机载PHI高光谱数据的森林类型精细识别方法研究

发布时间：2025-01-01 07:31

　　高光谱遥感是一种被动光学遥感技术,具有光谱分辨率高、信息量大等优点,能够反映不同地物的连续光谱特征,识别精细地物类型,在林业、海洋、大气、地质等领域得到广泛应用。本文使用机载PHI高光谱数据进行优势树种识别,考虑到高光谱数据对植被非敏感波段的信息量偏低,特别是高光谱两端波段的噪声显著,需要进行去噪和降维处理,降维方法包括自适应波段选择法和微分法。为了消除非森林地物对分类的干扰,选择分层分类的策略,先根据NDVI阈值区分森林与非森林,然后采用SVM和SAM法在森林类别中进一步区分不同优势树种。论文的主要研究成果及结论如下:(1)基于独立分量分析法的降噪方法能有效去除高光谱数据噪声、冗余波段信息,大大减小运算量。通过对波段选择前后影像、光谱曲线的比较,都能明显看出降噪后的数据质量优于未降噪前的数据质量。(2)利用NDVI指数区分森林与非森林,效果较好。由于数据获取时相为冬季,落叶树种都已经落叶,此时植被光谱特征表现不明显,其NDVI值与落叶灌草接近,还有一些树种与非林地地类(如农田或道路)光谱信息接近,因此,本研究中首先区分出林地与非林地,在此基础上对林地进行树种识别。试验表明,本研究中采用...

【文章页数】：88 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 高光谱遥感的基本概念
        1.2.2 高光谱遥感的林业应用现状
        1.2.3 高光谱遥感分类研究现状
        1.2.4 项目经费来源
    1.3 研究目的和内容
        1.3.1 关键的科学问题和研究目的
        1.3.2 研究内容
    1.4 技术路线
        1.4.1 技术流程
        1.4.2 论文组织与结构
第二章 研究区概况与数据
    2.1 研究区概况
        2.1.1 地理位置
        2.1.2 地势状况
        2.1.3 气候状况
        2.1.4 森林资源
    2.2 高光谱遥感数据获取
    2.3 外业调查数据
    2.4 本章小结
第三章 高光谱数据预处理
    3.1 波段剔除
    3.2 数据格式转换
    3.3 大气校正
    3.4 数据降噪
    3.5 图像镶嵌
    3.6 本章小结
第四章 不同降维方式的森林树种分类算法研究
    4.1 高光谱数据降维
        4.1.1 自适应波段选择法
        4.1.2 微分法
    4.2 高光谱数据分类
        4.2.1 分层分类
        4.2.2 支持向量机法
        4.2.3 光谱角填图法
    4.3 本章小结
第五章 不同降维方式的森林树种分类可行性分析
    5.1 高光谱数据降维结果
        5.1.1 自适应波段选择法结果
        5.1.2 微分法变换结果
    5.2 森林树种分类结果
        5.2.1 分层分类结果
        5.2.2 支持向量机结果
        5.2.3 光谱角填图结果
    5.3 本章小结
第六章 结论与展望
    6.1 结论
    6.2 创新点
    6.3 存在的问题与展望
参考文献
在读期间的学术研究
致谢



本文编号：4022248