森林樹種高光譜遙感研究內(nèi)容簡介

2000年在森林經(jīng)理學(xué)科的資助下，課題組購買了美國ASD公司生產(chǎn)的高光譜儀，開展了林業(yè)高光譜的先期研究工作，試探性地發(fā)表了一些研究論文。2004年和2008年兩次獲得了國家自然科學(xué)基金面上項(xiàng)目（湖南省主要針葉樹種高光譜遙感研究30471391、森林樹種波譜特及生化成分相關(guān)性研究30871962）的資助，其間還獲得了教育部博士點(diǎn)專項(xiàng)基金（南方喬木樹種高光譜遙感測定與分析200805380001）的支持，這些都大大鼓舞了課題組的士氣，使得課題組能夠克服重重困難，順利完成了對南方主要樹種特別是鄉(xiāng)土樹種杉木、馬尾松的定點(diǎn)定位、定期的觀測，取得了寶貴的第一手資料。在此基礎(chǔ)上開展了一系列的數(shù)據(jù)處理和分析工作，取得了一些初步的結(jié)果。《森林樹種高光譜遙感研究》，正是介紹了課題組十余年來，開展森林樹種高光譜研究的一些方法和研究結(jié)果。

作　者：林輝 等 著

出 版 社：中國林業(yè)出版社

ISBN：9787503864230

出版時(shí)間：2011-12-01

版　次：1

頁　數(shù)：162

裝　幀：平裝

開　本：16開

第一章 緒論

第一節(jié) 高光譜遙感的概念

第二節(jié) 高光譜遙感的發(fā)展現(xiàn)狀

第三節(jié) 典型地物的光譜特征

一、植被

二、土壤

三、巖石

四、水體和雪

五、城市目標(biāo)

第四節(jié) 地面光譜測量方法

一、實(shí)驗(yàn)室測量

二、野外測量

第二章 數(shù)據(jù)采集與數(shù)據(jù)處理

第一節(jié) 野外光譜數(shù)據(jù)的測定

一、野外光譜測量的影響因素

二、地物光譜測試時(shí)的規(guī)范和測量要求

第二節(jié) 生物化學(xué)參數(shù)的測定

第三節(jié) 基于光譜位置變量的分析

第四節(jié) 地物光譜數(shù)據(jù)預(yù)處理

一、高光譜數(shù)據(jù)平滑去噪

二、高光譜數(shù)據(jù)變換

第五節(jié) 高光譜數(shù)據(jù)分類技術(shù)

一、支持向量機(jī)原理

二、BP神經(jīng)網(wǎng)絡(luò)簡介

三、光譜角度制圖法原理

四、馬氏距離分類法原理

五、樸素貝葉斯分類法原理

六、Fisher判別法原理

第三章 喬木樹種主要生化參數(shù)估算模型研究

第一節(jié) 杉木色素含量的估算模型研究

一、研究區(qū)概況

二、數(shù)據(jù)收集及處理

三、模型及精度評價(jià)

四、結(jié)果與分析

第二節(jié) 馬尾松色素含量估算模型研究

一、研究區(qū)概況

二、數(shù)據(jù)收集及處理

三、模型及精度評價(jià)

四、結(jié)果與分析

第三節(jié) 樟樹幼林色素含量的估算模型研究

一、研究區(qū)概況

二、數(shù)據(jù)收集及處理

三、模型及精度評價(jià)

四、結(jié)果與分析

第四章 喬木樹種高光譜數(shù)據(jù)降維分類對比分析

第一節(jié) 喬木樹種光譜數(shù)據(jù)采集

第二節(jié) 高光譜數(shù)據(jù)的主成分降維

一、主成分降維原理

二、光譜數(shù)據(jù)降維分類測試

第三節(jié) 高光譜數(shù)據(jù)的獨(dú)立主成分降維

一、獨(dú)立主成分降維原理

二、獨(dú)立主成分降維分類結(jié)果對比

第五章 基于群體算法結(jié)合支持向量機(jī)的高光譜數(shù)據(jù)降維分類研究

第一節(jié) 遺傳算法結(jié)合支持向量機(jī)的降維算法

一、降維算法原理

二、降維分類結(jié)果分析

第二節(jié) 粒子群算法結(jié)合SVM的高光譜數(shù)據(jù)降維算法

一、粒子群算法原理

二、粒子群算法結(jié)合支持向量機(jī)降維原理

三、降維數(shù)據(jù)分類結(jié)果與分析

第六章 成像高光譜影像特征分析與LAl反演

第一節(jié) 數(shù)據(jù)獲取與研究區(qū)概況

一、研究區(qū)概況

二、成像光譜數(shù)據(jù)獲取

三、地面數(shù)據(jù)測量

第二節(jié) 影像數(shù)據(jù)處理與植被指數(shù)提取

一、Hyperion數(shù)據(jù)讀取與有效波段選擇

二、壞線修復(fù)與條紋去除

三、大氣校正與幾何校正

四、校正結(jié)果與同步觀測數(shù)據(jù)比較分析

五、植被指數(shù)提取

第三節(jié) 基于植被指數(shù)的LAI反演模型

一、基于單因子的LAI反演模型

二、LAI的逐步回歸模型

三、基于偏最小二乘回歸的LAI反演模型

四、研究區(qū)LAI反演制圖

參考文獻(xiàn)

森林樹種的波譜特征決定了遙感成像特征，而波譜特征主要是由生化成分決定的，是生化成分的外部綜合呈現(xiàn)。長期以來由于森林樹種比較高大，對其進(jìn)行冠層波譜觀測難度非常大，更不用說開展同步的生化成分分析，這導(dǎo)致相關(guān)研究較少，對其遙感成像機(jī)理探索很不夠。本項(xiàng)目以湖南省常見的森林樹種按落葉闊葉、常綠闊葉、落葉針葉、常綠針葉等典型林分樹種為研究對象，在外部環(huán)境條件基本一致的情況下，按不同齡組分別進(jìn)行地面或空中的冠層波譜觀測，并同步開展含水量、葉綠素a、葉綠素b、葉綠素總量、葉黃素、蛋白質(zhì)、淀粉、纖維素、木質(zhì)素、糖、氨基酸、N、P、K等生化成分分析；采用統(tǒng)計(jì)分析和數(shù)學(xué)建模等方法，對波譜數(shù)據(jù)進(jìn)行處理并與生化成分相關(guān)性研究；探索對樹種波譜特征有顯著影響的生化參數(shù)及其影響水平，解釋森林樹種在波譜特征相似時(shí)是否具有相似的生化成分及生化成分相近的森林樹種是否具有相似的波譜特征，從深層次上解釋森林樹種遙感成像的內(nèi)在機(jī)理。 2100433B

近年來高光譜數(shù)據(jù)獲取能力大幅提高，而其分析處理技術(shù)的發(fā)展卻相對滯后，其中分類技術(shù)作為高光譜圖像處理與信息提取過程中的關(guān)鍵環(huán)節(jié)，一直是國際前沿性的研究熱點(diǎn)。項(xiàng)目針對稀疏表示理論在高光譜數(shù)據(jù)分析中暴露的缺陷開展理論研究，結(jié)合高光譜影像全局結(jié)構(gòu)特征和局部紋理特征，提出基于特征空間的稀疏表示和協(xié)作表示相結(jié)合、競爭與協(xié)作關(guān)系共存的分類相關(guān)理論和技術(shù)。主要內(nèi)容包括：1）研究高光譜遙感影像的空間紋理特征提取方法；2）構(gòu)建結(jié)構(gòu)化表示模型分類器；3）提出一種多約束條件的表示模型分類方法；4）開展基于重構(gòu)殘差融合的表示模型多分類集成研究。項(xiàng)目完成了相關(guān)模型的建立和關(guān)鍵算法的研究，基于典型區(qū)域的真實(shí)數(shù)據(jù)進(jìn)行了上述特征提取算法和分類模型的驗(yàn)證。結(jié)果表明，所提出的表示模型框架的分類方法可以實(shí)現(xiàn)地物目標(biāo)的精細(xì)分類識(shí)別，為我國高光譜遙感對地協(xié)同觀測任務(wù)重大專項(xiàng)任務(wù)提供了關(guān)鍵技術(shù)支撐。 完成了系列高光譜圖像分類相關(guān)模型的建立和關(guān)鍵算法的研究，發(fā)表國際學(xué)術(shù)SCI收錄期刊32篇，其中第一/通信作者論文25篇，發(fā)表EI收錄的會(huì)議論文9篇，2篇國際會(huì)議論文獲杰出論文獎(jiǎng)。擔(dān)任國際核心期刊IEEE JSTARS和IEEE SPL編委，并獲得IEEE JSTARS 2015最佳審稿人獎(jiǎng)，入選2017年北京市科技新星計(jì)劃，以及2019年國家自然科學(xué)基金優(yōu)秀青年科學(xué)基金資助。 在項(xiàng)目執(zhí)行期內(nèi)，共培養(yǎng)碩士研究生27名，其中畢業(yè)20名，在讀7名；培養(yǎng)博士研究生2名，其中畢業(yè)1名，在讀1名，均獲得國家留學(xué)基金委(CSC)公派留學(xué)資格；在畢業(yè)的碩士生中，獲得優(yōu)秀畢業(yè)生2名，優(yōu)秀畢業(yè)論文4名，碩士生獲國家獎(jiǎng)學(xué)金4次，博士生獲國家獎(jiǎng)學(xué)金2次，其中一名博士獲得北京化工大學(xué)校長獎(jiǎng)學(xué)金，為北京化學(xué)工大學(xué)信息科學(xué)與技術(shù)學(xué)院首次（目前唯一一名）獲得此榮譽(yù)的在讀博士研究生；項(xiàng)目資助碩士生出國（美國、西班牙、日本等）參加國際會(huì)議并開展學(xué)術(shù)交流共計(jì)8名。此外，成功指導(dǎo)課題組博士后出站1名和課題組年輕教師晉升副教授1名。 2100433B