南方主要喬木樹種高光譜數(shù)據(jù)降維組合分類算法研究.pdf

1、隨著高光譜遙感技術(shù)的發(fā)展，傳統(tǒng)多光譜遙感難以實現(xiàn)的樹種識別和分類已成為可能。同時，面對高光譜遙感的巨大數(shù)據(jù)量，如何高效率、高精度完成目標(biāo)識別與分類，已成為完善遙感應(yīng)用理論、發(fā)展新的分類算法的重大機遇和挑戰(zhàn)。本文在分析現(xiàn)有高光譜遙感分類算法的基礎(chǔ)上，針對南方主要喬木樹種的高光譜數(shù)據(jù)降維分類，開展了深入研究。
　　為尋找便于識別南方主要喬木樹種高光譜數(shù)據(jù)的敏感波段，以及合理的降維分類算法組合。本文歷時6年多，對杉木、馬尾松、樟樹和馬褂

2、木進行定點定期觀測，共采集數(shù)據(jù)3000多條，經(jīng)過整理最終獲取有效光譜數(shù)據(jù)310條，同時測量了與光譜數(shù)據(jù)相對應(yīng)的樹木枝葉的葉綠素、類胡蘿卜素和葉黃素的含量。
　　本文利用以上測量數(shù)據(jù)，對主成分降維、獨立主成分降維、遺傳算法結(jié)合支持向量機降維、二進制粒子群算法結(jié)合支持向量機降維等算法進行了系統(tǒng)的比較與分析，并用喬木樹種主要色素與野外實測地面光譜數(shù)據(jù)進行相關(guān)性分析。在此基礎(chǔ)上，對野外實測地面光譜數(shù)據(jù)進行降維，然后利用五種常用的分類算法，

3、即支持向量機、BP神經(jīng)網(wǎng)絡(luò)、馬氏距離判別法、貝葉斯分類法及光譜角度制圖法，對降維后的數(shù)據(jù)進行分類精度比較，進而得到最合理的降維與分類組合。最后，利用成像高光譜數(shù)據(jù)Hyperion，對上述組合分類算法進行驗證。本文取得的主要研究成果如下:
　　(1)針對野外實測喬木樹種地面光譜數(shù)據(jù)的降維與分類，研究得到對數(shù)和對數(shù)一階微分變換為最理想的光譜數(shù)據(jù)預(yù)處理方法。
　　(2)針對野外實測地面光譜數(shù)據(jù)降維或波段選擇，得出適合南方主要喬木樹

4、種高光譜數(shù)據(jù)降維分類的算法是主成分降維算法。
　　(3)發(fā)現(xiàn)適用于南方喬木樹種遙感分類的最佳波段組合是:403nm、457nm、505nm、517nm、529nm、538nm、553nm、622nm、667nm、679nm、703nm、730nm、763nm、853nm。
　　(4)利用野外實測地面光譜數(shù)據(jù)與樹木枝葉主要色素含量進行相關(guān)性分析，發(fā)現(xiàn)光譜數(shù)據(jù)與葉綠素含量相關(guān)性最高的波段是401～504nm和659～686nm，