积分商城

最新搜索： 推完开关电源 CH340 排插 入门教程 LochMaster canopen
您现在的位置是：首页 > 技术资料 > 高光谱信息的农林植被种类区分
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

高光谱信息的农林植被种类区分

更新时间：2019-12-25 23:05:49 大小：1M 上传用户：IC老兵查看TA发布的资源 标签：高光谱 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

为了能够更加快速、准确对粮食主产区的作物与树木进行种类区分,以黄淮海地区三种主要植被(玉米、小麦和杨树)为研究对象,获取该三种植被原始反射率光谱,并对原始光谱进行特征点提取、一阶微分变换、二阶微分变换以及植被指数计算四种方法的分析处理,提取三种植被各自的光谱特征点、特征波段、蓝黄红边微分值和、位置、振幅以及面积四个特征指标以及植被指数的数值区间。基于特征值在不同植被种类间数值重叠范围越小区分精度越高的原理,比较分析植被光谱在不同处理方法下的植被区分精度,并且最终选取重叠范围最小的特征指标作为区分不同植被的识别指标。结果显示:相较于原始光谱特征点提取、二阶微分变换以及植被指数计算,一阶微分变换对于玉米、小麦和杨树的识别分类具有较高的精度,其中黄边振幅、黄边面积以及黄边微分值和具有较高的识别精度,黄边振幅的识别精度达到97. 5%,黄边面积以及黄边微分值识别精度达98. 1%,用另外167组数据对该结果进行验证,显示黄边振幅的识别精度达96. 4%,黄边面积以及黄边微分值和的识别精度达97. 6%。该结果与用平均光谱曲线区分单种植被不同生长状态选取的特征值结果不同,这种方法能有效的保留个体光谱反射曲线的差异,从结果可见通过一阶微分变换提取黄边参数的方法能有效的用于树木和粮食作物共同种植区域的植被区分,并且黄边面积以及黄边微分值和的识别精度最高。


部分文件列表

文件名 大小
高光谱信息的农林植被种类区分.pdf 1M

【关注视频号领20积分】   【关注公众号立即送20积分】

部分页面预览

（完整内容请下载后查看）
，
第
，
，
Ｖｏｌ．３８ Ｎｏ．１２ ３８９０３８９６  
ｐｐ  
第
卷
期
１２  
光
谱
学
与
光
谱
分
析
３８  
ꢀ ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ  
－
，
Ｄｅｃｅｍｂｅｒ ２０１８  
ꢀ
年
２０１８ １２  
ꢀꢀꢀ ꢀ  
月
Ｓｅｃｔｒｏｓｃｏ ａｎｄＳｅｃｔｒａｌＡｎａｌｓｉｓ  
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ ꢀ ｐ ꢀｐ  
ｐｙ  
ꢀ
ｙ
ꢀ
ꢀ
高光谱信息的农林植被种类区分  
，
１ ２  
，
１ ２  
程志庆  
２
３
， ， ， ，  
张劲松 王鹤松 蒋跃林 杨书运  
１
１
＊
，
虞佳维  
，
安徽农业大学资源与环境学院 安徽 合肥  
１．  
２３００００  
ꢀ ꢀꢀꢀꢀꢀꢀꢀꢀꢀ  
，
中国林业科学研究院林业研究所 北京  
２．  
１０００９１  
ꢀ
，
北京林业大学林学院森林培育与保护教育部重点实验室 北京  
３．  
１０００８３  
ꢀ
、 ，  
为了能够更加快速 准确对粮食主产区的作物与树木进行种类区分 以黄淮海地区三种主要植被  
ꢀ
摘
要
ꢀ
（ 、 ） ， ， 、  
玉米 小麦和杨树 为研究对象 获取该三种植被原始反射率光谱 并对原始光谱进行特征点提取 一阶微  
、 ， 、  
分变换 二阶微分变换以及植被指数计算四种方法的分析处理 提取三种植被各自的光谱特征点 特征波  
、 、 、 。  
蓝黄红边微分值和 位置 振幅以及面积四个特征指标以及植被指数的数值区间 基于特征值在不同植  
段
，
被种类间数值重叠范围越小区分精度越高的原理 比较分析植被光谱在不同处理方法下的植被区分精度  
，
。 ：  
并且最终选取重叠范围最小的特征指标作为区分不同植被的识别指标 结果显示 相较于原始光谱特征点  
、 ， 、  
提取 二阶微分变换以及植被指数计算 一阶微分变换对于玉米 小麦和杨树的识别分类具有较高的精度  
，
、 ，  
其中黄边振幅 黄边面积以及黄边微分值和具有较高的识别精度 黄边振幅的识别精度达到  
，
９７．５％  
黄边  
，
用另外  
，
组数据对该结果进行验证 显示黄边振幅的识别精度  
面积以及黄边微分值识别精度达  
９８．１％  
１６７  
，
。
该结果与用平均光谱曲线区分单种植被不同  
达
黄边面积以及黄边微分值和的识别精度达  
９６．４％  
９７．６％  
， ，  
生长状态选取的特征值结果不同 这种方法能有效的保留个体光谱反射曲线的差异 从结果可见通过一阶  
，
微分变换提取黄边参数的方法能有效的用于树木和粮食作物共同种植区域的植被区分 并且黄边面积以及  
。
黄边微分值和的识别精度最高  
； ； ；  
关键词 高光谱 植被区分 特征波段 范围  
ꢀ
：
：
文献标识码  
Ａ
：
／
（
）
中图分类号  
Ｓ１２７  
ꢀꢀ  
ＤＯＩ １０．３９６４ ．ｉｓｓｎ．１００００５９３２０１８１２３８９００７  
ꢀꢀꢀ  
ｊ
－
－
－
［
］
３４  
，
－
息也存在着数据量大并且信息冗余多的缺点  
因此如何  
合理高效的利用高光谱数据进行植被区分成为了高光谱信息  
引
言
ꢀ
。 ，  
研究中的难点 近年来 国内外已有学者将高光谱数据应用  
［］  
５
。
Ｐｏｎｔｉｎｕｓ  
，
近年来农林牧业争地的矛盾日益突出 农业与林业资源  
，
于植被种类识别 并提高了植被 种 类 识 别 精 度  
ꢀꢀ  
［］  
１
。
（ ）  
处 的 反 射 率 和 水 带 指 数  
Ｒ６８３ｎｍ  
的合理配置有利于农产品以及林产品的经济效益提高  
黄
等利用叶 绿 素 敏 感 波 段  
［］  
６
。
、 ，  
淮海地区是小麦 玉米以及杨树大面积种植区域 合理配置  
（
／
）
的线性回归提高了对铁杉的识别率  
９０  
张波等将  
Ｒ７ Ｒ０  
９０  
， ，  
农业与林业资源 对提高土地利用率 实现精准农业高效估  
—
准噶尔盆地荒漠 绿洲交错地带四种树木的光谱平均值进行  
、 。 ，  
经营管理至关重要 在植被分类方法上 早期主要是利  
一阶导数变换和倒数取对数变换后计算  
值进行植被区  
ＮＤＶＩ  
产
［］  
７
。
闫晓勇等通过测定南疆盆地主栽五种果树的均值光谱  
， 。  
用人工进行实地调查 这种方法费时费力 近年来随着遥感  
分
［］  
８
。
张 莹  
，
中
、
，
曲线 再筛选蓝  
、
红
、
技术的不断发展  
高空间分辨率卫星影像被广泛的运用  
黄边特征参量用于树种 识 别  
， 、  
到植被区分中 但是多光 谱 数 据 光 谱 波 段 宽 分 辨 率 较 低  
，
，
等对林场内 个主要树种的平均冠层反射光谱曲线 采用导  
５
［］  
２
。
、
数光谱 红边特征以及将冠层光谱曲线转化到频率域的离散  
对不同种类的植被不能做到精确区分  
高光谱遥感技术具  
［］  
９
。
、
有光谱响应范围广 分辨率高的特点以及蕴含着近似连续的  
傅里叶变 换 方 法 进 行 比 较 分 析  
对 南  
ＣａｌｖｉｎｏＣａｎｃｅｌａ．Ｍ  
－
［
］
０
。
１
， ，  
地物信息 这为植被的精准区分带来了可能 但是高光谱信  
极无冰区的植被覆盖类别使用线性判别分析法进行分类  
：
，
：
修订日期  
２０１８０３０５  
收稿日期  
２０１７１０１０  
－ －  
ꢀ
ꢀ
－
－
：
（
），  
安徽农业大学人才基金项目  
（
）， （  
安徽农业大学研究生创新基金项目  
２０１７ ｓ  
ｙｊ  
基金项目 国家科技支撑计划课题  
２０１５ＢＡＤ０７Ｂ０５  
２０１６１５  
ｙｊ  
－
－
）
资助  
４０  
：
作者简介 虞佳维  
，
女
，
１９９２  
，
年生 安徽农业大学资源与环境学院硕士研究生  
：
ｅｍａｉｌ ｕｉａｗｅｉ１９４８ １６３．ｃｏｍ  
－ ｙｊ ＠  
ꢀ
ꢀꢀ  
：
ｅｍａｉｌ ｃｈｅｎｚｈｉｉｎｌ １２６．ｃｏｍ  
－
通讯联系人  
＊
ꢀꢀ  
ｇ ｑ ｇ＠  
第
期
光谱学与光谱分析  
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ  
１２  
３８９１  
， ，  
在黄淮海地区 树木与粮食作物在同一空间共同种植 以往  
， ，  
９８０ １０７０ １２００ １２６０ｎｍ  
ꢀ
和
ꢀ
波长点附近有水或氧的窄吸  
ꢀ
，
研究对象主要针对单一树种或作物进行分析 并且其分析手  
段都是利用提取各种植被的平均光谱数据再通过各种不同的  
。
收带  
高光谱微分变换  
１．２．２  
ꢀ
，
方法将植被进行区分 这样忽略了植被光谱反射率自身在各  
光谱数据微分处理不仅能有效削弱背景对目标植被光谱  
，
个波段上存在 的 区 间 范 围 削 弱 了 整 个 样 本 存 在 的 个 体 差  
， ， ，  
的影响 分辨重叠光谱 提高信噪比 而且能消除部分大气  
［
］
１
。
１
， ，  
各种植被之间的光谱微小差异被弱化 在树木与粮食作  
异
，
噪音 从而更好地反映作物内部的生化组成及含量信息  
［
］
２
反应了植被反射率在各波段变化程度的大  
１
。
物共同种植的区间中区分精度下降  
一阶微分变换  
、
本工作以黄淮海平原小麦 玉米和杨树为研究对象  
，
将
， ，  
可以抑制植被受大气和低频背景噪声的影响 二阶微分  
小
［
］
３
。
故 选 用 高 光 谱 的  
１
，
树木与粮食作物一起进行分析 利用  
高光谱仪分别测  
ＡＳＤ  
可以有效的放大 光 谱 曲 线 的 变 化 特 征  
，
定不同植被的高光谱数据 根据植被的个体差异分析整个高  
。
一阶及二阶微分变换  
根据一阶微分数据 计算确定蓝边 黄边和红边的微分  
，
光谱数据集的反射率范围值 选择以往研究中的常用方法  
，
，
、
、 、  
利用原始光谱特征点 一阶微分变换 二阶微分变换以及植  
、 、 ，  
值和 位置 振幅以及面积这四个参数的范围 以此作为区  
，
被指数处理方法对高光谱数据进行处理 并比较分析不同光  
。
分各植被的指标 其中闫晓勇等分析指出采用蓝边面积  
、
蓝
谱处理方法提取的参数在以上三种植被中的验证结果与分类  
、 、 、 、 、  
边斜率 黄边面积 近红外平台 红边面积 蓝边位置 黄边  
，
精度 为农田主 要 植 被 高 光 谱 分 类 提 供 理 论 依 据 与 技 术 支  
、
位置 红边位置对南疆五种植被的区分能达到  
的精  
８６．６７％  
［］  
８
。
。
撑
、
度
张丽云分析了各植被平均光谱在蓝边 黄边和红边的  
、 、 ，  
微分值和 位置 振幅以及面积 得出红边的四个参数在不  
实验部分  
， 。  
同植被中差异明显 蓝边和黄边的参数稍弱的结论 王岽等  
１
ꢀ
、
用蓝边 黄边和红边的位置以及面积参数对八种农作物进行  
光谱测定  
１．１  
ꢀ
， ，  
区分 发现这些参数对农作物的识别效果较好 其中红边面  
［
］
４
。
１
（
，
杨树片林 试 验 地 位 于 衡 水 市 武 邑 县  
１１５°５２′５８．２５″Ｅ  
，
杨树片林占地面积为  
积效果最好  
），  
杨树树种为  
３７°４６′５９．６９″Ｎ  
杨
１０７  
植被指数  
１．２．３  
ꢀ
２
；
冬小麦试验地位于河北省保定市的黄淮海平原农  
３００００ｍ  
ꢀ
（ ）  
是 两 个 或 多 个 波 长 范 围 内 的 地 物 反 射 率  
ＶＩ  
植被指数  
， ；  
冬小麦与玉米为当地主要生产品种 所有地块的施肥和  
区
， ；  
组合运算 能有效地增强植被某一细节 通过植被指数来区  
、
灌溉等田间栽培 管理措施与当地常规方法一致  
。
， ， 。  
分各种植被的方法运算简单 便于操作 实用性强 万红等  
（
光谱仪为 美 国  
公 司 生 产 的  
ＦｉｅｌｄＳｅｃＰｒｏ ３５０  
ꢀｐ ꢀ  
ＡＳＤ  
～
，
计算青藏高原地区不同植被类型的植被指数 发现各类植被  
［
］
５
。
１
，
视场角  
），  
三种植被的冠层光谱测定均在天气  
２５°  
２５００ｎｍ  
ꢀ
的植被指数有较大差距  
、
晴朗无云 无风  
： — ：  
１０００ １４００  
； 、  
进行 选取小麦 玉米以及杨  
，
红边一般定义为叶绿素吸收红边斜率的拐点 且红边比  
，
树成熟期进行光谱采样 主要在  
年
６
月对田间小麦叶  
２０１３  
年 月对玉米叶片进行冠层  
２０１４ ８  
、
叶绿素含量 叶内组织结构和植物体内含水量的影响更为灵  
［ ］  
１６  
，
片进行冠层光谱测定  
在
。
敏
刘佳提出增加 红 边 波 段 能 有 效 提 高 光 谱 的 植 被 分 类  
［ ］  
１７  
，
光谱测定 以及在  
年
２０１４ １０  
月
日利用树顶上方  
处的  
５
１ｍ  
， ，  
邹红玉认为红边是植物光谱的最明显特征 可用来  
精度  
［
］
８
。
平台光纤镜头离杨树冠层  
处垂直朝下对杨树进行冠层  
１
１．５ｍ  
。
所
识别植被种类  
因此本研究中主要选用红边植被指数  
。
光谱测定 由于  
波段受环境中水分以及二  
１３６０ ２５００ｎｍ  
ꢀ ～ ꢀ  
， ，  
氧化碳的影响较大 该波段反射率的数值偏高 因此主要选  
表
常见红边植被指数及定义  
１
ꢀ
，
用
取
之间的波段进行处理分析  
组数据  
１６２  
３５０ １３５０ｎｍ  
～ ꢀ  
Ｔａｂｌｅ１ Ｒｅｄｅｄｅ ａｒａｍｅｔｅｒｓａｎｄｄｅｆｉｎｉｔｉｏｎｓ  
ꢀ ꢀ ꢀ ꢀ ꢀ  
ｇ ｐ  
ꢀ
，
进行数据分析 并用  
。
组数据对实验结果进行验证  
１６７  
ｏｆｃｏｍｍｏｎｓｅｃｔｒｕｍ  
ꢀ ꢀ  
ｐ
高光谱数据变换处理  
１．２  
ꢀ
光谱参数  
定义和算法  
参考文献  
，
已有许多的方法用来处理高光谱数据 本文选取了较为  
／
Ｒ４ Ｒ２  
７０  
［ ］  
１９  
ＶＯＧ１  
－
ꢀ
７０  
， ， ，  
常见 且实用性强 计算量较小 在样本量较大的情况下能  
（
）／（  
Ｒ１５＋Ｒ２  
７６  
）
［
］
２０  
ＶＯＧ２  
－
Ｒ３４－Ｒ４  
７
７７  
７
、 ，  
快速 准确计算的光谱分 析 方 法 主 要 有 原 始 光 谱 特 征 点  
、
（
）／（  
Ｒ１５＋Ｒ２  
７０  
）
［
］
２０  
ＶＯＧ３  
－
Ｒ３４－Ｒ４  
７
７７  
７
／
Ｒ９ Ｒ６  
７０  
［ ］  
２１  
ＣＲＴ２  
－
、
一阶微分变换 二阶微分变换以及红边植被指数  
。
ꢀ
６５  
／
Ｒ５ Ｒ０  
７０  
［ ］  
２２  
ＧＭ２  
ꢀ
７０  
原始光谱特征点提取  
１．２．１  
ꢀ
／
Ｒ５ Ｒ０  
７５  
［ ］  
２３  
ＳＲ７０５  
ꢀ
７０  
在原始光谱曲线中寻找不同植被的差异特征点来区分各  
（
）／（  
Ｒ０５－Ｒ４  
４５  
）
［
］
２４  
ｍＳＲ７０５  
ＮＤ７０５  
Ｒ５０－Ｒ４  
７
４５  
７
、 。  
植被的方法 较 为 简 单 方 便 绿 色 植 被 的 光 谱 响 应 特 征 相  
（
）／（  
Ｒ５０＋Ｒ０  
７５  
）
［
］
２３  
Ｒ５０－Ｒ０  
７
７５  
７
， ，  
具有相似的反射率光谱曲线 但不同绿色植被的生理生  
似
（
）／（ ）  
Ｒ５０＋Ｒ０５－２×Ｒ４  
４５  
［
］
２４  
ｍＮＤ７０５  
Ｒ５０－Ｒ０  
７
７５  
７
７
，
化具有差异 对蓝黄红光以及水分等具有不同的光谱反射响  
／
Ｒ３ Ｒ２  
７０  
［ ］  
２５  
ＲＩ１Ｄｂ  
－
ꢀ
７５  
， ，  
因此选取了三种植被的四个波峰以及四个波谷 分别为  
应
／
Ｒ３ Ｒ２  
７０  
［ ］  
２５  
ＲＩ２Ｄｂ  
－
ꢀ
７８  
／
Ｒ４ Ｒ１  
７１ ７７  
［ ］  
２５  
，
，
，
， ， ，  
４５０ ５５０ ６７０ ８８０ ９８０ １０７０ １２００ １２６０ｎｍ  
ꢀ
和
ꢀ
作为原  
ＲＩ３Ｄｂ  
－
ꢀ
ꢀ
／
Ｒ４ Ｒ０  
７８  
［ ］  
２５  
ＲＩｈａｌｆ  
－
ꢀ
７７  
。
始光谱的特征点 其中  
，
５５０ｎｍ  
附近为蓝光吸收带  
４５０ｎｍ  
，
６７０ｎｍ  
， ，  
８８０  
附近为叶 绿 素 强 反 射 峰 区  
为 红 光 吸 收 带  

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号