香格里拉4种典型针叶树种高光谱特征分析及判别

以香格里拉市云南松、高山松、云杉和冷杉4种典型针叶树种为研究对象,运用ASD Field Spec 3地物光谱仪测定野外叶片光谱,并对原始光谱进行微分变换处理,再采用Fisher判别分析方法对4种针叶树种最佳波段窗口进行分析.结果表明:Fisher判别分析能有效判别4种典型针叶树种原始光谱、一阶微分光谱和二阶微分光谱差异显著的波段,主要位于近红外波段,最佳波段窗口分别为980～989、415～424、960～969 nm;原始光谱的二阶微分处理更能有效判别4种针叶树种,Fisher总判别精度高达98.8%;根据4种典型针叶树空间分布特征,将其分为云南松、高山松和云冷杉两组,云南松、高山松的最佳波段窗口为870～879、1 020～1 029、530～539 nm,云杉、冷杉的最佳波段窗口为540～549、520～529、1 150～1 159 nm.本研究结果可为中大尺度机载、星载高光谱遥感树种精细分类提供指导.     

基于BP神经网络的高光谱果树树种识别研究

高光谱具有波段窄、波段多的特点,能够提供比多光谱遥感更精细的地物光谱信息,为识别光谱性质相似的森林树种提供了有效途径。对南疆盆地4种主栽果树树种(苹果、香梨、核桃、红枣)的冠层光谱数据进行测量,用BP神经网络对原始光谱数据及其经一阶微分、对数一阶微分、归一化一阶微分变换后的光谱数据进行分类识别,结果表明:对数一阶微分和归一化一阶微分变换后树种识别精度分别为94%和88%以上;红边区的光谱波段包含了大量树种识别的信息;采用BP神经网络能够对南疆盆地主栽果树进行基于冠层光谱的分类,而且分类精度相对较高。     

基于冠层高光谱数据与马氏距离的马铃薯品种识别

为丰富高光谱数据在精细农业中的应用,本研究基于冠层光谱数据进行不同马铃薯品种区分研究。利用田间实测的6-8月的马铃薯原始光谱数据以及经过一阶微分、对数一阶微分、包络线去除处理后的光谱,采用马氏距离法选择3种马铃薯光谱差异显著波段,再利用逐步判别法检验波段识别精度。结果表明,7月份经过对数一阶微分变换选取的特征波段识别精度最高,达87. 7%。不同生育期内,多种预处理方法下的光谱识别能力有差异。6月份包络线去除法的识别精度最高,7月份对数一阶微分处理下的识别精度最高,而8月份原始光谱的识别精度最高。提取的特征波段多位于红光及近红外波段。研究结果表明基于高光谱数据,借助马氏距离与逐步判别法可以区分马铃薯品种。     

大庆地区盐渍土光谱特征研究

利用光谱微分分析方法,对原始光谱数据进行处理,分析不同等级盐渍土的光谱一阶微分曲线图和二阶微分曲线图。然后,与原始光谱进行对比,提取其中差异比较大的波段。最后,用欧式距离的方法对所选的特征波段进行盐渍土分类检验。检验结果表明,选择的特征波段能有效地区分不同的盐渍土等级。     

基于包络线法的不同树种叶片高光谱特征分析

高光谱遥感的出现使树种的精细识别成为可能,而高光谱数据具有波段多、数据量大、冗余度大等特点,利用高光谱遥感技术进行树种鉴别时,光谱特征的选择及提取是个非常重要的过程。选择了樟树Cinnamomum camphora,麻栎Quercus acutissima,马尾松Pinus massoniana和毛竹Phyllostachys pubescens 4个树种,利用包络线去除法对ASD高光谱仪实测的原始光谱数据处理,比较原始光谱和包络线去除曲线图,选择差异较大的波段用于识别不同树种,用欧氏距离法检验所选择的波段识别不同树种的效果。结果证明,利用波段较窄的高光谱数据能够挖掘出不同树种的光谱差异,实现不同树种的鉴别;包络线去除法能够有效解决高光谱数据冗余的问题,对4个树种叶片的高光谱进行波段选择,能够将有效波段减少到8个,为484 ~ 493,670 ~ 679,971 ~ 980,1 162 ~ 1 171,1 435 ~ 1 444,1 773 ~ 1 782,1 918 ~ 1 927和2455 ~ 2464 nm,并得到较理想的树种鉴别效果。图5表2参11     

输电线路下行林区优势树种的冠层光谱特征分析

通过对安徽省池州市青阳县输电线下行通道的优势树种进行光谱测量与分析,以建立优势树种光谱库,为输电线通道下行林区的树种精细分类提供理论和技术支持。利用便携式光谱仪对研究区6个优势树种的冠层光谱数据进行采集,并生成平均冠层反射光谱曲线,经过导数变换、植被特征参数(蓝边、黄边和红边)分析及冠层光谱的可分性研究,进而分析出不同树种的不同波段光谱特征差异。结果表明,在原始光谱可见光波段毛竹冠层反射率高于其他树种;而在近红外波段,栎树的冠层反射率高于其他树种。6个树种的蓝边位置、黄边位置及红边位置存在差异较小,毛竹的蓝边斜率最大;杉木的黄边斜率最大;栎树的红边斜率和红边面积均为最大。通过可分性研究可知,原始光谱在550 nm、900 nm及一阶导数光谱在718 nm处,有助于精细区分不同树种类型。     

基于不同光谱变换的剑湖茭草鲜生物量估测研究

通过实地采集剑湖湿地茭草反射光谱和现场测量鲜生物量,基于24种光谱变换对茭草反射光谱特征进行分析,选取16种光谱变换筛选全波段(350～2 350 nm)中对茭草鲜生物量敏感的特征波段,构建其鲜生物量估测模型。结果表明:不同形式的光谱变换更容易分析光谱特征,对数倒数和倒数的变换增强了可见光波段的特征。对数倒数一阶微分变换增强了近红外波段的特征,倒数二阶微分和对数倒数二阶微分增强了短波红外的特征,4～5尺度的连续小波变换适合分析原始光谱特征。连续小波变换后最大相关系数为0.734;其次为二阶微分变换,最大相关系数为-0.730。基于立方根二阶微分变换构建的多元回归模型对茭草鲜生物量估测效果最佳,R2、RMSE、P和RPD分别为0.88、1 044.90 g/m2、83.95%、2.64。     

基于一阶微分变换方法的南方丘陵稻田土壤电阻率高光谱特性研究

通过对土壤电导率和光谱测定,分析了南方丘陵稻田土壤电阻率特征、原始光谱数据及重采样光谱数据特征。在光谱重采样基础上进一步构建光谱包络线去除变换、光谱反射率倒数(1/R)、对数[ln(1/R)]、平方根(R0.5)、一阶微分等单一或复合变换模型。通过横向、纵向综合比较分析不同模型的反射率与电阻率相关性分析的曲线差异,着重探讨了基于一阶微分的数据变换模型间土壤电阻率与光谱反射率间相关性强弱,结果表明:(1)基于一阶微分变换的模型可以对重叠混合光谱进行分解以便识别,扩大样品之间的光谱特征差异,发掘敏感波段的光谱吸收、反射特征;(2)综合反射率的平方根的一阶微分变换、反射率的倒数的对数及反射率对数的一阶微分等模型得出,在波段为382 nm处,土壤电阻率与光谱反射率间相关系数最高达0.788,在波段为555~560 nm,多个微分变换模型相关性系数在0.7以上,可为后续反演因子的确定及土壤电阻率高光谱估测回归模型的建立提供参考。     

伊犁绢蒿荒漠草地3种主要植物光谱及植被指数改进

【目的】伊犁绢蒿荒漠草地是新疆草地生态系统的重要组成部分,研究其主要植物地面光谱和植被指数特征是实现物种识别的基础,准确而实时获得群落物种组成变化、提高草地监测的质量和效果。【方法】借助SOC710 VP成像光谱仪,采集4月伊犁绢蒿荒漠草地群落高光谱影像,提取伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)、叉毛蓬(Petrosimonia sibirica)和群落的原始光谱数据,通过反射率(REF)、吸收率(ABS)及其一阶微分(GREF和GABS)的变换提高光谱辨析度,分析并筛选敏感波段;通过各波段之间的相互组合计算NDVI值和DVI值,并以全波段计算的NDVI值和RVI值作为参考,筛选出优于全波段且差值最大植被指数。【结果】(1)3种主要植物光谱曲线相近,差异主要体现在光谱值的大小,在可见光400~780 nm和近红外波段780~820 nm的反射率均表现出角果藜>伊犁绢蒿>叉毛蓬>群落的特征;(2)通过反射率REF、吸收率ABS、一阶微分反射率GREF和一阶微分吸收率GABS的变换能够进一步扩大其光谱特征,相对稳定的波段有蓝光波段490~530 nm,绿光波段510~560 nm,红光波段620~760 nm,近红外波段780~820 nm。(3)GABS和ABS变换下490~530 nm和780~820 nm波段组合计算的NDVI’和RVI’在3种主要植物间的差异大于全波段和其它波段计算的NDVI’和RVI’。【结论】对敏感波段的反射率和吸收率进行一阶微分处理,并用于改进植被指数,能够提高伊犁绢蒿荒漠3种主要植物的识别效果。     

基于随机森林法的农作物高光谱遥感识别

  目的  不同农作物种类光谱差异小,通过探测众多窄波段范围的细微差别,提取区分不同农作物的特征波段,是目前实现农作物高光谱遥感识别的重要途径。如何提取区分不同农作物的特征波段,进而实现农作物的精确识别是一个挑战。近来出现的随机森林方法在多变量目标的分类识别方法展现了优势,为解决这一难题提供了一个新手段。  方法  利用随机森林法与传统方法分析杭州地区8种典型农作物的反射光谱,提取特征波段并进行分类,对比不同方法的识别效果。  结果  不同作物的反射光谱及其一阶微分、二阶微分、倒数的对数、去包络线法所提取的特征波段只能区分部分作物;随机森林法无需对反射光谱预处理,直接对全波段反射光谱数据处理,不仅筛选出了区分不同作物的特征波段,且运用所选择的波段对作物进行随机森林分类的效果也是最优的。  结论  随机森林法选择的波段（550、2 490、370、770、560、380、540、530、570、350 nm）不仅能区分不同作物,还能反映农作物生化属性的不同,使得用于分类的波段及分类方法体现了不同作物间物化性质的不同,在展现高光谱遥感识别农作物优势的同时,也为大面积农作物遥感精细分类提供借鉴。     

基于无人机低空高光谱遥感影像的柑橘黄龙病植株监测模型

以广西壮族自治区柳州市鹿寨县平山镇九简村的柑橘（Citrus reticulata Blanco）为研究对象,通过地面人工实测判别柑橘黄龙病（HLB）植株,协同无人机低空遥感获取标定柑橘种植地块的高光谱影像;计算柑橘健康植株和HLB植株冠层感兴趣区域（ROI）的平均光谱,并对初始光谱进行异常数据剔除、平滑去噪和光谱变换,得到原始光谱、一阶微分光谱（FDR）和二阶微分光谱（SDR）;采用主成分分析法对其进行降维后,构建支持向量机（SVM）分类模型。结果表明,通过选择400～1 000 nm的特征波段,使用ArcGIS软件提取样本平均光谱,其全波段一阶微分光谱的训练集和测试集分类准确率分别达87.41%、84.67%,SVM分类模型参数分别为C=35.39、γ=0.01;使用ENVI软件提取样本平均光谱,其全波段一阶微分光谱的训练集和测试集分类准确率分别达92.39%、96.43%,SVM分类模型参数分别为C=5.06、γ=1.02。无人机低空遥感高光谱监测柑橘HLB具有可行性,可快速识别柑橘种植园地的HLB植株。     

西鄂尔多斯保护区沙冬青高光谱特征分析

沙冬青是亚洲荒漠唯一的常绿阔叶灌木,由于分布范围狭小、人为调查困难、资源分布不清,加上人类活动的破坏,其数量正在不断减少。快速、准确识别其生长状况、种群动态对进一步研究沙冬青种群分布及生长监测具有重要意义。采用便携式地物光谱仪测定不同龄级沙冬青反射光谱,利用马氏距离法对其原始光谱、一二阶微分谱特征差异波段选取分析;将冠层原始及其微分光谱与叶片叶绿素含量进行分析。通过其相关性的大小理解沙冬青的生长状况与叶绿素含量间的关系。结果表明:1)不同龄级沙冬青原始光谱曲线趋势较接近,符合植被光谱特征的规律性,幼龄沙冬青反射率差异较明显;不同龄级微分光谱曲线基本一致,幼龄峰值起伏变化显著,极大峰值位于719 nm处,主要受幼龄沙冬青长势的影响;2)通过分析得出马氏距离法对不同龄级沙冬青光谱差异显著波段的选择具有显著性,且所选择波段均为光谱特征波段;3)冠层光谱与叶绿素相关性分析得出不同龄级与叶绿素的敏感波长均为<740 nm的可见光波长范围内,说明可见光波段属于沙冬青叶绿素光谱反应的敏感波;与原始光谱相比,经过导数处理的微分光谱与叶片叶绿素的相关性更高,且相关性大的波段数明显增加。     

基于连续小波变换的蒺藜植被覆盖度预测

植被覆盖度是评价土地是否荒漠化最有效的指标之一,也是植被监测的重要指标。通过高光谱估算植被覆盖度,可以为植被监测提供重要依据。以半干旱区托克托县的固沙植被蒺藜（Tribulus terrestris L.）为研究对象,分析了不同植被覆盖度光谱曲线特征的变化情况;提取两波段原始光谱植被指数并与植被覆盖度之间的相关性,选取最优波段组合;利用连续小波变换（continuous wavelet transform,CWT）对植被光谱反射率进行不同尺度分解,提取出不同分解尺度的最优波段;采用偏最小二乘法（partial least square,PLSR）和支持向量机（support vector machine,SVM）两种方法,以不同自变量建立植被覆盖度估算模型。结果表明：①原始光谱植被指数与植被覆盖度呈显著相关,相关系数均在0.55以上,最优波段组合为DI（2 260 nm,2 210 nm）、RI（1 410 nm,660 nm）、NI（1 470 nm,670 nm）、RDVI（1 770 nm,670 nm）、MSR（1 410 nm,660 nm）;②小波系数也与植被覆盖度之间有良好的相关性,原始光谱中1~10尺度对应的相关系数均在0.72以上,在波段630 nm处第6分解尺度中,相关性最大为0.788 9;一阶微分光谱提取的小波系数与植被覆盖度的最大相关性为0.806 9;二阶微分光谱中1~10尺度小波系数与植被覆盖度的相关性均在0.6以上,其中最大相关性为0.781 8;③以原始光谱植被指数与不同导数变换的CWT提取的小波系数为自变量建立的模型中,输入量为二阶微分小波系数的PLSR模型精度最高,模型最稳定,R²为0.905 9,RMSE为0.035 6,这表明经过CWT算法处理后,可以提高光谱的特征信息,为植被覆盖度的估算反演提供技术方法。     

福建将乐林场主要树种冠层光谱反射特征分析

【目的】对福建将乐林场主要树种的冠层光谱曲线进行分析,以建立和完善该地区森林树种光谱数据库,并对利用高光谱数据研究森林树种分类提供理论和技术支持。【方法】对实测的林场内5个主要树种(马尾松、杉木、毛竹、木荷和苦槠栲)的平均冠层反射光谱曲线,采用导数光谱、红边特征及将冠层光谱曲线转化到频率域的离散傅里叶变换方法进行分析,比较各树种冠层光谱曲线在空间和频率域上的差别。【结果】在可见光波段(480~700nm),毛竹和苦槠栲的冠层反射率高于其他树种;在近红外波段(720~920nm),苦槠栲、木荷、毛竹的冠层反射率明显高于马尾松和杉木,且苦槠栲木荷毛竹。一阶导数光谱对植被类型有很好的区分作用,可以将植被在可见光波段附近吸收谷的特征和在近红外波段的红边特征进行突出显示。冠层光谱的红边特征参数表现为木荷和苦槠栲的光谱曲线红边斜率较大,明显高于马尾松、杉木和毛竹;毛竹的红边位置明显低于其他树种。对树种冠层光谱的频谱分析结果得出,冠层光谱前12次谐波能量累计达到99%,原始光谱曲线冠层光谱在频域上也有可分性,前4次谐波的幅度谱可以将苦槠栲、木荷和毛竹区分出来。【结论】不同树种的光谱曲线在空间域和频率域都存在明显的差别,光谱曲线的红边参数和冠层光谱在频率域的幅度谱有助于定量化地区分不同的树种类型。     

滇中典型乔木植被高光谱特征

针对滇中乔木植被光谱研究较少问题,运用高光谱遥感技术提取分析植被的特征波段,补充滇中乔木光谱,以期能为遥感识别分类植被、监测乔木长势,以及植被反演等提供科学依据。利用SOC710VP地物光谱仪,对滇中的侧柏(Platycladus orientalis)、樟木(Cinnamomum longepaniculatum)、柳杉(Cryptomeria fortunei)3种植被进行反射光谱测定,分析3种植被的叶片光谱特征差异,使用光谱一阶导数和连续统去除处理其原始光谱。原始反射率曲线表明,400~420 nm柳杉的曲线呈下降趋势,区别于樟木和侧柏;侧柏、樟木、柳杉的反射率在700~760 nm存在显著差异。红边波段光谱一阶导数凸显了3种乔木植被特有的波峰波谷特征,侧柏的峰谷特征尤其突出,识别度更大。连续统去除变换能够突出3种乔木植被在可见光波段的吸收和反射特征差异,樟木和柳杉的连续统去除值在440~760、950~1 000 nm存在较大差异。通过比较3种植被的原始光谱特性和反射率,可以从一定程度上把3种植被区分开。光谱一阶导数和连续统去除变换可以突出3种植被原始光谱特征之外的特征,增加识别分类3种植被的特征波段,区分识别3种植被的效果更显著。     

基于改进BP神经网络的高光谱遥感树种信息提取技术

【目的】通过分析树种间的光谱差异及改进分类算法以提高树种信息提取精度。【方法】文章采用安徽省砀山县EO-1 Hyperion影像,通过不同树种光谱信息的差异分析,筛选出区分树种信息的光谱指标,并采用改进的BP神经网络模型完成树种信息提取。【结果】结果表明,原始反射率和一阶微分部分光谱波段可用于树种识别,且一阶微分光谱的差异大于原始反射率;引入动量项和遗传算法改进的BP神经网络模型树种识别精度较传统BP神经网络提高8.5%,Kappa系数提高0.12。【结论】该方法可以实现较为准确的树种信息提取,能够达到对林业工程进行监测的目的,对快速评价工程质量有重要意义。     

菜油兼用型油菜籽粒油酸含量的高光谱模型构建

【目的】基于高光谱特征初步判别油菜摘薹情况,为实现高光谱反演籽粒油酸含量提供理论指导。【方法】使用FieldSpec 3地物光谱仪采集油菜盛花期叶片光谱数据,采用Agilent GC-MS 7980B气相色谱仪分析摘薹和未摘薹处理的籽粒油酸含量,比较2组处理的平均原始光谱反射率特征,及其油菜叶片原始及一阶微分光谱反射率与籽粒油酸含量相关性,在此基础上构建基于原始光谱特征波长的支持向量机（SVM）判别模型、基于光谱参数的油酸含量二项式模型、基于一阶微分光谱特征波长的油酸含量多元线性逐步回归（MLSR）及偏最小二乘回归（PLSR）预测模型,并利用独立样本T检验对模型精度进行验证。【结果】发现未摘薹及摘薹处理的平均原始光谱反射率曲线在760~1080nm波段存在一定差异。未摘薹及摘薹处理的原始光谱反射率与籽粒油酸含量相关性曲线存在一定差异,未摘薹处理的原始光谱反射率在484~956和1001~1146 nm波段与籽粒油酸含量呈正相关,摘薹处理的原始光谱反射率在1882~2111和2324~2499 nm波段与油菜籽粒油酸含量呈正相关,说明摘薹会影响油菜光谱反射率与籽粒油酸含量的相关性表现。选取位于760~1080 nm波段4个拐点波长（760、920、970和1080 nm）的原始光谱反射率作为自变量,用以构建SVM判别模型,经过多次随机取样比较构建所有SVM判别模型,发现最佳判别模型的训练集样本总体精度为86.1%,验证集样本总体精度为77.8%,说明利用高光谱技术判别油菜是否摘薹具有一定的可行性。光谱参数模型中RVI模型对未摘薹处理油菜籽粒油酸含量的反演效果最佳,且该模型与未摘薹处理籽粒油酸含量的相关系数（-0.705）最高。比较全部油菜籽粒油酸含量预测模型类型,PLSR模型对未摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.590、RMSE=0.610,MLSR模型对摘薹处理籽粒油酸含量预测精度最高,其训练集R2=0.773、RMSE=0.874。利用独立样本T检验对二者模型测试集样本进行验证,未摘薹样本P=0.839,摘薹样本P=0.858,二者样本实测值与预测值均无显著差异（P>0.05）,模型合理,说明利用高光谱技术对油菜籽粒油酸含量进行预测可行。【建议】引入随机森林等机器学习算法,更好地选取特征波长（显著相关波长或全波段等）,提高光谱数据对油菜籽粒油酸含量的预测能力。后期的试验应侧重于多品种油菜籽粒油酸含量估测研究,探索高光谱技术估测油菜籽粒油酸含量是否具备普遍的可行性。利用高光谱技术反演其他油菜籽粒品质指标,为高光谱遥感监测油菜品质提供理论依据。     

基于高光谱的琯溪蜜柚叶片磷素含量估算模型研究

蜜柚叶片磷素(phosphorus,P)含量是准确诊断和定量评价生长状况的重要指标,为快速、无损、精确地估测磷素含量,需要建立蜜柚叶片磷素含量高光谱估算模型。基于蜜柚叶片高光谱数据和磷素含量实测数据,提取原始光谱及一阶微分光谱特征波段和光谱特征变量,构建单变量估算模型、偏最小二乘回归模型和BP神经网络回归模型,并确定蜜柚叶片磷素含量最佳估算模型。在350～1 050 nm波段,原始光谱和一阶微分光谱与叶片磷素含量在可见光范围内有多波段相关性显著,并出现多个极值。原始光谱敏感波长为549和718 nm,一阶微分的敏感波长为528、703和591 nm。在建立的回归模型中,选择决定系数较高的模型进行精度检验,其中BP神经网络模型的拟合R²(0.775 9)最大,偏最小二乘估算模型的拟合R²(0.749 9)次之。综合建模精度和模型检验精度,确定BP神经网络模型为蜜柚叶片磷含量的最佳估算模型,建模和验证的R²分别为0.71和0.775 9;其次为偏最小二乘估算模型,建模和验证的R²分别为0.64和0.74...     

基于高光谱的春小麦抽穗期叶绿素含量估算方法

对高光谱数据进行预处理是提升高光谱建模精度十分必要且有效的途径。利用高光谱技术分析春小麦作物光谱及其叶绿素含量的变化,对原始光谱反射率及对应的对数、倒数、平方根、对数倒数等4种数学变换及其一阶、二阶微分进行预处理运算,分析春小麦叶片叶绿素含量与预处理后的光谱数据相关性,基于选取的敏感波段对春小麦抽穗期叶绿素含量进行偏最小二乘回归法、BP神经网络2种方法建模并进行模型验证及比较。结果表明:对原始光谱数据数学变换的微分预处理可以明显提高春小麦叶片叶绿素含量与光谱反射率的相关性;通过显著性检验的敏感波段数量经一阶、二阶微分预处理呈现明显增加趋势,对应数学变换的波段数量有所不同;对数变换的二阶微分处理所建立的PLSR模型为最优模型,该模型精度参数为决定系数R■=0.93,校正均方根误差RMSE_c=2.53,预测决定系数R~2_p=0.91,预测均方根误差RMSE_p=2.41,相对分析误差RPD=3.20。说明数学变换的微分预处理过后的模型精度和稳健性有了大幅度的提升,并且运用在高光谱遥感反演春小麦抽穗期叶片叶绿素含量上是可行的。     

基于实测高光谱数据的太湖湖滨带典型植被分类

湖滨带是湖泊生态系统与陆地生态系统的连接枢纽,对陆地生态环境的稳定有着积极的作用,利用植被高光谱特征识别湖滨带植被生长与分布状况对滨岸生态系统的管理和研究具有十分重要的意义。以太湖湖滨带(宜兴段)为研究区域,利用Field Spec3 Hi-Res便携式地物光谱仪测量5类典型植被冠层光谱;在利用S Golay滤波对异常光谱数据进行剔除的基础上,采用光谱微分法与植被指数法构建光谱特征;应用人工神经网络法结合因子分析法对典型植被进行分类提取。结果表明:(1)利用S Golay滤波方法能够较好地平滑噪声,保留其真实光谱特征;(2)在利用原始反射率、植被指数、一阶光谱微分、二阶光谱微分的4种分类组合中,二阶微分数据的神经网络分类精度最高,原始分辨率分类精度最低;(3)在不同植被类型的分类中,4类分类组合方法对夹竹桃的分类效果最好,对柳杉的分类效果最差。