高光谱数据波段多、波段之间相关性强,导致信息冗余严重,增加了数据处理的工作量,有效准确地在众多波段中选择具有代表性的波段尤为重要。首先用Wilks'Lambda(WL),随机森林(random forest,RF)与自适应波段选择(adaptive band selection,ABS)这3种方法对高光谱数据进行降维处理。然后提出了基于曲线误差指数的评价方法,用此指数的趋势来确定每种降维方法所要选择的合适波段数量,同时用指数的大小评价不同降维方法的优劣,并用分类方法对评价结果加以验证。结果显示:Wilks'Lambda最终选择的波段数为10个,α6-α平稳值(选择6个波段时的曲线误差值与曲线误差平稳值之间的差值)为0.05;随机森林最终选择的波段数为13个,α6-α平稳值为0.06;自适应波段选择方法最终选择的波段数为20个,α6-α平稳为0.14。Wilks'Lambda的总体分类精度为80.56%,Kappa系数为0.77;随机森林的总体分类精度为79.11%,Kappa系数为0.76;自适应波段选择方法的总体分类精度为49.94%,Kappa系数为0.41。得出以下结论:(1)基于曲线误差指数的方法得出Wilks'Lambda有最小的α6-α平稳值,是最佳的波段降维方法 ;分类结果显示:Wilks'Lambda有最大的总体分类精度与Kappa系数,是最佳的波段降维方法。(2)基于曲线误差指数的评价方法与基于分类结果的误差一致,说明此方法具有可行性。
湿地是"地球之肾",对地球生物生存具有重要意义。由于湿地水域面积的破碎化程度高,常规利用遥感技术提出的水体指数不够有效,简单快速的实时监测技术还需完善。以2009年杭州湾湿地的Landsat TM影像为基础数据,选择不同水域类型,构建新型水体指数(water zscore-band5,WZ5),与常用的改进的归一化差异水体指数(modified normalized difference water index,MNDWI),混合水体指数(combined index of NDVI and NIR for water body identification,CIWI)进行对比,分析各指数湿地水域信息提取的准确性和完整性。结果表明:所构建的指数WZ5水体信息提取精度优于MNDWI和CIWI,特别是含有大量塘基且分布复杂的水产池塘破碎区,WZ5计算水体与塘基的区分度为41.78%,大于MNDWI(21.59%)和CIWI(34.56%);总体识别精度为82.00%,也大于MNDWI(58.00%)和CIWI(77.00%)。利用WZ5对遥感影像进行水体增强的方法 ,不仅能够很好地提取出湿地开阔水域的水体信息,边缘清晰可靠;对于破碎水域,WZ5水体提取精度最高,并且相比基于复杂数学理论的分类提取过程,操作相对简单,易于推广,能够较好地提高湿地水域实时监测的精度。
