论文部分内容阅读
随着高光谱技术的不断发展,高光谱遥感在树种识别方面的应用越来越广泛。传统遥感只能识别植被、水体、裸地等差异较大的地类,无法满足乔木树种的精细识别要求。高光谱数据具有光谱分辨率高、波段数目多、数据量庞大的显著特点,为乔木树种的精细分类与识别提供了可能。乔木树种的分类一直是林业遥感监测研究的一个技术难点,为寻找便于识别乔木树种高光谱数据的最佳监测窗口。本文以黄丰桥国有林场为主要研究区,以杉木、马褂木、马尾松和樟树为研究对象,以JM(Jeffreys-Matusita)距离和变换离散度为最佳监测波段的筛选算法,然后使用马氏距离判别法对计算所得的最佳波段窗口进行验证,从而确定最佳波段区间的范围。此外,利用MATLAB软件GUI界面构建框架,结合开发组件与高光谱数据处理算法,开发相应的数据处理软件,实现对高光谱数据的一键式处理,快速、高效的得出最佳监测波段窗口。本文历时2年多,对杉木、马褂木、马尾松和樟树进行定点定期观测,共采集数据2000多条,利用以上观测数据,进行高光谱数据的预处理、相关性分析和相对辐射校正,然后使用JM距离算法和变换离散度算法计算树种之间在所有光谱区间(340nm~2500nm)上的区分距离值,以大于等于1.9的波段区间为最佳监测窗口,再用马氏距离判别法对得到的最佳波段窗口进行验证和精度评价,最终确定乔木树种遥感监测的最佳波段窗口。为快速、高效处理高光谱数据提供一定的参考,为乔木树种遥感监测提供最佳的波段窗口。主要研究结果有:(1)对于实测乔木树种地面高光谱数据最佳监测波段的选择,研究得到高光谱数据滤波、相关性分析、相对辐射校正等比较成熟有效的高光谱数据预处理方法。(2)对于实测乔木树种地面高光谱数据最佳监测波段的选择,研究得出JM距离算法作为乔木树种遥感监测波段筛选算法比较理想。(3)研究得出乔木树种遥感监测最佳波段窗口为:杉木与马褂木为1572～1591nm;杉木与马尾松为993～1013nm;杉木与樟树为2139～2159nm;马褂木与马尾松为729～742nm,1601～1606nm;马褂木与樟树为1710～1729nm;马尾松与樟树为1596～1625nm。(4)研发了一套一键式、快速管理与分析高光谱数据的数据处理系统。通过可视化界面,实现研究人员对数据的快速、高效处理,以及数据对人的及时响应,形成人与数据之间的直接价值连接,将数据存储管理与数据处理分析集成到一起。使得系统可以完成高光谱数据的管理与存储,又能完成对高光谱数据的深入处理和分析,形成一个数据管理与分析处理的一体化平台。