基于改进端元提纯模型的MODIS森林类型识别研究

doi:10.13466/j.cnki.lyzygl.2015.02.021

林业资源管理 ›› 2015›› Issue (2): 116-124.doi: 10.13466/j.cnki.lyzygl.2015.02.021

基于改进端元提纯模型的MODIS森林类型识别研究

陈利¹, 林辉², 陶冀¹

1.湖南省林业调查规划设计院,长沙 410007;
2中南林业科技大学林业遥感信息工程研究中心,湖南 410004

出版日期:2015-04-28 发布日期:2021-01-12
作者简介:陈利（187-),男,湖南衡阳人,硕士,研究方向:林业遥感和地理信息系统。Email:cufcl@126.com

Spectral unmixing of MODIS data based on improved endmember purification model application to forest type identification

CHEN Li¹, LIn Huir², TA0Ji¹

1. Hun Pri Furs humo amud Pamin Doin haiuiu Chngho 41000, Hmum , China;
2. Reurh Cemr or Furuy Reme Sensing & Inmormation Enginering, Cenral South Uniesity of Forstry & Tchnology Changha 4100, Hunan, China

Online:2015-04-28 Published:2021-01-12

摘要/Abstract

摘要： MODIS遥感数据具有很高的光谱辐射精度,以及成本低、覆盖面积广、获取容易、周期短等数据特征,可以实现全覆盖大尺度区域森林类型信息快速提取,但由于其空间分辨率较低,遥感数据中存在混合像元。利用混合像元分解模型进行分解可得到较好的分类结果,但混合像元分解的端元组分直接影响分类的精度。利用决策树分类模型改进端元提纯,分析各地物的MODIS时间序列植被指数变化规律及物候变化规律,利用决策树模型分类的结果进行端元组分的提纯,最后进行混合像元分解。研究结果表明:分类精度最高的是线性混合像元分解,其次是最大似然分类,最差的是非线性混合像元分解,其中带约束和不带约束的线性分解模型的精度相差不大。

关键词: 遥感, 决策树, 端元提纯, 混合像元, MODIS, 森林

Abstract: Because of high spectral and lempora rsoluionus arge coverage ,and low cosl,MODIS(Moderale Resoution Imaging Serordioionere da has ben widely lused lo quickly extral information of for est types aul regional ,naina and global scales. However is coase spaial resouio ofen leads lo mised pixels and low cssisatio acuracy of forest types. Using seta ummixing can,to some extent,incrase the acurce of casisaio But, how 1lo acurately entract pure endmembers for a study area ofenei an great callnge. The seleion of liner or non-linor sectra unmixing algoritim is anoher callnge. In this study ,a merhod 1 extraet endmembers from MoODIS images was developed. In this mehod the time sries of MODIS derived vegetation index was fist derived and the phenologca variaio of forest trpes were analyed. Decisio treee casificsit ion was then conducled and the obuaine resuls were used lo ex-.trnct endmembers. In adino fo comparson, the casictio was also made using a widely lused clasi fier - maximum ielihoo. Theee impie that liner spetal umming was the best reanlss of wih and without cosrainsns then maximum ikelihoo casicati and nm-liner speral ummixing.

Key words: Remole sensing, Deision tree, Endmember extraction, Mixed pixels, MODIS, Forest

中图分类号:

S771.8

陈利, 林辉, 陶冀. 基于改进端元提纯模型的MODIS森林类型识别研究[J]. 林业资源管理, 2015,(2): 116-124.

CHEN Li, LIn Huir, TA0Ji. Spectral unmixing of MODIS data based on improved endmember purification model application to forest type identification[J]. FOREST RESOURCES WANAGEMENT, 2015,(2): 116-124.

参考文献 16

[1]	林辉孙华、熊育久,等.林业遥感[M].北京:中国林业出版社,2011.
[2]	赵英时. 遥感应用分析原理与方法[M].北京:科学出版社,2003 :328-334.
[3]	李剑萍,郑有飞气象卫星混合像元分解研究综述[J].中国农业气象2000,21(2).44-45.
[4]	付必涛,王乘,曾致远.MODIS数据几何校正算法设计及其IDL.实现[J].遥感信息2007(2):20-23
[5]	陶秋香. 非线性混合光谱模型及植被高光谱遥感分类若F问题研究[D].青岛:山东科技大学,2004.
[6]	游晓:赋,游先祥,相堂堂.混合像元及混合像元分析[J].北京林业大学学报,2003(25):28-32.
[7]	陶秋香,赵长胜,张连蓬.植被高光谱遥感分类中一种新的非线性混合光谱模型及其解算方法[J].矿山测量, 2004(3):28-29.
[8]	吕长春,王忠武,钱少猛.混合像元分解模型综述[J].遥感信息,2003(3) :55-57.
[9]	吴炳方. 全国农情监测和估产的运行化遥感方法[J].地理学报20055(1):23-35.
[10]	陈述彭,童庆禧,郭华东.遥感信息机理研究[M].北京:科学出版社,1998:177.
[11]	王正兴,刘闯,陈文波,等.MODIS增强型植被指数EVI与NDVI初步比较[J].武汉大学学报:信息科学版,2006,31(5);407-410.
[12]	杨钧纬,罗传文,龚文峰,等基于高光谱数据(Hyperion)混合像元分解的研究[J].林业科技情报,2007 ,39(2):5-7.
[13]	吴剑,程朋根,何挺,等.基于高光谱Hyperin数据的线性光谱模型与神经网络模型的比较[J].测绘科学,2008,33(1):137-140.
[14]	邹蒲,王云鹏,王志石,等.基于ETM +图像的混合像元线性分解方法在澳门植被信息提取中的应用及效果评价[J].华南师范大学学报,2007 ,5(2):131-136.
[15]	陶秋香. 非线性混合光谱模型及植被高光谱遥感分类若干问题研究[D].泰安:山东科技大学,2004
[16]	薛绮. 基于线性混合模型的高光谱图像端元提取[J].遥感技术与应用200.19(3):197-201.

基于改进端元提纯模型的MODIS森林类型识别研究

Spectral unmixing of MODIS data based on improved endmember purification model application to forest type identification

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献 16

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王澳, 王成虎, 高桂云, 王明玉. 2000—2022年我国林火主要致灾因素及扑救伤亡原因分析[J]. 林草资源研究, 2024, 0(1): 1-7.
[2]	李郊, 王冰, 王晨, 高鹤, 吴辉龙, 郑鑫, 彭华福. 2005—2020年江西省森林碳储量时空变化趋势及影响因素[J]. 林草资源研究, 2024, 0(1): 17-24.
[3]	唐佳俊, 柴宗政. 基于机载激光雷达和机器学习的林分平均胸径遥感估测[J]. 林草资源研究, 2024, 0(1): 56-64.
[4]	郝君, 吕康婷, 胡天祺, 王云阁, 徐刚. 基于机器学习的红树林生物量遥感反演研究[J]. 林草资源研究, 2024, 0(1): 65-72.
[5]	朱赞, 王勇军, 王建琦, 许玉兰, 丘鑫琪, 万喜. 基于无人机倾斜摄影的广西桉树冠层碳储量计量模型构建[J]. 林草资源研究, 2024, 0(1): 88-94.
[6]	卢渊, 王广宇, 程子岳, 闫钰倩, 张恒, 王丽, 杨慧, 邹全程. 新形势下森林草原防灭火基础设施建设现状与展望[J]. 林草资源研究, 2023, 0(6): 1-7.
[7]	任晓琦, 侯鹏, 陈妍. 森林地上生物量遥感反演研究进展[J]. 林草资源研究, 2023, 0(6): 146-158.
[8]	孟先进, 林寿明, 秦琳, 黄宁辉, 丁胜, 薛亚东, 罗勇, 杨廷栋. 绿美广东生态建设示范区数字孪生应用研究[J]. 林草资源研究, 2023, 0(5): 113-121.
[9]	张顺敏, 黄晓园, 刘俊泽, 陈蓉, 李翔. 大理市森林景观形态与热环境的动态研究[J]. 林草资源研究, 2023, 0(5): 122-132.
[10]	白星雯, 胡晟, 布日古德, 阳帆. 一类调查与二类调查森林蓄积量数据对接方案分析研究[J]. 林草资源研究, 2023, 0(5): 142-147.
[11]	余松柏, 苏晨辉, 张红爱, 刘道平, 陆康英, 陈邵隆. 天然硬阔叶林生态产品价值评估与财政补贴方案研究[J]. 林草资源研究, 2023, 0(5): 29-39.
[12]	张国丽, 慈雪伦, 杨雪清, 蒋春颖, 孙志超, 孟海丁. 森林火灾时空分布特征及易发性分析研究[J]. 林草资源研究, 2023, 0(5): 48-55.
[13]	何彬元, 曾嵘, 戴蒲英, 潘丹, 方园园, 韦立权. 广西森林城市高质量发展评价及影响因素研究[J]. 林草资源研究, 2023, 0(5): 89-97.
[14]	周璞, 王瑞辉, 刘凯利, 周阳超, 沈兴. 基于SBE法的毛竹林林内景观质量评价及经营管理[J]. 林草资源研究, 2023, 0(5): 98-104.
[15]	焦全军, 郑焰锋, 黄文江, 张兵, 张鹤译, 史宜梦, 吴发云, 付安民. 陆地生态系统碳监测卫星松材线虫病变色木识别指数研究[J]. 林业资源管理, 2023, 0(4): 123-131.