中南林业科技大学学报
中南林業科技大學學報
중남임업과기대학학보
JOURNAL OF CENTRAL SOUTH UNIVERSITY OF FORESTRY & TECHNOLOGY
2011年
11期
23-29
,共7页
严恩萍%林辉%莫登奎%孙华
嚴恩萍%林輝%莫登奎%孫華
엄은평%림휘%막등규%손화
遥感%光谱特征%ALOS%森林类型
遙感%光譜特徵%ALOS%森林類型
요감%광보특정%ALOS%삼림류형
光谱特征分析是森林类型识别的前提.使用ALOS遥感数据,通过单波段、多波段统计方法分析波段数据特征,获得对影像的整体认识；运用归一化植被指数、主成分分析以及最佳指数法,计算不同森林类型的光谱特征；通过与最大似然法对比,结合实地调查数据,构造出理想的决策树算法,研究森林类型的识别问题.结果表明:ALOS数据4个波段中,波段4独立性较强,在遥感信息提取中是必选波段；NDⅥ及主成分变换可显著增强地物区分度,为森林类型识别研究的波段组合提供参考；同最大似然法相比,决策树分类精度显著提高,Kappa系数达0.878 7；该算法可降低混合分类现象,提高森林类型识别精度.
光譜特徵分析是森林類型識彆的前提.使用ALOS遙感數據,通過單波段、多波段統計方法分析波段數據特徵,穫得對影像的整體認識；運用歸一化植被指數、主成分分析以及最佳指數法,計算不同森林類型的光譜特徵；通過與最大似然法對比,結閤實地調查數據,構造齣理想的決策樹算法,研究森林類型的識彆問題.結果錶明:ALOS數據4箇波段中,波段4獨立性較彊,在遙感信息提取中是必選波段；NDⅥ及主成分變換可顯著增彊地物區分度,為森林類型識彆研究的波段組閤提供參攷；同最大似然法相比,決策樹分類精度顯著提高,Kappa繫數達0.878 7；該算法可降低混閤分類現象,提高森林類型識彆精度.
광보특정분석시삼림류형식별적전제.사용ALOS요감수거,통과단파단、다파단통계방법분석파단수거특정,획득대영상적정체인식；운용귀일화식피지수、주성분분석이급최가지수법,계산불동삼림류형적광보특정；통과여최대사연법대비,결합실지조사수거,구조출이상적결책수산법,연구삼림류형적식별문제.결과표명:ALOS수거4개파단중,파단4독립성교강,재요감신식제취중시필선파단；NDⅥ급주성분변환가현저증강지물구분도,위삼림류형식별연구적파단조합제공삼고；동최대사연법상비,결책수분류정도현저제고,Kappa계수체0.878 7；해산법가강저혼합분류현상,제고삼림류형식별정도.
