基于高光谱与地面样地数据的城市风景树种遥感估测
文献综述
一、课题意义
森林是地球上的重要资源之一，是自然界不可或缺的资源库、基因库、蓄水库、碳储库和能源库。城市森林是城市生态系统的重要组成部分，是以改善城市生态环境为主，促进人与自然协调，满足社会发展需求，由以树木为主体的植被及其所在的环境所构成的森林生态系统[1]。城市森林在城市生态系统中起着动态调节作用，具有改善城市小气候、维持二氧化碳和氧气的平衡、缓解“热岛效应”和降低污染等方面的生态效益。风景林是以发挥景观功能为主，具有一定稳定性的人工或自然森林群落，是城市森林的重要组成部分[2]。林木信息是森林经营规划的基础。在城市风景林的经营管理过程中，能够正确的识别出树种，获取其空间分布信息，具有现实意义。
传统的野外实地调查耗费大量人力，成本较高，调查难度与林地复杂程度成正比。而遥感技术具有大面积覆盖获取地面信息以及动态观测更新的特点,能够快速、准确、高效地提供实时、动态、综合性强的大尺度城市森林资源信息,节省大量人力及时间。近年来,遥感技术迅速发展，高时空分辨率、高光谱分辨率卫星不断涌现,多时效、多尺度、多源遥感数据可获得性提高,数据处理方法不断优化，使用遥感数据进行城市风景树种估测有着更为广阔的发展空间。与传统遥感相比,高光谱遥感具有波段窄、成像通道多、图像与光谱合而为一的特点,以纳米级的高光谱分辨率和几十到几百个波段同时对地物成像,获得地物的连续和精细的光谱信息，可用来计算各类植被指数,为更精确的风景树种分类估测提供了可能[3]。WorldView 3是美国数字地球(Digital Global)公司的第四代高解析度光学卫星，是全球最高分辨率商业遥感卫星。其全色与多光谱融合的影像成果色彩丰富饱满,影像的辨识度非常高，有助于深度信息挖掘,提高工程的精确度[4]。高分5号是我国光谱分辨率最高的卫星，也是国际上首次实现对大气和陆地进行综合观测的全谱段高光谱卫星。其在轨测试时间较短，有效数据不多，与地面试验的结合验证匮乏[5]。因此，基于WorldView 3与高分5号对城市风景树种进行遥感估测，具有较高研究价值。
二、国内外研究现状
精准地获取城市风景林主要树种的种类、树种、空间分布信息，是制定风景林质量精准提升措施的前提。高光谱遥感通过获取森林植被的生物物理和化学特征，提供丰富的光谱信息，能够有效提高森林的分类精度[6]。高光谱遥感在植物类型识别领域的应用在国内外掀起了一波研究热潮。
高光谱遥感图像各波段间存在着高相关性和高冗余度。利用高光谱成像数据进行树种估测主要有两个重要过程，首先选择能够反映不同树种之间光谱差异特征的波段，进行降维，然后再运用分类器对处理过的图像进行森林树种分类。陈尔学[7]等通过比较发现，采用二阶统计量估计方法,应用结合地面观测数据与光谱信息（Hyperion高光谱数据）分类算法，如ECHO,能够有效地提高森林树种的识别精度。刘秀英[8]等通过应用主成分分析和遗传算法两种波段选择方法，发现原始数据对数变换后取一阶微分及植被指数对杉木和马尾松的判别精度最高。2013年，Alonzo[9]等在美国加州圣巴巴拉利用高光谱数据中提取的归一化植被指数(NDVI)对15个城市树种进行分类,分类精度达到了86.0%,但此研究区域位于城市街道,研究对象是街道旁行道树,树间距较大,冠幅重叠较少甚至无重叠。对于高覆盖度的城市森林而言，仅依靠光谱信息难以高精度地提取出单木树种。杨珺雯[10]基于OMIS高光谱影像，分别利用随机森林算法进行重要性指标排序与使用RF-RFE波段选择方法，实现高光谱数据降维，进行随机森林、支持向量机分类（SVM）。结果表明随机森林分类器优于SVM，是一种较好的高光谱数据分类器。余超[11]基于紫金山森林公园2011年WorldView 2遥感数据，对比多元线性回归、随机森林、装袋算法和K最邻近算法4种遥感估测模型。研究表明，中,随机森林模型估测的综合性能最高,多元线性回归次之,K最邻近算法第三,装袋算法最低。刘怡君[12]等结合AISA Eagle II高光谱与同期LiDAR数据选用支持向量机分类器对普洱市万掌山进行主要树种分类，总体精度为80.5%，Kappa系数为0.78。该方法有效提高山区主要树种识别精度。
三、存在的问题
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
