【目的】基于機(jī)載高光譜影像的分類研究中,利用不同尺度紋理特征與面向?qū)ο蠓诸愊嘟Y(jié)合的方法在樹(shù)種分類的研究中應(yīng)用較少,并且相關(guān)研究主要針對(duì)單一樹(shù)種識(shí)別而不考慮多種樹(shù)種,因此對(duì)于復(fù)雜林分中的樹(shù)種識(shí)別能力有待進(jìn)一步研究。本研究擬探究不同尺度紋理特征結(jié)合面向?qū)ο蟮姆诸惣夹g(shù)在樹(shù)種精細(xì)分類中的應(yīng)用效果�！痉椒ā坷脵C(jī)載高光譜數(shù)據(jù)進(jìn)行面向?qū)ο蟮臉?shù)種精細(xì)分類。根據(jù)研究區(qū)內(nèi)地表類型情況,采用分層分類的方法區(qū)分非林地、其他林地與有林地,對(duì)有林地進(jìn)行樹(shù)種的精細(xì)分類。從機(jī)載高光譜圖像中提取特征變量,包括獨(dú)立主成分分析ICA變換光譜特征以及空間紋理特征,分析各樹(shù)種的光譜反射率及所適合的紋理尺度,依據(jù)不同尺度紋理特征進(jìn)行分層分類,比較不同特征利用支持向量機(jī)SVM分類的樹(shù)種分類結(jié)果�！窘Y(jié)果】結(jié)合單一尺度紋理特征的分類結(jié)果總體精度為87.11%,Kappa系數(shù)為0.846;結(jié)合不同尺度紋理特征的分類總體精度為89.13%,Kappa系數(shù)為0.87,相比于僅利用光譜特征的分類精度分別提升了4.03%和6.05%。說(shuō)明在面向?qū)ο蟮姆诸愔?紋理特征的加入對(duì)于提升樹(shù)種分類的精度具有顯著效果。結(jié)合不同尺度紋理特征的樹(shù)種分類精度要... 

【文章來(lái)源】：北京林業(yè)大學(xué)學(xué)報(bào). 2020,42(06)北大核心CSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【參考文獻(xiàn)】：
期刊論文
[1]基于機(jī)載PHI高光譜數(shù)據(jù)的森林優(yōu)勢(shì)樹(shù)種分類研究[J]. 樊雪,劉清旺,譚炳香.  國(guó)土資源遙感. 2017(02)
[2]基于紋理信息CART決策樹(shù)的林芝縣森林植被面向?qū)ο蠓诸怺J]. 郝瀧,陳永富,劉華,朱雪林,達(dá)哇扎西,李偉娜.  遙感技術(shù)與應(yīng)用. 2017(02)
[3]基于高光譜影像的樹(shù)種分類[J]. 于麗柯,于穎,柳向宇,杜一塵,張涵.  東北林業(yè)大學(xué)學(xué)報(bào). 2016(09)
[4]結(jié)合多尺度紋理特征的遙感影像面向?qū)ο蠓诸怺J]. 林雪,彭道黎,黃國(guó)勝,王雪軍.  測(cè)繪工程. 2016(07)
[5]機(jī)載LiDAR和高光譜融合實(shí)現(xiàn)普洱山區(qū)樹(shù)種分類[J]. 劉怡君,龐勇,廖聲熙,莢文,陳博偉,劉魯霞.  林業(yè)科學(xué)研究. 2016(03)
[6]機(jī)載AISA Eagle Ⅱ高光譜數(shù)據(jù)處理——以額濟(jì)納旗試驗(yàn)區(qū)為例[J]. 莢文,龐勇,岳彩榮,李增元,車濤,馬明國(guó).  遙感技術(shù)與應(yīng)用. 2016(03)
[7]基于SAM算法的遙感影像濕地植被分類[J]. 李明澤,張培贏.  森林工程. 2015(02)
[8]機(jī)載LiDAR和高光譜融合實(shí)現(xiàn)溫帶天然林樹(shù)種識(shí)別[J]. 劉麗娟,龐勇,范文義,李增元,張登榮,李明澤.  遙感學(xué)報(bào). 2013(03)
[9]高光譜遙感森林信息提取研究進(jìn)展[J]. 譚炳香,李增元,陳爾學(xué),龐勇,武紅敢.  林業(yè)科學(xué)研究. 2008(S1)
[10]基于支持向量機(jī)的高光譜遙感圖像分類[J]. 譚琨,杜培軍.  紅外與毫米波學(xué)報(bào). 2008(02)

博士論文
[1]基于決策樹(shù)的洞庭湖濕地信息提取技術(shù)研究[D]. 朱曉榮.中國(guó)林業(yè)科學(xué)研究院 2012

碩士論文
[1]基于高光譜遙感數(shù)據(jù)的森林樹(shù)種分類[D]. 張麗云.北京林業(yè)大學(xué) 2016



本文編號(hào)：3340384