南方主要针叶树种高光谱数据降维分类研究

摘要：

采用ASD公司生产的FieldSpec HandHeldTm地物光谱仪,分别于2005、2006、2008年冬季跟踪观测杉木、马尾松、黑松、雪松等针叶树种的高光谱数据,经筛选后获取有效观测数据160条,其中120条作为训练集,40条作为测试集.将平滑去噪的一阶微分高光谱数据进行PCA方法和GA方法降维,然后利用BP神经网络和支持向量机(SVM)对降维后的测试集数据进行分类.结果表明:PCA-BP神经网络模型分类准确率95%,PCA-SVM分类准确率97.5%,GA和BP分类准确率92.5%,GA-SVM分类准确率100%.这说明两种降维方式结合支持向量机的分类均优于其与BP神经网络结合的分类,基于GA的降维方法对高光谱波段的选择更有效率,具有较好的应用前景.

关键词：高光谱遥感、主成分分析、遗传算法、支持向量机、针叶树种

所属期刊栏目：30

分类号：S771.8(森林工程、林业机械)

资助基金：国家自然科学基金;高等学校博士学科点专项科研基金;国家科技支撑计划;湖南省自然科学基金;湖南省教育厅科学研究项目

在线出版日期：2011-03-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：20-25