摘要：将机载CASI和SASI高光谱数据整合, 既可以获取可见光——近红外——短波红外区间连续的窄波段地物光谱, 又能得到很高的空间分辨率, 为高覆盖度的森林树种识别又增加了一种新方法。但是由于两种传感器的光谱响应不同, 接收到的辐射值差异较大, 如何将两种数据有效整合目前仍是一个难题。CASI和SASI覆盖谱段不同, 受大气影响程度也不同, 根据植被反射和吸收光谱特性, 首先用基于统计模型的经验线性法和基于辐射传输的MODT RAN 模型分别对CASI和SASI大气校正, 复原地物光谱真实的反射率。然后去除反射率光谱包络线, 用Savit zky-Golay 滤波函数对归一化后的光谱曲线进行平滑, 以去除噪声及异常点, 实现CA SI 和SASI 数据( CASI+ SASI)的整合。与实测光谱曲线对比发现, 整合后的CASI+SASI光谱曲线与实测光谱曲线匹配度较高, 并且比单一传感器的光谱信息更丰富, 有利于不同树种的区分识别。最后应用光谱微分及曲线匹配技术, 选取SVM 分类器实现了研究区的树种填图, 总体精度达到86. 21%, Kappa 系数为0. 8297, 该方法有效
넶79
14-11-03
