多/高光谱遥感结合的三江平原湿地植被分类研究

Typical wetland in Sanjiang Plain-Honghe Natural Reserve is chosen as study area.According to four typical wetland vegetation-deyeuxia angustifolia,carex mey-triana,carex lasiocarpa and carex pseudocuraica, the research will carry out a on-the-spot sampling survey on the date of the overpass of HJ-1A. Field Spectrum data, bio-physical and bio-chemical parameters of vegetation , hydrological environment parameters and HJ-1A CCD and HSI images will be collected.After data preprocessing,spectral features will be extracted.Then one-way ANOVA will be carried out for selecting the best features of discriminating the four type of vegetation.PROSPECT+SAIL model will be used for testing the sensibility of these features to enviroment background.Finally,HJ-1A CCD and HSI images will be fused. The best features extracted by fusion images and BP-ANN,FLDA methods will be used for mapping the distribution of wetland vegetation.The research result provides theoretic foundation for application in wetland and vegetation of HJ small satellite optical data.It also supports the wider ecological application of HJ small satellite constellation。

本研究选择三江平原典型湿地洪河国家级自然保护区为研究区，以四种典型湿地植被小叶章、毛果苔草、乌拉苔草和漂筏苔草为研究对象，开展星地同步实验，获取野外光谱、植被信息、水文环境信息、HJ-1A CCD和HSI影像，在数据预处理的基础上，提取光谱特征参数。筛选能有效区分四种植被的最优光谱特征，并通过PROSPECT+SAIL模型，检验这些光谱特征对环境背景的敏感性。最后融合HJ-1A CCD和HSI影像，得到具有30m空间分辨率的高光谱影像，提取最优光谱特征参数，基于BP-ANN及FLDA方法，对研究区的植被分布进行制图并验证。本课题的研究成果将为环境小卫星光学数据在湿地和植被中的应用提供理论基础，对于即将建成的环境减灾小卫星星座大面积开展生态应用提供支持。

本项目研究人员三次赴黑龙江省三江平原洪河湿地保护区，获取了典型湿地植被类型、植被理化参数、土壤背景参数等数据，同时开展了地物光谱测量和飞艇多光谱遥感试验，为课题后续研究提供了数据基础。为进行批量化数据处理工作，开发了《地物光谱数据预处理与特征参数提取系统》，并申请软件著作权1项。.针对洪河保护区典型湿地植被，通过实测地物冠层光谱数据，提取高光谱特征参数，分析了不同方法对湿地植被识别的有效性。研究表明：与植被理化参数高度相关的高光谱特征参数，包括高光谱植被指数、吸收特征等，是进行植被区分和识别的重要数据源，环境背景因素对植被冠层光谱的影响较大，但是无法从实测光谱数据中剔除环境背景的影响。分块理论可以提高植被识别的精度，使用分块主成分分析和典型成分分析进行植被类型识别都能取得较好的精度，识别精度能够达到80%以上。分块组数越多，精度越高。.本项目通过地物光谱数据模拟了HJ-1A HSI和CCD数据，评价该卫星传感器进行湿地植被识别的可行性；融合同一平台同一时间的HJ-1A CCD和HSI影像，得到具有较高空间分辨率的HSI影像，基于融合后影像对湿地植被进行分类，探讨了HJ-1A影像进行湿地植被识别的能力。研究表明：模拟后的HJ-1A HSI数据识别精度达到84.05%，可以达到植被识别的目的，而模拟的HJ-1A CCD数据识别精度只有42.35%，精度较低，无法进行植被识别。融合后的遥感影像对五种植被的识别精度达到82%。将高光谱植被指数与主成分分量结合，识别精度得到明显提高，达到87.6%。通过HJ-1A高光谱和CCD影像融合，可以进行群落级植被识别工作。.由于HJ-1A高光谱数据存在一定的质量问题，项目开展了低空无人飞艇高光谱遥感试验，获取了高空间分辨率的高光谱影像，采用最大光谱角和人工神经网络方法，对河北试验区九种树种幼苗进行分类研究。最后，本项目还开展了基于高光谱的植被生理生化参数（叶面积指数、鲜生物量、叶绿素、氮素、含水量）反演研究，获得了研究区不同植被理化参数的反演模型，为湿地植被分类的结果提供参考。.依托此项目，项目组成员共出版中文专著1本《基于高光谱的湿地植被定量遥感研究—以洪河自然保护区为例》，发表学术论文9篇，其中SCI检索1篇，EI检索会议论文5篇，中文核心1篇，一般论文2篇。