森林树种高光谱遥感研究PDF电子书下载

第一章 绪论 1

第一节 高光谱遥感的概念 1

第二节 高光谱遥感的发展现状 3

第三节 典型地物的光谱特征 7

一、植被 7

二、土壤 9

三、岩石 12

四、水体和雪 12

五、城市目标 15

第四节 地面光谱测量方法 15

一、实验室测量 16

二、野外测量 16

第二章 数据采集与数据处理 18

第一节 野外光谱数据的测定 18

一、野外光谱测量的影响因素 19

二、地物光谱测试时的规范和测量要求 21

第二节 生物化学参数的测定 22

第三节 基于光谱位置变量的分析 23

第四节 地物光谱数据预处理 25

一、高光谱数据平滑去噪 25

二、高光谱数据变换 26

第五节 高光谱数据分类技术 29

一、支持向量机原理 29

二、BP神经网络简介 30

三、光谱角度制图法原理 32

四、马氏距离分类法原理 32

五、朴素贝叶斯分类法原理 33

六、Fisher判别法原理 33

第三章 乔木树种主要生化参数估算模型研究 35

第一节 杉木色素含量的估算模型研究 35

一、研究区概况 35

二、数据收集及处理 35

三、模型及精度评价 36

四、结果与分析 37

第二节 马尾松色素含量估算模型研究 67

一、研究区概况 67

二、数据收集及处理 67

三、模型及精度评价 67

四、结果与分析 68

第三节 樟树幼林色素含量的估算模型研究 91

一、研究区概况 91

二、数据收集及处理 91

三、模型及精度评价 92

四、结果与分析 92

第四章 乔木树种高光谱数据降维分类对比分析 113

第一节 乔木树种光谱数据采集 113

第二节 高光谱数据的主成分降维 114

一、主成分降维原理 114

二、光谱数据降维分类测试 115

第三节 高光谱数据的独立主成分降维 122

一、独立主成分降维原理 122

二、独立主成分降维分类结果对比 122

第五章 基于群体算法结合支持向量机的高光谱数据降维分类研究 127

第一节 遗传算法结合支持向量机的降维算法 127

一、降维算法原理 127

二、降维分类结果分析 129

第二节 粒子群算法结合SVM的高光谱数据降维算法 130

一、粒子群算法原理 130

二、粒子群算法结合支持向量机降维原理 131

三、降维数据分类结果与分析 131

第六章 成像高光谱影像特征分析与LAI反演 134

第一节 数据获取与研究区概况 134

一、研究区概况 134

二、成像光谱数据获取 135

三、地面数据测量 136

第二节 影像数据处理与植被指数提取 138

一、Hyperion数据读取与有效波段选择 138

二、坏线修复与条纹去除 140

三、大气校正与几何校正 141

四、校正结果与同步观测数据比较分析 144

五、植被指数提取 146

第三节 基于植被指数的LAI反演模型 147

一、基于单因子的LAI反演模型 148

二、LAI的逐步回归模型 151

三、基于偏最小二乘回归的LAI反演模型 155

四、研究区LAI反演制图 159

参考文献 161