三种回归分析方法在Hyperion影像LAI反演中的比较

借助GPS进行地面精确定位,利用LAI-2000冠层分析仪在攸县黄丰桥林场开展130个样地(60m×60m)的叶面积指数(Leaf Area Index,LAI)测量。采用FLAASH模块对Hyperion数据进行大气校正并与地面同步冠层观测数据进行拟合,通过研究地面实测LAI与Hyperion影像波段及其衍生的系列植被指数(NDVI、RVI等)的相关性,筛选出估算叶面积指数的植被指数因子。应用曲线估计、逐步回归及偏最小二乘三种回归分析技术分别建立叶面积指数的最优估算模型。结果表明:参与建模的因子中,比值植被指数(RVI)与LAI的相关性最大,敏感性最高,其次是SARVI0.1,NDVI705,NDVI,SARVI0.1,SARVI0.25;曲线估计、逐步回归分析和偏最小二乘回归三种分析方法所建的6个回归模型中,偏最小二乘回归的拟合效果最好,预测值与实测值的决定系数R2为0.84、曲线估计的拟合效果最低,预测值与实测值的决定系数R2为0.64;建模精度分析表明,选用5—6个自变量因子进行LAI建模是可靠的,以6个植被因子建立的偏最小二乘回归模型预测精度最高。

基于BP神经网络的森林树种分类研究

精准的森林树种分类是林业遥感研究的重要课题。高光谱数据具有丰富的波谱信息,能够探测到不同植被光谱的细微差异,为森林树种分类研究提供了数据来源。人工神经网络提供了任意维数输入输出矢量之间的非线性映射,能够逼近任意的非线性连续系统,为森林树种分类研究提供了技术手段。以马尾松成熟林、樟树幼龄林及荷花玉兰幼龄林为分类对象,将高光谱特征参数作为输入矢量,森林树种类别作为输出矢量,构建BP神经网络,开展分类研究。结果表明:马尾松成熟林及樟树幼龄林的分类精度达100.0%,样本分类综合精度可达93.3%。

高光谱遥感影像森林信息提取方法比较

以湖南省株洲市攸县黄丰桥林场为研究对象,运用最小距离、马氏距离、最大似然、光谱角制图、光谱信息散度、神经网络、支持向量机7种分类方法对Hyperion高光谱数据进行森林信息提取。通过对信息提取结果进行比较分析得出:针对Hyperion影像信息提取的7种方法中,支持向量机、神经网络和马氏距离3种分类方法较适合森林信息的提取,总体精度分别为67.39%、66.30%、62.68%;最大似然法在针叶林信息提取中的效果较好,其精度为67.31%;支持向量机法最适合提取阔叶林信息,其精度为80.19%,远远高于其它6种分类方法;运用马氏距离和神经网络法提取竹林信息精度最高,分别达到了84.21%和81.58%。

基于色素含量的针叶树种敏感波段提取研究

通过分析马尾松、杉木主要色素和冠层光谱数据的相关关系提取敏感波段,然后利用7种分类算法对所提取波段进行分类,最后对高斯合并后的光谱数据进行分类,用以测试提取波段的可推广性。结果表明:马尾松和杉木的差异主要是受叶绿素的影响,并且2种针叶树种的敏感波段位于401～504 nm和659～686 nm;用于区分2种针叶树种高光谱数据的最佳分类方法为Fisher分类法,最高分类精度达到了100%;模拟成像光谱数据的高斯合并数据抑制了高频噪声,但也过滤掉了2种针叶树种光谱数据的细微差异,分类精度降低,为70%～80%,而叶绿素所提取波段仍然优于其它色素提取的波段,这说明401～504 nm和659～686 nm波段具有可推广和进一步研究的价值。

多源遥感数据森林信息的提取和比较分析

基于遥感的森林信息提取的信息源比较多,这些信息源由于本身参数的差异,其有效提取结果并不相同。以湖南省株洲市攸县黄丰桥林场为研究对象,利用SPOT5多光谱数据、TM和CBERS02星多光谱数据,分别开展森林信息提取,并对结果进行比较;同时还开展了决策级融合比较。研究结论如下:SPOT5多光谱波段提取针叶林信息最好,精度达到了84.00%;利用TM提取阔叶林信息效果最好,精度达到了85.42%;决策级融合后各地类分类精度都有所提高,尤其灌木林分类精度达76.92%;决策级融合后总体精度达85.08%,Kappa系数达0.813 2,基本达到SPOT5数据2.5 m(87.29%,0.838 5)的分类准确度。

基于k-NN算法的叶面积指数遥感反演

叶面积指数(Leaf Area Index,LAI)作为植被冠层结构的重要描述参数之一,能体现植被光合、蒸腾和呼吸作用的能力。借助GPS和LAI-2200冠层分析仪在攸县黄丰桥林场开展LAI测量。利用ENVI软件对Geo Eye-1数据进行了辐射定标,大气校正和正射校正。通过研究LAI与Geo Eye-1影像波段及其衍生指数的相关性,筛选出2组估算LAI的指数因子(6个指数因子和10个指数因子)。应用k-NN进行叶面积指数反演,同时将反演结果与多元线性回归模型结果进行比较。结果表明:利用2组指数因子进行多元线性回归模型反演LAI中,6个指数因子的模型决定系数R2为0.386,10个指数因子的模型决定系数R2为0.498。从回归模拟的角度分析,10个指数因子得到的模拟结果要优于6个指数因子的模拟结果。利用2组指数因子通过设置4个不同的k值(k=3,5,7,10)得到8个k-NN反演结果中,以10个指数因子得到的k-NN反演结果较好,其中在k=3时效果最好,其决定系数R2为0.733,精度为85.4%。建模精度分析表明选用10个指数因子进行LAI的反演优于选用6个指数因子,其中k-NN方法的反演结果优于多元线性回归模型,说明利用k-NN方法进行LAI的反演是可行的。

黄丰桥国有林场综合效益评价研究

以湖南省黄丰桥国有林场为研究对象,从生态效益、民生改善、社会效益、经济效益和发展能力5个方面,对国有林场综合效益进行评价。评分结果表明,林场整体综合效益良好,与实际较为符合。针对林场生态效益有待优化,社会效益偏低、民生有待改善,森林资源培育发展能力较强,但经济效益有待提高等问题,提出了调整林分结构、提升生态效益,改善民生、提高社会效益,增强森林培育的发展能力、兼顾经济效益等相关建议。

黄兰矿区构造分析与深部地质勘查找矿应用研究

通过对湖南省黄兰矿区地质构造格局的分析,采用构造分级与煤层对比相结合的方法,开展黄丰桥矿区深部构造分析,辅以硐探工程验证进行资源预测。研究结果表明:选择有资源提升潜力的关键区域,利用少量井巷工程验证矿区构造分析成果,理顺各级构造关系、明晰矿区构造体系,查明深部资源,获得了黄丰桥矿区西南端深部资源量数百万吨,为区内矿山整合保留提供了优质资源与地质依据,有利于合理充分、高效地利用老矿山边深部资源,可使老矿山焕发生机,并缓解政府因煤矿关闭造成的资源损失及巨大社会压力,取得了较好的社会效益及经济效益。

利用PCA算法进行乔木树种高光谱数据降维与分类

本文利用主成分分析法分别对乔木树种高光谱反射率原始数据及3种预处理数据进行降维运算,再使用SVM-RBF、SVM-Linear、BP、Fisher 4种分类算法,对降维后的数据进行分类测试,发现累积方差贡献率与分类精度没有必然联系,而主成分的个数对分类结果的影响较为明显;不同的数据预处理方法和不同的分类方法对主成分分析算法降维后数据的分类灵敏度不同。