近年来，遥感技术的发展带动了很多行业对这项技术的认可，被广泛应用。由于农林牧业频发争地矛盾，遥感技术被用于植被分类，提高土地利用率，实现精准农业高效估产，经营管理。

 

那想要实现植被的精准区分是用多光谱还是高光谱遥感技术呢？

我们知道多光谱数据光谱波段宽、分辨率较低，所以对不同种类的植被不能做到精确区分。而高光谱遥感技术具有光谱响应范围广、分辨率高的特点以及蕴含着近似连续的地物信息，这为植被的精准区分带来了可能。

 

但是高光谱信息的不足之处在于数据量大并且信息冗余多的缺点，近年来，国内外的学者经过不断的研究也有了改善，将高光谱数据应用于植被种类识别，提高了植被种类识别精度。

 

以黄淮海地区为例，同一空间会种植树木和粮食，以往针对单一树种或者作物分析，都是先提取各种植被的平均光谱数据在将植被进行区分。如此便样忽略了植被光谱反射率波段间的区间范围，削弱了整个样本的个体差异，导致各种植被之间的光谱微小差异被弱化，在树木与粮食作物共同种植的区间中区分精度下降。

 

如果利用高光谱仪分别测 定不同植被的高光谱数据，根据植被的个体差异分析整个高 光谱数据集的反射率范围值，选择以往研究中的常用方法， 利用原始光谱特征点、一阶微分变换、二阶微分变换以及植 被指数处理方法对高光谱数据进行处理，并比较分析不同光 谱处理方法提取的参数在以上三种植被中的验证结果与分类 精度，为农田主要植被高光谱分类提供理论依据与技术支撑。

 

第一步，进行光谱测定。

第二步，高光谱数据变换处理。

已有许多的方法用来处理高光谱数据，本文选取了较为常见，且实用性强，计算量较小，在样本量较大的情况下能快速、准确计算的光谱分析方法，主要有原始光谱特征点、一阶微分变换、二阶微分变换以及红边植被指数。

第三步，植被分类原理。例如我们提取玉米、小麦和杨树三种植被的光谱特征指标，从这些指标中分析是否有交集，从而分析判断出无交集范围的指标，即为能将此三种植被进行最有效区分。

 

通过原始光谱特征点、一阶微分变换、二阶微分变换以及特征植被指数四种光谱数据分析方法，计算每种方法提取出的每个参数的结果区间，逐步对比三种植被在每个参数中的结果区间，依据特征参数结果区间的交集越小植被的区分精度越高的标准，选取能够精确区分三种植被的方法。

通过研究得到一阶微分能够有效的用于树种与粮食作物共同生长区域的植被区分，其中通过一阶微分获得的三边参数中，黄边振幅、黄边面积以及黄边微分值和对三种植被的区分能达到较高的区分精度，该结果为黄淮海地区树木与粮食作物共同种植区域的植被区分提供理论支持。

版权声明：文章来源于网络，登载此文出于传递更多信息之目的，版权归原作者及刊载媒体所有，如本文中图片或文字侵犯您的权益，请联系我们。 

猜你喜欢：

倾斜摄影技术一览无遗监测地质灾害点

三维GIS如何实现 DOM 和 DEM 叠加？