基于叶片和冠层级别的高光谱城市树种识别

论文摘要

本论文选取了华中地区具有代表性的12种树种作为实验对象,包括草本地被1种、针叶树种3种、阔叶树种8种,利用野外光谱仪测量得到它们的叶片和冠层的光谱数据。从不同树种的光谱信息所反映的光谱特征,分析了不同树种光谱之间的差异性和相同性。针对植物所具有的,不同于其他地物的特性,提取了光谱特征位置点和特征参数,基于这些光谱特征位置点和特征参数进行了不同树种的分类。具体结果如下：(1)从光谱曲线上发现,不同树种的叶片和冠层光谱曲线都具有相同的变化趋势,但还是在局部上表现出了细致的差异。(2)提取的特征位置点分布十分集中,分别是蓝紫波段吸收峰M：：407nm；蓝边位置B：525nm；绿峰位置G：560 nm；黄边位置Y：575nm；红谷R：674 nm；红边位置V：721nm；近红外平台位置I：750 nm。(3)系统聚类分析法能够较好的将不同树种从大的类别上区分开来,但是在进一步对树种进行细分的时候会存在不同程度的混淆。(4)不同分类距离算法的比较结果发现：马氏距离分类法效果最好,Fisher分类法次之,贝叶斯分类法效果最差。这三种分类方法都能够将地被三叶草区分开,其他树种都存在不同程度的混淆。(5)采用SPSS软件进行的系统聚类分析对植物区分大的类别时效果较好,再进一步进行细分时,如果精度要求较高、样本较多时,工作量就很大；采用MATLAB软件利用混淆矩阵进行数据的计算时,马氏距离分类法的分类效果最好,而马氏距离法分类主要是针对树种的细致分类。也就是说,在区分大的类别时利用系统聚类分析法能取得较好的效果；当存在多个不同的树种,并且同一树种又存在多个样本时,利用马氏距离分类法效果较好。

论文目录

• 目录
• 摘要
• Abstract
• 1. 前言
• 1.1 研究背景
• 1.2 研究目的和意义
• 1.3 文献综述
• 1.3.1 高光谱遥感基本概念及特点
• 1.3.2 高光谱遥感的原理
• 1.3.3 在树种识别方面的研究
• 1.3.4 植被光谱特征研究
• 1.3.5 波段的选择
• 2. 研究方法
• 2.1 研究区概况
• 2.2 研究方法
• 2.3 研究技术路线
• 2.4 测定方法
• 2.4.1 叶片和冠层光谱测量方法
• 2.4.2 SPAD值的测定
• 2.5 光谱数据预处理
• 2.6 分类算法介绍
• 2.6.1 分类算法
• 2.6.2 分类精度评价
• 3. 结果与分析
• 3.1 不同地物的光谱曲线特征比较
• 3.2 植被光谱曲线特征分析
• 3.2.1 不同植物冠层光谱特征比较
• 3.2.2 不同植物叶片光谱特征比较
• 3.2.3 植物叶片与冠层光谱特征比较
• 3.3 基于冠层和叶片反射光谱光谱特征点的分类结果
• 3.3.1 特征位置点的选取
• 3.3.2 特征参数的选取
• 3.3.3 基于特征位置点的树种识别与分类
• 3.4 基于特征参数不同算法的树种识别与分类
• 3.4.1 基于叶片光谱的不同算法树种识别与分类
• 3.4.2 基于冠层光谱的不同算法树种识别与分类
• 4. 结论和讨论
• 4.1 结论
• 4.2 讨论
• 参考文献
• 致谢