赵 霖 张晓丽 吴艳双 张 斌

(北京林业大学森林培育与保护教育部重点实验室 精准林业北京市重点实验室 北京100083)

树种精细分类对于提取树木特征属性、经营管理以及保护生物多样性十分重要，是森林资源监测的基础和关键内容之一。传统的树种分类主要依靠人力野外调查，成本高，费时费力，且调查信息不够全面，不利于森林树种信息的更新。林业中广泛使用的多光谱遥感数据光谱分辨率较低，也难以获得精确的树种分类结果。精细的树种分类往往依赖于丰富的数据，如多时相/多季相、多数据源融合(雷达、高光谱、高空间分辨率)等，但实际应用中这些数据获取成本较高，且不容易得到； 同时，树种分类研究需要对这些数据进行特征提取、特征选择，工作量较大，且针对某一区域或某些树种的特征筛选结果不能很好地适用于其他区域。高光谱影像(hyperspectral image，HSI)波谱间隔窄，包含更多的光谱信息，能够探测、区分出具有细微光谱差异的各类地物。随着遥感传感器的快速发展，高光谱数据的获取和收集更加容易，成本也大幅降低，特别是机载高光谱数据，兼备高空间和高光谱分辨率特征，数据获取灵活快捷。因此，基于机载高光谱数据的树种分类研究具有重要意义。

在进行基于高光谱数据的树种分类时，一般先对数据降维，然后采用支持向量机(support vector machine，SVM)、随机森林等方法进行分类； 但高光谱影像中包含大量连续的窄波段，简单的降维不能充分发挥高光谱影像的优势。……