机载LiDAR和高光谱融合实现温带天然林树种识别

摘要：

将机载LiDAR(Light Detection and Ranging)与高光谱CASI(Compact Airborne Spectrographic Imager)数据融合,充分利用垂直结构信息和光谱信息进行温带森林树种分类,并与仅用高光谱数据的分类结果相比较,评估融合数据的树种分类能力.结合样地实测数据,首先用LiDAR获得的3维垂直结构信息对CASI影像上的林间空隙进行掩膜,提取林木冠层子集；然后对冠层子集分层掩膜,利用光谱曲线的一阶微分及曲线匹配技术,实现各树种训练样本的自动提取；利用SVM分类器对两种数据分类并比较精度.结果表明,融合数据的树种分类总体精度和Kappa系数(83.88％,0.80)优于仅使用CASI数据(76.71％、0.71),优势树种的制图精度为78.43％-89.22％,用户精度为75.15％-95.65％,整体也优于仅使用CASI的制图精度(68.51％-84.69％)和用户精度(63.34％-95.45％).结果表明,机载LiDAR与CASI基于像元的融合对温带森林树种识别的精度较仅高光谱数据有较大提高.

关键词：LiDAR、高光谱、融合、光谱微分、SVM、树种分类

所属期刊栏目：17

分类号：TP751(遥感技术)

资助基金：国家重点基础研究发展计划973计划2007CB714404;国家高技术研究发展计划863计划2012AA12A306;国家自然科学基金41071272;国家林业局行业公益课题200704019

在线出版日期：2013-07-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：679-695