基于高光谱遥感技术的森林树种识别研究进展

在详细介绍高光谱树种识别研究方法的基础上,总结了国内外利用高光谱数据进行森林树种识别的研究应用现状;剖析了目前研究中存在的主要问题;指出了今后开展高光谱树种研究的方向与潜力。     

高光谱遥感在植被特征识别研究中的应用

总结了高光谱遥感在植被物种识别、结构特征分析、理化信息提取等主要领域的应用研究现状; 分析了高光谱遥感在植被特征识别中所涉及的光谱特征优化、混合光谱分解、图像分类识别等关键性技术环节的最新进展; 剖析了目前研究中存在的主要问题, 并对今后的发展态势进行了展望。     

机载LiDAR和高光谱融合实现普洱山区树种分类

[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Li DAR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Li DAR与高光谱影像融合可以有效改善分类精度。     

高光谱遥感森林树种分类研究进展

从基于光谱特征、基于光谱匹配和基于统计分析方法3个方面,论述了高光谱遥感数据进行森林树种分类的应用研究状况,分析了目前研究中存在数据质量与保障性相对滞后、缺乏有效的处理算法等问题,指出了进一步完善森林树种光谱数据库和加强高光谱数据研究的高光谱树种研究方向.     

基于高光谱和激光雷达数据的林分类型识别

【目的】探讨随机森林、支持向量机分类器下机载高光谱影像和激光雷达点云数据源对林分类型识别的影响,并检验叶绿素在林分类型识别中的作用,为提高林分类型分类精度提供科学依据,为森林资源管理和监测提供技术支持。【方法】以东北林业大学帽儿山实验林场老山施业区为研究区,以机载高光谱影像和激光雷达点云为数据源,在多尺度影像分割基础上,从高光谱影像中提取光谱、纹理和叶绿素指数等特征,从Li DAR点云中提取高度、强度等特征。通过随机森林的特征选择,选取重要性较高的特征变量,在随机森林和支持向量机分类器下,以影像分割数据为试验样本,设置6种分类方案(随机森林分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据,支持向量机分类器下高光谱影像与激光雷达点云数据结合、高光谱影像数据、激光雷达点云数据),对阔叶混交林、樟子松林、落叶松林、红松林和蒙古栎林5种林分类型进行识别,比较不同分类器下不同数据源的分类效果。【结果】高光谱影像数据共提取34个特征变量,激光雷达点云数据共提取72个特征变量,经特征选择后,高光谱影像数据和激光雷达点云数据各选取11个重要性较高的特征(共22个),其中高光谱影像数据提取的归一化植被指数(NDVI)重要性最大。6种分类方案中,随机森林分类器下高光谱影像与激光雷达点云数据结合的分类精度最高(88.02%),支持向量机分类器下激光雷达点云数据的分类精度最低(76.19%)。多源数据协同的平均分类精度(86.22%)高于单源数据(79.98%),随机森林分类器的平均分类精度(82.92%)高于支持向量机分类器(81.19%)。叶绿素指数参与分类后,分类精度提高约3.32%。5种林分类型中,阔叶混交林分类效果最好,平均分类精度为92.62%,红松林分类效果最差,平均分类精度为49.67%。【结论】多数据源较单源数据可更好地提高分类精度,即2种数据协同可以提高林分类型识别精度;单一数据源相比,高光谱影像数据源的分类效果更好,光谱特征是林分类型识别的重要影响因子;林分类型识别时,不同机器学习模型相比,随机森林分类器较支持向量机分类器分类效果更优;叶绿素作为生物化学参数对林分类型识别有积极影响。     

高光谱遥感技术在湿地研究中的应用

综述了高光谱遥感技术在国内外湿地研究中的应用; 总结了高光谱遥感技术在湿地水质参数反演、土壤含水量反演和湿地植被精细分类等方面应用的方法研究和取得的成果; 指出鉴于高光谱遥感数据自身的冗余性和信息理解程度的局限性, 在湿地研究领域中仍然存在着不足之处; 在此基础上, 提出了高光谱遥感技术应用于湿地研究的数据多元化趋势及其在湿地类型变化动态监测、湿地生态系统的自我恢复、掌握湿地资源重新积累过程等方面的应用潜力和开发前景。     

三维成像激光雷达遥感技术在林业中的应用

激光雷达三维遥感是获取各种森林冠层特征参数的一种突破性技术, 具有精确地直接测量和估计森林结构特征的能力。文中介绍了三维成像激光雷达技术的背景、发展情况及其在林业中的应用, 详细分析了通过激光雷达直接测量、建模或推断及多源融合获取森林结构特征参数的方法。     

面向机载高光谱数据的3D-CNN亚热带森林树种分类

【目的】探讨深度卷积神经网络在机载高光谱数据分类中的应用,以提高亚热带地区森林树种分类精度。【方法】以广西南宁高峰林场为试验区,基于中国林业科学研究院Li CHy系统获取的机载高光谱数据,以三维卷积层为基础,提出一种高效的卷积神经网络(CNN)结构。CNN模型以端到端方式处理高光谱影像分析问题,将原始数据作为输入,不需要降维或特征筛选,可省去传统分类方法在不同程度上人工筛选特征的工作;网络中3D卷积层可同时提取光谱特征和空间特征,学习特征立方体空间和光谱维度的局部信号变化,利用重要的识别特征进行分类,以提高对高光谱影像的判别能力。针对机载高光谱数据维度高、训练样本相对较少的问题,对模型进行优化,以避免过拟合。【结果】相较传统的特征筛选与面向对象分割结合的方法,本研究提出的3D-CNN结构森林树种总体分类精度达98.38%,Kappa系数为0.98,与随机森林特征选择结合支持向量机分类相比,总体精度提高8.82%,Kappa系数提高0.11;小样本训练情况下(减少75%训练样本),总体精度仍可达95.89%,Kappa系数为0.94。【结论】三维卷积神经网络在处理机载高光谱影像特征提取和...     

高光谱遥感技术及其在森林监测中的应用探讨

高光谱遥感技术是指利用很窄的电磁波段从地物获取连续光谱信息的技术。高光谱影像具有超高光谱分辨率和多个波段同时对地物成像的特点,借助高光谱影像丰富的植被光谱信息,介绍其在森林火灾、森林病虫害和森林资源变化监测中的应用研究方法和现状,利用高光谱遥感图像进行森林监测的处理技术。     

激光雷达技术及其在林业上的应用

激光雷达是近年来国际上发展十分迅速的主动遥感技术,在森林参数的定量测量和反演上取得了成功的应用。激光雷达具有与被动光学遥感不同的成像机理,对植被空间结构和地形的探测能力很强,特别是对森林高度的探测能力,具有其他遥感数据无法比拟的优势。介绍激光雷达遥感的基本原理、大光斑和小光斑激光雷达系统的特点,对它们在林业上的应用现状进行评述,重点分析激光雷达反演森林参数的方法,对激光雷达的林业应用前景进行分析和展望。     

高光谱遥感技术在现代林业中的应用与发展

高光谱分辨率遥感简称高光谱遥感,是20世纪末诞生的一种全新遥感技术,其在现代林业中的应用为现代林业的保护和研究贡献了重要力量。文章主要分析了高光谱遥感技术在现代林业中的实际应用,同时探析了高光谱遥感技术在现代林业中的未来发展方向。     

高光谱遥感森林应用研究探讨*

详细论述了高光谱遥感技术在森林生物物理和化学参量估计以及森林健康状态遥感评价等方面的应用研究状况，对高光谱遥感植被应用的数据处理技术作了简要说明。对我国高光谱遥感森林应用研究现状和发展水平进行了阐述，最后对高光谱遥感森林应用的未来趋势作了探讨。     

城市林业中高光谱遥感技术应用现状与展望

高光谱遥感技术现已成为林业遥感研究的前沿技术之一,在林业定量监测及分析方面具有很大的潜力,同时也为森林经营与管理提供了一种更为科学和实用的新技术手段。文章主要从森林树种高光谱的分类与识别、森林树种主要生化参数模型估算、森林监测与高光谱遥感技术3个方面,总结归纳了高光谱遥感在林业上的主要研究现状,并对高光谱遥感技术在林业研究中的应用前景作了展望。     

高光谱遥感技术在现代林业中的应用与发展

以高光谱遥感技术为例，阐述了遥感技术在林业中关于森林信息获取、森林监测和森林健康评价等各方面的运用和发展，以及“3S一体化技术”在现代林业中广泛应用的必然发展趋势。