基于高光谱数据的马尾松病虫害等级分类研究
发布时间：2022-01-05 00:17
随着我国松林疫情加剧,高光谱遥感优势显著,本文为提高高光谱遥感在林木健康监测管理以及病虫害分级检测应用中的作用,主要利用高光谱遥感来针对马尾松病虫害的等级分类进行研究和方法探索。研究主要以PSR-3500地物光谱仪获取的高光谱数据以及HJ-1A国产环境小卫星获得的高光谱影像数据作为原始数据,以宜宾市翠屏区的不同等级病虫害的马尾松为研究对象,研究遭受病虫害严重程度反演模型,按照相关系数（r）值,结合均方根误差（RMSE）对反演结果进行综合分析,同时利用模糊分类与聚类分析方法进行病情分类,组建马尾松病虫害等级光谱库,以灰度分割与林木健康分析为参考,结合基于均方协预测误差的盲源提取算法（MSCPEBSE）对各等级病虫害的马尾松进行等级判定。论文主要研究内容如下:（1）首先将实地调查获取的光谱反射率进行原始光谱和微分光谱与病情指数作相关分析。马尾松病虫害微分波谱较原始光谱具有更明显特征,在“绿峰”（550-600nm）,“红边”（711.5-724.9nm）,“黄谷”（550-582nm）波段范围内不同等级病虫害反射率差异较大,随着病虫害严重程度增加,峰值降低,谷值增大,...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：104 页
【学位级别】：硕士
【部分图文】：
野外调研的马尾松病虫害疫区
RemoteSensingofEnvironment(RSE)有刊出专门的高光谱遥感的未来展望，上面具有详细的关于高光谱发展的全面的总结[7]，由此也可见高光谱数据的研究价值日益上涨。那么高光谱遥感技术的定义到底是什么呢？高光谱分辨率遥感(HyperspectralRemoteSensing)技术指的是在电磁波谱的相应一系列波段范围内，根据高光谱遥感的基础原理可知，不仅可以得到很多连续不间断的信息，并且得到的还是波段间隔十分窄(5-10nm)的光谱影像数据，一般地，高光谱遥感指的是该遥感数据的光谱分辨率属于λ/100的数量级。国际遥感界光谱分辨率的共识如图1-2所示。图1-2国际遥感界共识光谱分辨率发展
电子科技大学硕士学位论文4从图1-2可知多光谱到高光谱的光谱分辨率差了一个数量级，并且发展过程不断进步。在世界上普遍认为光谱分辨率在λ/10属于多光谱(一般波段范围是0.5-1.1um)，波段数小于36；λ/100属于高光谱(nm级)，波段数大于36；λ/1000属于超高光谱。高光谱遥感数据及相关技术能够在农业资源管理运用检测识别分类等满足林业管理方面的要求。其中高光谱遥感能够满足监测农作物或是森林的长势状况方面的高精度标准，能够达到在病虫害防治方面准确度高的要求，以及在农作物或者果林的产量与质量的评估方面高效率的完成并且得到很好的结果。将高光谱遥感监测技术和以前相应的监测技术作对比而言，能够满足各个方面的需求，高光谱遥感数据因其独特较高的光谱分辨率，极大的提升了实际地物的属性数据的获取能力以及对其进行判别的能力。所以，将高光谱遥感与过去传统的遥感作对比，前者包含如下几个明显的优点[8][9]：(1)图谱合一：高光谱遥感具备着曲线般近乎不间断的相应目标的光谱数据特征。把地面实测的高光谱信息数据和已经进行了光谱反射率的重新建立的影像数据结合在一起，可以得到地物目标近似连续不间断的光谱曲线及属性数据信息，其中包含其波谱反射率信息。把现场实际测得的相关信息运用于遥感分析和处理中，具有高标准和高精度的结果优势。(2)光谱分辨率高，波段数多，目标检测效果好，可精细分类，其地面目标识别能力以及相应的地表林木等植被分析判别效果大大增强。高光谱影像数据可以精确地划分地表植被覆盖类型[11]等，如图1-3所示（图片来源于ShawGA,BurkeHHK.2003），能够准确识别各种地物以及森林病虫害严重程度，有效判断土地利用程度以及土壤裸露状况等。图1-3高光谱图谱合一示意图
【参考文献】：
期刊论文
[1]样本优化选择的高光谱图像分类[J]. 方帅,祝凤娟,董张玉,张晶. 中国图象图形学报. 2019(01)
[2]基于高光谱成像技术的小麦条锈病病害程度分级方法[J]. 雷雨,韩德俊,曾庆东,何东健. 农业机械学报. 2018(05)
[3]中国民用遥感卫星在轨运行与服务概况[J]. 高菲,倪琳娜. 卫星应用. 2017(08)
[4]稀疏表达模型在高光谱遥感影像目标探测中的应用[J]. 贾艳立,裴亮,孙旭,高连如. 北京工业大学学报. 2017(05)
[5]基于近地高光谱和环境星高光谱数据的冬小麦越冬冻害遥感监测方法研究[J]. 李军玲,郭其乐,任丽伟. 自然灾害学报. 2017(02)
[6]基于高光谱遥感影像的森林病虫害监测研究进展[J]. 王胜,潘洁,张衡,廖振峰,顾晓丽. 林业资源管理. 2014(03)
[7]冬小麦冻害胁迫高光谱分析与冻害严重度反演[J]. 王慧芳,王纪华,董莹莹,顾晓鹤,霍治国. 光谱学与光谱分析. 2014(05)
[8]翠屏区植被覆盖及其景观格局变化遥感分析[J]. 高国林,王石英,蒋容. 水土保持研究. 2013(03)
[9]马尾松主要病虫害防治策略分析[J]. 杨荣,蔡芳. 科技传播. 2013(07)
[10]高光谱遥感影像森林信息提取方法比较[J]. 张雨,林辉,臧卓,严恩萍,东启亮. 中南林业科技大学学报. 2013(01)
博士论文
[1]黄河三角洲湿地典型植被高光谱遥感研究[D]. 王霄鹏.大连海事大学 2014
硕士论文
[1]高光谱矿物波谱特征盲提取及目标检测研究[D]. 候亚妮.电子科技大学 2016
[2]高光谱影像亚像元目标检测方法研究[D]. 黄紫晗.中国科学院研究生院（西安光学精密机械研究所） 2014
[3]基于地面高光谱遥感的南方人工林主要病害监测研究[D]. 伍南.中南林业科技大学 2012
[4]基于光谱匹配的高光谱岩矿识别技术研究[D]. 黄婷婷.南京理工大学 2012
本文编号：3569341
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：104 页
【学位级别】：硕士
【部分图文】：
野外调研的马尾松病虫害疫区
RemoteSensingofEnvironment(RSE)有刊出专门的高光谱遥感的未来展望，上面具有详细的关于高光谱发展的全面的总结[7]，由此也可见高光谱数据的研究价值日益上涨。那么高光谱遥感技术的定义到底是什么呢？高光谱分辨率遥感(HyperspectralRemoteSensing)技术指的是在电磁波谱的相应一系列波段范围内，根据高光谱遥感的基础原理可知，不仅可以得到很多连续不间断的信息，并且得到的还是波段间隔十分窄(5-10nm)的光谱影像数据，一般地，高光谱遥感指的是该遥感数据的光谱分辨率属于λ/100的数量级。国际遥感界光谱分辨率的共识如图1-2所示。图1-2国际遥感界共识光谱分辨率发展
电子科技大学硕士学位论文4从图1-2可知多光谱到高光谱的光谱分辨率差了一个数量级，并且发展过程不断进步。在世界上普遍认为光谱分辨率在λ/10属于多光谱(一般波段范围是0.5-1.1um)，波段数小于36；λ/100属于高光谱(nm级)，波段数大于36；λ/1000属于超高光谱。高光谱遥感数据及相关技术能够在农业资源管理运用检测识别分类等满足林业管理方面的要求。其中高光谱遥感能够满足监测农作物或是森林的长势状况方面的高精度标准，能够达到在病虫害防治方面准确度高的要求，以及在农作物或者果林的产量与质量的评估方面高效率的完成并且得到很好的结果。将高光谱遥感监测技术和以前相应的监测技术作对比而言，能够满足各个方面的需求，高光谱遥感数据因其独特较高的光谱分辨率，极大的提升了实际地物的属性数据的获取能力以及对其进行判别的能力。所以，将高光谱遥感与过去传统的遥感作对比，前者包含如下几个明显的优点[8][9]：(1)图谱合一：高光谱遥感具备着曲线般近乎不间断的相应目标的光谱数据特征。把地面实测的高光谱信息数据和已经进行了光谱反射率的重新建立的影像数据结合在一起，可以得到地物目标近似连续不间断的光谱曲线及属性数据信息，其中包含其波谱反射率信息。把现场实际测得的相关信息运用于遥感分析和处理中，具有高标准和高精度的结果优势。(2)光谱分辨率高，波段数多，目标检测效果好，可精细分类，其地面目标识别能力以及相应的地表林木等植被分析判别效果大大增强。高光谱影像数据可以精确地划分地表植被覆盖类型[11]等，如图1-3所示（图片来源于ShawGA,BurkeHHK.2003），能够准确识别各种地物以及森林病虫害严重程度，有效判断土地利用程度以及土壤裸露状况等。图1-3高光谱图谱合一示意图
【参考文献】：
期刊论文
[1]样本优化选择的高光谱图像分类[J]. 方帅,祝凤娟,董张玉,张晶. 中国图象图形学报. 2019(01)
[2]基于高光谱成像技术的小麦条锈病病害程度分级方法[J]. 雷雨,韩德俊,曾庆东,何东健. 农业机械学报. 2018(05)
[3]中国民用遥感卫星在轨运行与服务概况[J]. 高菲,倪琳娜. 卫星应用. 2017(08)
[4]稀疏表达模型在高光谱遥感影像目标探测中的应用[J]. 贾艳立,裴亮,孙旭,高连如. 北京工业大学学报. 2017(05)
[5]基于近地高光谱和环境星高光谱数据的冬小麦越冬冻害遥感监测方法研究[J]. 李军玲,郭其乐,任丽伟. 自然灾害学报. 2017(02)
[6]基于高光谱遥感影像的森林病虫害监测研究进展[J]. 王胜,潘洁,张衡,廖振峰,顾晓丽. 林业资源管理. 2014(03)
[7]冬小麦冻害胁迫高光谱分析与冻害严重度反演[J]. 王慧芳,王纪华,董莹莹,顾晓鹤,霍治国. 光谱学与光谱分析. 2014(05)
[8]翠屏区植被覆盖及其景观格局变化遥感分析[J]. 高国林,王石英,蒋容. 水土保持研究. 2013(03)
[9]马尾松主要病虫害防治策略分析[J]. 杨荣,蔡芳. 科技传播. 2013(07)
[10]高光谱遥感影像森林信息提取方法比较[J]. 张雨,林辉,臧卓,严恩萍,东启亮. 中南林业科技大学学报. 2013(01)
博士论文
[1]黄河三角洲湿地典型植被高光谱遥感研究[D]. 王霄鹏.大连海事大学 2014
硕士论文
[1]高光谱矿物波谱特征盲提取及目标检测研究[D]. 候亚妮.电子科技大学 2016
[2]高光谱影像亚像元目标检测方法研究[D]. 黄紫晗.中国科学院研究生院（西安光学精密机械研究所） 2014
[3]基于地面高光谱遥感的南方人工林主要病害监测研究[D]. 伍南.中南林业科技大学 2012
[4]基于光谱匹配的高光谱岩矿识别技术研究[D]. 黄婷婷.南京理工大学 2012
本文编号：3569341
本文链接：https://www.wllwen.com/shoufeilunwen/zaizhiyanjiusheng/3569341.html
教材专著
