论文部分内容阅读
近年来，受全球气候变暖及日趋频繁的人类活动的共同影响，三江源地区草地生态系统持续退化，已引起各方面的高度关注，而传统遥感监测方法在草地退化监测上具有一定的局限性，高光谱遥感具有丰富的光谱维信息，在反演光谱精细差异上具有独特优势。 本研究在三江源地区选定实验区，基于野外光谱仪测定获取的不同退化程度草地、不同杂草冠层光谱数据、样本调查数据、HSI高光谱数据，应用MatlaB、ENVI软件平台，IDL编程开发等手段，分析不同退化程度草地、不同典型杂草光谱特征，筛选特征参数，构建相关性较好的线性回归模型，使用最小距离法、支持向量机、波谱角匹配、决策树等分类方法进行分类研究，构建三江源区退化草地杂草的高光谱遥感反演算法，为草地群落特征演变遥感监测提供新的技术方法。 本文形成的主要结论如下: (1)不同退化程度草地反射光谱差异明显，中度退化草地最易区分，未退化、轻度退化草地光谱较为接近，重度、极度退化草地较为接近。 (2)三江源地区6种典型杂草间反射光谱差异不大，火绒草容易区分，麻花艽、委陵菜和细叶亚菊反射光谱接近，棘豆和黄帚橐吾反射光谱接近。6种典型杂草一阶微分光谱718nm处差异较大，二阶微分700nm处差异较大。六类特征参数对6种典型杂草均有一定区分识别能力 (3)不同退化程度草地分类精度最高方法是SVM方法，分类精度达到77.74％，，SAM方法分类精度也较好，分类精度达到74.17％，而最短距离分类不适合维度较高的数据分类，分类精度仅63.43％。 (4)6种典型杂草光谱的λi、λg/λr、SDr、(λi-λr)/(760-675)参数与图像光谱对应的参数具有较好的相关性，用这四个参数建立的决策树分类器，对不同杂草草地类型进行分类，分类精度为67.46％。