草地生态系统对发展畜牧业、保持水土和维持生态平衡有重要作用，实时、准确地监测草地的退化具有重要意义。高光谱遥感能够大幅度提高草地退化进程中植被结构退化的识别精度，为草原退化研究开辟新领域。利用高光谱遥感技术进行植被结构退化鉴别时，特征波段的选择和提取至关重要。所选取的观测对象为河北坝上地区退化指示种和主要优势物种，通过野外实地调查，选择的退化指示种为狼毒、冷蒿和星毛陵菜，主要优势种为苔草和羊草，这2种植物在研究区属于广布性植物。
本文以S185机载高光谱数据为实例，利用CART与CFS进行特征波长的选取，结合面向对象的KNN与SVM分类算法对广东省珠海市淇澳岛自然风景区的红树林进行树种分类研究，分类精度分别达到了76.12%(Kappa=0.73)和82.39%(Kappa=0.801)；通过将DSM数据获取的高程信息与S185机载高光谱数据相结合进行分类，KNN与SVM的分类精度分别提高到了82.09%(Kappa=0.797)和88.66%(Kappa=0.871)。
作为未来冠层生化参数估测高光谱使命的一个初步研究，我们提出了一种用于调研多角度中等分辨率成像光谱仪（MODIS）数据能否应用于生产长期估算叶绿素含量的原始数据集。我们调查了2000到2015年来源于完全耦合作物冠层反射率模型（ProSAIL）预测的MODIS月度叶绿素数据与基于涡流方差通量的塔式高光谱影像和实测叶绿素含量的一致性。
本文以S185机载高光谱数据为实例，首先采用主成分分析算法PCA、连续投影算法SPA以及类间不稳定指数ISIC进行了高光谱影像数据降维以及特征波段选取等处理，并在此基础上采用了ISIC-SPA的联合优化算法最终进行敏感波段选取等，并得到了较小的处理误差，最终采用PLS算法进行定量建模，并最终建议了以ISIC-SPA-P-PLSR为整套分析框架的数据流程，在单株尺度上对于油松林区损伤评估的精度高达95.23%。
本文以S185机载高光谱成像数据为实例，结合机器学习技术，为中国广东省珠海市淇澳岛的8种红树林物种制定了最优分类方案。研究首先利用高光谱成像仪野外采集8类红树林物种高光谱数据，通过光谱变换得到了5个高光谱数据集：反射率R及其一阶导数d(R)、反射率的对数log(R)及其一阶导数d[log(R)]和高光谱植被指数(VIs)。
产品列表
测量服务
