<ul id="ooa0s"><center id="ooa0s"></center></ul>
<ul id="ooa0s"></ul>
  • 
    
    <ul id="ooa0s"><pre id="ooa0s"></pre></ul>
  • <ul id="ooa0s"></ul>
  • <ul id="ooa0s"></ul>
    熱搜關鍵詞:拉曼光譜儀,光纖光譜儀,熒光光譜儀,地物光譜儀 | 
    當前位置:技術支持 > 基于機載激光雷達和高光譜數據的樹種識別方法 技術文章

    基于機載激光雷達和高光譜數據的樹種識別方法

    點擊次數:1660  更新時間:2023-08-21

    [1] 陶江玥,劉麗娟,龐勇,李登秋,馮云云,王雪,丁友麗,彭瓊,肖文惠.基于機載激光雷達和高光譜數據的樹種識別方法[J].浙江農林大學學報,2018,35(02):314-323.


    ? 摘要:

    訓練樣本的選取是影響監督分類精度的直接原因之一,數據空間分辨率越高,訓練樣本要求越準確,而人機交互訓練樣本選取推廣力有限。利用機載高光譜(AISA)和激光雷達(LiDAR)主被動遙感數據,探討基于高分辨率影像的訓練樣本自動提取技術以及適合樹種識別的遙感變量。根據樹木的結構和高度差異,開展樹高分層掩膜試驗,并計算光譜間夾角,在每個高度層中自動化優選樹種的高純度訓練樣本。計算植被指數、主成分分析等特征變量,基于支持向量機分類器對研究區進行樹種精細分類。實驗表明:通過對闊葉林、馬尾松Pinus massoniana,毛竹Phyllostachys edulis,杉木Cunninghamia lanceolata,油茶Camellia oleifera的訓練樣本分層自動提取后再進行分類,激光雷達和不敏感色素指數變量能有效提高樹種分類精度。其中高光譜+激光雷達+結構不敏感色素指數變量組合的分類精度高,其總體精度和Kappa系數分別為89.12%0.86,闊葉林、馬尾松、毛竹、杉木、油茶的用戶精度分別為75.00%,100.00%,86.36%,90.91%96.55%。該方法對本研究區森林樹種的識別是有效的。

    ? 結論與討論

    高光譜是光學被動遙感數據,其窄波段特性在較小的空間尺度上能區分地表細微變化,在樹種識別方面有顯著優勢。由于 “同物 異譜、 異 物 同 譜" 現 象 的 存在, 導致分類精度受限。 機載 LiDAR 是主動遙感數據,可獲得樹種垂直結構及強度信息, 與高光譜優勢互補,有效解決不同高度下不同地物因具有相似光譜特征而導致的混分問題。 采用分層訓練樣本自動提取技術, 不僅提高了訓練樣本選取的速度還有效提高訓練樣本選取精度, 更從一定程度上盡可能地避免混分現象。本研究結合 高光譜與機 載 LiDAR 的數據優 勢, 為評估 LiDAR 垂直結構信息與特征變量參與分類的貢獻,比較了基于 AISACHMSIPI PCA1 4 種不同變量組合的分類精度。 其中 AISA+CHM+SIPI 變量組合的分類精度高, 其總體精度 和 Kappa 系數分 別為 89.12%0.86, 比僅 AISA 分類的總體精度高 23.81%, 比 AISA+CHM 12.25%, 比 AISA+SIPI 11.57%。 但結果同時表明, PCA 降維變量的分類貢獻要明顯弱于 SIPI。 本研究區為典型的亞熱帶森林, 其中闊葉林內樹種種類繁多, 與其他類型的樹種混雜生長, 所以純林區較少, 易產生混合像元。 在 AISA+CHM+SIPI 的分類結果中闊葉樹種的制圖精度和用戶精度高, 分別為 87.10%75.00%, 優于 AISA+CHM70.97%66.67%)以及僅 AISA 的分類結果(41.94%61.90%)。 這說明將機載 LiDAR 數據 CHM 與高光譜 AISA 融合, 并添加植被指數 SIPI 能有效區分混合像元并提高分類精度, 對古田山國家自然保護區進行樹種類型的精細分類具有可行性。 但由于陰影區域的存在、 樹冠間相互遮擋、 少部分邊緣像元的光譜混合等, 對樹種分類的精度有一定影響。 后續擬研究基于高空間分辨率數據的像元解混技術, 希望能有效提高復雜林區的樹種識別精度。


    ? 相關產品

     ATP9000/9020/9010-無人      ATP9100-25 可見近紅外 ATP9100 便攜式地物光譜儀

     機載超輕型高光譜成像儀     全波段便攜式地物波譜儀




    聯系方式
    • 手機

      18020740586

    在線客服
    第四色播日韩第一页| 69国产成人精品午夜福中文| 国产精品黄大片在线播放| 精品国产乱码久久久久软件 | 久久精品亚洲日本佐佐木明希| 国产精品美女网站在线观看| 亚洲日韩精品无码一区二区三区| 2020国产成人久久精品| 亚洲精品亚洲人成在线麻豆| 99热在线精品播放| 久久久久亚洲精品无码系列| 国产精品一久久香蕉国产线看观看| 精品无码综合一区| 国产精品99久久久久久www| 九九精品视频在线播放8| 亚洲日韩一区二区一无码| 国产精品国产三级国产av剧情 | 国产92成人精品视频免费| 99久在线精品99re6视频| 无码日韩精品一区二区免费暖暖| 久久国产成人精品麻豆| 国内精品久久久久影院一蜜桃| 久久久久久亚洲精品不卡 | 国产精品另类激情久久久免费| 久久精品国产亚洲av麻豆蜜芽| 久久亚洲精品成人综合| 国产精品扒开腿做爽爽爽视频| 亚洲精品tv久久久久久久久| 99久久免费国产精精品| 国产精品青青在线观看爽香蕉| 日韩精品成人亚洲专区| 日韩免费电影网站| 四虎影视精品永久免费| 精品国产粉嫩内射白浆内射双马尾| 亚洲精品日韩一区二区小说| 99久久免费国产精品特黄| 欧美日韩精品乱国产| 精品国产系列在线观看| 国产精品先锋资源站先锋影院| 国产精品久久久久毛片真精品| 国产精品亚洲精品日韩电影|