利用光譜混合分解模型分析GF-6新增波段對土地利用/覆被的響應
發(fā)布時間:2021-04-13 02:39
當前面對緊迫的自然資源管理壓力和生態(tài)環(huán)境監(jiān)測需求,針對國產(chǎn)遙感衛(wèi)星大數(shù)據(jù)應用能力的挖掘?qū)⒚媾R很大的挑戰(zhàn)。GF-6衛(wèi)星具有大角度、高頻次和新譜段的特點,該文基于GF-6衛(wèi)星數(shù)據(jù),測試新增的紅邊、黃光和紫光波段響應能力。利用具有物理意義的全約束線性光譜混合分解模型,根據(jù)研究區(qū)物候特征確定四端元包括植被(GV),裸地和建設用地等基質(zhì)(SU),山體植被陰影(DA)以及水(WA),通過對比保留紅邊、黃光波段、紫光波段和去除紅邊、黃光、紫光波段后的分解結(jié)果,對各新增波段和GV端元、SU端元、差均方根(RMSE)進行相關性分析;最后對比光譜混合分解結(jié)果和基于專家知識決策樹分類結(jié)果。通過對比豐度值估計參數(shù)和決策樹分類結(jié)果發(fā)現(xiàn)紅邊波段對植被較為敏感,對光譜混合分解模型的適用性、穩(wěn)健性以及豐度值估計精度有著很大貢獻,黃光波段和紫光波段經(jīng)過數(shù)據(jù)降維后對植被和裸地、建設用地有少量貢獻。通過相關性分析發(fā)現(xiàn)紅邊2波段、近紅外波段與GV端元豐度圖有最大的相關性,紫光波段、黃光波段和紅邊1波段與GV端元反向相關;紅邊1波段、紫光波段和黃光波段與SU端元豐度圖顯著相關;紅邊1波段和黃光波段對豐度值計算誤差有主要貢獻,是...
【文章來源】:農(nóng)業(yè)工程學報. 2020,36(03)北大核心EICSCD
【文章頁數(shù)】:10 頁
【部分圖文】:
豐度值信息丟失對比圖
圖3 豐度值信息丟失對比圖3)通過對比國產(chǎn)GF-6衛(wèi)星和國外常用Landsat8和Sentinel-2衛(wèi)星對研究區(qū)光譜混合分解結(jié)果可以發(fā)現(xiàn),GF-6衛(wèi)星一定程度上已經(jīng)達到甚至超越了國外衛(wèi)星水平。各傳感器三端元合成圖和端元光譜曲線如圖4所示,由于影像時相、拍攝時間略有不同,所以三端元合成圖也有輕微差異,GF-6衛(wèi)星SU端元的光譜曲線有明顯的由紫光、黃光和紅邊2波段造成的突變點。表4列出了GF-6衛(wèi)星、Landset8和Sentinel2系列在研究區(qū)各端元豐度值和均方根誤差平均值、標準差和變異系數(shù)。
這里的結(jié)論與豐度值參數(shù)對比結(jié)論基本一致,即紅邊波段對GV端元豐度值估計、黃光波段對SU端元豐度值估計具有較大貢獻。由于光譜混合分解過程中進行了主成分變換等工作,消除了部分冗余信息,所以紫光波段、黃光波段對GV端元豐度值估計的貢獻以及紅邊2波段對SU端元豐度值估計的貢獻很不明顯,但這并不說明這些波段對各端元豐度值的計算毫無作用。4.3 決策樹分類
【參考文獻】:
期刊論文
[1]基于遙感光譜的干旱區(qū)土地退化評價體系構(gòu)建[J]. 張平,孫強強,孫丹峰,孫敏軒,劉浩田,尤淑撐,劉愛霞. 農(nóng)業(yè)工程學報. 2019(09)
[2]水土流失區(qū)生態(tài)修復后植被健康的遙感判別[J]. 胡秀娟,徐涵秋,郭燕濱,張博博. 應用生態(tài)學報. 2017(01)
[3]基于多季相光譜混合分解和決策樹的干旱區(qū)土地利用分類[J]. 姜宛貝,孫強強,曲葳,劉曉娜,于文婧,孫丹峰. 農(nóng)業(yè)工程學報. 2016(19)
[4]RapidEye衛(wèi)星紅邊波段對農(nóng)作物面積提取精度的影響[J]. 劉佳,王利民,滕飛,楊玲波,高建孟,姚保民,楊福剛. 農(nóng)業(yè)工程學報. 2016(13)
[5]基于Landsat 8劈窗算法與混合光譜分解的城市熱島空間格局分析——以蘭州市中心城區(qū)為例[J]. 李瑤,潘竟虎. 干旱區(qū)地理. 2015(01)
[6]基于紅邊位置變化特征的油菜種植區(qū)域提取[J]. 佘寶,黃敬峰,石晶晶,魏傳文. 農(nóng)業(yè)工程學報. 2013(15)
[7]基于棉花紅邊參數(shù)的葉綠素密度及葉面積指數(shù)的估算[J]. 黃春燕,王登偉,張煜星. 農(nóng)業(yè)工程學報. 2009(S2)
[8]Relationship of Remote Sensing Normalized Differential Vegetation Index to Anopheles Density and Malaria Incidence Rate[J]. JUN LIU AND XING-PENG CHEN1 College of Earth And Environmental Sciences, Lanzhou University, Lanzhou 730030, Gansu, China. Biomedical and Environmental Sciences. 2006(02)
[9]基于決策樹的遙感影像分類方法研究[J]. 李爽,張二勛. 地域研究與開發(fā). 2003(01)
博士論文
[1]通用光譜模式分解算法及植被指數(shù)的建立[D]. 張立福.武漢大學 2005
本文編號:3134459
【文章來源】:農(nóng)業(yè)工程學報. 2020,36(03)北大核心EICSCD
【文章頁數(shù)】:10 頁
【部分圖文】:
豐度值信息丟失對比圖
圖3 豐度值信息丟失對比圖3)通過對比國產(chǎn)GF-6衛(wèi)星和國外常用Landsat8和Sentinel-2衛(wèi)星對研究區(qū)光譜混合分解結(jié)果可以發(fā)現(xiàn),GF-6衛(wèi)星一定程度上已經(jīng)達到甚至超越了國外衛(wèi)星水平。各傳感器三端元合成圖和端元光譜曲線如圖4所示,由于影像時相、拍攝時間略有不同,所以三端元合成圖也有輕微差異,GF-6衛(wèi)星SU端元的光譜曲線有明顯的由紫光、黃光和紅邊2波段造成的突變點。表4列出了GF-6衛(wèi)星、Landset8和Sentinel2系列在研究區(qū)各端元豐度值和均方根誤差平均值、標準差和變異系數(shù)。
這里的結(jié)論與豐度值參數(shù)對比結(jié)論基本一致,即紅邊波段對GV端元豐度值估計、黃光波段對SU端元豐度值估計具有較大貢獻。由于光譜混合分解過程中進行了主成分變換等工作,消除了部分冗余信息,所以紫光波段、黃光波段對GV端元豐度值估計的貢獻以及紅邊2波段對SU端元豐度值估計的貢獻很不明顯,但這并不說明這些波段對各端元豐度值的計算毫無作用。4.3 決策樹分類
【參考文獻】:
期刊論文
[1]基于遙感光譜的干旱區(qū)土地退化評價體系構(gòu)建[J]. 張平,孫強強,孫丹峰,孫敏軒,劉浩田,尤淑撐,劉愛霞. 農(nóng)業(yè)工程學報. 2019(09)
[2]水土流失區(qū)生態(tài)修復后植被健康的遙感判別[J]. 胡秀娟,徐涵秋,郭燕濱,張博博. 應用生態(tài)學報. 2017(01)
[3]基于多季相光譜混合分解和決策樹的干旱區(qū)土地利用分類[J]. 姜宛貝,孫強強,曲葳,劉曉娜,于文婧,孫丹峰. 農(nóng)業(yè)工程學報. 2016(19)
[4]RapidEye衛(wèi)星紅邊波段對農(nóng)作物面積提取精度的影響[J]. 劉佳,王利民,滕飛,楊玲波,高建孟,姚保民,楊福剛. 農(nóng)業(yè)工程學報. 2016(13)
[5]基于Landsat 8劈窗算法與混合光譜分解的城市熱島空間格局分析——以蘭州市中心城區(qū)為例[J]. 李瑤,潘竟虎. 干旱區(qū)地理. 2015(01)
[6]基于紅邊位置變化特征的油菜種植區(qū)域提取[J]. 佘寶,黃敬峰,石晶晶,魏傳文. 農(nóng)業(yè)工程學報. 2013(15)
[7]基于棉花紅邊參數(shù)的葉綠素密度及葉面積指數(shù)的估算[J]. 黃春燕,王登偉,張煜星. 農(nóng)業(yè)工程學報. 2009(S2)
[8]Relationship of Remote Sensing Normalized Differential Vegetation Index to Anopheles Density and Malaria Incidence Rate[J]. JUN LIU AND XING-PENG CHEN1 College of Earth And Environmental Sciences, Lanzhou University, Lanzhou 730030, Gansu, China. Biomedical and Environmental Sciences. 2006(02)
[9]基于決策樹的遙感影像分類方法研究[J]. 李爽,張二勛. 地域研究與開發(fā). 2003(01)
博士論文
[1]通用光譜模式分解算法及植被指數(shù)的建立[D]. 張立福.武漢大學 2005
本文編號:3134459
本文鏈接:http://sikaile.net/guanlilunwen/gongchengguanli/3134459.html
最近更新
教材專著