近年來，遙感技術(shù)的發(fā)展帶動(dòng)了很多行業(yè)對(duì)這項(xiàng)技術(shù)的認(rèn)可，被廣泛應(yīng)用。由于農(nóng)林牧業(yè)頻發(fā)爭(zhēng)地矛盾，遙感技術(shù)被用于植被分類，提高土地利用率，實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)高效估產(chǎn)，經(jīng)營(yíng)管理。

那想要實(shí)現(xiàn)植被的精準(zhǔn)區(qū)分是用多光譜還是高光譜遙感技術(shù)呢？

我們知道多光譜數(shù)據(jù)光譜波段寬、分辨率較低，所以對(duì)不同種類的植被不能做到精確區(qū)分。而高光譜遙感技術(shù)具有光譜響應(yīng)范圍廣、分辨率高的特點(diǎn)以及蘊(yùn)含著近似連續(xù)的地物信息，這為植被的精準(zhǔn)區(qū)分帶來了可能。

但是高光譜信息的不足之處在于數(shù)據(jù)量大并且信息冗余多的缺點(diǎn)，近年來，國(guó)內(nèi)外的學(xué)者經(jīng)過不斷的研究也有了改善，將高光譜數(shù)據(jù)應(yīng)用于植被種類識(shí)別，提高了植被種類識(shí)別精度。

以黃淮海地區(qū)為例，同一空間會(huì)種植樹木和糧食，以往針對(duì)單一樹種或者作物分析，都是先提取各種植被的平均光譜數(shù)據(jù)在將植被進(jìn)行區(qū)分。如此便樣忽略了植被光譜反射率波段間的區(qū)間范圍，削弱了整個(gè)樣本的個(gè)體差異，導(dǎo)致各種植被之間的光譜微小差異被弱化，在樹木與糧食作物共同種植的區(qū)間中區(qū)分精度下降。

如果利用高光譜儀分別測(cè) 定不同植被的高光譜數(shù)據(jù)，根據(jù)植被的個(gè)體差異分析整個(gè)高 光譜數(shù)據(jù)集的反射率范圍值，選擇以往研究中的常用方法， 利用原始光譜特征點(diǎn)、一階微分變換、二階微分變換以及植 被指數(shù)處理方法對(duì)高光譜數(shù)據(jù)進(jìn)行處理，并比較分析不同光 譜處理方法提取的參數(shù)在以上三種植被中的驗(yàn)證結(jié)果與分類 精度，為農(nóng)田主要植被高光譜分類提供理論依據(jù)與技術(shù)支撐。

第一步，進(jìn)行光譜測(cè)定。

第二步，高光譜數(shù)據(jù)變換處理。

已有許多的方法用來處理高光譜數(shù)據(jù)，本文選取了較為常見，且實(shí)用性強(qiáng)，計(jì)算量較小，在樣本量較大的情況下能快速、準(zhǔn)確計(jì)算的光譜分析方法，主要有原始光譜特征點(diǎn)、一階微分變換、二階微分變換以及紅邊植被指數(shù)。

第三步，植被分類原理。例如我們提取玉米、小麥和楊樹三種植被的光譜特征指標(biāo)，從這些指標(biāo)中分析是否有交集，從而分析判斷出無交集范圍的指標(biāo)，即為能將此三種植被進(jìn)行最有效區(qū)分。

通過原始光譜特征點(diǎn)、一階微分變換、二階微分變換以及特征植被指數(shù)四種光譜數(shù)據(jù)分析方法，計(jì)算每種方法提取出的每個(gè)參數(shù)的結(jié)果區(qū)間，逐步對(duì)比三種植被在每個(gè)參數(shù)中的結(jié)果區(qū)間，依據(jù)特征參數(shù)結(jié)果區(qū)間的交集越小植被的區(qū)分精度越高的標(biāo)準(zhǔn)，選取能夠精確區(qū)分三種植被的方法。

通過研究得到一階微分能夠有效的用于樹種與糧食作物共同生長(zhǎng)區(qū)域的植被區(qū)分，其中通過一階微分獲得的三邊參數(shù)中，黃邊振幅、黃邊面積以及黃邊微分值和對(duì)三種植被的區(qū)分能達(dá)到較高的區(qū)分精度，該結(jié)果為黃淮海地區(qū)樹木與糧食作物共同種植區(qū)域的植被區(qū)分提供理論支持。

版權(quán)聲明：文章來源于網(wǎng)絡(luò)，登載此文出于傳遞更多信息之目的，版權(quán)歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的權(quán)益，請(qǐng)聯(lián)系我們。 

猜你喜歡：

傾斜攝影技術(shù)一覽無遺監(jiān)測(cè)地質(zhì)災(zāi)害點(diǎn)

三維GIS如何實(shí)現(xiàn) DOM 和 DEM 疊加？