欧美亚洲精品真实在线丨a免费观看丨国产一区二区三区在线观看视频丨精品久久久久中文字幕app丨亚洲天堂av在线免费观看丨国产精品资源一区二区丨涩涩涩涩涩涩涩涩涩涩丨国产69av

0 引言

高光譜遙感具有光譜分辨率高、波段范圍窄、圖譜合一、連續(xù)成像等特點(diǎn)，能夠區(qū)分出地物光譜的細(xì)微差別，探測(cè)到其他寬波段遙感無(wú)法探測(cè)的信息。因此，高光譜遙感在生態(tài)、大氣和海洋等諸多應(yīng)用領(lǐng)域具有很大優(yōu)勢(shì)。近年來(lái)，高光譜遙感在林業(yè)方面的一個(gè)重要應(yīng)用是對(duì)森林樹種類型進(jìn)行識(shí)別。森林樹種類型識(shí)別的主要目的是提取樹種的專題信息，為劃分森林類型、繪制林相圖和清查森林資源提供基礎(chǔ)和依據(jù)。目前，國(guó)內(nèi)外利用高光譜遙感進(jìn)行樹種識(shí)別主要是從葉片、冠層和高光譜影像3個(gè)研究尺度開展。基于葉片的樹種識(shí)別主要是對(duì)葉片反射率及其變換形式運(yùn)用統(tǒng)計(jì)方法、遺傳算法等進(jìn)行分析，以樹種識(shí)別的可行性分析與識(shí)別潛力為主要研究?jī)?nèi)容；基于冠層的樹種識(shí)別主要運(yùn)用光譜信息散度法、光譜角填圖法等基于光譜信息的遙感圖像分類方法，并利用地物光譜儀獲取的林分冠層反射率曲線，進(jìn)行樹種分類；基于高光譜影像的樹種識(shí)別主要通過(guò)對(duì)影像進(jìn)行去噪降維等預(yù)處理后，運(yùn)用監(jiān)督或非監(jiān)督分類的方法進(jìn)行樹種識(shí)別。

國(guó)外已有很多學(xué)者對(duì)高光譜樹種識(shí)別進(jìn)行了研究。Gong等利用ANN分類法對(duì)光譜數(shù)據(jù)進(jìn)行判別，區(qū)分出1種闊葉樹種和6種針葉樹種，分類精度大于90%；Martin等利用AVIRIS高光譜數(shù)據(jù)與樹種葉片化學(xué)成分之間的關(guān)系，鑒別出11種樹種類型，可有效進(jìn)行樹種分類；Petropoulos等分別采用支持向量機(jī)和基于對(duì)象的分類方法，對(duì)Hyperion高光譜影像進(jìn)行土地覆蓋類型分類，雖2 種分類效果均較好，但基于對(duì)象的分類方法精度更高。國(guó)內(nèi)也有越來(lái)越多的學(xué)者進(jìn)行森林樹種識(shí)別探究。童慶禧等利用光譜波形匹配算法對(duì)MAIS高光譜影像進(jìn)行植被類型識(shí)別，獲得了潘陽(yáng)湖典型濕地的植被分類圖，對(duì)高光譜的樹種識(shí)別提供了實(shí)用依據(jù)；王圓圓等采用隨機(jī)子空間法對(duì)OMIS高光譜遙感數(shù)據(jù)進(jìn)行識(shí)別，并利用遺傳算法來(lái)提高分類精度；劉秀英等使用地物光譜儀測(cè)得的光譜數(shù)據(jù)，采用逐步判別分析方法、特征波段選擇等方法識(shí)別出4種樹種。綜上所述，國(guó)內(nèi)外利用高光譜數(shù)據(jù)進(jìn)行樹種識(shí)別的研究已取得階段性的進(jìn)展，從研究方法看，主要基于不同樹種具有不同光譜特征的原理，通過(guò)特征波段的合理選擇，或者通過(guò)波段變換對(duì)高光譜數(shù)據(jù)進(jìn)行降維來(lái)識(shí)別樹種。

高光譜影像波段數(shù)多，信息量大，為地物的精細(xì)識(shí)別提供優(yōu)勢(shì)的同時(shí)，也帶來(lái)了數(shù)據(jù)量多，波段間相關(guān)性大，處理精度和效率下降的問(wèn)題。本文以上海交通大學(xué)植物園為研究區(qū)，利用無(wú)人機(jī)高光譜數(shù)據(jù)，運(yùn)用z佳指數(shù)波段選擇法和see5.0決策樹自動(dòng)分類相結(jié)合進(jìn)行樹種識(shí)別，有利于無(wú)人機(jī)高光譜數(shù)據(jù)分類識(shí)別精度的進(jìn)一步提高。

1 研究區(qū)及數(shù)據(jù)源

研究區(qū)位于上海交通大學(xué)閔行校區(qū)植物園，如圖1所示。

圖1 研究區(qū)域位置

2017年7月28日，運(yùn)用大疆的無(wú)人機(jī)M600 Pro搭載四川雙利合譜科技有限公司自足研發(fā)的GaiaSky-mini2在上海交通大學(xué)閔行校區(qū)植物園上空進(jìn)行數(shù)據(jù)采集。數(shù)據(jù)獲取當(dāng)天晴朗無(wú)（少）云，飛行高度為200米，采用無(wú)人機(jī)懸停高光譜相機(jī)內(nèi)置推掃的方式獲取高光譜數(shù)據(jù)。獲取的高光譜影像數(shù)據(jù)具體參數(shù)見表1，無(wú)人機(jī)高光譜相機(jī)如圖2所示。

表1 高光譜影像數(shù)據(jù)具體參數(shù)

圖2 無(wú)人機(jī)高光譜起飛示意圖

無(wú)人機(jī)搭載的高光譜相機(jī)獲取的高光譜數(shù)據(jù)為數(shù)字量化值（簡(jiǎn)稱DN值），無(wú)物理意義，需轉(zhuǎn)化為具有物理意義的反射率數(shù)據(jù)。具體轉(zhuǎn)化方式如公式1所示。

（1）

其中，Ref_target為目標(biāo)物的反射率，DN_target為目標(biāo)物的DN值，DN_dark為相機(jī)本身的暗點(diǎn)流DN值，DN_white為參考板的DN值，Ref_white為參考板的反射率。

降噪的目的主要是為了突出圖像的特征信息，提高圖像的信噪比。本研究利用ENVI5.3自帶的curve smoothing對(duì)圖像進(jìn)行降噪處理，處理結(jié)果如圖3。

圖3光譜降噪前后的反射率（左為降噪前，右為降噪后）

圖4分別列舉了四種不同樹種、雜草、樹蔭、水體和裸土的光譜反射率曲線，從圖4可知，水體、裸土和樹蔭的反射率光譜曲線與植物的反射率光譜曲線差異較大，可利用波段閾值等方法將其與植物區(qū)分開，但對(duì)于雜草和不同樹種之間的分類識(shí)別則不能通過(guò)簡(jiǎn)單的波段閾值進(jìn)行區(qū)分。

圖4不同樹種與地面其他地物的光譜反射率

目前應(yīng)用比較廣泛的Z佳波段選取方法有各波段信息量的比較、波段間相關(guān)性比較、Z佳指數(shù)法(O IF)、各波段數(shù)據(jù)的信息熵和聯(lián)合熵、協(xié)方差矩陣特征值法、波段指數(shù)法等。

在各種方法中，由美國(guó)查維茨提出的Z佳指數(shù)法( OIF)綜合考慮單波段圖像的信息量及各波段間的相關(guān)性，更接近于波段選擇的原則，且計(jì)算簡(jiǎn)單，易于實(shí)現(xiàn)，得到廣泛的應(yīng)用。OIF指數(shù)的計(jì)算公式如下：

              (2)

其中：Si為第i個(gè)波段的標(biāo)準(zhǔn)差，Rij為i、j 兩波段的相關(guān)系數(shù)。對(duì)n波段圖像，先統(tǒng)計(jì)計(jì)算單波段圖像的標(biāo)準(zhǔn)差，計(jì)算各波段間的相關(guān)系數(shù)矩陣，再分別求出所有可能的波段組合對(duì)應(yīng)的OIF指數(shù)，根據(jù)該指數(shù)大小來(lái)判斷各種波段組合的優(yōu)劣。指數(shù)越大，則相應(yīng)組合影像所包含的信息量就越大。對(duì)OIF指數(shù)從大到小進(jìn)行排序，Z大O IF指數(shù)對(duì)應(yīng)的波段組合即為Z佳波段組合。以圖5為例，利用OIF篩選高光譜數(shù)據(jù)的特別波段，表2分別列舉了*個(gè)特征波段組合及對(duì)應(yīng)的OIF指數(shù)。從表2可知利用Z佳指數(shù)法篩選的特征波段*個(gè)波長(zhǎng)組合對(duì)應(yīng)的波長(zhǎng)位置相差不大，且OIF指數(shù)值也十分接近。

圖5 無(wú)人機(jī)高光譜采集的單景影像（RGB彩色合成）

表2 OIF指數(shù)篩選的*個(gè)波段組合

see5.0機(jī)器學(xué)習(xí)規(guī)則軟件是美國(guó)USGS在完成國(guó)家土地覆蓋制圖(NLCD)項(xiàng)目中開發(fā)的一個(gè)自動(dòng)提取分類規(guī)則的數(shù)據(jù)挖掘工具。表3為利用全波段和特征波段進(jìn)行樹種識(shí)別的總體分類精度、Kappa系數(shù)和運(yùn)行時(shí)間，從表中可知，利用特征波段運(yùn)行時(shí)間更短，且精度與利用全波段進(jìn)行分析的精度接近。

表3 不同組合分類精度對(duì)比分析

考慮到用戶科研數(shù)據(jù)的保密性，本研究?jī)H用單景高光譜影像數(shù)據(jù)進(jìn)行不同樹種的分類識(shí)別，分類識(shí)別結(jié)果如圖6所示。用戶可利用無(wú)人機(jī)高光譜相機(jī)獲取的多組數(shù)據(jù)進(jìn)行拼接，然后再進(jìn)行樹種的分類，步驟和算法均是相同的。

圖6 利用特征波段+see5.0的分類效果圖

本研究利用四川雙利合譜科技有限公司自主研發(fā)的無(wú)人機(jī)高光譜相機(jī)GaiaSky-mini2，通過(guò)鏡像處理、黑白幀校正和降噪等預(yù)處理，并采用Z佳指數(shù)法篩選特征波長(zhǎng)，選用see5.0分類方法進(jìn)行分類識(shí)別不同的樹種和其他地物，得出如下結(jié)論:

1) 該無(wú)人機(jī)高光譜數(shù)據(jù)共176個(gè)波段，采用Z佳指數(shù)法獲取的三個(gè)特征波長(zhǎng)，可以很好地刻畫區(qū)分各個(gè)類別，實(shí)現(xiàn)樹種級(jí)的識(shí)別；

2) 采用特征波長(zhǎng)和全波段進(jìn)行地物的區(qū)分，其分類精度差別不大；

3) 經(jīng)實(shí)地驗(yàn)證，各類別范圍和分布區(qū)域較準(zhǔn)，特征波段+see5.0的總體分類精度達(dá)到95.3%，Kappa系數(shù)為 0.93。

4) 由于數(shù)據(jù)的保密性，未對(duì)拼接好的無(wú)人機(jī)高光譜影像數(shù)據(jù)進(jìn)行不同樹種的分類識(shí)別。拼接好的高光譜影像數(shù)據(jù)覆蓋的地面范圍更廣，樹種更多，影像中的其他地物也更多，不同地物之間可能存在“同物異譜，異物同譜”的現(xiàn)象，對(duì)于不同樹種之間分分類識(shí)別難度更大，可能需要進(jìn)一步改進(jìn)波段選擇的方法和分類方法，方能更好地區(qū)分不同的樹種。