• 中国中文核心期刊
  • 中国科学引文数据库（CSCD）核心库来源期刊
  • 中国科技论文统计源期刊（CJCR）
  • 第二届国家期刊奖提名奖

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

机载LiDAR和高光谱融合实现普洱山区树种分类

刘怡君 ,  庞勇 ,  廖声熙 ,  荚文 ,  陈博伟 ,  刘鲁霞

downloadPDF
文章导航 > 林业科学研究  > 2016 >  29(3): 407-412
引用本文:
shu
Citation:
shu

机载LiDAR和高光谱融合实现普洱山区树种分类

  • 1.

    中国林业科学研究院资源昆虫研究所, 云南 昆明 650224

  • 2.

    中国林业科学研究院资源信息研究所, 北京 100091

  • 基金项目:

    国家高科技研究发展计划(2012AA12A306);国家重点基础研究发展计划(2013CB733406)

  • 中图分类号: S771.8

Merged Airborne LiDAR and Hyperspectral Data for Tree Species Classification in Puer's Mountainous Area

  • 1.

    Research Institute of Resource Insects, Chinese Academy of Forestry, Kunming 650224, Yunnan, China

  • 2.

    Research Institute of Forest Resource Information Techniques, Chinese Academy of Forestry, Beijing 100091, China

  • CLC number: S771.8

  • 摘要: [目的] 通过机载遥感影像对普洱山区进行植被分类研究,为山区森林经营规划与可持续经营方案的制图提供高效应用途径。[方法] 将2014年4月航拍的机载AISA Eagle II高光谱和LiDAR同步数据融合,利用点云数据提取的数字冠层高度模型(CHM)得到树种的垂直结构信息,结合经过主成分分析(PCA)的高光谱降维影像,选用支持向量机(SVM)分类器进行分类。[结果] 普洱市万掌山实验区主要树种分为思茅松、西南桦、刺栲、木荷等。融合影像数据分类的总体精度和Kappa系数分别为80.54%、0.78,比单一高光谱影像数据分类精度分别提高6.55%、0.08,其中主要经营树种思茅松的制图精度达到了90.24%。[结论] 该方法对山区主要树种的识别是有效的,将机载LiDAR与高光谱影像融合可以有效改善分类精度。
    Abstract: [Objective] To classify the tree species in Puer's mountainous area by remote sensing image, and to search an efficient way to forest management planning.[Method] The AISA Eagle II hyperspectral data and airborne LiDAR taken in April of 2014 were merged, and based on Canopy Height Model (CHM) derived from airborne LiDAR point cloud data, the vertical structure data of target species were obtained. Then, the Principal Component Analysis (PCA) transformation was used to reduce the noise and dimension of hyperspectral image. Finally, the Support Vector Machine (SVM) approach was used to classify the main tree species of Pu'er city.[Result] (1) The main tree species of Puer are Pinus kesiya Royle ex Gord. var. langbianensis (A.Chev.) Gaussen, Betula alnoides Buch.-Ham. ex D. Don, Castanopsis hystrix A.DC, Schima superba Gardn. et Champ and so on. (2) It showed that the total accuracy and kappa coefficient are 80.54%, and 0.78, which are 6.55% and 0.08 higher compared with the classification accuracies without CHM. The mapping accuracy of the main tree species reached as high as 90.24%.[Conclusion] It is proved that this method is feasible for the identification of tree species in mountainous areas, and is a feasible way to improve total accuracy with merged LiDAR and hyperspectral data.
  • [1] 薛东艳. 遥感技术在林业中的应用现状与展望[J]. 科技视界, 2014(21):309-311.
    [2] 贾坤, 李强子, 田亦陈, 等. 遥感影像分类方法研究进展[J]. 光谱学与光谱分析, 2011, 31(10):2618-2623.
    [3] 李海涛, 顾海燕, 张兵, 等. 基于MNF和SVM的高光谱遥感影像分类研究[J]. 遥感信息, 200729(5):12-15.
    [4] 李雪松. 机载激光LiDAR原理及应用[J]. 测绘与空间地理信息, 2015, 38(2):221-224.
    [5]

    Charaniya A P, Manduchi R, Lodha S K. Supervised parametric classification of aerial lidar data[C]//Computer Vision and Pattern Recognition Workshop, 2004. CVPRW'04. Conference on. IEEE, 2004:30-30.
    [6] 余柏蒗, 刘红星,吴健平.一种应用机载LiDAR数据和高分辨率遥感影像提取城市绿地信息的方法[J].中国图象图形学报, 2010, 15(5):782-789.
    [7] 董彦芳, 庞勇, 许丽娜, 等. 高光谱遥感影像与机载LiDAR数据融合的地物提取方法研究[J]. 遥感信息, 2014,29(6):73-76.
    [8] 刘丽娟,庞勇,范文义,等.机载LiDAR和高光谱融合实现温带天然林树种识别[J].遥感学报, 2013,17(3):679-695.
    [9] 刘万德, 苏建荣, 李帅锋, 等. 云南普洱季风常绿阔叶林优势物种不同生长阶段叶片碳, 氮, 磷化学计量特征[J]. 植物生态学报, 2015, 39(1):52-62.
    [10] 吴征镒, 朱彦丞, 姜汉侨. 云南植被[M].北京:科学出版社, 1987.
    [11] 荚文, 庞勇, 岳彩荣, 等. 基于AISA Eagle II机载高光谱数据的普洱市山区森林分类[J]. 林业调查规划, 2015, 40(1):9-14.
    [12] 张东东, 杜培军. 机载LiDAR数据处理与地物提取[J]. 测绘信息与工程, 2011, 36(1):5-7.
    [13] 刘美爽,邢艳秋,吴红波,等.基于ICESat-GLAS波形估测平均树高的研究[J]. 林业科学研究, 2014, 27(3):309-315.
    [14] 赵时英. 遥感应用分析原理与方法[M].北京:科学出版社, 2003.
    [15]

    Kobayashi § S, Sanga-Ngoie K. A comparative study of radiometric correction methods for optical remote sensing imagery:the IRC vs. other image-based C-correction methods[J]. International Journal of Remote Sensing, 2009, 30(2):285-314.
    [16]

    Mountrakis G, Im J, Ogole C. Support vector machines in remote sensing:A review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2011, 66(3):247-259.
    [17]

    Goodenough D G, Chen H, Dyk A, et al. Data fusion study between polarimetric SAR, hyperspectral and LiDAR data for forest information[C]//Geoscience and Remote Sensing Symposium, 2008. IGARSS 2008. IEEE International. IEEE, 2008, 2:II-281-284.
    [18]

    Sasaki T, Imanishi J, Ioki K, et al. Object-based classification of land cover and tree species by integrating airborne LiDAR and high spatial resolution imagery data[J]. Landscape and Ecological Engineering, 2012, 8(2):157-171.
    [19] 管海燕, 邓非, 张剑清, 等. 面向对象的航空影像与机载LiDAR数据融合分类[J]. 武汉大学学报:信息科学版, 2009, 34(7):830-833.
    [20] 巩翼龙, 闫利. 结合机载LiDAR数据与航空可见光影像多层次规则分类建筑物变化检测[J]. 光谱学与光谱分析, 2015,35(5):1325-1330.
  • [1] 韦玮 , 李增元 . 基于高光谱影像融合的湿地植被类型信息提取技术研究. 林业科学研究, 2011, 24(3): 300-306.
    [2] 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.
    [3] . 激光雷达沙尘参数提取技术研究. 林业科学研究, 2009, 22(2): -.
    [4] 刘美爽 , 邢艳秋 , 吴红波 , 尤号田 . 基于ICESat-GLAS波形估测平均树高的研究. 林业科学研究, 2014, 27(3): 309-315.
    [5] 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.
    [6] 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
    [7] 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
    [8] 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
    [9] 李军玲 , 庞勇 , 李增元 , 荚文 . 云阴影区机载高光谱影像森林树种分类. 林业科学研究, 2019, 32(5): 136-141. doi: 10.13275/j.cnki.lykxyj.2019.05.018
    [10] 庞勇 , 李增元 , Sun Guoqing , Michael Lefsky , 车学俭 , 陈尔学 . 地形对大光斑激光雷达森林回波影响研究. 林业科学研究, 2007, 20(4): 464-468.
    [11] 庞勇 , 李增元 , 谭炳香 , 刘清旺 , 赵峰 , 周淑芳 . 点云密度对机载激光雷达林分高度反演的影响. 林业科学研究, 2008, 21(Z1): 14-19.
    [12] 梁晓军 , 庞勇 , 陈博伟 . 基于地基激光雷达胸径提取的单木位置精确测量. 林业科学研究, 2020, 33(4): 67-74. doi: 10.13275/j.cnki.lykxyj.2020.04.009
    [13] 熊昊 , 庞勇 , 荚文 , 李春干 . 基于机载激光雷达冠层高度模型的小班区划. 林业科学研究, 2022, 35(2): 28-36. doi: 10.13275/j.cnki.lykxyj.2022.02.004
    [14] 周梅 , 李春干 , 李振 , 余铸 . 点云密度对无人机激光雷达森林参数估测精度的影响. 林业科学研究, 2024, 37(2): 39-47. doi: 10.12403/j.1001-1498.20230242
    [15] 洪奕丰 , 张守攻 , 陈伟 , 陈东升 , 项伟波 , 庞勇 . 基于机载激光雷达的落叶松组分生物量反演. 林业科学研究, 2019, 32(5): 83-90. doi: 10.13275/j.cnki.lykxyj.2019.05.011
    [16] 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
    [17] 谭炳香 , 李增元 , 陈尔学 , 庞勇 , 武红敢 . 高光谱遥感森林信息提取研究进展. 林业科学研究, 2008, 21(Z1): 105-111.
    [18] 谭炳香 . 基于专题分类图的栅格矢量数据转换. 林业科学研究, 1993, 6(2): 216-221.
    [19] 赵勋 , 岳彩荣 , 李春干 , 张丽梅 , 谷雷 . 基于机载LiDAR数据估测林分平均高. 林业科学研究, 2020, 33(4): 59-66. doi: 10.13275/j.cnki.lykxyj.2020.04.008
    [20] 程志庆 , 张劲松 , 孟平 , 李岩泉 , 郑宁 . 基于高光谱信息的107杨叶片等效水厚度估算模型的研究. 林业科学研究, 2016, 29(6): 826-833.
  • 加载中
WeChat 点击查看大图
计量
  • 文章访问数:  4343
  • HTML全文浏览量:  421
  • PDF下载量:  1408
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-12-21

机载LiDAR和高光谱融合实现普洱山区树种分类

  • 1. 中国林业科学研究院资源昆虫研究所, 云南 昆明 650224
  • 2. 中国林业科学研究院资源信息研究所, 北京 100091
  • 收稿日期: 2015-12-21
基金项目:  国家高科技研究发展计划(2012AA12A306);国家重点基础研究发展计划(2013CB733406)

摘要: [目的] 通过机载遥感影像对普洱山区进行植被分类研究,为山区森林经营规划与可持续经营方案的制图提供高效应用途径。[方法] 将2014年4月航拍的机载AISA Eagle II高光谱和LiDAR同步数据融合,利用点云数据提取的数字冠层高度模型(CHM)得到树种的垂直结构信息,结合经过主成分分析(PCA)的高光谱降维影像,选用支持向量机(SVM)分类器进行分类。[结果] 普洱市万掌山实验区主要树种分为思茅松、西南桦、刺栲、木荷等。融合影像数据分类的总体精度和Kappa系数分别为80.54%、0.78,比单一高光谱影像数据分类精度分别提高6.55%、0.08,其中主要经营树种思茅松的制图精度达到了90.24%。[结论] 该方法对山区主要树种的识别是有效的,将机载LiDAR与高光谱影像融合可以有效改善分类精度。

English Abstract

    全文HTML

参考文献 (20)

目录

    /

    返回文章
    返回

    京ICP备09064894号-3

    版权所有：《林业科学研究》编辑部

    地址：北京万寿山后中国林科院电话：010-62889680；62889702Email：lykxyj@caf.ac.cn

    本系统由 北京仁和汇智信息技术有限公司 设计开发 技术支持： info@rhhz.net   百度统计