基于HSI高光谱遥感影像的向海湿地典型植被群落分类研究

《基于HSI高光谱遥感影像的向海湿地典型植被群落分类研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10203研究生学号：1416540分类号：P9密级：无硕士学位论文基于HSI高光谱遥感影像的向海湿地典型植被群落分类研究AStudyonClassificationofTypicalVegetationCommunitiesinXianghaiWetlandUsingHSIHyperspectralRemoteSensing作者姓名：杜保佳指导教师：刘吉平教授学科专业：自然地理学学位类型：学术型硕士2017年6月摘要利用高光谱遥感数据进行特征提取和精细识别是目前遥感领域的研究热点问题。本文以遥感（RemoteSensing,RS）和地理信息系统（Ge

2、ographicInformationSystem,GIS）作为技术支撑，以向海湿地为研究区，选取芦苇、香蒲、碱蓬和羊草作为研究对象，应用2015年HJ-1A/HSI高光谱影像，结合地面实测的植被高光谱反射率数据，采用波谱角度填图（SpectralAngleMapper,SAM）和波谱信息散度(SpectralInformationDivergence,SID)分类方法，实现研究区典型植被群落的识别分类。首先对野外样地实测的4种典型植被群落反射率数据进行平滑预处理，用作建立植被端元光谱库；其次，对HSI高光谱影像进行预处理，比较了主成分分析法和最小噪声分离法并对

3、HSI高光谱影像进行降维去噪和特征波段选择；再次，对平滑后的光谱反射率数据进行光谱一阶导数计算和连续统去除分析，突出典型植被的光谱反射特征和吸收特征，凸显不同类型植被间的细微光谱差异，用以指导SAM和SID方法对典型植被群落进行精细识别分类。主要研究结果如下：（1）HSI高光谱数据存在明显的斜条纹，前20个波段尤为明显，但总体数量较少。经过条带处理后的影像数据能够真实的反映地表植被的光谱特征，可用来进行植被群落的识别分类。（2）地面实测的典型植被群落反射率数据具有典型健康绿色植物的“两峰三谷”的光谱特征。运用光谱微分方法，可以突出典型植被群落类型间吸收特征的差异

4、，有利于对其进行高精度识别。在458.4nm处，芦苇和羊草较容易区分，碱蓬和香蒲不易区分；在546.2nm处，碱蓬和香蒲容易区分；在609.5nm处，碱蓬、香蒲容易区分，碱蓬和羊草不易区分；在820.5nm处，碱蓬、芦苇、羊草容易区分；在904nm处，碱蓬、香蒲、羊草容易区分；经过连续统去除分析可知，在576nm，647nm，898nm，920nm4个波段附近，能够较好的识别典型植被群落。（3）分类结果表明：经过MNF变换去噪后的特征影像，运用SAM方法进行分类，总体精度略高于SID方法的分类结果，总体分类精度分别为89.0854%和85.4901%，Kappa

5、系数分别为0.8058和0.7983。综上，研究中通过对地面实测的典型植被群落的高光谱数据进行变换和分析，结合国产HJ-1A/HSI高光谱数据，经过影像预处理能够真实反映向海湿地典型植被群落的光谱特征。运用SAM分类方法能够获得较高的分类精度，为研究干旱半干旱区典型盐沼I湿地植被群落高光谱识别分类提供参考依据，从而完善湿地植被信息提取的算法体系。在拓展国产高光谱遥感影像在植被精细识别应用方面具有重要意义。关键词：高光谱遥感；植被群落；光谱特征；波谱角度填图；波谱信息散度IIAbstractFeatureextractionandrecognitionprecis

6、ionbasedonhyperspectralremotesensingdataistheresearchhotspotissuesinthefieldofremotesensingcurrently;inthispaper,usingRS(remotesensing,RS)andGIS(GeographicInformationtheSystem,GIS)astechnicalsupport,selectingXianghaiNatureNationalReserveasthestudyarea,selectthePhragmitesaustralis,Typ

7、haorientalis,SuaedaglaucaandLeymuschinensisastheresearchobject,applicationof2015yearsHJ-1A/HSIhyperspectralremotesensing,combinedwiththevegetationhyperspectralreflectancedataofthemeasuredground,usingspectralanglemappingandspectralinformationdivergenceclassificationmethodclassifythety

8、picalvegetat