[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(jī)載激光雷達(dá)和高光譜數(shù)據(jù)的樹(shù)種識(shí)別方法[J].浙江農(nóng)林大學(xué)學(xué)報(bào),2018,35(02):314-323.

? 摘要：

訓(xùn)練樣本的選取是影響監(jiān)督分類(lèi)精度的直接原因之一,數(shù)據(jù)空間分辨率越高,訓(xùn)練樣本要求越準(zhǔn)確,而人機(jī)交互訓(xùn)練樣本選取推廣力有限。利用機(jī)載高光譜(AISA)和激光雷達(dá)(LiDAR)主被動(dòng)遙感數(shù)據(jù),探討基于高分辨率影像的訓(xùn)練樣本自動(dòng)提取技術(shù)以及適合樹(shù)種識(shí)別的遙感變量。根據(jù)樹(shù)木的結(jié)構(gòu)和高度差異,開(kāi)展樹(shù)高分層掩膜試驗(yàn),并計(jì)算光譜間夾角,在每個(gè)高度層中自動(dòng)化優(yōu)選樹(shù)種的高純度訓(xùn)練樣本。計(jì)算植被指數(shù)、主成分分析等特征變量,基于支持向量機(jī)分類(lèi)器對(duì)研究區(qū)進(jìn)行樹(shù)種精細(xì)分類(lèi)。實(shí)驗(yàn)表明:通過(guò)對(duì)闊葉林、馬尾松Pinus massoniana,毛竹Phyllostachys edulis,杉木Cunninghamia lanceolata,油茶Camellia oleifera的訓(xùn)練樣本分層自動(dòng)提取后再進(jìn)行分類(lèi),激光雷達(dá)和不敏感色素指數(shù)變量能有效提高樹(shù)種分類(lèi)精度。其中高光譜+激光雷達(dá)+結(jié)構(gòu)不敏感色素指數(shù)變量組合的分類(lèi)精度高,其總體精度和Kappa系數(shù)分別為89.12%和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%和96.55%。該方法對(duì)本研究區(qū)森林樹(shù)種的識(shí)別是有效的。

? 結(jié)論與討論

高光譜是光學(xué)被動(dòng)遙感數(shù)據(jù)，其窄波段特性在較小的空間尺度上能區(qū)分地表細(xì)微變化，在樹(shù)種識(shí)別方面有顯著優(yōu)勢(shì)。但由于 “同物 異譜、 異 物 同 譜" 現(xiàn) 象 的 存在， 導(dǎo)致分類(lèi)精度受限。 機(jī)載 LiDAR 是主動(dòng)遙感數(shù)據(jù)，可獲得樹(shù)種垂直結(jié)構(gòu)及強(qiáng)度信息， 與高光譜優(yōu)勢(shì)互補(bǔ)，有效解決不同高度下不同地物因具有相似光譜特征而導(dǎo)致的混分問(wèn)題。 采用分層訓(xùn)練樣本自動(dòng)提取技術(shù)， 不僅提高了訓(xùn)練樣本選取的速度還有效提高訓(xùn)練樣本選取精度， 更從一定程度上盡可能地避免混分現(xiàn)象。本研究結(jié)合 高光譜與機(jī) 載 LiDAR 的數(shù)據(jù)優(yōu) 勢(shì)， 為評(píng)估 LiDAR 垂直結(jié)構(gòu)信息與特征變量參與分類(lèi)的貢獻(xiàn)，比較了基于 AISA， CHM， SIPI 和 PCA1 這 4 種不同變量組合的分類(lèi)精度。 其中 AISA+CHM+SIPI 變量組合的分類(lèi)精度高， 其總體精度 和 Kappa 系數(shù)分 別為 89.12%和 0.86， 比僅 AISA 分類(lèi)的總體精度高 23.81%， 比 AISA+CHM 高 12.25%， 比 AISA+SIPI 高 11.57%。 但結(jié)果同時(shí)表明， PCA 降維變量的分類(lèi)貢獻(xiàn)要明顯弱于 SIPI。 本研究區(qū)為典型的亞熱帶森林， 其中闊葉林內(nèi)樹(shù)種種類(lèi)繁多， 與其他類(lèi)型的樹(shù)種混雜生長(zhǎng)， 所以純林區(qū)較少， 易產(chǎn)生混合像元。 在 AISA+CHM+SIPI 的分類(lèi)結(jié)果中闊葉樹(shù)種的制圖精度和用戶精度高， 分別為 87.10%和 75.00%， 優(yōu)于 AISA+CHM（70.97%， 66.67%）以及僅 AISA 的分類(lèi)結(jié)果（41.94%， 61.90%）。 這說(shuō)明將機(jī)載 LiDAR 數(shù)據(jù) CHM 與高光譜 AISA 融合， 并添加植被指數(shù) SIPI 能有效區(qū)分混合像元并提高分類(lèi)精度， 對(duì)古田山國(guó)家自然保護(hù)區(qū)進(jìn)行樹(shù)種類(lèi)型的精細(xì)分類(lèi)具有可行性。 但由于陰影區(qū)域的存在、 樹(shù)冠間相互遮擋、 少部分邊緣像元的光譜混合等， 對(duì)樹(shù)種分類(lèi)的精度有一定影響。 后續(xù)擬研究基于高空間分辨率數(shù)據(jù)的像元解混技術(shù)， 希望能有效提高復(fù)雜林區(qū)的樹(shù)種識(shí)別精度。

? 相關(guān)產(chǎn)品

 ATP9000/9020/9010-無(wú)人      ATP9100-25 可見(jiàn)近紅外 ATP9100 便攜式地物光譜儀

　機(jī)載超輕型高光譜成像儀     全波段便攜式地物波譜儀