贵州威宁草海湿地优势植被群丛的光谱特征分析及其识别

论文摘要

湿地植被作为湿地生态系统的最初级生产者,对于该生态系统功能的维持与发挥产生着重要作用。遥感技术应用于湿地植被提取与分类具有快速、大面积且实时更新等优势,能为湿地植被资源调查、生态修复提供合理的科学依据。本文以贵州威宁草海国家级自然保护区分布范围较为广泛的湿地优势植被群丛（艾蒿、菰、结缕草、牛筋草、三叶草）等为研究对象,首先基于野外实地测量湿地优势植被高光谱信息,通过光谱特征分析（原始光谱、导数光谱、倒数的对数以及包络线去除等方法）统计、对比各湿地植被光谱特征差异及其光谱特征参数,然后选用光谱标准差阈值法提取有效识别湿地植被间的光谱特征波段,同时基于野外实测植被光谱分别模拟不同传感器（HJ1A-CCD、HJ1A-HSI）构建常用于湿地植被提取的植被指数,如归一化植被指数NDVI、环境植被指数HJVI、土壤调节植被指数SAVI、差值植被指数DVI、修正归一化水体指数MNDWI、比值植被指数RVI,并探讨模拟植被指数对五种优势湿地植被的识别能力并筛选出评估效果较好的湿地植被与植被指数;最后依据上述分析结果,分别采用最大似然法与决策树完成草海保护区湿地植被识别与分类研究。相关研究结果如下:（1）草海保护区五种优势湿地植被群丛的冠层光谱反射率具有明显差异,在冠层尺度下进行识别分类,可以得到较高的识别精度;（2）对于五种优势湿地植被的特征差异波段按蓝、绿、红、红边、近红外波段区间进行分布统计及敏感度检测,绿、红光范围内的特征波段所占比重较多,红、红边范围内的特征差异波段的光谱区分性较高,其中622-659nm、665-679nm以及687-701nm是五种优势湿地植被光谱区分的最佳光谱特征波段;（3）由野外实测植被高光谱数据模拟不同传感器（HJ1A-CCD、HJ1A-HSI）的植被指数识别五种优势湿地植被可知,DVI、SAVI植被指数对草海优势湿地植被区分效果均不明显,而NDVI、HJVI、MNDWI、RVI具有不同程度的植被区分能力且在HJ1A-CCD模拟识别中有较好效果;（4）最大似然法对草海保护区五种优势湿地植被群丛总体分类精度为51.43,kappa系数0.45,而决策树的总体分类精度为67.7,kappa系数0.53;分类效果显著优于最大似然法。

论文目录

• 摘要
• abstract
• 第一章 绪论
•   1.1 研究背景与意义
•   1.2 湿地植被遥感国内外研究现状
•     1.2.1 基于遥感影像的湿地植被数据源选择
•     1.2.2 基于遥感影像的湿地植被遥感提取方法及改进
•     1.2.3 基于实测高光谱数据的湿地植被信息提取
•     1.2.4 贵州威宁草海湿地植被研究现状
•   1.3 本文研究内容、技术路线及框架
•     1.3.1 研究内容
•     1.3.2 技术路线
•     1.3.3 论文组织框架
• 第二章 研究区概况与数据处理
•   2.1 研究区概况
•     2.1.1 草海湿地优势植被群丛
•   2.2 实测光谱获取及预处理
•     2.2.1 实测高光谱数据获取
•     2.2.2 实测高光谱数据预处理
•   2.3 遥感影像获取及其预处理
•     2.3.1 遥感影像获取
•     2.3.2 遥感影像获取预处理
• 第三章 基于实测高光谱的草海优势湿地植被群丛识别
•   3.1 草海湿地优势植被的反射率光谱
•     3.1.1 光谱反射率计算
•     3.1.2 草海湿地优势植被光谱反射率特征分析
•   3.2 草海湿地优势植被的导数光谱
•     3.2.1 导数变换法与光谱特征参数
•     3.2.2 草海湿地植被优势导数光谱分析
•   3.3 草海湿地植被倒数的对数光谱
•     3.3.1 倒数的对数法
•     3.3.2 草海湿地优势植被倒数的对数光谱分析
•   3.4 草海湿地优势植被的连续统去除光谱
•     3.4.1 连续统去除法
•     3.4.2 草海湿地优势植被的连续统去除分析
•   3.5 湿地优势植被光谱特征波段研究
•     3.5.1 湿地优势植被光谱特征波段选择
•     3.5.2 分类结果与评价
• 第四章 基于环境小卫星HJ1A不同传感器的湿地优势植被识别
•   4.1 环境小卫星HJ1A传感器数据特征
•   4.2 草海湿地优势植被的影像光谱特征
•   4.3 模拟HJ1A不同传感器（CCD、HSI）的植被指数计算方法
•     4.3.1 基于模拟HJ1A-CCD影像植被指数的湿地优势植被识别能力分析
•     4.3.2 基于模拟HJ1A-HSI影像植被指数的湿地优势植被识别能力分析
• 第五章 基于HJ1A-CCD影像的草海湿地优势植被群丛分类
•   5.1 决策树分类法与分类精度验证
•     5.1.1 基于先验知识的决策树分类方法
•     5.1.2 分类精度验证方法
•   5.2 环境小卫星HJ1A-CCD影像不同地物特征分析
•     5.2.1 环境小卫星HJ1A-CCD不同地物各波段反射率统计特征分析
•     5.2.2 环境小卫星HJ1A-CCD影像植被指数分析
•   5.3 基于先验知识的决策树分类、制图与分类精度验证
•     5.3.1 草海湿地优势植被决策树构建
•     5.3.2 分类结果与精度验证
• 第六章 结论与展望
•   6.1 结论
•   6.2 不足与展望
• 附录1：草海野外采样路线
•   附表1-1:野外光谱测量记录表（部分）
•   附表1-2:野外光谱测量记录表（部分）
• 附录2：草海湿地优势植被群丛图片（部分）
• 参考文献
• 致谢
• 攻读学位期间参与科研项目及发表论文情况

文章来源

类型: 硕士论文

作者: 王堃

导师: 刘绥华,王济

关键词: 草海湿地,实测高光谱,湿地植被,光谱特征,决策树

来源: 贵州师范大学

年度: 2019

分类: 基础科学

专业: 生物学

单位: 贵州师范大学

分类号: Q948

DOI: 10.27048/d.cnki.ggzsu.2019.000516

总页数: 60

文件大小: 2339K

下载量: 63