鄱陽湖濕地典型植被高光譜特征分析與特征波段選擇研究.pdf

1、 U D C： 學 號： 碩 士 學 位 論 文 年 月 日鄱陽湖濕地典型植被高光譜特征分析與特征波段 鄱陽湖濕地典型植被高光譜特征分析與特征波段選擇 選擇研究 研究 Research on analysis of hyperspectral characteristics and extracting characteristic bands o

2、f typical wetland vegetation in Poyang Lake 學 位 類 別： 理 學 碩 士 作 者 姓 名： 曾 帥 學 科、專 業(yè)： 地圖學與地理信息系統(tǒng) 指 導 教 師： 況潤元副教授

3、 研 究 方 向： 高光譜遙感 江西理工大學碩士學位論文 摘要 I 摘 要 由于光譜分辨率和波段數(shù)目的限制， 傳統(tǒng)的多光譜數(shù)據(jù)難以獲取典型植被的局部精細信息， 對植被的反射光譜信息反映不夠， 不足以分析典型植被的反射光譜差異性，在植被分類識別上存在一定的難度。與之不同的是，高光譜數(shù)據(jù)具有光譜分辨率高、波段數(shù)目多、波段寬度窄等特點，在分析

4、濕地植被的反射光譜差異性方面有較大的潛力。 針對不同濕地植被光譜相似度高、難以分類的特點，本文利用光譜儀測取了鄱陽湖濕地六種典型植被（狗牙根、南荻、水蓼、灰化苔草、藜蒿和蘆葦）的高光譜數(shù)據(jù)，在對數(shù)據(jù)進行預處理的基礎上，對高光譜數(shù)據(jù)進行倒數(shù)的對數(shù)變換、導數(shù)變換（包括一階、二階導數(shù)）和包絡線變換，并對比分析了不同植被的反射光譜差異性。 其次， 本文提出了一種基于數(shù)據(jù)誤差范圍和光譜均值差的植被光譜特征波段選擇方法， 并將該方法與現(xiàn)存的馬氏距離

5、法、 光譜標準差法應用于各種數(shù)學變換的光譜曲線分析并篩選出光譜特征波段。經(jīng) T 檢驗法檢驗特征波段的敏感度后， 利用 Bayes 法和 Fisher 法對六種典型濕地植被進行了判別分類， 并對精度結(jié)果進行了評價，最后在 Landsat 8 影像上檢驗了不同植被的區(qū)分度。 高光譜數(shù)據(jù)對植被光譜特征信息具有良好的表征能力， 六種植被具有相似的光譜特征曲線。 通過相關的數(shù)學變換， 統(tǒng)計各種光譜特征參數(shù)可有效突顯出不同植被間的光譜差異，有利于各

6、植被類型的識別，其中通過包絡線變換后，六種植被光譜在 400-529、558-567、653-670、1173-1184 和 1209-1239nm 這四個波段上差異最為明顯。 與現(xiàn)存的光譜特征波段提取方法相比， 本文提出的光譜特征波段選擇法效果更佳，其中原始光譜的特征波段為 422-452、530-592nm，倒數(shù)的對數(shù)光譜的特征波段為 422-452、522-597nm，包絡線光譜的特征波段為 400-529、558-567、653

7、-670、1173-1184 和 1209-1239nm。基于光譜特征波段，利用 Bayes和 Fisher 判別分析法可有效對不同植被光譜進行判別分類， 且經(jīng)過變換后光譜的判別分類精度要高于原始光譜，部分植被經(jīng)過包絡線變換后的精度可提高 13%。利用 Landsat 8 影像可有效對部分植被進行區(qū)分，但由于混合像元因素影響，部分植被之間未能有效區(qū)分。 研究成果為濕地遙感信息解譯、 濕地植被制圖奠定了理論基礎， 為湖泊濕地植被以及湖泊生