森林樹種波譜特征及生化成分相關性研究

森林樹種的波譜特征決定了遙感成像特征，而波譜特征主要是由生化成分決定的，是生化成分的外部綜合呈現。長期以來由于森林樹種比較高大，對其進行冠層波譜觀測難度非常大，更不用說開展同步的生化成分分析，這導致相關研究較少，對其遙感成像機理探索很不夠。本項目以湖南省常見的森林樹種按落葉闊葉、常綠闊葉、落葉針葉、常綠針葉等典型林分樹種為研究對象，在外部環(huán)境條件基本一致的情況下，按不同齡組分別進行地面或空中的冠層波譜觀測，并同步開展含水量、葉綠素a、葉綠素b、葉綠素總量、葉黃素、蛋白質、淀粉、纖維素、木質素、糖、氨基酸、N、P、K等生化成分分析；采用統(tǒng)計分析和數學建模等方法，對波譜數據進行處理并與生化成分相關性研究；探索對樹種波譜特征有顯著影響的生化參數及其影響水平，解釋森林樹種在波譜特征相似時是否具有相似的生化成分及生化成分相近的森林樹種是否具有相似的波譜特征，從深層次上解釋森林樹種遙感成像的內在機理。 2100433B

2000年在森林經理學科的資助下，課題組購買了美國ASD公司生產的高光譜儀，開展了林業(yè)高光譜的先期研究工作，試探性地發(fā)表了一些研究論文。2004年和2008年兩次獲得了國家自然科學基金面上項目（湖南省主要針葉樹種高光譜遙感研究30471391、森林樹種波譜特及生化成分相關性研究30871962）的資助，其間還獲得了教育部博士點專項基金（南方喬木樹種高光譜遙感測定與分析200805380001）的支持，這些都大大鼓舞了課題組的士氣，使得課題組能夠克服重重困難，順利完成了對南方主要樹種特別是鄉(xiāng)土樹種杉木、馬尾松的定點定位、定期的觀測，取得了寶貴的第一手資料。在此基礎上開展了一系列的數據處理和分析工作，取得了一些初步的結果?！渡謽浞N高光譜遙感研究》，正是介紹了課題組十余年來，開展森林樹種高光譜研究的一些方法和研究結果。

人們常根據優(yōu)勢樹種對于森林資源進行分類，并且可以依據優(yōu)勢樹種的分類地位制定出多極的分類系統(tǒng)。例如，首先可分為針葉林和闊葉林，而針葉林可按照優(yōu)勢樹種的屬，分為松林、落葉松林等，松林又可分為油松林、紅松林、馬尾松林等。除此以外，還要考慮各樹種的構成比例，按此特征可將森林資源分為純林和混交林兩大類。天然林大多數是混交林，但在氣候和土壤條件比較苛刻的地方，也可能形成純林。人工林大多數是純林。

區(qū)分森林資源的另一重要林木特征是林木的起源。凡林木是種子更新起源的，稱之為實生林，凡是以無性更新方式起源的，稱為萌芽林或無性繁殖林。

年齡亦是區(qū)分森林資源的重要林木特征。根據齡級(多數以20年為一個齡級，有時以10年或5年為一個齡級，隨樹種的生長快慢和經營強度而定)劃分年齡階段。通常劃分為幼齡林、中齡林、近熟林、成熟林和過熟林5類。成熟林和過熟林是當前可以采伐利用的資源，幼齡林、中齡林和近熟林則是后備資源或稱經營資源。

第一章 緒論

第一節(jié) 高光譜遙感的概念

第二節(jié) 高光譜遙感的發(fā)展現狀

第三節(jié) 典型地物的光譜特征

一、植被

二、土壤

三、巖石

四、水體和雪

五、城市目標

第四節(jié) 地面光譜測量方法

一、實驗室測量

二、野外測量

第二章 數據采集與數據處理

第一節(jié) 野外光譜數據的測定

一、野外光譜測量的影響因素

二、地物光譜測試時的規(guī)范和測量要求

第二節(jié) 生物化學參數的測定

第三節(jié) 基于光譜位置變量的分析

第四節(jié) 地物光譜數據預處理

一、高光譜數據平滑去噪

二、高光譜數據變換

第五節(jié) 高光譜數據分類技術

一、支持向量機原理

二、BP神經網絡簡介

三、光譜角度制圖法原理

四、馬氏距離分類法原理

五、樸素貝葉斯分類法原理

六、Fisher判別法原理

第三章 喬木樹種主要生化參數估算模型研究

第一節(jié) 杉木色素含量的估算模型研究

一、研究區(qū)概況

二、數據收集及處理

三、模型及精度評價

四、結果與分析

第二節(jié) 馬尾松色素含量估算模型研究

一、研究區(qū)概況

二、數據收集及處理

三、模型及精度評價

四、結果與分析

第三節(jié) 樟樹幼林色素含量的估算模型研究

一、研究區(qū)概況

二、數據收集及處理

三、模型及精度評價

四、結果與分析

第四章 喬木樹種高光譜數據降維分類對比分析

第一節(jié) 喬木樹種光譜數據采集

第二節(jié) 高光譜數據的主成分降維

一、主成分降維原理

二、光譜數據降維分類測試

第三節(jié) 高光譜數據的獨立主成分降維

一、獨立主成分降維原理

二、獨立主成分降維分類結果對比

第五章 基于群體算法結合支持向量機的高光譜數據降維分類研究

第一節(jié) 遺傳算法結合支持向量機的降維算法

一、降維算法原理

二、降維分類結果分析

第二節(jié) 粒子群算法結合SVM的高光譜數據降維算法

一、粒子群算法原理

二、粒子群算法結合支持向量機降維原理

三、降維數據分類結果與分析

第六章 成像高光譜影像特征分析與LAl反演

第一節(jié) 數據獲取與研究區(qū)概況

一、研究區(qū)概況

二、成像光譜數據獲取

三、地面數據測量

第二節(jié) 影像數據處理與植被指數提取

一、Hyperion數據讀取與有效波段選擇

二、壞線修復與條紋去除

三、大氣校正與幾何校正

四、校正結果與同步觀測數據比較分析

五、植被指數提取

第三節(jié) 基于植被指數的LAI反演模型

一、基于單因子的LAI反演模型

二、LAI的逐步回歸模型

三、基于偏最小二乘回歸的LAI反演模型

四、研究區(qū)LAI反演制圖

參考文獻