李生勇;;基于遙感的內(nèi)蒙古河套灌區(qū)29a種植結(jié)構(gòu)時空演變分析[J];河套學(xué)院學(xué)報;2017年01期

4 王鵬;萬榮榮;楊桂山;;基于多源遙感數(shù)據(jù)的濕地植物分類和生物量反演研究進展[J];濕地科學(xué);2017年01期

5 王艷楠;王健健;龔健新;袁帥;劉輝;羅文;;基于環(huán)境衛(wèi)星數(shù)據(jù)的沿海灘涂地物類型分類的隨機森林方法[J];遙感技術(shù)與應(yīng)用;2016年06期

6 嘎力巴;臧淑英;李苗;吳長山;;基于指數(shù)的遙感影像決策樹分類方法[J];環(huán)境與發(fā)展;2016年05期

7 謝帥;陳建平;于歡;王哲;向杰;;基于面向?qū)ο蠓诸惣夹g(shù)的雅礱江流域地表信息提取與分析[J];地質(zhì)學(xué)刊;2016年03期

8 李真真;鄭翔;牛德奎;郭曉敏;謝碧裕;張學(xué)玲;;武功山山地草甸主要群落類型高光譜特征[J];草業(yè)科學(xué);2016年08期

9 秦福瑩;金鳳;那音太;包玉海;馬爾侖;;達里諾爾國家級自然保護區(qū)典型濕地植被群落光譜特征分析[J];內(nèi)蒙古科技與經(jīng)濟;2016年11期

10 曹洪濤;張拯寧;李明;李器宇;陳浩;;基于C4.5決策樹的多特征遙感分類方法[J];測繪工程;2016年03期

相關(guān)碩士學(xué)位論文 前2條

1 章偉;洪澤湖、南四湖沉水植物分布及其優(yōu)勢種的C-N代謝研究[D];湖北工業(yè)大學(xué);2016年

2 梅芳芳;三種水生被子植物在中國六大湖泊的遺傳多樣性[D];華中師范大學(xué);2015年

【二級參考文獻】

相關(guān)期刊論文 前10條

1 周德民;宮輝力;胡金明;吳豐林;;中國濕地衛(wèi)星遙感的應(yīng)用研究[J];遙感技術(shù)與應(yīng)用;2006年06期

2 陳春;王冬;馬克玲;;遙感信源色彩信號的提取與復(fù)現(xiàn)[J];測繪科學(xué);2006年01期

3 王占昌;利用決策樹對衛(wèi)星遙感數(shù)據(jù)進行分類[J];青海科技;2005年05期

4 陳文,史金成;決策樹分類技術(shù)研究[J];福建電腦;2005年08期

5 劉勇洪,牛錚,王長耀;基于MODIS數(shù)據(jù)的決策樹分類方法研究與應(yīng)用[J];遙感學(xué)報;2005年04期

6 孫微微,胡月明,劉才興,薛月菊;基于決策樹的土壤質(zhì)量等級研究[J];華南農(nóng)業(yè)大學(xué)學(xué)報;2005年03期

7 鄧勁松,王珂,李君,董云奇;決策樹方法從SPOT-5衛(wèi)星影像中自動提取水體信息研究[J];浙江大學(xué)學(xué)報(農(nóng)業(yè)與生命科學(xué)版);2005年02期

8 李寧,樂琦;決策樹算法及其常見問題的解決[J];計算機與數(shù)字工程;2005年03期

9 黃定軒,武振業(yè);一類加權(quán)連續(xù)屬性的多變量決策樹構(gòu)造方法[J];系統(tǒng)工程理論方法應(yīng)用;2005年01期

10 張劍飛;數(shù)據(jù)挖掘中決策樹分類方法研究[J];長春師范學(xué)院學(xué)報;2005年02期

相關(guān)碩士學(xué)位論文 前5條

1 曹曉;西溪國家濕地公園濕地水生植被特征及其與水環(huán)境關(guān)系研究[D];南京師范大學(xué);2011年

2 南楠;江蘇泗洪洪澤湖濕地保護區(qū)植被多樣性及其對水質(zhì)的凈化效應(yīng)研究[D];南京林業(yè)大學(xué);2008年

3 金紅華;淺水湖泊沼澤化程度定量評價及其在東太湖的應(yīng)用[D];河海大學(xué);2007年

4 陳開寧;蓖齒眼子菜（Potamogeton pectinatus L）生物、生態(tài)學(xué)及其在滇池富營養(yǎng)水體生態(tài)修復(fù)中的應(yīng)用研究[D];南京農(nóng)業(yè)大學(xué);2002年

5 蘇勝齊;環(huán)境對菹草生長和繁殖的影響及菹草對富營養(yǎng)化水凈化能力的研究[D];西南農(nóng)業(yè)大學(xué);2001年

，

本文編號：1557759