基于高光譜影像的樹種分類1)

于麗柯 于穎 柳向宇 杜一塵 張涵

(東北林業大學，哈爾濱，150040)

?

基于高光譜影像的樹種分類1)

于麗柯 于穎 柳向宇 杜一塵 張涵

(東北林業大學，哈爾濱，150040)

應用環境與災害監測預報小衛星(HJ-1A)的超光譜成像儀(HSI)高光譜影像，對大興安嶺地區塔河林區進行樹種分類。HSI數據經過去條帶和大氣校正預處理，獲取準確的樹種光譜信息，分別采用波譜角填圖法和線性波譜分離法進行樹種分類。結果表明：在樹種識別中，基于線性波譜分離的方法較基于波譜角填圖法要優越，線性波譜分離方法的總體精度為72.0%，Kappa系數為0.600；波譜角填圖法的總體精度為62.5%，Kappa系數為0.459。

高光譜；超光譜成像儀(HSI)；樹種分類；光譜角填圖；線性波譜分離

We classified the tree species in Tahe County in Daxing’an Mountains with the HSI hyperspectral image acquired by the small satellite constellation of environmental and disaster monitoring and forecasting (HJ-1A). The HSI data can only obtain precise tree species spectral information after removing strips and correcting the atmospheric effect of remote sensing image. We classified the tree species by spectral angle mapping (SAM) method and linear spectral separation, respectively. The overall precision of spectral angle mapping was 62.5% with Kappa of 0.459, and that of linear spectral separation was 72.0% with Kappa of 0.60, indicating that the classification method based on linear spectral separation could get better result than spectral angle mapping in tree species classification.

森林作為地球上最大的陸地生態系統，正確地識別森林樹種是利用和保護森林資源的基礎和依據[1]。20世紀末出現的高光譜遙感技術，在光譜分辨率上具有很大的優勢，這種特征能夠準確地探測到具有細微光譜差異的各種地物類型，在提高森林樹種識別精度上具有重大意義。目前，關于高光譜遙感識別算法有多種，主要分為基于光譜特征、光譜匹配、統計分析方法[2]。基于光譜特征是以植物光譜通常包括一系列的特征吸收譜帶，每一樹種特征吸收譜帶不同，且有較穩定的波長位置和特征形態，通過光譜微分技術得到光譜拐點及最大最小反射率波長位置等各種光譜特征參數，指示出不同樹種間的差異；基于光譜匹配是通過對地物光譜與參考光譜的匹配或地物光譜與數據庫的比較，求算它們之間的相似性或差異性[3]，較為典型的有光譜角度匹配(SAM)、光譜相似匹配(SCM)和交叉相關光譜匹配(CCSM)等；……