高光谱遥感数据植被信息提取方法.pdf

高光谱遥感数据植被信息提取方法.pdf

ID:52273956

大小:653.47 KB

页数:6页

时间:2020-03-26

高光谱遥感数据植被信息提取方法.pdf_第1页
高光谱遥感数据植被信息提取方法.pdf_第2页
高光谱遥感数据植被信息提取方法.pdf_第3页
高光谱遥感数据植被信息提取方法.pdf_第4页
高光谱遥感数据植被信息提取方法.pdf_第5页
资源描述:

《高光谱遥感数据植被信息提取方法.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第26卷2010龟第7期7月农业工程学报TransactionsoftheCSAE、,01.26No.7Jul.2010181高光谱遥感数据植被信息提取方法李丹1,2,3,陈水森1,2,撅,陈修治2,3(1.农业部资源遥感与数字农业重点开放实验室,北京100081:2.中国科学院广州地球化学研究所,广州510640:3.广州地理研究所,广州510070)摘要:利用高光谱分辨率遥感卫星影像提取植被分布信息时,需要考虑混合像元和训练样本大小的影响,以提高植被信息提取的精度。该文以广州市北部为例,利用线性光谱混合模型和支持向量机方

2、法进行Hyperion影像分类,估计荔枝分布信息。将其结果与QuickBird1m空间分辨率影像进行对比,利用地图方格网中随机选取的验证点评价精度,信息提取精度达到85.7%,而光谱角度制图提取的精度仪为74.3%。结果表明,混合像元分解模型和支持向量机结合的方法和其他传统的利用光谱信息提取方法相比,能够提高植被分布信息提取的精度。关键词:遥感,支持向量机,提取,线性光谱混合模型,植被信息,荔枝,Hyperiondoi:10.3969巧.issn.1002—6819.2010.07.032中图分类号:S127文献标识码:A文

3、章编号:1002—6819(2010)一07—0181--05李丹,陈水森,陈修治.高光谱遥感数据植被信息提取方法[J].农业工程学报,2010,26(7):181—185.LiDan,ChcnShuisen,ChenXiuzhi.Researchonmethodforextractingvegetationinformationbasedonhyperspectralremotesensingdata[J].TransactionsoftheCSAE,2010,26(7):181—185.(inChinesewithEng

4、lishabstrac:t)0引言遥感数据在获取的过程中,图像是以像元为单位记录地物信息的,像元信息是不同地物覆盖类型光谱响应特征的综合,由于遥感器空间分辨力限制以及自然界地物的复杂多样性,混合像元普遍存在于遥感图像中【l】。解决混合像元问题,对提高定性和定量遥感精度具有重要的应用价值。目前国内外在混合像元分解方面已经开展了很多研究,像元光谱分解模型主要包括线性模型、概率模型、几何光学模型和模糊模型等。其中建立在像元内相同地物具有相同的光谱特征和光谱线性可加性基础上的线性光谱混合模型,被广泛应用12弓J。支持向量机是一种由V

5、apnik等根据统计学习理论提出的一种方法,在模式识别方面取得了良好的效果,并广泛应用于高光谱影像分类和信息提取r9t,J。支持向量机(supportvectormachine,SVM)和决策树结合的Hyperion数据分类【5】,参数最优的粒子群优化支持向量机多分类模型【6】,基于最小噪声变换(minimumnoisefraction,MNF)和SVM的高光谱分类研究17J,SVM与模糊理论结合的遥感影像分类【8】,基于支持向量机的玉米田间杂草识别【9】,光谱相似尺度和SVM结合下的ETM+数据荔枝分布信息提取等【l01。

6、目前,国内外对传统粮食收稿日期:2009.10-21修订日期:2010414-07基金项目:农业部资源遥感与数字农业重点开放实验室基金(RDA0806).广东省科技计划项目(200913020305003)作者简介:李丹(1985~),女,河南通许人,博士生,研究方向环境遥感和GIS应用。北京农业部资源遥感与数字农业重点开放实验室,100081。Email:lidan86@sina.eom※通信作者:陈水森(1965一),男,江西吉安人,教授,博士生导师,主要从事遥感和GIS应用研究。北京农业部资源遥感与数字农业重点开放实验

7、室,10008l。Email:css@gdas.ac.en作物(如小麦)、海岸带植被等进行了遥感分类和识别研究[11-12】,但对华南广泛种植的经济作物,荔枝、龙眼、甘蔗、香蕉等的研究较少【l}川,针对华南典型作物的高光谱影像分类和识别研究更少。荔枝是华南广泛种植的经济水果,荔枝分布信息提取研究对荔枝播种面积及精细果业管理、华南寒害研究【15J具有霞要的意义。为发挥高光谱数据“图谱合一”的优势,本文将线性光谱混合模型与支持向量机算法结合,应用于Hyperion数据提取植被一荔枝分布信息,并将信息提取的结果与光谱角度制图方法提

8、取结果比较,线性光谱混合模型和支持向量机结合的荔枝信息提取方法精度较高,取得了比较满意的结果。1研究区域与数据1.1研究区域概况研究区域选在广州市北部的钟落谭和竹料镇,该区域位于23。21’~23025’N,113020’~113025‘E之间,荔枝树龄大多在6~8a之间,树冠直径在3~4

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。