高光谱遥感数据藻类信息提取方法研究.docxVIP

高光谱遥感数据藻类信息提取方法研究赵杏杏1 ，丛小飞2 ，孙腾科1( 1．河海大学 地球科学与工程学院，江苏 南京 210098; 2． 河海大学 商学院，江苏 南京 210098)摘要: 以 Sacramento － San Joaquin 三角洲水域为研究区，利用 2007 年覆盖研究区的 64 个航带的 HyMap 数据， 分别用混合调谐匹配滤波( MTMF) 和决策树进行藻类信息的分类提取，在此基础上均采用 Kappa 系数作为标准 进行精度评价。结果表明: 混合调谐匹配波( MTMF) 分析方法对藻类进行分类的结果，Kappa 系数是 0． 634; 用基 于指数的决策树方法对藻类进行分类的结果，Kappa 系数是 0． 613，两种结果都具有高度的一致性。这说明这两种方法在提取水生物种方面比价有效。关键词: HyMap; MFMT; 决策树; 藻类中图分类号: P2; TP75文献标识码: B文章编号: 1672 － 5867( 2014) 07 － 0026 － 06Mothod of Extraction of Algae Information on Hyperspectral DataZHAO Xing － xing1 ，CONG Xiao － fei2 ，SUN Teng － ke1( 1． Institute of Geographical Information Science and Engineering，Hohai University，Nanjing 210098，China; 2．Business School of Hohai University，Hohai University，Nanjing 210098，China)Abstract: This paper use Sacramento － San Joaquin Delta as the study area． On the base of the HyMap data covering 64 aircraft in2007，with the mixed tuned matched filtering ( MTMF) and decision tree method，we extract algae information，and on this basis are using Kappa coefficient as a standard to evaluate the accuracy． The results showed that: hybrid tuner matching wave ( MTMF) analy- sis method to classify the results of algae，kappa coefficient was 0． 634; using decision tree － based index of the algae classification re- sults，kappa coefficient was 0． 613，both results are highly consistency． This shows that these two methods parity effective in extracting water clock．Key words: HyMap; MFMT; decision paper; algae谱分辨率高达纳米( nm) 数量级，具有波段数众多，连续性强的特点，其 传感器在可见光到红外光的波长范围内， ( 0． 4 ～ 2． 5 μm) 范围内以很窄的波段宽度( 3 ～ 30 nm) 获 得几百个波段的光谱信息，相当于产生了一条完整而连 续的光谱曲线，光谱分辨率将达到 5 ～ 10 nm［2］。此外，随 着高光谱遥感分辨率的增加，特征空间的维数很高，因而 表现不同地物类别的能力也随之不断提高，高光谱遥感 能更精确识别地物。因此，利用高光谱数据提取藻类信 息的应用于环境、农业等方面都具有极其重要的意义。随着科学技术的发展，高光谱遥感已成为水质探测 有效的工具。由于 HyMap 具有很高的光谱分辨率和空间 分辨率，它已经广泛用于入侵植被以及水域中叶绿素浓 度、悬浮泥沙含量、某些污染物和表层水温的探测。这些 参数的测定对水质的检测有着重要意义。高光谱遥感具0引言近年来，几乎每年夏季，美国加州北部水域的水面都会出现大面积水藻泛滥。淡水、河口以及河漫滩栖息地 中的水藻入侵减少了生物多样性，改变了水中养分循环， 降低了水质。美国每年需要花费大量的人力、财力和物 力用于控制和根除水草。同样，我国也有藻类泛滥的情 况。2007 年 5