1A星HSI高光谱数据的植被分类研究

发布时间：2017-02-04 13:43

  本文关键词：玉树地区融合决策树方法的面向对象植被分类，，由笔耕文化传播整理发布。

《南京农业大学》 2012年

基于HJ-1A星HSI高光谱数据的植被分类研究

陈丹  

【摘要】：高光谱遥感技术是当前遥感领域的前沿技术,为植物物种或种群信息的获取、大范围植被的识别与分类提供了新的技术手段。在植被分类中,某些类型的植被群落光谱特性有较为相近的情况,多光谱等传统遥感影像的应用就会受到很大影响。而高光谱遥感由于具有极高的光谱分辨率,能够大大提高对植被的识别与分类精度。可以在大量窄波段中筛选出那些对植被类型光谱差异较明显的波段,利用少数几个窄波段对植被类型进行识别与分类。也可采用压缩技术重新组合几个综合波段,充分利用植被的光谱信息,改善了植被的识别与分类精度。 环境与灾害监测预报小卫星星座(HJ-1A/B)是我国于2008年发射的第一颗专用于环境监测的卫星。HJ-1A星所获取的HSI高光谱数据连续的波段设置能够反映地物光谱的微小变化,提高了对地识别与分类精度,其应用可以满足我国对植被大范围动态的监测需要。然而受限于发射时间较短,目前基于HSI数据的植被分类及与此相关的研究比较少。本文以金钟山自然保护区为研究区,利用环境小卫星HSI高光谱数据, 主要进行了以下研究工作： 1.HSI数据特性与预处理：介绍了HSI数据特点、特性以及波谱信息。针对HSI数据产品特点设置了包括质量差波段的去除、修复个别波段上存在的坏线、垂直条纹去除、几何精校正预处理工作流程,处理后的影像质量明显高于原始影像。 2.植被类型的光谱特征分析：依据野外调查数据与1：20万植被分布图等数据提取了保护区典型植被的光谱曲线。草丛、灌丛、常绿阔叶林、落叶阔叶林、稀疏植被覆盖区这五种植被类型具有典型的植被光谱特征。 3.不同分类方法对比研究：运用四种分类方法对保护区植被类型进行分类识别,分别为基于光谱特征与植被指数构建的决策树法、最大似然监督分类法、ISODATA非监督分类法、波谱角填图法。结果表明决策树法与最大似然法具有较高精度,分别为83.74%,76.22%。一方面验证了决策树方法和高光谱分析方法相结合在提取植被信息中的可行性。另一方面验证了经过MNF变换处理后应用传统的分类方法也可对HSI数据的植被分类有很好的效果。进而证明了HSI高光谱植被分类研究中的数据支撑能力。 总体来讲,本研究运用HSI高光谱数据,充分分析研究区典型植被的光谱特征,运用不同分类方法对研究区植被分类,充分挖掘HSI高光谱数据对植被分类的潜力,成功拓展了HSI高光谱数据在植被分类识别这一应用领域。不仅证实了HJ-1A星HSI数据应用于植被识别分类的可行性,对于推进我国国产卫星及遥感技术在相关方面的应用具有重要作用。

【关键词】：
【学位授予单位】：南京农业大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：Q948
【目录】：

下载全文 更多同类文献

CAJ全文下载

(如何获取全文？ 欢迎：购买知网充值卡、在线充值、在线咨询)

CAJViewer阅读器支持CAJ、PDF文件格式

【参考文献】

中国期刊全文数据库 前10条

1 林丽群;舒宁;;基于决策树的多光谱影像分类研究[J];测绘信息与工程;2006年05期

2 李爽,张二勋;基于决策树的遥感影像分类方法研究[J];地域研究与开发;2003年01期

3 潘琛;林怡;陈映鹰;;基于多特征的遥感影像决策树分类[J];光电子.激光;2010年05期

4 李传荣;贾媛媛;胡坚;李子扬;;HJ-1光学卫星遥感应用前景分析[J];国土资源遥感;2008年03期

5 贾福娟;吴雁林;黄颖;曹东晶;;环境减灾-1A、1B卫星宽覆盖多光谱CCD相机技术[J];航天器工程;2009年06期

6 谭琨;杜培军;;基于支持向量机的高光谱遥感图像分类[J];红外与毫米波学报;2008年02期

7 杨哲海,韩建峰,宫大鹏,李之歆;高光谱遥感技术的发展与应用[J];海洋测绘;2003年06期

8 杨可明;郭达志;陈云浩;;高光谱植被遥感数据光谱特征分析[J];计算机工程与应用;2006年31期

9 罗来平;宫辉力;刘先林;;基于决策树算法的遥感图像分类研究与实现[J];计算机应用研究;2007年01期

10 刘旭升,张晓丽;森林植被遥感分类研究进展与对策[J];林业资源管理;2004年01期

中国硕士学位论文全文数据库 前2条

1 徐晨威;高光谱数据库中基于特征的分类方法研究[D];华中师范大学;2011年

2 贾德伟;基于HSI高光谱数据的水稻光谱特征分析与识别技术研究[D];广西师范学院;2011年

【共引文献】

中国期刊全文数据库 前10条

1 隋学艳;朱振林;朱传宝;杨丽萍;姚慧敏;郭洪海;;基于MODIS数据的山东省小麦株高遥感估算研究[J];山东农业科学;2009年02期

2 蔡薇;郭洪海;隋学艳;杨丽萍;;基于混合像元分解提取小麦种植面积的技术与方法研究[J];山东农业科学;2009年05期

3 纪启国;;利用小波变换对图像进行像素级融合[J];安徽职业技术学院学报;2008年01期

4 戴晓琴;;浅谈遥感技术在土地利用中的应用[J];安徽农学通报;2008年23期

5 陈军;王洪仁;;基于高光谱红边参数的棉花冠层覆盖度提取研究[J];安徽农学通报(上半月刊);2009年09期

6 陈会明;;浅谈遥感技术在农业生产中的应用[J];安徽农学通报(上半月刊);2009年19期

7 陈会明;;浅析遥感技术在我国土地利用调查中的应用[J];安徽农学通报(上半月刊);2009年21期

8 张莉娜;;土壤表层有机质空间分析的遥感技术应用综述[J];安徽农学通报(上半月刊);2010年17期

9 刘占宇;周湾;张莉丽;;入侵植物加拿大一枝黄花的高光谱特性研究[J];安徽农学通报(上半月刊);2011年07期

10 邢炜光;;遥感蒸散估算研究进展[J];安徽农学通报(上半月刊);2012年11期

中国重要会议论文全文数据库 前10条

1 汪震;洪津;张冬英;罗军;;液晶可调谐滤光片在遥感探测中的应用研究[A];光子科技创新与产业化——长三角光子科技创新论坛暨2006年安徽博士科技论坛论文集[C];2006年

2 胡森;林杨挺;;嫦娥一号IIM数据定标的改进方法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

3 饶欢;张智勇;;一种基于ENVI的区域环境分析方法[A];河南地球科学通报2008年卷（下册）[C];2008年

4 许军强;白朝军;孙珂;王明常;;基于TES算法的地表温度反演应用研究[A];河南地球科学通报2009年卷（上册）[C];2009年

5 李飞;魏斌;游代安;;基于ArcSDE的资源环境基础数据库管理系统构建研究[A];2011中国环境科学学会学术年会论文集（第三卷）[C];2011年

6 郭朝辉;龚亚丽;;利用环境减灾卫星进行干旱灾害监测研究[A];全国旱情监测技术与抗旱减灾措施论文集[C];2009年

7 于瑞宏;朱超;刘廷玺;;遥感技术在湖泊水体提取中的应用和展望[A];全国水资源合理配置与优化调度及水环境污染防治技术专刊[C];2011年

8 傅新;刘高焕;黄翀;刘庆生;;人工堤坝影响下的黄河三角洲海岸带生态特征分析[A];全国地质制图与GIS学术论坛论文集[C];2011年

9 李萌;白中科;文乐琴;潘健;;基于像元二分模型榆神府矿区植被覆盖度研究[A];中国农业工程学会2011年学术年会论文集[C];2011年

10 邓书斌;秦禹;;ENVI/IDL在农业遥感中的技术框架研究[A];全国农业遥感技术研讨会论文集[C];2009年

中国博士学位论文全文数据库 前10条

1 周兴东;徐州市城区景观格局时空变化遥感监测与分析[D];山东科技大学;2010年

2 汤春瑞;水下目标声图像多分辨率分析及识别研究[D];哈尔滨工程大学;2009年

3 林颖;基于水平集方法的图像分割关键技术研究[D];哈尔滨工程大学;2010年

4 陈韶斌;基于知识推理和视觉机理的遥感图像目标识别方法研究[D];华中科技大学;2010年

5 陈雁;可见光遥感图像分割与提取研究[D];中国科学技术大学;2010年

6 陈春雷;多尺度林业遥感数据融合技术的应用研究[D];北京林业大学;2011年

7 郑光辉;江苏部分地区土壤属性高光谱定量估算研究[D];南京大学;2011年

8 姚伏天;基于高斯过程的高光谱图像分类研究[D];浙江大学;2011年

9 丁晓东;农田养分流失风险评价及养分平衡管理研究[D];浙江大学;2010年

10 邓睿;多源遥感数据和GIS支持下的台风影响研究[D];浙江大学;2010年

中国硕士学位论文全文数据库 前10条

1 李硕;基于Vis/NIR光谱不同粒径下土壤碳氮的预测研究[D];华中农业大学;2010年

2 韩筱婕;基于城市热岛减缓的湖泊湿地景观功能连通性研究[D];华中农业大学;2010年

3 胡红;矿区植物胁迫作用与遥感信息提取[D];山东科技大学;2010年

4 张京钊;基于LUCC与RS/GIS的济南市生态安全评价[D];山东科技大学;2010年

5 邢著荣;基于辐射传输模型和CHRIS数据反演春小麦LAI[D];山东科技大学;2010年

6 唐红梅;基于辐射与空间信息的遥感图像检索[D];山东科技大学;2010年

7 李新芝;基于多源遥感数据的矿区植被信息监测方法研究[D];山东科技大学;2010年

8 周建辉;基于3S技术的土地开发整理规划研究[D];广西师范学院;2010年

9 汤传勇;基于数字流域的左江流域生态环境评价研究[D];广西师范学院;2010年

10 侯洪升;基于SPOT5高分辨率影像的城市新增建设用地监测研究[D];山东农业大学;2009年

【二级参考文献】

中国期刊全文数据库 前10条

1 杨贵军;黄文江;刘三超;邢著荣;王纪华;;环境减灾卫星高光谱数据大气校正模型及验证[J];北京大学学报(自然科学版);2010年05期

2 杜慧茜,梅文博,李德生;一种改进的BP神经网络在遥感图像分类中的应用[J];北京理工大学学报;1998年04期

3 刘海;邓文胜;;基于证据理论的水稻遥感信息提取方法研究[J];测绘科学;2008年05期

4 翟国君,黄谟涛,欧阳永忠,管铮;海洋测绘的现状与发展[J];测绘通报;2001年06期

5 田庆久;;地物波谱数据库研究现状与发展趋势[J];测绘文摘;2003年03期

6 许妙忠,余志惠;高分辨率卫星影像中阴影的自动提取与处理[J];测绘信息与工程;2003年01期

7 刘新华;舒宁;;纹理特征在多光谱遥感影像分类中的应用[J];测绘信息与工程;2006年03期

8 黄宁,刘小军,朱敏慧,张守融;遥感图像分类技术研究[J];测试技术学报;2001年02期

9 杨存建,周成虎;基于知识的遥感图像分类方法的探讨[J];地理学与国土研究;2001年01期

10 刘小平,彭晓鹃,艾彬;像元信息分解和决策树相结合的影像分类方法[J];地理与地理信息科学;2004年06期

中国博士学位论文全文数据库 前3条

1 张兵;时空信息辅助下的高光谱数据挖掘[D];中国科学院研究生院（遥感应用研究所）;2002年

2 李兴;高光谱数据库及数据挖掘研究[D];中国科学院研究生院（遥感应用研究所）;2006年

3 张远;微波遥感水稻种植面积提取、生物量反演与稻田甲烷排放模拟[D];浙江大学;2009年

中国硕士学位论文全文数据库 前8条

1 戴南;基于决策树的分类方法研究[D];南京师范大学;2003年

2 李行;植被高光谱遥感影像特征波段的选择方法研究[D];山东科技大学;2006年

3 郑长春;水稻种植面积遥感信息提取研究[D];新疆农业大学;2008年

4 张微微;基于多时相CBRES CCD图像的水稻种植面积监测[D];西南大学;2008年

5 乔蕾;基于支持向量机的高光谱图像分类研究[D];哈尔滨工程大学;2008年

6 张川;基于环境减灾卫星高光谱数据的我国北方农业干旱遥感监测技术研究[D];中国地质大学（北京）;2010年

7 支晶晶;高光谱图像条带噪声去除方法研究与应用[D];河南大学;2010年

8 李杨;基于环境卫星数据的水稻面积空间抽样研究[D];南京林业大学;2010年

【相似文献】

中国期刊全文数据库 前10条

1 赵一;;植被分类系统与方法综述[J];河北林果研究;2010年02期

2 宋永昌;;对中国植被分类系统的认知和建议[J];植物生态学报;2011年08期

3 王志伟;史健宗;岳广阳;赵林;南卓铜;吴晓东;乔永平;吴通华;邹德福;;玉树地区融合决策树方法的面向对象植被分类[J];草业学报;2013年05期

4 周远瑞;;广东省的植被分类系统[J];植物生态学与地植物学丛刊;1963年Z1期

5 周广胜,王玉辉;全球变化与气候-植被分类研究和展望[J];科学通报;1999年24期

6 罗辅燕;小寨子沟自然保护区的植被分类[J];内江师范学院学报;2005年04期

7 管玉娟;张利权;;影像融合技术在滩涂湿地植被分类中的应用[J];海洋环境科学;2008年06期

8 喻素芳;温远光;朱宏光;韩明臣;秦武明;陆道调;;“3S”技术在植被分类中的应用研究[J];安徽农业科学;2009年12期

9 方正,胡式之;第一次全国植被分类、分区及制图学术工作会议简报[J];植物生态学与地植物学丛刊;1981年02期

10 王映明;湖北省植被分类的研究——Ⅰ.自然植被[J];武汉植物学研究;1986年03期

中国重要会议论文全文数据库 前4条

1 桑卫国;马克平;;植被分类与生物多样性主题信息标准的研究[A];面向21世纪的中国生物多样性保护——第三届全国生物多样性保护与持续利用研讨会论文集[C];1998年

2 黄勇;姚筠;刘惠敏;张宏群;;基于傅立叶变换的卫星遥感地表植被分类[A];中国气象学会2006年年会“卫星遥感技术进展及应用”分会场论文集[C];2006年

3 关文彬;吴建安;梁广林;王棒;马克明;刘国华;汪西林;;岷江源区植被分类及其主要类型[A];中国生物多样性保护与研究进展——第五届全国生物多样性保护与持续利用研讨会论文集[C];2002年

4 李贵才;刘勇洪;;基于MODIS数据的中国植被遥感分类[A];农业生态与卫星遥感应用技术学术交流会论文摘要集[C];2006年

中国重要报纸全文数据库 前2条

1 本报记者 延宏;[N];科技日报;2001年

2 钱铮;[N];地质勘查导报;2006年

中国硕士学位论文全文数据库 前8条

1 朱子先;基于高光谱遥感影像的扎龙湿地植被分类研究[D];哈尔滨师范大学;2012年

2 曾兰;《美国国家植被分类标准》翻译实践报告[D];湘潭大学;2014年

3 王颖;基于NDVI-LST模型的长白山地区植被分类与动态变化研究[D];东北师范大学;2011年

4 安冬妮;乌珠穆沁盆地植被分类研究[D];内蒙古大学;2010年

5 陈丹;基于HJ-1A星HSI高光谱数据的植被分类研究[D];南京农业大学;2012年

6 赵一;北京山地植被分类与特征分析[D];北京林业大学;2010年

7 郭航;北京山区森林植被分类技术研究[D];北京林业大学;2007年

8 李利平;北京雾灵山自然保护区植被分类与重点保护植物评价[D];北京林业大学;2005年

  本文关键词：玉树地区融合决策树方法的面向对象植被分类，由笔耕文化传播整理发布。

本文编号：239778