基于高光谱遥感的三峡库区典型消落带植被指数构建研究

摘要

三峡库区的植被群落是其生态系统的基础组成部分，三峡水利工程引起水位的涨落对库区植被群落组成、生物多样性等方面造成直接影响，以往研究多是基于野外调查手段对库区植被群落进行研究，尚未见基于高光谱技术对三峡库区植被群落进行相关研究。本研究将突破利用传统方式，基于高光谱遥感手段对库区植被群落进行监测，研究库区植被群落分类方法，为库区植被群落研究提供重要参考。 本文以三峡库区澎溪河流域典型消落带为研究区域，基于无人机飞行获取的PIKA-L高光谱遥感数据以及相关野外实测数据与调查数据，从高光谱遥感影像分别获取典型植被群落苍耳、狗牙根、水稻、玉米、花生的光谱特征，利用光谱微分法，对澎溪河流域植被群落的光谱特征进行分析；通过描述性统计法筛选出植被群落分离性最大的波段，基于描述性统计频率方法对各植被群落的21个植被指数进行分析，筛选出植被群落分离性较大植被指数，同时，结合光谱特征分析结果，构建植被指数，实现三峡库区植被群落决策树分类应用。研究结论如下： （1）各植被群落在近红外波段处的实测光谱特征平均值高于高光谱遥感影像光谱特征平均值，但各植被群落实测光谱特征的类间差异性与高光谱遥感影像光谱特征的类间差异性相对一致，基于植被群落的高光谱特征进行植被群落判别研究具有一定科学性。 （2）植被群落光谱特征差异性主要体现在红边位置、绿峰位置、近红外波段位置，提取得到有利于植被群落分类的特征波段为549nm，700.6nm，713.5nm，722nm，799.9nm。 （3）构建植被指数所使用的波段的正确选择、植被指数构建方式对各植被群落的指数差异性产生重要影响，简单差值植被指数与比值植被指数对区分植被群落的分离性较差，而复杂比值植被指数对于区分植被群落的分离性更好。 （4）从各植被指数描述性统计数据上直观分析，苍耳在CI1指数上约81.5%、玉米在CI2指数上约85.6%、狗牙根在CI3指数上约93.6%与其余类别存在分离性，CI1、CI2、CI3指数均从一定程度上增大了植被群落的差异性。 （5）运用新构建植被指数进行决策树分类的Kappa系数为0.60，运用波段进行分类的Kappa系数为0.55，总体而言，指数分类比波段分类精度更高。因此，也可以说明本研究所构建指数的进行植被分类时具有一定鲁棒性。 （6）植被群落的光谱特征的变化与植被覆盖度在绝大多数波段上表现出的相关性高于0.7，植被覆盖度的高低对分类精度造成影响，在植被覆盖度较低区域容易混分，应用新构建植被指数对植被覆盖度较高区域分类效果较好。

目录

第1章 绪论

1.1 研究背景及意义

1.2.1 湿地植被研究

1.2.2 高光谱植被研究进展

1.2.3 植被指数用于湿地植被监测

1.3.1 研究目标

1.3.2 研究内容

1.3.3 技术路线

第2章 数据来源与研究方法

2.1.1 地理位置

2.1.2 地质地貌

2.1.3 气候水文

2.1.4 土壤特征

2.1.5 典型湿地植被

2.2.1 野外调查与样本采集

2.2.2 高光谱遥感数据

2.2.3 地面实测光谱数据预处理

2.2.4 高光谱遥感数据预处理

2.3研究方法

2.3.1 光谱特征分析

2.3.2 光谱敏感性分析

2.3.3 光谱特征与植被指数分离性分析

2.3.4 植被指数构建

2.3.5 分类精度验证方法

第3章 典型植被群落光谱特征分析

3.1 植被光谱特征分析

3.1.1 原始光谱特征分析

3.1.2 遥感影像光谱特征与实测光谱特征对比分析

3.1.3 三边参数分析

3.2.1 植被光谱特征敏感性分析

3.2.2 植被光谱可分离性分析

3.3 小结

第4章 典型植被指数分析与指数构建

4.1 典型植被指数分析

① 与红边位置相关植被指数

② 与绿波段相关植被指数

③ 红波段、绿波段相结合指数

④ 红波段、蓝波段相结合指数

⑤ 近红、波段相结合指数

⑥ 近红外、绿波段相结合指数

⑦ 近红、红、绿波段相结合指数

⑧ 近红、红、蓝波段相结合指数

4.2.1 新建植被指数

4.2.2 新建植被指数分析

4.3 植被群落分类实现

4.3.1 决策树构建

4.3.2 精度评价

4.3.3 分类结果精度评价与分析

4.4 小结

第5章 结论与展望

5.1 结论

5.2 创新点

5.3 展望

参考文献

附录A：植被群落光谱特征值频数统计图

附录B：作者攻读硕士学位期间发表论文及科研情况

致谢

声明