基于高光谱影像融合的湿地植被类型信息提取技术研究

韦玮; 李增元

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于高光谱影像融合的湿地植被类型信息提取技术研究

韦玮 , 李增元

文章导航 > 林业科学研究 > 2011 > 24(3): 300-306

引用本文:

Citation:

基于高光谱影像融合的湿地植被类型信息提取技术研究

韦玮¹,
李增元^1,

1.
中国林业科学研究院资源信息研究所,北京 100091
基金项目:
中央级公益性科研院所基本科研业务费专项资金"(IFRIT200906)"
中图分类号: S771.8

A Study on Extracting Vegetation Information from the Hyperspectral Fusion Images of CHRIS/PROBA

WEI Wei¹,
LI Zeng-yuan^1,

1.
Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091, China
CLC number: S771.8

摘要: 对-36°和0°的多角度高光谱CHRIS遥感影像数据进行植被指数计算及影像融合,提出归一化植被指数(NDVI)与高光谱影像融合后,采用波谱角填图(SAM)的方法提取湿地植被类型信息。该方法首先对-36°影像进行NDVI植被指数计算,然后与0°影像融合,再采用SAM方法提取湿地植被类型。结果显示,利用该方法对青海省隆宝滩湿地植被类型的提取精度可达到92.23％;而利用SAM方法对0°影像直接进行湿地植被类型提取,其精度只有66%。由此可见,利用不同角度信息影像融合的方法,大大提高了高光谱影像进行湿地植被类型信息提取的精度,为湿地植被类型信息提取又提供了一个有效可行的方法。
- 遥感
- / 高光谱
- / 多角度
- / 植被指数
- / 融合
- / 湿地
- / 光谱角填图
Abstract: Based on Gram-Schmidt transformation and fusion method,the paper provides a improved method of extracting wetland vegetation information in Long Baotan area in Qinghai Province from the hyperspectral fusion image. Firstly to caculate the NDVI of-36° image, and to fuse with 0° image. Then, the Spectral Angle Mapper,SAM, a supervised classification method was carried out on the new fusion image.The result showed that the extraction accuracy of the vegetaion information approach to 92.23%, while it was only 66% if the SAM was used directly to the 0° CHRIS image. The result also indicated that multi-angle and hyperspectral remotely sensed data had important application potentiality in extraction of wetland vegetation information.
- remote sensing
- / hyperspectral
- / multi-angle
- / vegetation index
- / fusion
- / wetland
- / SAM

[1]	Horler D N H,Dockray M, Barber J.The red edge of plant leaf reflectance[J]. International Journal of Remote Sensing ,1983, 4:273-288
[2]	Ustin S L, Roberts D A, Green R O,et al. Remote sensing methods monitor natural resources[J]. Photonics Spectra, 1999,33: 108-113
[3]	江樟焰. 基于红光、近红外反射率的遥感光谱植被指数的线性性好土壤背景影像分析 . 北京:北京师范大学,2006
[4]	Baret F, Jacquermoud S, Guyot G, et al. Modeled analysis of the biophysical nature of spectral shifts and comparison with information content of broad bands[J]. Remote Sensing of Environment,1992,41:133-142
[5]	Broge N H, Leblanch E. Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density[J]. Remote Sensing of Environment, 2001,76(2):156-172
[6]	Penuelas J, Pinol J, Ogaya R R,et al.Estimation of plant water concentration by the reflectance water index WI (R900/R970)[J]. International Journal of Remote Sensing,1997,18:2869-2875
[7]	Sagalovich V N, Falkov E Y, Tsareva T I.Estimation of chlorophyll content in plant leaves and canopy from hyperspectral vegetation indexes[J].Issledovanie Zemliiz Kosmosa,2002(6):81-85
[8]	Sagalovich V N, Falkov E Y, Tzareva T I. Estimation of water content in vegetation from hyperspectral vegetation indices[J]. Issledovanie Zemliiz Kosmosa,2004(1):63-67
[9]	Kempeneers P,Backer S De, Coppin P, et al.Generic wavelet+based hyperspectral classification applied to vegetation stress detection[J].IEEE Transactions on Geoscience and Remote Sensing,2005,43(3):610-614
[10]	廖克,成夕芳,吴健生.高分辨率卫星遥感影像在土地利用变化动态监测中的应用[J].测绘科学,2006,31(6):53-56
[11]	牛明香,赵庚星. 南四湖区湿地信息遥感提取技术研究[J].国土与自然资源研究,2004(1):51-53
[12]	Fung G, Mangasarian O L. Proximal support vector machine classifiers // Lee D, Provost F, Srikant R. Proceedings of the KDD-2001: Knowledge Discovery and Data Mining, New York: ACM Press, 2001:77-86
[13]	张志锋,赵文吉,贾萍,等. 北京湿地分析与监测[J].地球信息科学, 2004,6(1):53-57
[14]	浦瑞良,宫鹏.高光谱遥感及其应用[M].北京:高等教育出版社,2000
[15]	Kruse F A, Kierein-Young K S, Boardman J W. Mineral mapping at Cuprite. Nevada with a 63 channel imaging spectrometer. [J] Photogrammetric Engineering and Remote Sensing, 1990,56:83-92
[16]	童庆禧,张兵,郑兰芬. 高光谱遥感原理、技术与应用[M].北京:高等教育出版社,2006

[1]	韦玮 , 李增元 , 谭炳香 , 徐海生 . 基于多角度高光谱CHRIS影像的隆宝滩湿地遥感分类方法研究. 林业科学研究, 2011, 24(2): 159-164.
[2]	李伟娜 , 韦玮 , 张怀清 , 刘华 , 郝泷 . 基于多角度融合的CHRIS数据提取湿地植被的研究. 林业科学研究, 2017, 30(2): 260-267. doi: 10.13275/j.cnki.lykxyj.2017.02.011
[3]	刘怡君 , 庞勇 , 廖声熙 , 荚文 , 陈博伟 , 刘鲁霞 . 机载LiDAR和高光谱融合实现普洱山区树种分类. 林业科学研究, 2016, 29(3): 407-412.
[4]	朱晓荣 , 张怀清 , 周金星 . 东洞庭湖湿地遥感动态监测研究. 林业科学研究, 2008, 21(Z1): 41-45.
[5]	刘畅 , 孙鹏森 , 刘世荣 . 基于反射光谱指数的锐齿栎叶片色素含量估算. 林业科学研究, 2017, 30(1): 88-98. doi: 10.13275/j.cnki.lykxyj.2017.01.013
[6]	韦玮 , 崔丽娟 , 李胜男 , 郭嘉 . 基于偏差平均值的乌梁素海湿地变化监测研究. 林业科学研究, 2012, 25(6): 719-725.
[7]	吴楠 , 李增元 , 廖声熙 , 庞勇 , 崔凯 , 陈博伟 . 基于机载高光谱的思茅松林光谱特征及其影响因子分析. 林业科学研究, 2018, 31(2): 63-68. doi: 10.13275/j.cnki.lykxyj.2018.02.009
[8]	宋开山 , 张柏 , 刘殿伟 , 张渊志 . 行道树叶绿素变化的高光谱监测研究. 林业科学研究, 2006, 19(1): 82-87.
[9]	刘梦盈 , 石雷 , 马云强 , 张忠和 , 刘雪莲 , 姚俊 , 杜婷 . 基于高光谱特征和光合参数监测松小蠹不同危害时期的相关分析. 林业科学研究, 2020, 33(2): 118-127. doi: 10.13275/j.cnki.lykxyj.2020.02.015
[10]	张怀清 , 赵峰 , 崔丽娟 . 红树林湿地恢复遥感动态监测技术研究. 林业科学研究, 2008, 21(Z1): 32-36.
[11]	凌成星 , 鞠洪波 , 张怀清 , 孙华 . 基于Worldview-2八波段影像改进指数的湿地类型分类研究. 林业科学研究, 2014, 27(5): 639-643.
[12]	周卫阳 . 专家系统在森林遥感图象分类中的应用. 林业科学研究, 1989, 2(5): 477-482.
[13]	胡博 , 鞠洪波 , 刘华 , 郝泷 , 刘海 . 基于证据理论组合多分类规则实现大区域植被遥感分类研究^. 林业科学研究, 2017, 30(2): 194-199. doi: 10.13275/j.cnki.lykxyj.2017.02.002*
[14]	谢运鸿 , 荆雪慧 , 孙钊 , 丁志丹 , 李睿 , 李豪伟 , 孙玉军 . 基于实例分割的高郁闭度林分单木树冠无人机遥感提取. 林业科学研究, 2022, 35(5): 14-21. doi: 10.13275/j.cnki.lykxyj.2022.005.002
[15]	胡博 , 鞠洪波 , 刘华 , 郝泷 , 刘海 . 基于遥感影像的大区域植被类型样本快速提取方法研究——以寒温带针叶林区域为例. 林业科学研究, 2017, 30(1): 111-116. doi: 10.13275/j.cnki.lykxyj.2017.01.015
[16]	. 退田还湖工程前后洞庭湖区湿地变化分析. 林业科学研究, 2009, 22(3): -.
[17]	崔丽娟 , 张曼胤 . 人类干扰对安庆沿江湿地植物多样性的影响. 林业科学研究, 2005, 18(4): 441-445.
[18]	陈永富 , 刘华 , 邹文涛 , 张怀清 . 三江源湿地变化驱动因子定量研究. 林业科学研究, 2012, 25(5): 545-550.
[19]	张玮 , 方敏瑜 , 张建锋 , 李雪涛 , 陈光才 , 潘春霞 . 塘渠—湿地复合系统治理农业面源污染研究. 林业科学研究, 2011, 24(1): 116-122.
[20]	刘华 , 鞠洪波 , 邹文涛 , 赵峰 . 长江源典型区湿地对区域气候变化的响应. 林业科学研究, 2013, 26(4): 406-413.

点击查看大图

计量

文章访问数: 3747
HTML全文浏览量: 215
PDF下载量: 1699
被引次数: 0

基于高光谱影像融合的湿地植被类型信息提取技术研究

韦玮¹
李增元^1,

1. 中国林业科学研究院资源信息研究所,北京 100091

收稿日期: 2011-01-10

基金项目: 中央级公益性科研院所基本科研业务费专项资金"(IFRIT200906)"

关键词:

摘要: 对-36°和0°的多角度高光谱CHRIS遥感影像数据进行植被指数计算及影像融合,提出归一化植被指数(NDVI)与高光谱影像融合后,采用波谱角填图(SAM)的方法提取湿地植被类型信息。该方法首先对-36°影像进行NDVI植被指数计算,然后与0°影像融合,再采用SAM方法提取湿地植被类型。结果显示,利用该方法对青海省隆宝滩湿地植被类型的提取精度可达到92.23％;而利用SAM方法对0°影像直接进行湿地植被类型提取,其精度只有66%。由此可见,利用不同角度信息影像融合的方法,大大提高了高光谱影像进行湿地植被类型信息提取的精度,为湿地植被类型信息提取又提供了一个有效可行的方法。