应用遥测与知识库系统进行林型分类之研究.docVIP

應用遙測與知識庫系統進行林型分類之研究 Using Remote Sensing and Knowledge-Based System to Study Forest Type Classification 研究生：陳建文 Chen, Cheng-Wen 指導教授：陳朝圳 Chen, Chaur-Tzuhn 【摘要】 近幾十年來，由遙測影像之空間解析力、時間解析力及波譜解析力的提升，利用衛星影像進行土地覆蓋與土地利用分類，有輔助航空照片之趨勢，且已大量使用於資源調查及環境監測上。台灣地區由於地形起伏變化大，森林結構與樹種組成複雜，因此在遙測影像分類時，如以光譜資訊進行林型分類，仍有其侷限性。本研究目的在於探討如何整合林型的四季光譜資訊與生育環境因子，並尋求最佳的分類方法，以提升分類準確度。本研究利用SPOT衛星影像為材料，以花蓮高山地區為研究範圍。不同季節之衛星影像以直方圖匹配校正法、ATCOR2配合藍氏反射校正法與ATCOR3校正法等三種輻射糾正法，比較大氣與地形效應之糾正效果。另以高海拔地區之主要林型包括冷杉、雲杉、鐵杉、柳杉、檜木、箭竹、松類及裸露地為分類類型，以不同季節之SPOT衛星影像，萃取各林型之均質影像，藉由雙光譜與單因子變異數分析，進行各林型之各波譜之統計分析，利用各林型光譜差異最大之季節，進行最大概似法之監督性分類，以供對照用。為提升分類準確度，本研究以分類迴歸樹演算法(Classification And Regression Tree, CART)結合四季光譜資訊、植生指標及林型之生育環境資訊，利用知識庫分類法演算類樹，進行林型分類，探討知識庫分類法在衛星影像之林型分類的可行性。研究結果顯示台灣高山地區之SPOT衛星影像，以ATCOR3校正模式能有效的進行地形效應糾正，由不同季節之各林型雙光譜與單因子變異數分析得知，夏季影像對於各林型間之波譜差異性較大，且因太陽直射地面，產生的陰影面積最少，適宜進行林型分類，以夏季影像利用最大概似法進行冷杉等八種林型之監督性分類，其整體分類準確度為62.00%。應用CART所建立之分類樹，將四季影像波譜資訊加入植生指標，進行知識庫分類，其分類準確度提高為66.91%，而將四季影像波譜資訊與植生指標配合林型分布之海拔高之生態幅度資訊，則分類準確度可達到70.18％，顯現知識庫分類如能找到關鍵的波譜以外的分類輔助資訊，確實可提高分類準確度。 關鍵字：分類迴歸樹、知識庫系統、輻射糾正、光譜特徵、植生指標 【Abstract】 In last decades, remote sensing images are improved by their spectral, spatial, radiometric abilities, and temporal resolutions. Using satellite images to classify the land cover and land use is the trend and has been widely used in resource surveys and environmental monitoring. Due to the great undulating terrain, the forest structure and species composition are complicated in Taiwan therefore spectral information for forest type classification still has limitations. The purpose of this study is to combine the season’s spectral information and the environmental factors of forest types in order to improve classification accuracy by finding the best classification method. We used SPOT satellite images as a material in the alpine of Hualien. The terrain correcting method of histogram matching, ATCOR2 with Lambertian Reflection and ATCOR3 were used to correct the satellite images in different seasons and to compare the correc