光谱基于多源遥感数据鄱阳湖湿地植被类型反演

摘要：遥感技术用于湿地植被识别、分类等湿地植被监测领域的探讨很多,基于多光谱遥感影像的大量探讨取得了较好的成果。但传统的多光谱数据通常仅有几条特定的光谱通道,且其光谱分辨率较低。然而,反映物质差别的特点光谱的吸收峰或反射峰的宽度一般在5-50nm左右,且越精细的物质分类就需要越高的光谱分辨率。同时,当前探讨人员对湿地植物的高光谱特性还未进行充分的地面探讨,还没有一个改善的湿地植物光谱库可以用于遥感识别。其次,单一的遥感数据不能完全反映地物信息,高空间分辨率遥感影像空间分辨率高,但其光谱信息有限；高光谱遥感影像的光谱分辨率高,但其地面分辨率有限,且较容易受到大气的影响,不能精确识别出地物的面积等信息。利用多源遥感数据及其融合后的影像数据,可实现不同遥感数据间的信息互补,以提取出更多的信息,进而改善影像解译精度和提升其利用率。本探讨利用获得的鄱阳湖区多种遥感数据,在“3S”技术的支撑下,与地面观测数据综合处理浅析相结合,对鄱阳湖湿地植被分布的类型、面积、分布情况等进行调查、浅析和探讨,以而为湿地资源的分布提供本底资料数据,为探讨和管理鄱阳湖湿地提供多层次信息及科学的浅析,为湿地生态环境的保护和合理利用、鄱阳湖湿地植被遥感调查、遥感分类及遥感制图提供科学依据。论文首先对采集的地面植被光谱反射数据进行处理、浅析,并建立湿地植被光谱数据库,在此基础上选择合适的高光谱遥感数据和高空间分辨率遥感数据。对遥感数据进行预处理后,按照感兴趣区的范围裁剪适合的探讨区,分别就高光谱影像和高光谱与高空间分辨率的融合影像进行植被分类。其中高光谱影像的植被分类采取SAM、ISODATA、以及SAM+ISODATA结合的分类法进行分类；融合影像首先综合浅析探讨出最优的融合法,并对该融合法采取高光谱影像的植被分类法进行植被分类。通过探讨,得出如下结论。(1)探讨的7种植物光谱特点符合植被光谱的特点,相对较容易区分,在部分波长范围内蔑草和南荻的光谱特点曲线出现混淆。植被光谱的二阶导数特点可在7个最佳波段：685.8nm,692.4nm,698.6nm,704.3nm,737.5nm,746.2nm,957. lnm识别探讨的植被。(2)高光谱影像分类中SAM分类法的解译精度略高于ISODATA分类法的解译精度。就影像解译出的植被类型而言,SAM分类法能识别出4种,而ISODATA分类法仅能识别出3种。就单一解译出的植被类型而言,不同的分类法识别出的植被的精度略有差别,总体上虉草的分类精度最高,南荻其次。(3)高光谱与高分辨率影像融合所采取的三种融合策略中,小波变换的融合质量最佳,Gram-Schmidt融合法最低。对于单波段而言,主成分浅析对于影像的第53号波段融合质量最佳,而小波变换对于第85波段和108波段的融合质量最佳。(4)基于高光谱与高空间分辨率影像的融合影像的植被分类精度和识别出的植被种类均高于基于高光谱遥感影像的植被分类精度和识别出的植被种类；融合影像的分类精度有86.75%、识别出植被种类有6种；而高光谱影像的分类精度为79.12%、识别出植被种类有4种。关键词：高光谱遥感论文鄱阳湖论文湿地植被论文影像融合论文光谱特点论文

摘要3-5

Abstract5-10

第一章 绪论10-18

1.1 探讨背景与作用10-11

1.1.1 探讨背景10

1.1.2 探讨目的和作用10-11

1.2 国内外探讨近况11-14

1.2.1 植被遥感国内外探讨进展11-12

1.2.2 高光谱遥感监测植被国内外探讨进展12-13

1.2.3 影像融合国内外探讨进展13-14

1.2.4 有着的不足14

1.3 探讨内容及技术路线14-17

1.3.1 探讨内容14

1.3.2 探讨策略14-16

1.3.3 技术路线16-17

1.4 论文组织框架17-18

第二章 探讨区概况与数据获取18-33

2.1 探讨区概况18-25

2.1.1 地理位置18

2.1.2 地质地貌18-19

2.1.3 气候与水文19

2.1.4 土壤19

2.1.5 南矶山湿地植被类型19-25

2.2 数据获取25-33

2.2.1 基础地理数据25

2.2.2 遥感影像数据25-28

2.2.3 地面实测数据28-33

第三章 数据预处理33-43

3.1 基础地理数据的预处理33

3.2 遥感数据预处理33-37

3.2.1 ALOS遥感影像数据的预处理33-34

3.2.2 HJ-1A HSI遥感影像数据的预处理34-37

3.3 地面反射光谱数据处理37-41

3.3.1 典型湿地草洲植物群落反射光谱特点37

3.3.2 不同群丛的光谱特点比较37-39

3.3.3 典型湿地植物的一阶导数特点浅析39-40

3.3.4 典型湿地植物的二阶导数特点浅析40-41

3.4 湿地植被光谱库的建立41-43

第四章 湿地植被的高光谱遥感影像分类43-50

4.1 高光谱遥感影像分类预处理43-44

4.1.1 最小噪声分离变换43-44

4.1.2 纯净像元指数计算44

4.1.3 n维可视化浅析44

4.2 高光谱遥感影像分类结果44-48

4.2.1 SAM分类法44-46

4.2.2 ISODATA分类法46-47

4.2.3 光谱特点与传统分类策略相结合的分类47-48

4.3 野外验证48-50

第五章 基于影像融合的湿地植被分类50-59

5.1 影像融合预处理50

5.1.1 实验区选择50

5.1.2 数据重采样50

5.1.3 高光谱图像波段选择50

5.2 影像融合的处理历程50-52

5.2.1 主成分浅析法51

5.2.2 Gram-Schmidt法51

5.2.3 小波变换法51-52

5.3 结果浅析52-57

5.3.1 主观定性评价52-53

5.3.2 客观定量评价53-56

5.3.3 基于综合评价模型的融合效果评价56-57

5.4 基于融合影像的植被分类57-59

第六章 结果与浅析59-64

6.1 基于高光谱遥感影像的湿地植被分类59-61

6.1.1 结果与浅析59-60

6.1.2 比较浅析60-61

6.2 基于影像融合的湿地植被分类61-63

6.2.1 影像融合61-62

6.2.2 基于融合影像的植被分类62-63

6.3 比较浅析63-64

第七章 结论与讨论64-66

7.1 结论64

7.2 讨论64-65

7.2.1 不足之处64-65

7.2.2 展望65

7.3 本探讨的革新点65-66