高光谱信息的农林植被种类区分

作     者：虞佳维 程志庆 张劲松 王鹤松 蒋跃林 杨书运 YU Jia-wei;CHENG Zhi-qing;ZHANG Jin-song;WANG He-song;JIANG Yue-lin;YANG Shu-yun

作者机构：安徽农业大学资源与环境学院安徽合肥230000 中国林业科学研究院林业研究所北京100091 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京100083 

出 版 物：《光谱学与光谱分析》 (Spectroscopy and Spectral Analysis)

年 卷 期：2018年第38卷第12期

页      面：3890-3896页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0903[农学-农业资源与环境] 

基　　金：国家科技支撑计划课题(2015BAD07B05) 安徽农业大学人才基金项目(yj2016-15) 安徽农业大学研究生创新基金项目(2017yjs-40)资助 

主　　题：高光谱 植被区分 特征波段 范围 

摘      要：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。