日韩av大片在线观看欧美成人不卡|午夜先锋看片|中国女人18毛片水多|免费xx高潮喷水|国产大片美女av|丰满老熟妇好大bbbbbbbbbbb|人妻上司四区|japanese人妻少妇乱中文|少妇做爰喷水高潮受不了|美女人妻被颜射的视频,亚洲国产精品久久艾草一,俄罗斯6一一11萝裸体自慰,午夜三级理论在线观看无码

[1] 陶江玥,劉麗娟,龐勇,李登秋,馮云云,王雪,丁友麗,彭瓊,肖文惠.基于機(jī)載激光雷達(dá)和高光譜數(shù)據(jù)的樹種識(shí)別方法[J].浙江農(nóng)林大學(xué)學(xué)報(bào),2018,35(02):314-323.

? 摘要：

訓(xùn)練樣本的選取是影響監(jiān)督分類精度的直接原因之一,數(shù)據(jù)空間分辨率越高,訓(xùn)練樣本要求越準(zhǔn)確,而人機(jī)交互訓(xùn)練樣本選取推廣力有限,。利用機(jī)載高光譜(AISA)和激光雷達(dá)(LiDAR)主被動(dòng)遙感數(shù)據(jù),探討基于高分辨率影像的訓(xùn)練樣本自動(dòng)提取技術(shù)以及適合樹種識(shí)別的遙感變量,。根據(jù)樹木的結(jié)構(gòu)和高度差異,開展樹高分層掩膜試驗(yàn),并計(jì)算光譜間夾角,在每個(gè)高度層中自動(dòng)化優(yōu)選樹種的高純度訓(xùn)練樣本。計(jì)算植被指數(shù),、主成分分析等特征變量,基于支持向量機(jī)分類器對(duì)研究區(qū)進(jìn)行樹種精細(xì)分類,。實(shí)驗(yàn)表明:通過對(duì)闊葉林、馬尾松Pinus massoniana,毛竹Phyllostachys edulis,杉木Cunninghamia lanceolata,油茶Camellia oleifera的訓(xùn)練樣本分層自動(dòng)提取后再進(jìn)行分類,激光雷達(dá)和不敏感色素指數(shù)變量能有效提高樹種分類精度,。其中高光譜+激光雷達(dá)+結(jié)構(gòu)不敏感色素指數(shù)變量組合的分類精度高,其總體精度和Kappa系數(shù)分別為89.12%和0.86,闊葉林,、馬尾松,、毛竹、杉木,、油茶的用戶精度分別為75.00%,100.00%,86.36%,90.91%和96.55%,。該方法對(duì)本研究區(qū)森林樹種的識(shí)別是有效的。

? 結(jié)論與討論

高光譜是光學(xué)被動(dòng)遙感數(shù)據(jù),，其窄波段特性在較小的空間尺度上能區(qū)分地表細(xì)微變化,，在樹種識(shí)別方面有顯著優(yōu)勢(shì)。但由于 “同物 異譜,、 異 物 同 譜" 現(xiàn) 象 的 存在,， 導(dǎo)致分類精度受限。 機(jī)載 LiDAR 是主動(dòng)遙感數(shù)據(jù),，可獲得樹種垂直結(jié)構(gòu)及強(qiáng)度信息,， 與高光譜優(yōu)勢(shì)互補(bǔ)，有效解決不同高度下不同地物因具有相似光譜特征而導(dǎo)致的混分問題,。 采用分層訓(xùn)練樣本自動(dòng)提取技術(shù),， 不僅提高了訓(xùn)練樣本選取的速度還有效提高訓(xùn)練樣本選取精度， 更從一定程度上盡可能地避免混分現(xiàn)象,。本研究結(jié)合 高光譜與機(jī) 載 LiDAR 的數(shù)據(jù)優(yōu) 勢(shì),， 為評(píng)估 LiDAR 垂直結(jié)構(gòu)信息與特征變量參與分類的貢獻(xiàn)，比較了基于 AISA,， CHM,， SIPI 和 PCA1 這 4 種不同變量組合的分類精度。 其中 AISA+CHM+SIPI 變量組合的分類精度高,， 其總體精度 和 Kappa 系數(shù)分 別為 89.12%和 0.86,， 比僅 AISA 分類的總體精度高 23.81%， 比 AISA+CHM 高 12.25%,， 比 AISA+SIPI 高 11.57%,。 但結(jié)果同時(shí)表明， PCA 降維變量的分類貢獻(xiàn)要明顯弱于 SIPI,。 本研究區(qū)為典型的亞熱帶森林,， 其中闊葉林內(nèi)樹種種類繁多， 與其他類型的樹種混雜生長(zhǎng),， 所以純林區(qū)較少,， 易產(chǎn)生混合像元。 在 AISA+CHM+SIPI 的分類結(jié)果中闊葉樹種的制圖精度和用戶精度高,， 分別為 87.10%和 75.00%,， 優(yōu)于 AISA+CHM（70.97%， 66.67%）以及僅 AISA 的分類結(jié)果（41.94%,， 61.90%）,。 這說明將機(jī)載 LiDAR 數(shù)據(jù) CHM 與高光譜 AISA 融合,， 并添加植被指數(shù) SIPI 能有效區(qū)分混合像元并提高分類精度， 對(duì)古田山國(guó)家自然保護(hù)區(qū)進(jìn)行樹種類型的精細(xì)分類具有可行性,。 但由于陰影區(qū)域的存在,、 樹冠間相互遮擋、 少部分邊緣像元的光譜混合等,， 對(duì)樹種分類的精度有一定影響,。 后續(xù)擬研究基于高空間分辨率數(shù)據(jù)的像元解混技術(shù)， 希望能有效提高復(fù)雜林區(qū)的樹種識(shí)別精度,。

? 相關(guān)產(chǎn)品

 ATP9000/9020/9010-無人      ATP9100-25 可見近紅外 ATP9100 便攜式地物光譜儀

　機(jī)載超輕型高光譜成像儀     全波段便攜式地物波譜儀