国家教育部博士点基金(200805380001)
- 作品数：17 被引量：150H指数：8
- 相关作者：林辉臧卓孙华严恩萍莫登奎更多>>
- 相关机构：中南林业科技大学中南大学中国林业科学研究院资源信息研究所更多>>
- 发文基金：国家教育部博士点基金国家自然科学基金湖南省自然科学基金更多>>
- 相关领域：农业科学自动化与计算机技术天文地球更多>>
- 基于红边参数与PCA的GA-BP神经网络估算叶绿素含量模型被引量：5
- 2012年
- 利用便携式ASD野外光谱辐射仪对杉木冠层叶片光谱进行测定,同时以分光光度法对叶片叶绿素含量进行提取。样本经均值处理、平滑处理和微分处理后,进行红边参数提取。对11个红边参数以PCA方法进行降维,将得到的前7个主成分得分作为网络输入参数,叶绿素含量作为网络输出参数,以遗传算法(GA)优化网络初始权值阈值,建立隐含层神经元数分别为4,6,8,10,12和14的6种单隐层BP神经网络模型。以R2,RMSE和相对误差作为模型精度检验标准,结果表明:6种模型预测精度均可达到92.0%以上,其中隐含层神经元数为10时,预测精度最高,可达97.372%。说明此种模型可对杉木冠层叶片叶绿素含量进行高精度估算。
- 李永亮张怀清林辉
- 关键词：红边参数GA-BP神经网络叶绿素含量
- 基于PSO-SVM的高光谱数据降维的可靠性研究被引量：2
- 2011年
- PSO结合SVM算法对高光谱数据波段进行优化,每次搜索结果不一定相同,因此很多学者对此类算法的可靠性存在疑问。为了证明PSO-SVM降维算法的可靠性,利用PSO-SVM算法对杉木和马尾松的幼中成熟林的高光谱原始数据、一阶微分变换数据、对数变换数据及归一化变换数据进行降维运算,对降维后选择的波段分别利用支持向量机(SVM)、BP神经网络、Mahalanobis距离分类法、Fisher分类法及贝叶斯分类法进行分类,分类结果中,Fisher分类法的结果最好,所有的分类结果均在90%以上,SVM和BP神经网络的分类结果都保持在80%以上,贝叶斯分类法分类精度最差,所有分类结果均未超过90%,最差结果为43.75%。同时,将PSO-SVM与PCA算法进行对比分析,发现在马尾松和杉木的分类过程中PSO-SVM算法优于PCA算法。最后得出结论,PSO-SVM算法提取的特征对Fisher、SVM及BP神经网络分类法有效;当光谱数据差异非常微小时,PSO-SVM比PCA对特征的提取更有效。
- 臧卓林辉杨敏华
- 关键词：降维
- 成像高光谱数据的大气校正方法研究被引量：3
- 2011年
- 高光谱遥感影像光谱信息丰富,但在成像过程中会产生误差,特别是受大气和光照等因素的影响较大,为获取真实的地表信息,必须对其进行大气校正。以湖南省攸县黄丰桥国有林场为研究区域,2010年12月28日获取的Hyperion高光谱影像为数据源,对其进行了几何校正和大气校正,并比较不同地物大气校正前后光谱特征。结果表明:FLAASH大气校正速度快,可有效复原地物的地表反射率;Hyperion影像经大气校正后,植被呈现出绿峰和红谷的典型植被反射率光谱曲线,在427～712nm反射率比校正之前降低,而大于712nm的结果则相反;FLAASH能有效消除Hyperion影像的大气影响,校正后影像质量明显提高;大气校正后植被类间区分度增加,有利于提高植被的识别精度。
- 林辉严恩萍莫登奎臧卓孙华
- 关键词：高光谱遥感HYPERION大气校正FLAASH
- Hyperion数据大气校正与地面同步观测数据拟合分析被引量：1
- 2011年
- 大气校正的目的是部分消除和减弱大气辐射的影响,提高影像质量,增加地物之间的光谱可分性,是进行定量反演的基础。通过使用大气校正模块FLAASH,选择合适的大气模式、水汽含量、气溶胶模型、波谱分辨率和多散射模型等参数,对黄丰桥林场的Hyperion高光谱遥感影像进行大气校正,比较了校正前后地物的光谱反射曲线,并将它们与地面同步测量的地物光谱曲线进行对比与数据拟合。结果表明,经过大气校正后的地物光谱曲线和地面观测到的光谱曲线具有较好的一致性,数据拟合分析表明二者之间具有很强的线性相关,决定系数为0.943。
- 孙华林辉陈利韩育明
- 关键词：高光谱遥感大气校正FLAASHHYPERION
- ICA与PCA在高光谱数据降维分类中的对比研究被引量：20
- 2011年
- 利用独立主成分算法与主成分分析法分别对原始数据及3种预处理数据进行降维运算,再利用常用的4种分类算法分类,对比分类结果发现,独立主成分算法与主成分分析算法在乔木树种高光谱数据降维中并不具有非常明显的优势,且独立分量分析(ICA)算法提取用于分类的数据不如PCA算法稳定;从计算机的运行成本上来看,PCA算法优于ICA算法,基本上ICA算法平均成本是PCA算法的4到5倍;不同的数据预处理及降维方法组合对分类结果影响明显,d(log(R))结合PCA算法,log(R)结合ICA算法降维结果最理想;通过比较乔木树种高光谱数据的分类结果发现,Fisher判别法最适合对PCA和ICA降维结果进行分类。
- 臧卓林辉杨敏华
- 关键词：降维主成分
- 基于光谱特征的森林类型识别研究被引量：7
- 2011年
- 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。
- 严恩萍林辉莫登奎孙华
- 关键词：遥感光谱特征ALOS
- 基于高光谱数据的杉木和马尾松识别研究被引量：16
- 2011年
- 高光谱具有波段窄、波段多的特点,能够提供比多光谱遥感更精细的地物光谱信息,为识别光谱性质相似的森林树种提供了有效途径。为了识别光谱性质相似的杉木和马尾松,利用逐步判别分析法对杉木和马尾松的原始光谱、一阶微分光谱、对数变换后取一阶微分光谱及植被指数进行分析,结果表明:对数变换后取一阶微分的光谱及植被指数对杉木和马尾松的识别精度最高,分别为96.67%、89.17%;两树种识别的特征波段为490～499nm,500～519nm,560～579nm,610～619nm,630～649nm,680～700nm,710～719nm,770～779nm;组成植被指数NPCI、mND705、SRPI、GNDVI、GM的波段为:430、445、550、680、700、705、750nm。
- 刘秀英臧卓孙华林辉
- 关键词：植被指数针叶树种
- 高光谱数据的降维处理方法研究被引量：12
- 2011年
- 高光谱数据具有波段多、光谱范围窄、数据量大等特点,但巨大的数据量给数据处理带来了困难,同时它的高维也容易导致Hughes现象的产生。因此,对其进行降维处理显得非常必要。以Hyperion数据为研究对象,分别利用特征选择和特征提取的方法达到数据降维的目的。结果表明:(1)波段选择之前进行子空间划分,可剔除相关性大的波段,并能减小数据计算量,避免信息的丢失,从而实现高维遥感数据优化处理和高效利用的目的。(2)MNF变换后高光谱数据的有效端元数可为图像的进一步分析和应用提供参考。
- 柳萍萍林辉孙华严恩萍
- 关键词：高光谱数据降维特征提取HYPERION
- 杉木叶绿素含量高光谱遥感模型研究被引量：8
- 2010年
- 利用高光谱技术，探索杉木成熟林反射光谱与其叶绿素含量之间的相关关系。以湖南省攸县黄丰桥国有林场杉木成熟林为对象，采用美国ASD公司生产的手持式野外光谱仪（波长325～1075nm）进行地面和空中的杉木冠层波谱观测，采集到有效观测数据44条，并同步展开叶绿素总量分析。采用ViewSpecProversion4．02、SPSSl7．0统计软件、MATLAB软件、EXCEL数据分析工具对波谱数据进行处理和生化成分相关性分析，建立了叶绿素总量与反射光谱关系模型，通过模型检验，得到杉木叶绿素总量的高光谱模型为：Y=0．291x395＋20．172x521＋0．758。
- 林辉刘璇臧卓王四喜
- 关键词：高光谱遥感杉木
- 基于度量误差的杉木与马尾松地位指数线性模型被引量：3
- 2010年
- 地位指数法是当前立地质量评价中广泛采用的一种评定方法。在同一立地上,实现不同树种地位指数之间的转换,建立地位指数相关关系模型有助于立地质量的评定。然而,地位指数相关关系模型中其自变量和因变量均存在度量误差,所以采用常规的回归模型不合理或使用不便利。利用线性度量误差模型,以湖南省雪峰山杉木和马尾松地位指数为研究对象,建立了杉木和马尾松地位指数相关关系模型,并进行精度检验和模型适用性检验,其平均相对误差为5.391%,模型精度比较高。研究结果有助于不同树种间的立地质量评定。
- 朱光玉吕勇林辉石军南张江孙华莫登奎臧卓
- 关键词：森林经理学杉木马尾松
