近年來，遙感技術的發展帶動了很多行業對這項技術的認可，被廣泛應用。由于農林牧業頻發爭地矛盾，遙感技術被用于植被分類，提高土地利用率，實現精準農業高效估產，經營管理。

那想要實現植被的精準區分是用多光譜還是高光譜遙感技術呢？

我們知道多光譜數據光譜波段寬、分辨率較低，所以對不同種類的植被不能做到精確區分。而高光譜遙感技術具有光譜響應范圍廣、分辨率高的特點以及蘊含著近似連續的地物信息，這為植被的精準區分帶來了可能。

但是高光譜信息的不足之處在于數據量大并且信息冗余多的缺點，近年來，國內外的學者經過不斷的研究也有了改善，將高光譜數據應用于植被種類識別，提高了植被種類識別精度。

以黃淮海地區為例，同一空間會種植樹木和糧食，以往針對單一樹種或者作物分析，都是先提取各種植被的平均光譜數據在將植被進行區分。如此便樣忽略了植被光譜反射率波段間的區間范圍，削弱了整個樣本的個體差異，導致各種植被之間的光譜微小差異被弱化，在樹木與糧食作物共同種植的區間中區分精度下降。

如果利用高光譜儀分別測 定不同植被的高光譜數據，根據植被的個體差異分析整個高 光譜數據集的反射率范圍值，選擇以往研究中的常用方法， 利用原始光譜特征點、一階微分變換、二階微分變換以及植 被指數處理方法對高光譜數據進行處理，并比較分析不同光 譜處理方法提取的參數在以上三種植被中的驗證結果與分類 精度，為農田主要植被高光譜分類提供理論依據與技術支撐。

第一步，進行光譜測定。

第二步，高光譜數據變換處理。

已有許多的方法用來處理高光譜數據，本文選取了較為常見，且實用性強，計算量較小，在樣本量較大的情況下能快速、準確計算的光譜分析方法，主要有原始光譜特征點、一階微分變換、二階微分變換以及紅邊植被指數。

第三步，植被分類原理。例如我們提取玉米、小麥和楊樹三種植被的光譜特征指標，從這些指標中分析是否有交集，從而分析判斷出無交集范圍的指標，即為能將此三種植被進行最有效區分。

通過原始光譜特征點、一階微分變換、二階微分變換以及特征植被指數四種光譜數據分析方法，計算每種方法提取出的每個參數的結果區間，逐步對比三種植被在每個參數中的結果區間，依據特征參數結果區間的交集越小植被的區分精度越高的標準，選取能夠精確區分三種植被的方法。

通過研究得到一階微分能夠有效的用于樹種與糧食作物共同生長區域的植被區分，其中通過一階微分獲得的三邊參數中，黃邊振幅、黃邊面積以及黃邊微分值和對三種植被的區分能達到較高的區分精度，該結果為黃淮海地區樹木與糧食作物共同種植區域的植被區分提供理論支持。

版權聲明：文章來源于網絡，登載此文出于傳遞更多信息之目的，版權歸原作者及刊載媒體所有，如本文中圖片或文字侵犯您的權益，請聯系我們。 

猜你喜歡：

傾斜攝影技術一覽無遺監測地質災害點

三維GIS如何實現 DOM 和 DEM 疊加？