摘要
随着遥感技术的不断发展，遥感技术在湿地领域的应用越来越广泛。传统遥感只能识别植被、水体、裸地等差异较大的地类，无法满足湿地植被类型的识别要求。高光谱数据具有光谱分辨率高、波段数目多、数据量庞大的显著特点，为湿地植被类型的精细分类与识别提供了可能。 本文从多个角度，对东洞庭湖典型湿地植被类型苔草、芦苇、芦蒿、辣蓼和柳树开展高光谱特征研究，在高光谱观测的基础上，进行光谱降维，运用马氏距离法(Mahalanobis)，费希尔(Fisher)和贝叶斯法(Bayes)识别湿地植被类型。首先，将预处理后的高光谱数据进行导数运算、对数运算、对数的导数运算，以突显各植被类型的反射光谱特征差异。采用连续统去除法提取参数，进一步分析各植被类型的吸收光谱特征。然后采用基于均值置信区间带的光谱特征选择方法和主成分分析的特征提取方法，进行光谱降维。最后，采用马氏距离法，费希尔和贝叶斯法对湿地植被进行识别，并对各方法的结果进行了精度评价。主要研究结果有: (1)高光谱数据能反映丰富的湿地植被光谱特征。在350-2500nm波段范围内，反射率波谱曲线波峰极值出现在520nm、710nm、1550nm和2150nm，波谷极值位置为670nm、950nm、1200nm和1450nm。运用导数和对数变换方法，能达到放大各植被类型差异的效果，有利于各植被类型的识别。 (2)利用连续统去除方法探讨光谱吸收特征，5种植被类型的吸收深度、吸收宽度、吸收面积以及对称度等光谱参数均存在差异，说明5种植被类型光谱差异明显。 (3)基于均值置信区间带选择的特征波段为:反射率光谱的540～570nm，660～670nm，740～750nm，890～900nm，1060～1070nm;基于一阶导数的特征光谱:700～730nm，780～810nm;基于对数的特征波段为:400～500nm，750～800nm,890～900nm,930～950nm,1430～1490nm,2090～2170nm;对数导数的特征波段为:400～410nm，500～520nm，690～700nm，1480～1520nm。 (4)利用原始反射光谱进行导数运算(d(R))，对数运算(LOG(R))以及对数的导数运算d(LOG(R))能有效提高湿地植被的识别精度，其中对数运算及对数的导数运算效果较好。 (5)Mahalanobis、Fisher、Bayes三种判别方法，其中Fisher方法对5种植被类型的判别精度最高。5种植被类型中，辣蓼最易被区分，与苔草，芦蒿，芦苇，柳树的差异较大。
NETL