基于环境与灾害监测预报小卫星的树种识别.pdf

《基于环境与灾害监测预报小卫星的树种识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第４１卷第１１期东北林业大学学报Ｖｏｌ．４１Ｎｏ．１１２０１３年１１月ＪＯＵＲＮＡＬＯＦＮＯＲＴＨＥＡＳＴＦＯＲＥＳＴＲＹＵＮＩＶＥＲＳＩＴＹＮｏｖ．２０１３１）基于环境与灾害监测预报小卫星的树种识别李俊明邢艳秋杨超李增元　　　（东北林业大学，哈尔滨，１５００４０）　　　　　（中国林业科学研究院资源信息研究所）摘要应用环境与灾害监测预报小卫星的高光谱遥感影像，对吉林省汪清林业局施业区内的典型树种蒙古栎、白桦和落叶松进行分类。依据各树种在相同波段灰度值的差异性，从ＨＪ－１Ａ遥感影像的１１５个波段中提取３个树种可分性好的波段区域，建立基于植被灰度值的分类规则进行预分类，再结合地形因子的坡

2、向数据和ＤＥＭ数据等地形因子进行再分类。预分类的总体分类精度为６８．３３％，分别结合坡向数据和高程数据的分类精度为８１．６７％和８０．００％；在预分类中，结合坡向和高程数据的总体分类精度为８８．３３％。关键词ＨＪ－１Ａ；森林类型；地形因子；树种识别分类号Ｓ７７１．８ForestTypeIdentificationBasedonHyperspectralRemoteSensingImageofEnvironmentandDisasterMonito-ringSatellite／ＬｉＪｕｎｍｉｎｇ，ＸｉｎｇＹａｎｑｉｕ，ＹａｎｇＣｈａｏ（ＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉ

3、ｔｙ，Ｈａｒｂｉｎ１５００４０，Ｐ．Ｒ．Ｃｈｉｎａ）；ＬｉＺｅｎｇｙｕａｎ（ＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＦｏｒｅｓｔＲｅｓｅａｒｃｈＩｎｆｏｒｍａｔｉｏｎＴｅｃｈｎｉｑｕｅｓ）／／ＪｏｕｒｎａｌｏｆＮｏｒｔｈｅａｓｔＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ．－２０１３，４１（１１）．－４１～４５，５０ＴｈｅｅｘｐｅｒｉｍｅｎｔｗａｓｃｏｎｄｕｃｔｅｄｔｏｃｌａｓｓｉｆｙｔｙｐｉｃａｌｆｏｒｅｓｔｓｉｎｃｌｕｄｉｎｇＭｏｎｇｏｌｉａｎｏａｋ，ｂｉｒｃｈａｎｄｌａｒｃｈｉｎＷａｎｇＱｉｎｇｆｏｒｅｓｔａｒｅａｏｆＪｉｌｉｎＰｒｏｖｉｎｃｅｗｉｔｈｔｈｅｈｙｐｅｒｓｐｅｃｔｒａｌｒｅ

4、ｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｏｆｓｍａｌｌｅｎｖｉｒｏｎｍｅｎｔａｎｄｄｉｓａｓｔｅｒｍｏｎｉｔｏｒｉｎｇｓａｔｅｌｌｉｔｅ．Ｗｉｔｈｔｈｅｇｒａｙｖａｌｕｅｄｉｆｆｅｒｅｎｃｅａｍｏｎｇｔｈｅｆｏｒｅｓｔｔｙｐｅｓｉｎｔｈｅｓａｍｅｂａｎｄ，ｔｈｒｅｅｂａｎｄｓｅｃｔｉｏｎｓａｒｅｇｏｏｄｓｅｐａｒａｂｉｌｉｔｙｆｏｒｔｈｒｅｅｆｏｒｅｓｔｔｙｐｅｓｆｒｏｍ１１５ｂａｎｄｓｏｆＨＪ-１Ａｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅ．Ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｒｕｌｅｓｔｏｃｌａｓｓｉｆｙｐｒｅｌｉｍｉｎａｒｉｌｙｗｅｒｅｂｕｉｌｔｂａｓｅｄｏｎｖｅｇｅｔａｔｉｏｎｇｒａｙｖａｌ

5、ｕｅｋｎｏｗｌｅｄｇｅ，ａｎｄｔｈｅｎｒｅｃｌａｓｓｉｆｉｅｄａｓｐｅｃｔｄａｔａａｎｄＤＥＭ（ＤｉｇｉｔａｌＥｌｅｖａｔｉｏｎＭｏｄｅｌ）ｄａｔａｃｏｍ-ｂｉｎｅｄｗｉｔｈｔｅｒｒａｉｎｆａｃｔｏｒｓ．Ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｏｆｐｒｅｌｉｍｉｎａｒｙｃｌａｓｓｉｆｉｃａｔｉｏｎｗａｓ６８．３３％，ａｎｄｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃ-ｃｕｒａｃｙｏｆａｓｐｅｃｔｄａｔａａｎｄＤＥＭｄａｔａｃｏｍｂｉｎｅｄｗｅｒｅ８１．６７％ａｎｄ８０．００％，ｒｅｓｐｅｃｔｉｖｅｌｙ．Ｉｎｐｒｅｌｉｍｉｎａｒｙｃｌａｓｓｉｆｉｃａｔｉｏｎｃｏｍ-ｂｉｎｅｄｗｉｔ

6、ｈａｓｐｅｃｔｄａｔａａｎｄＤＥＭｄａｔａ，ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎａｃｃｕｒａｃｙｗａｓ８８．３３％．KeywordsＨＪ-１Ａ；Ｆｏｒｅｓｔｔｙｐｅ；Ｔｅｒｒａｉｎｆａｃｔｏｒ；Ｆｏｒｅｓｔｔｙｐｅｉｄｅｎｔｉｆｉｃａｔｉｏｎ［１］［１４］森林资源是陆地生态系统的主体，对改善空气国加州的６个针叶树种进行识别；谭炳香等用ＥＯ－［２－３］质量、涵养水源、减少风沙危害等起着重要作用，１Ｈｙｐｅｒｉｏｎ高光谱数据对吉林省汪清林业局境内森林是人类赖以生存和发展的基础。同时，森林是陆地碳树种进行识别，并与多光谱遥感数据的森林树种识别［４］［１５］的主要存储库，可固定大气中的二氧化碳

7、，是减缓进行比较，高光谱分类最好。王志辉应用ＥＯ－［５］全球气候变暖最有希望的选择。因此，加强对现有１Ｈｙｐｅｒｉｏｎ数据对浙江农林大学植物园内的树种进行林业资源的保护及掌握森林资源的动态变化，对林业森林类型识别，采用最大似然法作为分类方法处理，资源的可持续发展有着重要的意义。在传统的林业结果表明，用高光谱遥感数据对树种分类能达到较高资源调查中，不但要耗费大量的人力、物力和财力，而的分类精度。多数研究是基于国外的遥感卫星，而对且很难实现大空间尺度的调查。而