论文部分内容阅读
植被是反映区域生态环境质量的重要标志，植被分类研究对区域生态环境的保护和资源的利用起着重要作用。利用遥感技术能够及时准确的获取流域内的植被空间分布信息，为水库的洪水预报、水土保持、减少泥沙淤积提供技术支持。 时间序列的遥感数据能够反映了植被的生长变化特征，易于区分不同的植被类型，但其一般空间分辨率较低，同时受阴雨云雾天气的影响，很难满足使用要求。本文利用改进的时空反射率融合模型算法，构建了具有高空间分辨率的时序NDVI数据集，分析不同植被类型的生长周期变化，建立不同植被类型的时序NDVI特征曲线。本文提出了一种基于遗传算法优化的光谱角分类方法，结合地形数据对河南省河口村水库流域植被进行分类，并对结果进行精度验证。取得的主要研究成果如下: (1)通过研究ESTARFM(Enhanced Spatial and Temporal Adaptive ReflectanceFusion Model)算法，并对ESTARFM算法中相似像元的选择算法进行改进。分析了改进后模型敏感性参数对计算精度产生的影响，通过与实测数据的对比分析，改进后的模型与传统模型相比相关系数提高了0.0075，均方根误差减少了0.0018。 (2)提出了基于遗传算法优化的光谱角分类方法，有效解决了分类结果中的“椒盐现象”。通过与光谱角分类算法和最小距离分类算法的分类结果对比，基于遗传算法优化的光谱角分类对于“同物异谱”的地物分类结果最优，样本正确分类的精度达到99.08％，kappa系数为0.98。 (3)以河南省河口村水库流域为研究对象，构建了河口村水库流域2014年各月份的时序NDVI数据集，利用遗传算法优化的光谱角分类法结合DEM数据对河口村水库流域的植被进行分类，总体精度为84％，kappa系数为0.81，植被类型的最高精度达到了93％。