森林资源遥感监测波段窗口研究

Monitoring of forest resources in China increasingly depends on remote sensing technology, but the band windows set for domestic and foreign resources satellite sensors don't satisfy the chinese forest production requirements nowdays, so that forest has to use the remote sensing data without good selection, which restricts the breadth and depth of remote sensing application in forest resource monitoring greatly. Taking the typical forest tree species in the South as objects, this project will obtain the hyperspectral data by site regularly outside observations, spectrum ranging from the visible to the infrared range (350-2500nm), look for the larger band differences (potential band windows) from the similar spectral characteristics of forest species by the hyperspectral data precess methods of first-order differential, logarithmic after the first-order differential, the number countdown differential. At the same time, this project will match these potential band windows from the Hyperion images, analyze the spectrum and texture respectively, eliminate low-quality window images and retain high-quality ones. Then carry out the accuracy study for these high-quality images by ground species identification. Lastly decide the appropriate band windows for forest resource monitoring window by retaining the high-accuracy band images and eliminating the low-accuracy ones. The results of the project will fill the blank of band windows set for forest remote sensing sensors in china.

我国森林资源监测越来越依赖遥感技术，可现有国内外资源卫星传感器的波段设置并未考虑我国独特的林业生产要求，林业遥感处于有什么数据就用什么的被动状态，制约了遥感在森林资源监测中应用的广度和深度。本项目以南方典型森林树种为研究对象，通过定点定期的高光谱外业观测，获取从可见光到红外区间（350-2500nm）的高光谱数据；通过对高光谱数据进行一阶微分、对数变化后一阶微分、对数倒数微分等方法的处理，从光谱特征相似的森林树种中寻找差异较大的波段区间，即潜在波段窗口。同时，从试验区的成像高光谱数据中（如Hyperion）选取与潜在波段窗口匹配的单波段图像,分别进行波谱分析和纹理分析，剔除质量较差的图像，保留质量较好的波段图像。进一步对这些波段图像开展地面森林树种识别研究，保留识别精度较高的波段,通过两阶段法，得到森林资源监测的合适遥感波段窗口。项目成果将填补我国林业遥感传感器波段窗口设置的空白。

项目收集了研究区Hypeion卫星，天宫一号成像高光谱数据，同时，通过搭建高光谱平台，对研究区内常绿针叶树种（杉木、马属松）、落叶针叶树种（水杉）、常绿阔叶树种（香樟、楠竹）和落叶阔叶树种（银杏、马褂木、复羽叶栾树）开展定点定期的成像和非成像高光谱观测，还设立了杉木死亡过程高光谱观测的对照样地，获得有效高光谱观测数据1万余条。主要研究结果有：（1）建立了高光谱数据库，开发了首个高光谱数据管理与分析系统；（2）找到了高光谱（成像与非成像）的最佳降维方法，以最少的维度得到最大的信息量；（3）建立了森林资源监测最优波段窗口算法，据此得到了非常细化的树种级监测波段窗口13个：杉木与马褂木的波段窗口2个：571nm-711nm，964nm-2517nm。杉木与马尾松的波段窗口1个：785nm-1337nm；杉木与樟树的夏季波段窗口2个729-1378nm，1617-1689nm。秋季窗口3个：709-711nm，901-1389nm，1585-1856nm。马褂木与马尾松的夏季波段窗口3个：720-727nm，730-1371nm，1574-1671nm。秋季窗口3个：709-711nm，901-1389nm，1585-1856nm；（4）建立了森林资源监测遥感图像质量评价模型。通过对成像高光谱图像信息熵、峰值信噪比、清晰度、方差、平均值、变异系数和基于图像灰度共生矩阵的对比度、能量、熵、逆差矩、标准差、均值、模糊度等指标进行分析，得到对图像质量影响较为显著的5项指标，采用蒙特卡洛原理，利用计算机模拟出211876组指标间的权重，得到评价模型为Y=-5.932+0.233x_1+1.557x_2+0.104x_3+0.034x_4+0.146x_5；（5）发现了树种死亡过程的“绿峰红移”现象；（6）改进了遥感因子在森林资源分类时的冗余性，即以最少的遥感因子获得最好的分类精度。