数据资源: 中文期刊论文

基于机载激光雷达和高光谱数据的树种识别方法



编号 zgly0001573779

文献类型 期刊论文

文献题名 基于机载激光雷达和高光谱数据的树种识别方法

作者 陶江玥  刘丽娟  庞勇  李登秋  冯云云  王雪  丁友丽  彭琼  肖文惠 

作者单位 浙江农林大学浙江省森林生态系统碳循环与固碳减排重点实验室  浙江农林大学省部共建亚热带森林培育国家重点实验室  中国林业科学研究院资源信息研究所 

母体文献 浙江农林大学学报 

年卷期 2018年02期

年份 2018 

分类号 S758 

关键词 森林测计学  高光谱  激光雷达  分层训练样本自动提取  树种识别  光谱角填图  支持向量机 

文摘内容 训练样本的选取是影响监督分类精度的直接原因之一,数据空间分辨率越高,训练样本要求越准确,而人机交互训练样本选取推广力有限。利用机载高光谱(AISA)和激光雷达(LiDAR)主被动遥感数据,探讨基于高分辨率影像的训练样本自动提取技术以及适合树种识别的遥感变量。根据树木的结构和高度差异,开展树高分层掩膜试验,并计算光谱间夹角,在每个高度层中自动化优选树种的高纯度训练样本。计算植被指数、主成分分析等特征变量,基于支持向量机分类器对研究区进行树种精细分类。实验表明:通过对阔叶林、马尾松Pinus massoniana,毛竹Phyllostachys edulis,杉木Cunninghamia lanceolata,油茶Camellia oleifera的训练样本分层自动提取后再进行分类,激光雷达和不敏感色素指数变量能有效提高树种分类精度。其中高光谱+激光雷达+结构不敏感色素指数变量组合的分类精度最高,其总体精度和Kappa系数分别为89.12%和0.86,阔叶林、马尾松、毛竹、杉木、油茶的用户精度分别为75.00%,100.00%,86.36%,90.91%和96.55%。该方法对本研究区森林树种的识别是有效的。

相关图谱

扫描二维码