基于Hyperion數(shù)據(jù)的森林類型識別.pdf

1、森林資源是地球上最大的陸地生態(tài)系統(tǒng)，開展森林資源調(diào)查，了解和掌握森林資源現(xiàn)狀和變化信息對于提高林業(yè)發(fā)展決策水平，科學合理的經(jīng)營管理森林資源等都具有極其重要的意義。與傳統(tǒng)森林資源調(diào)查方式相比，遙感影像解譯因其宏觀、周期短、動態(tài)等優(yōu)點，被廣泛應用于森林資源的調(diào)查監(jiān)測中。隨著遙感技術的發(fā)展，高光譜遙感是通過遙感方法獲取更豐富信息的必然發(fā)展趨勢，也是當代遙感的前沿和熱點之一。高光譜遙感影像將成像技術與細分光譜技術結合，使得高光譜影像在分類技術的

2、應用方面擁有巨大的潛力，高光譜數(shù)據(jù)能夠更好地識別各類地物，但是其龐大的數(shù)據(jù)量和數(shù)據(jù)的高維度使數(shù)據(jù)的傳輸和存儲受到了限制，也給高光譜數(shù)據(jù)處理方法的探討帶來了不小的挑戰(zhàn)。
　　 本文應用Hyperion高光譜數(shù)據(jù)，對湖南株洲攸縣黃豐橋林場作為研究區(qū)進行分類研究。針對Hyperion數(shù)據(jù)波段多和數(shù)據(jù)量大的特點，對高光譜數(shù)據(jù)進行了未定標和受水汽影像波段的剔除、像元值與絕對輻射值的轉換、壞線的修復、Smile效應的校正、FLAASH大氣糾

3、正、幾何校正等遙感數(shù)據(jù)預處理，再利用特征選擇與特征提取相結合的基于分段主成分分析和波段指數(shù)的高光譜數(shù)據(jù)降維處理方法，將高光譜數(shù)據(jù)從高維空間映射到低維空間，然后分別利用最大似然法和光譜角填圖法進行森林類型的識別與分析。主要研究結論如下：
　　 (1)對Hyperion數(shù)據(jù)進行波段剔除、轉換以及校正等處理后，高光譜的數(shù)據(jù)量變小，地物曲線更加趨向于真實的植被光譜特征，使得地物更容易區(qū)分。
　　 (2)通過相關矩陣可知，利用分段

4、主成分法對Hyperion數(shù)據(jù)進行數(shù)據(jù)源劃分，每段的平均相關系數(shù)都在0.9以上，表明Hyperion數(shù)據(jù)相鄰波段間的相關性很高。
　　 (3)利用分段主成分分析法結合波段指數(shù)法的高光譜降維方法將Hyperion數(shù)據(jù)的242個原始波段縮減為13個信息量大且相關性弱的波段組合，一方面，分段主成分分析法有效的抑制了全局變換導致局部重要光譜被濾除的可能，另一方面，波段指數(shù)法在進行波段選擇時兼顧了自適應分段后段與段之間以及各分段中波段間的

5、相關性，有效降低了高光譜數(shù)據(jù)的維度。
　　 (4)波段選擇之前進行子空間劃分，本文將Hyperion數(shù)據(jù)劃分為三個子空間，此操作可剔除相關性較大的波段，并能減小數(shù)據(jù)的計算量，從而達到高維遙感數(shù)據(jù)優(yōu)化處理竄高效利用的目的。
　　 (5)根據(jù)波段指數(shù)來選取波段的子集時，選取波段指數(shù)的極大值而不是最大值作為降維后波段子集，從而彌補原始數(shù)據(jù)在分段時產(chǎn)生的誤差。
　　 (6)對Hyperion數(shù)據(jù)進行基于特征空間的最大似然