基于高光谱遥感技术的森林树种识别研究进展

高光谱技术的相关应用

2009年10月第5期林业资源管理

FORESTRESOURCESMANAGEMENTOctober2009

No15

基于高光谱遥感技术的森林树种识别研究进展

曾庆伟,武红敢

(中国林业科学研究院资源信息研究所,北京100091)

摘要:在详细介绍高光谱树种识别研究方法的基础上,总结了国内外利用高光谱数据进行森林树种识别的研究应用现状;剖析了目前研究中存在的主要问题;指出了今后开展高光谱树种研究的方向与潜力。关键词:高光谱;遥感;树种识别

中图分类号:S771.8 文献标识码:A 文章编号:1002-6622(2009)05-0109-06

DevelopmentofHyperspectralRemoteSensingApplicationinForestSpeciesIdentification

ZENGQingwe,iWUHonggan

(TheResearchInstituteofForestResourceInformationTechniques,ChineseAcademyofForestry,Beijing100091,China)

Abstract:Thispaperdescribesthemethodsofforestspeciesidentificationinhyperspectralremotesensinganddiscussestheapplicationofhyperspectraldatainforestspeciesidentificationathomeandabroad1Intheend,thestatusquoandproblemsofhyperspectralremotesensinginforestspeciesidentificationarediscussedandsomesuggestionsaboutitsdevelopmenttrendaremade1Keywords:hyperspectra,lremotesensing,speciesidentification0 引言

森林作为地球上可再生自然资源及陆地生态系统的主体,它为人类的生存和发展提供了丰富的物质资源,在维持生态过程和生态平衡中发挥着重要的作用

[1]

光谱分辨率的局限性,对于光谱曲线相近的树种很难进行识别,只能将其划分为植被、非植被,或者简单地将森林区分为针叶、阔叶两大类,难以满足实际生产需求

[3-5]

。高光谱遥感突破了光谱分辨率这一

。正确地识别森林树种是利用和保护森

[2]

瓶颈因子,在光谱空间上大大抑制了其它干扰因素的影响,能够准确地探测到具有细微光谱差异的各种地物类型,极大地提高了森林树种的识别精度

[6-7]

林资源的基础和依据。现行的树种识别方法主

要是依靠一些成本高、费时、费力的野外调查方法或利用大比例尺的航片来进行判读。在过去的30年中,开展了大量应用航天遥感数据(如TM,SPOT)进行森林树种分类的应用研究,但是由于多光谱遥感

,为获得更准确的森林树种分布提供了最强

有力的工具。我国在这方面的研究还处于发展的初级阶段,主要以理论分析和小范围的应用研究为主。

收稿日期:2009-06-23;修回日期:2009-09-29

基金项目:本研究得到863课题/面向地块的地物类型精细识别技术及其应用(2007AA12Z181)0的资助作者简介:曾庆伟(1984-),男,江西樟树人,在读硕士,主要从事遥感技术应用研究。

高光谱技术的相关应用

110

1 高光谱遥感森林树种识别技术

林业资源管理第5期

性越好,地物的识别和分类也就越可靠。在波段数为n的光谱影像中,测试光谱矢量为X[X1,X2,X3,,,Xn],参考光谱矢量为Y[Y1,Y2,Y3,,,Yn],那么它们之间的夹角为:

cosA=iEXiYi/=1

n

高光谱遥感的识别技术作为高光谱遥感森林树种识别的关键环节而备受关注

[8]

。由于高光谱数

据同时具有波段多、数据量大、光谱与图像合一等特点,因此需要发展更有效的识别算法才能使其发挥更大的作用。经过20多年的积累,在传统识别分类算法的基础上已经形成了一系列面向高光谱图像特点的识别算法,初步可以归纳为基于光谱特征、基于(iEXi)(iEYi)=1=1

22

(3)

光谱角度匹配对太阳辐照度、地形和反照率等因素不敏感,可以有效地减弱这些因素的影响。这光谱匹配和基于统计分析方法等3个方面。111 基于光谱特征技术

植物光谱通常包括一系列的特征吸收谱带,这些特征谱带在不同的树种类型中具有较稳定的波长位置和特征形态,能够指示出不同树种类型间的差异,是高光谱进行树种识别的基础

[9]

。光

谱微分技术(spectrumderivative)能够迅速地确定光谱拐弯点及最大、最小反射率波长位置等各种光谱特征参数。

光谱微分技术既可以消除光谱数据之间的系统误差、减弱大气辐射、散射和吸收对目标光谱的影响,又可以提取可识别地物的光谱吸收峰参数(波长位置、深度、宽度和吸收光谱指数等)。光谱一、二阶微分的计算公式如下:

Rc(Ki)=(Ri+1-Ri-1)/(2vK)(1)Rd(K2

i)=(Ri+2-2Ri+Ri-2)/(4vK)

(2)

式中:Rc(Ki)和Rd(Ki)分别是Ki波长处的一阶、二阶微分;Ri+2,Ri+1,Ri,Ri-1,Ri-2分别是相应波长处的反射率值;vK为波长间隔。另外,根据微分理论可以得到更高阶的微分光谱,高阶微分也可以消除背景噪声,分辨重叠光谱[10-11]

。

112 基于光谱匹配技术

高光谱遥感最大的优势在于利用有限细分的光谱波段,可以再现地物的光谱曲线,这样利用整个光谱曲线进行森林树种匹配识别,可以在一定程度上改善单个波形的不确定性影响(如光谱漂移、变异等),提高识别精度。

11211 光谱角度匹配(SpectralAngleMapper:SAM)

光谱角度匹配是通过计算测定光谱和参考光谱之间的/夹角0来表征两者之间的相似程度,从而实现光谱匹配分类

[12]

。如果夹角越小,说明两者相似

种方法在树种识别及其他领域分类研究中受到广泛应用。

11212 光谱相关匹配(SpectralCorrelationMapper:CSM)

针对光谱角度匹配方法不能识别正、负相关系数而只能用整数的特点,奥斯马等

[13]

用皮尔森相

关系数对SAM的余弦进行类型表达,公式为:

R=

E(X-X)(Y-Y)(4)

E(X-X)2

E(Y-Y)

2

式中:X为象元光谱,Y为参考光谱。皮尔森相关系数将数据标准化,集中自身与X和Y的均值上,CSM变化于-1和+1之间,而SAM的余弦值变化于0和1之间。研究证明,CSM方法能更有效地压缩阴影,提高识别精度。

11213 交叉相关光谱匹配(CrossCorrelogramSpec2tralMatching:CCSM)

交叉相关光谱匹配技术

[14]

通过计算测试光谱

与参考光谱在不同光谱位置(波段波长位置)的交叉相关系数,绘制交叉相关曲线图。测试光谱与参考光谱完美匹配的交叉相关图是中心匹配数为0,峰值相关系数为1的抛物线。交叉相关系数(rm)表示为:

rnERrRt-ERrERt

m=[nER-(ER(5)

r

r)]#[nERt

-(ERt)]

式中:Rr,Rt分别为测试光谱和参考光谱;n为重合波段数;m为光谱匹配位置。11214 基于模型技术

利用模型技术进行森林树种识别是高光谱遥感未来发展的重要趋势。广义距离或者广义夹角的计算要求多维变量间的独立性要好,高相关的多变量间进行距离计算没有意义,因为维数的增加并不会

高光谱技术的相关应用

第5期曾庆伟等:基于高光谱遥感技术的森林树种识别研究进展

111

提高其可分性。因此,很有必要发展一种有效表征高度相似树种曲线形状间差别的方法。相关拟合分析模型

[15]

树种识别主要包括两方面内容:森林树种类型识别和森林树种生理生化特性识别。211 森林树种类型识别

树种类型识别是高光谱树种识别研究中备受关注的应用领域。森林树种类型之间不仅具有高度相似性和空间变异性,更具有时间动态性强的特点

[18]

(CorrelationSimulatingAnalysisMode;l

CASM)就是通过对相关光谱曲线形状上的拟合来 …… 此处隐藏：3526字，全部文档内容请下载后查看。喜欢就下载吧 ……