基于冠層光譜數(shù)據的南疆盆地主栽果樹樹種遙感分類研究

《基于冠層光譜數(shù)據的南疆盆地主栽果樹樹種遙感分類研究》由會員上傳分享，免費在線閱讀，更多相關內容在學術論文-天天文庫。

1、護；、＂＇自叫．，１０７５８Ｓ７５７學獄碼：．２分類號：考違；寄３托Ｉ’＇１’＇１３３３０２０４６３密級學號：：公開＼＾口－、．ＶＦ＊Ｊ．，，，＇‘一識Ｖ乂Ｊ＃遍囑？謝糊農業(yè)推廣碩壬專業(yè)學位論文＊１基于冠層光譜數(shù)據的南疆盆地主栽果樹樹種．？遙感分餐？類研究嗎ＲｅｓｅａｒｃｈｃｍＲｅｍｏｔｅＳｅｎｓｉｎｇＣｌａｓｓｉｆｉｃａｔｉｏｎ化ｒＭａｉｎＦｒｕｉｔｅｒｓ、綽ｗｅｃｉｄｏｎＣａｎｏＨｅｒｓｅｃｔｒａｌＤａｔａｉｎＳｏｕ化ｅｒｎＳｐｅｓＢａｓｅｐｙｙｐｐ’ＸｉｎｉａｎＢａｓｉｎｊｇ

2、礁．．—．．＇，心ｏ片戶呼勢心；研究生姓名李子爸．讓校內導師姓名及職稱王振錫副教授校外導師姓卷及職稱蘇香珍高級工程師專業(yè)學位類別農業(yè)推廣碩壬領域矣稱林業(yè)度＇研究方向林業(yè)信息技術與應用胃真＾Ｖ所在學院林學與園藝學院罪ｒ？；賴領胃胃胃＇一胃？二〇五年五月Ｖ，＾禮＇班＿％、＾續(xù)．ｒ‘蒙應．ｉｌ獨創(chuàng)性聲明本人聲明所呈交的論文是我個人在導師指導下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加標注和致謝的地方外，論文中不包含其他人己經發(fā)表或撰過的研，寫究成果也不包含為獲得新疆農業(yè)大證一工學或其他。

3、教育單位的學位或而使書用過的材料與我同作的同志對研究所做的任已本何貢獻均在論文中作了確的說。明明并表示了謝意研究生簽：名年時間日月ｙ是于關學位論文用授明使權的說ｉ人全解業(yè)、論本完了新疆農大學有關保留使用學目：位文的規(guī)定，ｉ新疆農業(yè)大學有權保留并向國家有關部或機構送交論和口文的復印件電子文檔，可Ｗ采影、、匯用印縮印或掃描等復制手段保存編學位論，文允許論文被杳閱和閱。疆業(yè)借本人授權新農大學學位論的全將文部或部分內容編入有關數(shù)據庫進行檢索，可公布（包括刊登）論文的全部或部分內容。（此協(xié)議保密的學位論文在）解密后應遵守＾研生簽；究名＾束時間年日月簽：；

4、導師名時間年月日＾５文７ｙｋ本文是新疆高?？蒲杏媱澘茖W研究重點項目“南疆盆地主栽經濟林樹種紋理特征及遙感識別技術研究”（課題編號：XJEDU2013I16）課題主持人：王振錫副教授高分辨率對地觀測系統(tǒng)專項“新疆特色林果面積精準監(jiān)測與應用示范分系統(tǒng)”（課題編號：95-Y40B02-9001-13/15-01-01）課題主持人：李建貴教授的部分研究成果（新疆農業(yè)大學）基于冠層光譜數(shù)據的南疆盆地主栽果樹樹種遙感分類研究摘要新疆特色林果產業(yè)近十年來發(fā)展迅速，截止到目前，特色林果種植面積已達2200多萬畝，成為新疆解決“三農”問題的主導產業(yè)。然而，在特色林果產業(yè)化的進程中，其信息化建設明顯滯

5、后?；诟吖庾V遙感的林果信息提取具有快速、準確和應用范圍廣的特點，對新疆特色林果產業(yè)的可持續(xù)發(fā)展具有重要的現(xiàn)實意義。因此，本研究基于高光譜遙感原理，以南疆盆地四種主栽果樹樹種（蘋果、香梨、核桃、紅棗）為研究對象，通過測定不同時節(jié)四種果樹冠層高光譜數(shù)據，分析不同時節(jié)四種果樹冠層光譜曲線動態(tài)變化特征；采用不同的高光譜數(shù)據降維方法，篩選和分析不同時節(jié)四種果樹高光譜識別的有效波段和波段特征，在不同分類方法的精度驗證基礎上，確定南疆盆地主栽果樹樹種高光譜識別的有效波段和最佳時相。主要研究結論如下：（1）不同波段，南疆盆地四種主栽果樹樹種冠層光譜特征表現(xiàn)不同；不同時節(jié)，其冠層光譜特征也存在差異：六月到

6、十月時節(jié)，除蘋果冠層陰面光譜反射率呈“下降”趨勢、核桃和紅棗冠層陽面光譜反射率在可見光區(qū)呈“上升”趨勢以外，四種果樹冠層光譜均表現(xiàn)出“下降-上升”的特性；不同方向測定的南疆盆地四種主栽果樹樹種冠層光譜整體趨勢極其相似，但是在525～575nm、650～700nm以及750～850nm這三個波段范圍內差異顯著。（2）運用高光譜數(shù)據的轉換方法能夠提高樹種的識別精度。通過最佳指數(shù)法篩選的敏感波段，其最理想的數(shù)據轉換方法是對數(shù)一階微分，平均分類精度為95.92%；通過波段指數(shù)法篩選的敏感波段，其最理想的數(shù)據轉換方法是歸一化一階微分，平均分類精度為96.88%。（3）采用波段選擇方法能夠明顯提高樹種

7、分類精度。在波段選擇中，最佳指數(shù)法篩選出的波段組合是690～699nm，880～889nm，890～899nm波段范圍，波段指數(shù)法篩選出的波段組合是530～539nm，720～729nm，760～769nm波段范圍，應用BP神經網絡對兩種方法篩選的波段進行評價，前者分類精度為97.99%，后者分類精度為98.66%，波段指數(shù)法稍高于最佳指數(shù)法。（4）采用BP神經網絡法對南疆盆地四種主栽果樹樹種進行分類識別的效果最佳，分類