• 中国中文核心期刊
  • 中国科学引文数据库(CSCD)核心库来源期刊
  • 中国科技论文统计源期刊(CJCR)
  • 第二届国家期刊奖提名奖

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

机载LiDAR和高光谱融合实现普洱山区树种分类

刘怡君 庞勇 廖声熙 荚文 陈博伟 刘鲁霞

引用本文:
Citation:

机载LiDAR和高光谱融合实现普洱山区树种分类

  • 基金项目:

    国家高科技研究发展计划(2012AA12A306);国家重点基础研究发展计划(2013CB733406)

  • 中图分类号: S771.8

Merged Airborne LiDAR and Hyperspectral Data for Tree Species Classification in Puer's Mountainous Area

  • CLC number: S771.8

  • 摘要: [目的] 通过机载遥感影像对普洱山区进行植被分类研究,为山区森林经营规划与可持续经营方案的制图提供高效应用途径。[方法] 将2014年4月航拍的机载AISA Eagle II高光谱和LiDAR同步数据融合,利用点云数据提取的数字冠层高度模型(CHM)得到树种的垂直结构信息,结合经过主成分分析(PCA)的高光谱降维影像,选用支持向量机(SVM)分类器进行分类。[结果] 普洱市万掌山实验区主要树种分为思茅松、西南桦、刺栲、木荷等。融合影像数据分类的总体精度和Kappa系数分别为80.54%、0.78,比单一高光谱影像数据分类精度分别提高6.55%、0.08,其中主要经营树种思茅松的制图精度达到了90.24%。[结论] 该方法对山区主要树种的识别是有效的,将机载LiDAR与高光谱影像融合可以有效改善分类精度。
  • [1] 薛东艳. 遥感技术在林业中的应用现状与展望[J]. 科技视界, 2014(21):309-311.

    [2] 贾坤, 李强子, 田亦陈, 等. 遥感影像分类方法研究进展[J]. 光谱学与光谱分析, 2011, 31(10):2618-2623.

    [3] 李海涛, 顾海燕, 张兵, 等. 基于MNF和SVM的高光谱遥感影像分类研究[J]. 遥感信息, 200729(5):12-15.

    [4] 李雪松. 机载激光LiDAR原理及应用[J]. 测绘与空间地理信息, 2015, 38(2):221-224.

    [5]

    Charaniya A P, Manduchi R, Lodha S K. Supervised parametric classification of aerial lidar data[C]//Computer Vision and Pattern Recognition Workshop, 2004. CVPRW'04. Conference on. IEEE, 2004:30-30.
    [6] 余柏蒗, 刘红星,吴健平.一种应用机载LiDAR数据和高分辨率遥感影像提取城市绿地信息的方法[J].中国图象图形学报, 2010, 15(5):782-789.

    [7] 董彦芳, 庞勇, 许丽娜, 等. 高光谱遥感影像与机载LiDAR数据融合的地物提取方法研究[J]. 遥感信息, 2014,29(6):73-76.

    [8] 刘丽娟,庞勇,范文义,等.机载LiDAR和高光谱融合实现温带天然林树种识别[J].遥感学报, 2013,17(3):679-695.

    [9] 刘万德, 苏建荣, 李帅锋, 等. 云南普洱季风常绿阔叶林优势物种不同生长阶段叶片碳, 氮, 磷化学计量特征[J]. 植物生态学报, 2015, 39(1):52-62.

    [10] 吴征镒, 朱彦丞, 姜汉侨. 云南植被[M].北京:科学出版社, 1987.

    [11] 荚文, 庞勇, 岳彩荣, 等. 基于AISA Eagle II机载高光谱数据的普洱市山区森林分类[J]. 林业调查规划, 2015, 40(1):9-14.

    [12] 张东东, 杜培军. 机载LiDAR数据处理与地物提取[J]. 测绘信息与工程, 2011, 36(1):5-7.

    [13] 刘美爽,邢艳秋,吴红波,等.基于ICESat-GLAS波形估测平均树高的研究[J]. 林业科学研究, 2014, 27(3):309-315.

    [14] 赵时英. 遥感应用分析原理与方法[M].北京:科学出版社, 2003.

    [15]

    Kobayashi § S, Sanga-Ngoie K. A comparative study of radiometric correction methods for optical remote sensing imagery:the IRC vs. other image-based C-correction methods[J]. International Journal of Remote Sensing, 2009, 30(2):285-314.
    [16]

    Mountrakis G, Im J, Ogole C. Support vector machines in remote sensing:A review[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2011, 66(3):247-259.
    [17]

    Goodenough D G, Chen H, Dyk A, et al. Data fusion study between polarimetric SAR, hyperspectral and LiDAR data for forest information[C]//Geoscience and Remote Sensing Symposium, 2008. IGARSS 2008. IEEE International. IEEE, 2008, 2:II-281-284.
    [18]

    Sasaki T, Imanishi J, Ioki K, et al. Object-based classification of land cover and tree species by integrating airborne LiDAR and high spatial resolution imagery data[J]. Landscape and Ecological Engineering, 2012, 8(2):157-171.
    [19] 管海燕, 邓非, 张剑清, 等. 面向对象的航空影像与机载LiDAR数据融合分类[J]. 武汉大学学报:信息科学版, 2009, 34(7):830-833.

    [20] 巩翼龙, 闫利. 结合机载LiDAR数据与航空可见光影像多层次规则分类建筑物变化检测[J]. 光谱学与光谱分析, 2015,35(5):1325-1330.

  • [1] 韦玮李增元 . 基于高光谱影像融合的湿地植被类型信息提取技术研究. 林业科学研究, 2011, 24(3): 300-306.
    [2] 韦玮李增元谭炳香徐海生 . 基于多角度高光谱CHRIS影像的隆宝滩湿地遥感分类方法研究. 林业科学研究, 2011, 24(2): 159-164.
    [3] . 激光雷达沙尘参数提取技术研究. 林业科学研究, 2009, 22(2): -.
    [4] 刘美爽邢艳秋吴红波尤号田 . 基于ICESat-GLAS波形估测平均树高的研究. 林业科学研究, 2014, 27(3): 309-315.
    [5] 宋开山张柏刘殿伟张渊志 . 行道树叶绿素变化的高光谱监测研究. 林业科学研究, 2006, 19(1): 82-87.
    [6] 吴楠李增元廖声熙庞勇崔凯陈博伟 . 基于机载高光谱的思茅松林光谱特征及其影响因子分析. 林业科学研究, 2018, 31(2): 63-68. doi: 10.13275/j.cnki.lykxyj.2018.02.009
    [7] 刘梦盈石雷马云强张忠和刘雪莲姚俊杜婷 . 基于高光谱特征和光合参数监测松小蠹不同危害时期的相关分析. 林业科学研究, 2020, 33(2): 118-127. doi: 10.13275/j.cnki.lykxyj.2020.02.015
    [8] 刘畅孙鹏森刘世荣 . 基于反射光谱指数的锐齿栎叶片色素含量估算. 林业科学研究, 2017, 30(1): 88-98. doi: 10.13275/j.cnki.lykxyj.2017.01.013
    [9] 李军玲庞勇李增元荚文 . 云阴影区机载高光谱影像森林树种分类. 林业科学研究, 2019, 32(5): 136-141. doi: 10.13275/j.cnki.lykxyj.2019.05.018
    [10] 庞勇李增元Sun GuoqingMichael Lefsky车学俭陈尔学 . 地形对大光斑激光雷达森林回波影响研究. 林业科学研究, 2007, 20(4): 464-468.
    [11] 庞勇李增元谭炳香刘清旺赵峰周淑芳 . 点云密度对机载激光雷达林分高度反演的影响. 林业科学研究, 2008, 21(Z1): 14-19.
    [12] 洪奕丰张守攻陈伟陈东升项伟波庞勇 . 基于机载激光雷达的落叶松组分生物量反演. 林业科学研究, 2019, 32(5): 83-90. doi: 10.13275/j.cnki.lykxyj.2019.05.011
    [13] 梁晓军庞勇陈博伟 . 基于地基激光雷达胸径提取的单木位置精确测量. 林业科学研究, 2020, 33(4): 67-74. doi: 10.13275/j.cnki.lykxyj.2020.04.009
    [14] 熊昊庞勇荚文李春干 . 基于机载激光雷达冠层高度模型的小班区划. 林业科学研究, 2022, 35(2): 28-36. doi: 10.13275/j.cnki.lykxyj.2022.02.004
    [15] 李伟娜韦玮张怀清刘华郝泷 . 基于多角度融合的CHRIS数据提取湿地植被的研究. 林业科学研究, 2017, 30(2): 260-267. doi: 10.13275/j.cnki.lykxyj.2017.02.011
    [16] 谭炳香李增元陈尔学庞勇武红敢 . 高光谱遥感森林信息提取研究进展. 林业科学研究, 2008, 21(Z1): 105-111.
    [17] 谭炳香 . 基于专题分类图的栅格矢量数据转换. 林业科学研究, 1993, 6(2): 216-221.
    [18] 赵勋岳彩荣李春干张丽梅谷雷 . 基于机载LiDAR数据估测林分平均高. 林业科学研究, 2020, 33(4): 59-66. doi: 10.13275/j.cnki.lykxyj.2020.04.008
    [19] 程志庆张劲松孟平李岩泉郑宁 . 基于高光谱信息的107杨叶片等效水厚度估算模型的研究. 林业科学研究, 2016, 29(6): 826-833.
    [20] . 基于低密度机载LiDAR和CCD数据的林分平均高提取. 林业科学研究, 2010, 23(2): 151-156.
  • 加载中
计量
  • 文章访问数:  3086
  • HTML全文浏览量:  268
  • PDF下载量:  1396
  • 被引次数: 0
出版历程
  • 收稿日期:  2015-12-21

机载LiDAR和高光谱融合实现普洱山区树种分类

  • 1. 中国林业科学研究院资源昆虫研究所, 云南 昆明 650224
  • 2. 中国林业科学研究院资源信息研究所, 北京 100091
基金项目:  国家高科技研究发展计划(2012AA12A306);国家重点基础研究发展计划(2013CB733406)

摘要: [目的] 通过机载遥感影像对普洱山区进行植被分类研究,为山区森林经营规划与可持续经营方案的制图提供高效应用途径。[方法] 将2014年4月航拍的机载AISA Eagle II高光谱和LiDAR同步数据融合,利用点云数据提取的数字冠层高度模型(CHM)得到树种的垂直结构信息,结合经过主成分分析(PCA)的高光谱降维影像,选用支持向量机(SVM)分类器进行分类。[结果] 普洱市万掌山实验区主要树种分为思茅松、西南桦、刺栲、木荷等。融合影像数据分类的总体精度和Kappa系数分别为80.54%、0.78,比单一高光谱影像数据分类精度分别提高6.55%、0.08,其中主要经营树种思茅松的制图精度达到了90.24%。[结论] 该方法对山区主要树种的识别是有效的,将机载LiDAR与高光谱影像融合可以有效改善分类精度。

English Abstract

参考文献 (20)

目录

    /

    返回文章
    返回