1、竹產業(yè)的迅速發(fā)展迫切要求遙感技術提供給其快速、準確的毛竹空間分布信息。高光譜遙感作為遙感科學的研究前沿和熱點,具有圖像——光譜合一的特點,能夠克服多光譜遙感的不足,可通過其精細光譜優(yōu)勢提高毛竹專題信息提取的精度和準確性。當前可利用的高光譜遙感數據源少,尤其在南方地區(qū)受地形復雜、氣候多變等因素影響獲取的影像數據質量往往難以滿足植被識別的要求,且影像成像空間范圍小；而多光譜數據源豐富,影像成像空間范圍大。為充分利用多光譜和高光譜的優(yōu)勢,開展

2、基于多光譜的高光譜特征指數反演技術研究是具有現實意義的。同時,植物的光譜特征都是由其化學和形態(tài)學特征決定的,使得基于多光譜的高光譜特征指數反演成為可能。本文以福建省閩清、德化、永泰縣的部分區(qū)域為研究區(qū),以開窗口方式建立研究對象,利用HyperionEO-1高光譜遙感數據和TM多光譜數據,圍繞毛竹專題信息高光譜特征指數反演技術這一主題,開展了高光譜數據降維,識別毛竹的最佳高光譜特征確定,基于識別毛竹最佳高光譜特征、TM影像數據、相關的植被

3、指數、地形因子等遙感信息的高光譜特征指數模型構建,基于高光譜特征指數的毛竹專題信息提取等研究,得到如下結論:
　　 (1)高光譜遙感數據分析可得:可用于研究的高光譜共計122個波段,其中31～50、54～68、75～89、94～122波段子集包含的信息量較多,是理想的候選波段子集,波段122是最優(yōu)波段。光譜特性上,在任一波段上經濟林與其它地物的可分性大；在l-25波段、31～50波段、58～66波段、74～85波段、92～122

4、波段、80～85波段,竹林、杉木、闊葉林、經濟林的DN值差異較明顯是理想的波段子集,26～30波段、51～57波段、67～73波段、86-91波段重疊現象嚴重。
　　 (2)采用波段指數法、自適應波段選擇法、均值間的標準距離法、OIF指數法、主成分分析法等方法對高光譜數據進行降維,得到的分類特征組合分別為:36、63、122波段組合；63、111、122波段組合:6、97、122波段組合；44、82、122波段組合；可見光區(qū)間的

5、第一主成分(Y1)、近紅外區(qū)間的第二主成分(Y4)、短波紅外區(qū)間的第二主成分(Y6)組合。
　　 (3)各組合分類特征的分類結果表明:基于主成分分析法選擇的分類特征分類的總精度和毛竹精度最高,總精度為80.36％,毛竹精度為88.70％；基于波段指數法、自適應波段選擇法、均值標準距離法和OIF指數法選擇的分類特征分類的總精度分別為64.97％、65.66％、71.29％、66.62％；毛竹精度分別為71.75％、72.32％、8

6、2.49％、72.32％。即確定主成分分析法選擇的分類特征(Y1、Y4和Y6)作為識別毛竹的最佳特征,并作為構建模型的因變量。
　　 (4)分析了毛竹與其它樹種在多光譜(TM)、植被指數、地形因子等上的差異,在此基礎上,選擇TM(1、2、3、4、5、7等波段)、植被指數(NDVI、RVI、PVI)、高程、坡度和坡向為自變量,Y1、Y4、Y6為因變量,利用逐步回歸,構建高光譜特征指數模型,分別為:Y1=-572.7924+1.66

7、84B1+1.551582+11.717583-4.386784+267.5064RVIY4=13.8438-6.0826高程3+9.5899緩坡+9.3137陡坡-0.6787PVIZ6=2.286-0.139高程3+0.132陡坡-0.064急坡-0.021B1+0.189NDVIY6=(0.15×Z6+1)1／0.15
　　 其中Y1、Y4、Y6為高光譜中能有效識別毛竹的分類特征,Z6是Y6經過Box-Cox變換的結果；B

8、1、B2、B3、B4為TM影像的第一、二、三、四波段；RVI為比值植被指數；NDVI為歸一化比值植被指數；高程3為高程800～1200 m；緩坡為坡度6～15°；陡坡為坡度26～35°；急坡為坡度36～45°。
　　 (5)通過所建立的指數模型,嘗試了對高光譜特征的反演,并在反演結果圖上進行了毛竹專題信息的提取,分類結果與傳統(tǒng)基于多光譜數據的分類比較獲得了較高的分類精度,具體為:基于高光譜特征指數分類的總精度為73.18％,Ka

9、ppa系數為0.6552；基于TM原始數據分類的總精度為62.48％,Kappa系數為0.5170；二者比較,前者比后者總精度提高了10.70個百分點,Kappa系數提高了0.1382。同時,前者的毛竹分類精度達到86.52％,而后者的毛竹分類精度為74.47％,前者比后者毛竹精度提高了12.05個百分點,其它樹種的分類精度也都有不同程度的提高,其中,杉木精度提高了43.44個百分點,馬尾松精度提高了5.73個百分點,闊葉林精度提高了1