為獲得伊犁絹蒿荒漠草地主要植物最佳識別參數(shù),本研究利用SOC710 VP成像光譜儀于4月采集群落影像,以伊犁絹蒿（Seriphidium transiliense）、角果藜（Ceratocarpus arenarius）、叉毛蓬（Petrosimonia sibirica）和裸地為識別對象,基于光譜學響應與峰谷特性選取8個位置參數(shù)、2個面積參數(shù)、4個植被指數(shù),按照顯著性差異從小到大逐一篩選敏感參數(shù),并使用Fisher判別分析進行精度驗證。結(jié)果表明:4種識別對象的反射率大小在可見光和近紅外波段表現(xiàn)出不同的特征;用篩選出的紅谷位置、紅邊位置、紅谷幅值、藍邊面積、NDVI₁、RVI₁和RVI₂進行判別,精度分別為伊犁絹蒿91.11%、角果藜80.56%、叉毛蓬91.11%、裸地100%,總精度為92.13%。本試驗篩選出的識別參數(shù)建立判別模型可為進一步對群落影像進行物種定量分類提供依據(jù)。 

【文章頁數(shù)】：11 頁

【文章目錄】：
1 材料與方法
    1.1 研究區(qū)與識別對象
    1.2 數(shù)據(jù)采集
        1.2.1 樣地設置
        1.2.2 高光譜影像采集
    1.3 數(shù)據(jù)處理
        1.3.1 高光譜反射率提取
        1.3.2 光譜平滑處理
        1.3.3 光譜一階微分處理
        1.3.4 光譜參數(shù)的選取
        1.3.5 方差分析
    1.4 判別模型的建立
    1.5 敏感光譜參數(shù)篩選
2 結(jié)果與分析
    2.1 光譜特征響應分析
    2.2 光譜特征參數(shù)響應分析
    2.3 識別參數(shù)方差分析
        2.3.1 光譜參數(shù)方差分析
        2.3.2 光譜位置參數(shù)特征
        2.3.3 光譜面積參數(shù)特征
        2.3.4 植被指數(shù)參數(shù)特征
    2.4 識別參數(shù)的篩選
    2.5 識別參數(shù)的判別
3 討論
    3.1 平滑和微分變換增強了物種間光譜差異
    3.2 識別光譜參數(shù)的篩選
    3.3 篩選參數(shù)能夠優(yōu)化判別模型
4 結(jié)論


【參考文獻】：
期刊論文
[1]基于多源遙感數(shù)據(jù)的植物物種分類與識別:研究進展與展望[J]. 孔嘉鑫,張昭臣,張健.  生物多樣性. 2019(07)
[2]馬鈴薯冠層光譜響應特征參數(shù)優(yōu)化與生長期判別[J]. 孫紅,劉寧,邢子正,張智勇,李民贊,吳靜珠.  光譜學與光譜分析. 2019(06)
[3]基于無人機遙感與卷積神經(jīng)網(wǎng)絡的草原物種分類方法[J]. 楊紅艷,杜健民,王圓,張燕斌,張錫鵬,康擁朝.  農(nóng)業(yè)機械學報. 2019(04)
[4]結(jié)合LiDAR單木分割和高光譜特征提取的城市森林樹種分類[J]. 皋廈,申鑫,代勁松,曹林.  遙感技術(shù)與應用. 2018(06)
[5]不同高光譜特征參數(shù)區(qū)分馬鈴薯品種的優(yōu)劣勢分析[J]. 段丁丁,何英彬,羅善軍,王卓卓.  光譜學與光譜分析. 2018(10)
[6]干旱脅迫下雷竹葉片葉綠素的高光譜響應特征及含量估算[J]. 張瑋,王鑫梅,潘慶梅,謝錦忠,張勁松,孟平.  生態(tài)學報. 2018(18)
[7]高光譜參數(shù)和逐步判別的苧麻品種識別[J]. 曹曉蘭,陳星明,張帥,崔國賢.  光譜學與光譜分析. 2018(05)
[8]基于地面成像光譜數(shù)據(jù)特征的濕地典型植被類型識別研究——以東洞庭湖核心區(qū)濕地為例[J]. 凌成星,劉華,鞠洪波,張懷清,孫華,由佳,李偉娜.  西北林學院學報. 2018(03)
[9]一種基于無人機高光譜數(shù)據(jù)的植被蓋度估算新方法[J]. 馮海英,馮仲科,馮海霞.  光譜學與光譜分析. 2017(11)
[10]伊犁絹蒿荒漠草地物種光譜特征分析及識別初探[J]. 魏秀紅,靳瑰麗,范燕敏,安沙舟,夏小偉.  草業(yè)科學. 2016(10)



本文編號：3712011