论文部分内容阅读
植被资源是社会经济发展和生态环境建设的基础,植被分布情况调查对于国民生产和经济发展具有重要作用。传统的多光谱数据很难反映植被光谱的细微差异,高光谱数据受到幅宽、空间分辨率和时间分辨率的限制,难以满足大尺度植被分类的要求。利用植被指数时谱,或利用全波段反射率及光谱特征参量的时谱数据集合可以提高植被的分类精度,但信息过少或数据冗余均难以达到最优分类效果。本文以辽宁省朝阳市的四种典型植被类型(即玉米、阔叶林、针叶林、草地)为研究对象,利用多维分析软件MARS构建了landsat8时空谱一体化SPATS数据集,分析了各种植被类型的时谱机理,提取特征时谱集,并对研究区进行植被分类。研究主要得到以下成果和结论: (1)从植被叶片内部、植被冠层和环境影响等方面分析了典型植被光谱特征的主导因素,明确了不同时期上述因素的变化情况及其对植被光谱的影响,其中,叶绿素、含水量、细胞结构、冠层结构和背景土壤是影响植被光谱变化的主要因素。针对不同时期植被光谱的变化,分析了几种波段组合对不同时期光谱差异的表现能力,并提取这几种波段组合作为光谱特征参量,这些光谱特征参量能够从不同角度反映植被的变化。 (2)从植被物候变化、人为因素、环境变化等因素的影响方面,分析了不同植被类型的反射率时谱和光谱特征参量时谱的变化规律,从某一特定时期的植被时谱变化特来推测植被所经历的物候生长或其他变化情况。结果证明,时谱数据能够有效反映各种植被的生理生态状态及其变化情况。 (3)在时谱机理分析的基础上,排除包含重复信息的时谱或不能充分反映不同植被间差异的时谱,提取特征时谱,能够有效减少数据冗余,在特征时谱中提取部分时谱指数,四种植被类型的时谱指数具有很高的区分度。 (4)利用提取的特征时谱集进行植被分类,总体精度达到96.12%,利用原始单时相数据分类精度为78.78%,利用NDVI植被指数时谱分类的总精度为83.96%,对全波段反射率以及光谱特征参量时谱数据集进行分类总体精度为89.55%,对全波段反射率以及光谱特征参量时谱数据集提取统计特征并分类的总精度为90.01%。实验结果证明,通过时谱机理分析获取的特征时谱集能够显著提高植被分类精度。