摘要:
高光谱识别是采用大量比较窄的波段对目标物进行同时观测，以实现对目标物更好的观测效果。以东洞庭湖为研究对象，对典型湿地植被苔草、芦苇、芦蒿、辣蓼和早柳开展野外高光谱观测的基础上，开展数据变换和分类识别。在对数据进行剔除、滤波和重采样后，对高光谱数据进行导数运算、对数运算、对数的导数运算、归一化运算和归一化后导数运算，以突出植被的光谱特征差异。采用主成分分析方法，对高光谱数据进行降维。并运用BP（Back Propagation）神经网络、马氏距离（Mahalanobis）分类法、贝叶斯（Bayes）分类法、费希尔（Fisher）分类法、光谱角度制图法（Spectral Angle Mapper，SAM）、支持向量机（Support Vector Machine，SVM）等6种方法开展湿地植被识别。结果表明：在多种数据变换方法中，LOG（M（R））变换效果最好，而湿地植被识别方法中，光谱角度制图法的精度最高。
