山地植被中植被分类检测方案(高光谱仪)

SPECTRAL IMAGING AisaFENIX1KQuantum Design 中国子公司www.qd-china.com Aisa-FENIX 1Khyvperspectral sensor 飞行成 本降低 60% ML AisaFENIX 1K高光谱成像系统以高达1024个像素的空间分辨率成为全谱段高光谱相机中的最优秀的相机，其把高光谱数据的成像分辨能力提升到一个全新的水平。AisaFENIX 1K采集的全光谱(400-2500nm)高光谱数据质量达到了AisaFENIX同样的水平，与此同时，由于相同大小的采集区域， AisaFENIX 1K只需更少的航线就可完成，减少了高达60%的飞行成本。 应用 ·植被：树种分类，森林破坏以及森林火灾监测等 ·环境：污染监控，环境影响评价等 ·地质：矿物填图，油气探测等 ·刑侦和国防：伪装探测和非法种植等 Quantum Design 中国子公司 北京办公室 上海办公室 广州办公室 北京市朝阳区酒仙桥路10号 上海市静安区威海路511号 广州市番禺区汉溪大道东290号 Web： www.qd-china.com 恒通商务务B22座501室 上海国际集团大厦1405室 保利大都汇A3栋1509室 Email： info@qd-china.com 电话：010-85120280 电话：021-52280980 电话：020-89202739 V19-1 基于高光谱数据的山地植被分类研究本文探讨了利用AisaFENIX高光谱航空影像在山地农业植被分类中的应用，高光谱数据提供了对农场景观进行详细分类和量化的可能性，补充了当地专家的知识，增加了决策的可信度。本次实验作为新西兰Ravensdown/MPI PGP项目“Pioneering to Precision”的一部分，使用AisaFENIX高光谱成像仪对八个不同的农场（5个在新西兰北部，3个在新西兰南部）进行数据采集，得到在380-2500 nm范围内有448个光谱波段，空间分辨率为1米的高光谱数据。PGP项目的主要目标是根据光谱信息绘制土壤肥力图，以相同的空间分辨率分别在春秋季节进行高光谱图像采集。利用各种数据预处理和分类技术，对农场的牧草成分进行了分类，以确定哪种组合能提供最佳的精度；用支持向量机（SVM）对草地进行分类，准确率达99.59%。对同一两个农场的额外景观成分进行了分类。分类为非牧场牧草地面覆盖物的成分包括：水、履土壤、麦卢卡、灌木丛、树胶、杨树和其他树种。通过研究分析证明高光谱技术可成功地用于高精度的植被分类，同时也可应用于景观要素分类和量化，比如肥料和农场经营管理、农村估价、农场战略管理和规划等。利用芬兰SPECIM AisaFENIX高光谱成像系统（国内代理：Quantum Design中国子公司）对新西兰北岛Patitapu 和 Ohorea进行数据采集，然后利用支持向量机（SVM）进行数据处理分类。从Patitapu图像（如图1）中选择感兴趣的区域(ROI)来表示图像中的两个期望类：牧场和非牧场类。非牧场类包括非草地的元素，包括树木、灌木、路轨、建筑物、裸露的土壤和水。牧草类只包括草地牧草。分类精度是通过将正确分类的像素数相加并除以收集到的总像素来测量的。Patitapu图像数据的分类在从非牧草中识别牧草时达到了99.11%的准确性（如表1所示） 表1:Patitapu牧草分类的准确性和相关统计SVM Classification Accuracy for Patitapu Overall Accuracy (70534/71167)99.11%Kappa Coefficient0.982Ground Truth (Pixels)ClassPastureNon-PastureTotalUnclassified000Pasture3915660339759Non-Pasture303137831408Total391863198171167Ground Truth (Percent)ClassPastureNon-PastureTotalUnclassified000Pasture99.921.8955.87Non-Pasture0.0898.1144.13Total100100100Class ErrorCommissionOmissionCommissionOmission(Percent)(Percent)(Pixels)(Pixels)Pasture1.520.08603/3975930/39186Non-Pasture0.11.8930/31408603/31981Class ErrorProducerUserProducerUser(Percent)(Percent)(Pixels)(Pixels)Pasture99.9298.4839156/3918639156/39759Non-Pasture98.1199.931378/3198131378/31408 来源：Cushnahan, TYule, IJGrafton, MCE, Pullanagari, R, White, M The classification of hill country vegetation from hyperspectral imagery  Occasional Report Number 30, 2017, pp. 1 - 9 (9)