在森林優(yōu)勢(shì)樹(shù)種分類(lèi)管理的過(guò)程中,使用現(xiàn)代遙感技術(shù)對(duì)森林進(jìn)行管理成為現(xiàn)代林業(yè)管理的必然趨勢(shì),而葉片高光譜作為遙感技術(shù)中非常重要的一種優(yōu)勢(shì)樹(shù)種分類(lèi)技術(shù),在樹(shù)種管理過(guò)程中發(fā)揮著十分重要的作用。基于葉片高光譜的皇甫山森林公園優(yōu)勢(shì)樹(shù)種分類(lèi)研究,簡(jiǎn)單確定了皇甫山森林公園的研究區(qū)及數(shù)據(jù)源,使用對(duì)數(shù)變換、一階導(dǎo)數(shù)變換、二階導(dǎo)數(shù)變換等三種方式對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,再使用單因素方差分析、逐步判別法、因子分析法等對(duì)優(yōu)勢(shì)樹(shù)種的分類(lèi)進(jìn)行了研究,結(jié)果表明:紅邊波段對(duì)優(yōu)勢(shì)樹(shù)種的分類(lèi)有著顯著的影響。 

【文章來(lái)源】：綠色科技. 2020,(24)

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

皇甫山森林公園的區(qū)域分布

L值對(duì)比

如圖3所示，對(duì)于馬尾松、國(guó)外松等樹(shù)種來(lái)說(shuō)，這種樹(shù)種的分類(lèi)及驗(yàn)證精度都能夠達(dá)到100%，各種優(yōu)勢(shì)樹(shù)種也能夠獲得較好的分類(lèi)結(jié)果，大部分優(yōu)勢(shì)樹(shù)種的分類(lèi)精度都處于80%～100%之間，尤其是分類(lèi)精度處于90%～100%之間的精度數(shù)量占總的精度數(shù)量的百分比達(dá)到了85%以上。同時(shí)，對(duì)實(shí)驗(yàn)數(shù)據(jù)預(yù)處理方式以及采取不同的組合方式都會(huì)對(duì)優(yōu)勢(shì)樹(shù)種的分類(lèi)精度產(chǎn)生影響，但使用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)對(duì)優(yōu)勢(shì)樹(shù)種進(jìn)行分類(lèi)，能夠獲得較好的分類(lèi)效果。通過(guò)反射+透射的分類(lèi)方式獲得的分類(lèi)精度效果相對(duì)較好，但通過(guò)透射、反射、反射透射相結(jié)合分分類(lèi)方式所獲得的分類(lèi)效果逐漸降低。總體來(lái)看，通過(guò)對(duì)優(yōu)勢(shì)樹(shù)種的正面葉片進(jìn)行高光譜采集數(shù)據(jù)，能夠獲得較好的分類(lèi)效果，但對(duì)優(yōu)勢(shì)樹(shù)種的反面葉片進(jìn)行高光譜采集數(shù)據(jù)，能夠獲得的分類(lèi)效果要弱于通過(guò)正面葉片進(jìn)行高光譜采集數(shù)據(jù)所獲得的分類(lèi)效果。但如果對(duì)葉片正反面不加以區(qū)分，所獲得的葉片數(shù)據(jù)由此來(lái)進(jìn)行優(yōu)勢(shì)樹(shù)種的分類(lèi)精度較差。此外，在對(duì)所獲得的數(shù)據(jù)進(jìn)行分類(lèi)判別時(shí)，并且對(duì)分類(lèi)的波段進(jìn)行匯總，發(fā)現(xiàn)紅邊波段是出現(xiàn)頻率最高的波段，因而紅邊波段對(duì)皇甫山森林公園優(yōu)勢(shì)樹(shù)種的分類(lèi)有著較為顯著的影響。

【參考文獻(xiàn)】：
期刊論文
[1]基于高光譜遙感圖像的樹(shù)種(樹(shù)種組)分類(lèi)[J]. 王志輝,張樂(lè),徐惠軍,劉天陽(yáng),鮑永新.  華東森林經(jīng)理. 2019(02)
[2]基于多時(shí)相CHRIS高光譜衛(wèi)星數(shù)據(jù)的優(yōu)勢(shì)樹(shù)種分類(lèi)研究[J]. 韓文軍,張?zhí)K,焦全軍,吳驊.  林業(yè)調(diào)查規(guī)劃. 2019(02)
[3]結(jié)合LiDAR單木分割和高光譜特征提取的城市森林樹(shù)種分類(lèi)[J]. 皋廈,申鑫,代勁松,曹林.  遙感技術(shù)與應(yīng)用. 2018(06)
[4]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(lèi)研究[J]. 樊雪,劉清旺,譚炳香.  國(guó)土資源遙感. 2017(02)
[5]基于小波包變換的葉片高光譜數(shù)據(jù)的樹(shù)種分類(lèi)[J]. 褚西鵬,葛宏立,陳柯萍.  光譜實(shí)驗(yàn)室. 2012(05)
[6]基于PCA和SVM的高光譜遙感圖像分類(lèi)研究[J]. 張亮.  光學(xué)技術(shù). 2008(S1)

博士論文
[1]高光譜數(shù)據(jù)反演植被信息的研究[D]. 佃袁勇.武漢大學(xué) 2011

碩士論文
[1]基于高光譜遙感數(shù)據(jù)的森林樹(shù)種分類(lèi)[D]. 張麗云.北京林業(yè)大學(xué) 2016
[2]基于葉片高光譜的吉林蛟河典型樹(shù)種分類(lèi)研究[D]. 李瑞平.北京林業(yè)大學(xué) 2015
[3]高光譜數(shù)據(jù)的樹(shù)種分類(lèi)波段選擇研究[D]. 張銀濤.浙江農(nóng)林大學(xué) 2014
[4]基于高光譜遙感數(shù)據(jù)的樹(shù)種組分類(lèi)方法探討[D]. 于龍.浙江農(nóng)林大學(xué) 2013
[5]基于葉片非成像高光譜數(shù)據(jù)樹(shù)種分類(lèi)[D]. 褚西鵬.浙江農(nóng)林大學(xué) 2012



本文編號(hào)：3594327