高光譜遙感是一種被動光學(xué)遙感技術(shù),具有光譜分辨率高、信息量大等優(yōu)點,能夠反映不同地物的連續(xù)光譜特征,識別精細地物類型,在林業(yè)、海洋、大氣、地質(zhì)等領(lǐng)域得到廣泛應(yīng)用。本文使用機載PHI高光譜數(shù)據(jù)進行優(yōu)勢樹種識別,考慮到高光譜數(shù)據(jù)對植被非敏感波段的信息量偏低,特別是高光譜兩端波段的噪聲顯著,需要進行去噪和降維處理,降維方法包括自適應(yīng)波段選擇法和微分法。為了消除非森林地物對分類的干擾,選擇分層分類的策略,先根據(jù)NDVI閾值區(qū)分森林與非森林,然后采用SVM和SAM法在森林類別中進一步區(qū)分不同優(yōu)勢樹種。論文的主要研究成果及結(jié)論如下:(1)基于獨立分量分析法的降噪方法能有效去除高光譜數(shù)據(jù)噪聲、冗余波段信息,大大減小運算量。通過對波段選擇前后影像、光譜曲線的比較,都能明顯看出降噪后的數(shù)據(jù)質(zhì)量優(yōu)于未降噪前的數(shù)據(jù)質(zhì)量。(2)利用NDVI指數(shù)區(qū)分森林與非森林,效果較好。由于數(shù)據(jù)獲取時相為冬季,落葉樹種都已經(jīng)落葉,此時植被光譜特征表現(xiàn)不明顯,其NDVI值與落葉灌草接近,還有一些樹種與非林地地類(如農(nóng)田或道路)光譜信息接近,因此,本研究中首先區(qū)分出林地與非林地,在此基礎(chǔ)上對林地進行樹種識別。試驗表明,本研究中采用...

【文章頁數(shù)】：88 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 高光譜遙感的基本概念
        1.2.2 高光譜遙感的林業(yè)應(yīng)用現(xiàn)狀
        1.2.3 高光譜遙感分類研究現(xiàn)狀
        1.2.4 項目經(jīng)費來源
    1.3 研究目的和內(nèi)容
        1.3.1 關(guān)鍵的科學(xué)問題和研究目的
        1.3.2 研究內(nèi)容
    1.4 技術(shù)路線
        1.4.1 技術(shù)流程
        1.4.2 論文組織與結(jié)構(gòu)
第二章 研究區(qū)概況與數(shù)據(jù)
    2.1 研究區(qū)概況
        2.1.1 地理位置
        2.1.2 地勢狀況
        2.1.3 氣候狀況
        2.1.4 森林資源
    2.2 高光譜遙感數(shù)據(jù)獲取
    2.3 外業(yè)調(diào)查數(shù)據(jù)
    2.4 本章小結(jié)
第三章 高光譜數(shù)據(jù)預(yù)處理
    3.1 波段剔除
    3.2 數(shù)據(jù)格式轉(zhuǎn)換
    3.3 大氣校正
    3.4 數(shù)據(jù)降噪
    3.5 圖像鑲嵌
    3.6 本章小結(jié)
第四章 不同降維方式的森林樹種分類算法研究
    4.1 高光譜數(shù)據(jù)降維
        4.1.1 自適應(yīng)波段選擇法
        4.1.2 微分法
    4.2 高光譜數(shù)據(jù)分類
        4.2.1 分層分類
        4.2.2 支持向量機法
        4.2.3 光譜角填圖法
    4.3 本章小結(jié)
第五章 不同降維方式的森林樹種分類可行性分析
    5.1 高光譜數(shù)據(jù)降維結(jié)果
        5.1.1 自適應(yīng)波段選擇法結(jié)果
        5.1.2 微分法變換結(jié)果
    5.2 森林樹種分類結(jié)果
        5.2.1 分層分類結(jié)果
        5.2.2 支持向量機結(jié)果
        5.2.3 光譜角填圖結(jié)果
    5.3 本章小結(jié)
第六章 結(jié)論與展望
    6.1 結(jié)論
    6.2 創(chuàng)新點
    6.3 存在的問題與展望
參考文獻
在讀期間的學(xué)術(shù)研究
致謝



本文編號：4022248