پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,978,223 |
| تعداد دریافت فایل اصل مقاله | 89,650,110 |
طبقه‌بندی جنگل با استفاده از داده‌های ابرطیفی | ||
| مجله منابع طبیعی ایران (منتشر نمی شود) | ||
| مقاله 7، دوره 4، شماره 0 - شماره پیاپی 1000335، اسفند 1387 اصل مقاله (653.97 K) | ||
| نویسنده | ||
| علی‌اصغر درویش‌صفت* | ||
| چکیده | ||
| در این تحقیق داده‌های سنجنده HyMap از منطقه کوچک جنگلی در قسمت مرکزی کشور سوئیس و مربوط به تابستان 1998 بررسی شده است. این داده دارای 128 باند طیفی باریک در محدوده nm 2480-450 و اندازه تفکیک زمینی معادل 5/7 متر بوده و با استفاده از هواپیما از ارتفاع 3000 متری برداشت شده است. جنگل مورد مطالعه ناهمگن، ناهمسال و مخلوطی از گونه‌های مختلف سوزنی‌برگ و پهن‌برگ است. ابتدا داده‌های HyMap بررسی کامل کیفی شدند. نسبت S/N بجز در 6 باند بسیار زیاد بود. تصحیحات هندسی به روش پارامتری و با استفاده از مدل رقومی‌ارتفاع و داده‌های ناوبری هواپیما، با دقتی زیاد (4 متر < RMSE) انجام شد. اثرهای اتمسفر بر بازتاب نیز با استفاده از مدل تصحیحات اتمسفری ATCOR-A انجام شد. به منظور طبقه‌بندی جنگل به لحاظ درجه اختلاط سوزنی‌برگ و پهن‌برگ، جداسازی طیفی به صورت خطی با استفاده از چهار عضو نهایی سوزنی‌برگ خالص، پهن‌برگ خالص، زمین/نهال و سایه انجام شد. محل این عضو‌های نهایی به کمک عکس‌های هوایی 9000 :1 و بازدید میدانی، بر روی تصویر HyMap تعیین و منحنی‌های طیفی آنها از تصویر استخراج شد. مقایسه نتایج تجزیه و تحلیل با عکس‌های هوایی مادون قرمز رنگی در مقیاس 9000 :1 نشان می‌دهد که داده‌های ابرطیفی و روش جداسازی طیفی خطی قابلیت زیادی (95 درصد) برای طبقه‌بندی جنگل دارند. به دلیل اجرای مدل خطی جداسازی، به‌سادگی امکان تعیین حدود آستانه و طبقه‌بندی تصاویر سهم وجود ندارد، چرا که اختلاط طیفی در واقع غیر خطی است. ازاین‌رو باید روش‌های مناسبی را برای این کار جست‌وجو کرد. | ||
| کلیدواژه‌ها | ||
| داده‌های ابرطیفی؛ جداسازی طیفی؛ پیکسل‌های مخلوط؛ عضو نهایی؛ سهم و HyMap | ||
| عنوان مقاله [English] | ||
| Application of Hyperspectral Data for Forest Stand Mapping | ||
| چکیده [English] | ||
| In this investigation, HyMap data cube acquired in 1998 over a small forest area in central part of Switzerland was analyzed and evaluated. The HyMap sensor is a 128-channel high-resolution airborne imaging spectrometer that covers the wavelength from 450 nm to 2480 nm. Its pixel size is approximately 7.5 meters. The image has been acquired from 3000m above the earth surface. The research forest-site is a heterogeneous mixture of coniferous and deciduous species. Initially the HyMap data was evaluated qualitatively. Signal to Noise Ratios were very high except in 6 channels. Image orthorectification was performed with parametric method using a digital elevation model and navigation parameters. The resulted RMSE was less than 4 meters. The image was atmospherically corrected using ATCOR-A routine. In order to classify the forest according to mixture-grade of coniferous and deciduous, linear unmixing method was employed. The image based endmember collection approach was used to derive the spectra for selected endmembers (pure coniferous, pure deciduous, clear cutting and shadow). It was performed using airphotos and fieldwork. The fraction components derived from the unmixing model were compared with CIR-airphotos at a scale of 1:9000. The results showed that the potential of hyperspecral HyMap data and linear unmixing models are very high (95%) for forest classification purposes. Since the spectral mixing is actually non-linear, it is not easy to determine thresholds to classify the abundance images, which are derived from linear unmixing models. Therefore it is necessary to further research for appropriate methods. | ||
| کلیدواژه‌ها [English] | ||
| Hyperspectral Data, Spectral Unmixing, Mixed Pixel, Endmember, abundance, HyMap | ||
|
آمار تعداد مشاهده مقاله: 747 تعداد دریافت فایل اصل مقاله: 929 |
||