基于光谱与纹理特征的南疆盆地果树树种遥感识别研究

基于不同分辨率(2,8,16m)遥感数据(GF-1),分别运用最大似然法、马氏距离、神经网络、支持向量机4种分类方法,结合光谱与纹理特征对南疆盆地4种主栽果树(核桃、红枣、香梨和苹果)进行遥感识别。结果表明,不同分辨率下,基于光谱与纹理特征的分类精度均比单纯依靠光谱特征参与下的分类精度有较大提高,2,8,16m分辨率下分类总精度最高达到76.91%,67.46%,61.23%,比相应单纯依靠光谱信息分类提高了7.20%,5.00%,6.41%,Kappa系数也相应提高了0.14,0.03,0.06。不同分辨率下(2,8,16m)识别4种果树的最佳纹理窗口分别为23×23、21×21、13×13窗口;对应的纹理特征组合为:方差、相异性、相关性;方差、均匀性、对比度;方差、对比度、相异性;支持向量机是识别4种林果树种的最佳分类方法,2m分辨率的遥感影像为识别4种果树的最佳选择。

基于HJ-1A卫星HSI影像的阿克苏地区主栽经济林树种识别研究

基于HJ-1A卫星HSI数据,以阿克苏地区主栽3种经济林树种为研究对象,运用最佳指数法(Optimum Index Factor)和波段指数法(Band Index)对HJ-1A卫星的HSI影像进行敏感波段的筛选,并对南疆环塔里木盆地主栽经济林树种进行了识别研究。结果表明,不同波段选择方法筛选出的敏感波段集中在红光和近红外波段范围,且对经济林树种都具有良好的可分性;敏感波段组合(28-40-77、28-54-75、20-40-58)对经济林树种总分类精度均达到了70%以上,基于TM432划分波段的波段指数法筛选的20-40-58组合,总分类精度最高(OA=72.4647%),Kappa系数为0.5838。

基于BP神经网络的高光谱果树树种识别研究

高光谱具有波段窄、波段多的特点,能够提供比多光谱遥感更精细的地物光谱信息,为识别光谱性质相似的森林树种提供了有效途径。对南疆盆地4种主栽果树树种(苹果、香梨、核桃、红枣)的冠层光谱数据进行测量,用BP神经网络对原始光谱数据及其经一阶微分、对数一阶微分、归一化一阶微分变换后的光谱数据进行分类识别,结果表明:对数一阶微分和归一化一阶微分变换后树种识别精度分别为94%和88%以上;红边区的光谱波段包含了大量树种识别的信息;采用BP神经网络能够对南疆盆地主栽果树进行基于冠层光谱的分类,而且分类精度相对较高。

基于Hyperion数据的南疆环塔里木盆地经济林树种识别敏感波段选择

基于Hyperion高光谱遥感影像,以阿克苏红旗坡农场周围的3种经济林树种为研究对象,采用最佳指数法、自适应波段指数法和基于TM影像对应波段划分的波段指数法筛选出4种敏感波段组合,并运用最大似然分类方法对其进行树种识别敏感性检验。研究结果表明:筛选出的4种波段组合对3种经济林树种都有较好的可分性,总体分类精度均达到了75%以上,尤其是基于TM影像对应波段划分的波段指数法筛选的55-33-25和55-158-33组合,分类精度高达86.85%和87.47%,Kappa系数均在0.75以上,可作为南疆环塔里木盆地3种主栽经济林树种大面积遥感识别的依据。