吉林蛟河主要树种叶片光谱分类1)
2015-03-10李瑞平黄侃黄华国
李瑞平 黄侃 黄华国
(北京林业大学,北京,100083)
吉林蛟河主要树种叶片光谱分类1)
李瑞平 黄侃 黄华国
(北京林业大学,北京,100083)
运用实验室测量的阔叶红松林的叶片光谱数据,对吉林蛟河实验区的主要树种(红松、白桦、白牛槭、春榆、裂叶榆、蒙古栎、青楷槭、色木槭和紫椴等)的叶片进行分类研究。结果表明:实验室测量叶片光谱数据,针阔树种分类精度达到100%;所有树种分类精度为80%~100%。运用波段响应函数分别模拟多光谱传感器GEOEYE-1、RAPIDEYE和WORDVIEW2的光谱,可以有效区分针阔树种,分类精度为71.6%~100.0%;所有树种分类精度为47.3%~74.0%。
叶片光谱;混交林;树种分类
We studied the leaf classifications with blade hyperspectral data for the main tree species in Jiaohe, Jilin Province. Nine tree species werePinuskoraiensis,BetulaplatyphyllaSuk,AcermandshuricumMaxim.,Ulmusjaponica,Ulmuslaciniata(Trautv.) Mayr.,Quercusmongolica,AcertegmentosumMaxim.,AcermonoMaxim. andTiliaamurensisRupr.. The classification of needle-leaved and broad-leaved tree species was perfect with an accuracy of 100%. The classification accuracy among all tree species was in 80.0%-100.0%. We resampled the spectrum into several multispectral sensors (GEOEYE-1, RAPIDEYE and WORDVIEW2) by using their band response functions, and effectively distinguished coniferous species and deciduous species with the accuracy of 71.6%-100.0%. However, the classification accuracy for all species was low with 47.3%-74.0%.
阔叶红松林是东北林区重要的天然林类型,对东北阔叶红松林资源现状和动态监测一直是有关学者研究的问题[1-2]。高光谱技术在森林类型识别、植被参数反演、健康评估方面有着独特优势[3-7],是监测天然林资源现状和动态的重要手段,在东北林区得到了较为广泛的应用。
根据研究目标不同,利用高光谱图像对东北林区的研究可以分为三类:植被分类方法[8-9]、植被参数反演[10-11]和高光谱像元分解技术[12]。董连英等[8]基于CART算法构建决策树模型,运用Hyperion高光谱图像对长白山地区的植被进行了分类,结果表明面在森林植被上的分类效果很好。王新云等[10]利用高光谱多角度数据和辐射度模型反演了长白山实验区森林冠层的叶面积指数和郁闭度。王强[12]以黑龙江省东京城林业局的两个下属林场为研究区,围绕着Hyperion高光谱遥感数据,运用混合像元分解技术,比较了基于多光谱的传统分类方法和适用于高光谱的混合像元分解分类方法的差异。……
