高光谱与多光谱遥感数据的森林类型识别

【摘要】：利用EO-l Hyperion高光谱遥感数据,对吉林省汪清林业局境内的森林类型进行了高光谱数据识别研究,并与多光谱遥感数据ALI和ETM的森林类型识别能力进行了对比分析与评价。首先,对Hyperion高光谱数据进行特征选择以减少数据维数,从129个波段图像的MNF转换中选择前15个MNF波段用于最终的分类。对研究区的落叶松林、白桦林、柞木林、杨树林、混交林林、灌木林和其它7种森林类型进行了分类,Hyperion、ALIt和ETM遥感数据森林识别精度分别为88.89%、85.19%和77.78%,其中高光谱的分类效果最好,其次为ALI,最次为ETM。结果表明,高光谱遥感数据具有更强的森林类型识别能力。