森林樹種高光譜遙感研究

定　價：￥39.00

作　者：	林輝等編著
出版社：	中國林業(yè)出版社
叢編項：
標　簽：	林業(yè)

購買這本書可以去

ISBN：	9787503864230	出版時間：	2011-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	162	字數(shù)：

內容簡介

　　高光譜遙感是指利用很多很窄的電磁波波段（主要是可見光和近紅外區(qū)域）獲取目標物信息的技術，是近年來對地觀測領域的重大技術突破。同常規(guī)的多光譜遙感相比，具有更加豐富的空間、輻射和光譜信息，很快便應用于國土、地質礦產(chǎn)、農業(yè)、林業(yè)、環(huán)境、水文等領域，并表現(xiàn)出了較好的應用潛力和前景。高光譜遙感為遙感技術提供了一種新的對地觀測手段，以這種探測技術為基礎，形成了圖像、數(shù)據(jù)處理、信息提取、分析和多學科、多領域定量化應用為特征的研究方向。在世界范圍內，已投入運行或試驗的航空高光譜遙感系統(tǒng)有數(shù)十臺／套之多。高光譜遙感的星載運行相對要晚一些，l999年美國EOS系統(tǒng)AM一1衛(wèi)星發(fā)射升空，第一臺星載成像光譜儀，即中分辨率成像光譜儀（M0—DIS）成功實現(xiàn)了在軌運行，隨后的AIRS、GIFTS等，截至目前至少有十余顆衛(wèi)星或航天器帶有高光譜系統(tǒng)在空間運行過，它們已經(jīng)成為觀測地球最重要的遙感信息源之一。我國高光譜遙感也取得了重要進展，無論在航空還是航天領域，均有我國自主研制的高光譜系統(tǒng)，如MAIS、QMIS和PHl三大系統(tǒng)為代表的高光譜遙感系統(tǒng)，相繼研制成功。特別是在我國的載人航天計劃中，高光譜遙感實驗也占有一席之地。2002年3月發(fā)射的“神舟一3”實驗飛船攜帶有中分辨率成像光譜儀，有34個波段的高光譜分辨率，成為繼美國EOSMODIS之后，與ENVl—SAT的MERIS幾乎同時進入空間，實現(xiàn)對地現(xiàn)測的航天成像光譜儀系統(tǒng)。

作者簡介

暫缺《森林樹種高光譜遙感研究》作者簡介

圖書目錄

第一章　緒論
　第一節(jié)　高光譜遙感的概念
　第二節(jié)　高光譜遙感的發(fā)展現(xiàn)狀
　第三節(jié)　典型地物的光譜特征
    一、植被
    二、土壤
    三、巖石
    四、水體和雪
    五、城市目標
　第四節(jié)　地面光譜測量方法
    一、實驗室測量
    二、野外測量
第二章　數(shù)據(jù)采集與數(shù)據(jù)處理
　第一節(jié)　野外光譜數(shù)據(jù)的測定
    一、野外光譜測量的影響因素
    二、地物光譜測試時的規(guī)范和測量要求
　第二節(jié)　生物化學參數(shù)的測定
　第三節(jié)　基于光譜位置變量的分析
　第四節(jié)　地物光譜數(shù)據(jù)預處理
    一、高光譜數(shù)據(jù)平滑去噪
    二、高光譜數(shù)據(jù)變換
　第五節(jié)　高光譜數(shù)據(jù)分類技術
    一、支持向量機原理
    二、BP神經(jīng)網(wǎng)絡簡介
    三、光譜角度制圖法原理
    四、馬氏距離分類法原理
　　五、樸素貝葉斯分類法原理
    六、Fisher判別法原理
第三章　喬木樹種主要生化參數(shù)估算模型研究
　第一節(jié)　杉木色素含量的估算模型研究
    一、研究區(qū)概況
    二、數(shù)據(jù)收集及處理
    三、模型及精度評價
    四、結果與分析
　第二節(jié)　馬尾松色素含量估算模型研究
    一、研究區(qū)概況
    二、數(shù)據(jù)收集及處理
    三、模型及精度評價
    四、結果與分析
　第三節(jié)　樟樹幼林色素含量的估算模型研究
    一、研究區(qū)概況
    二、數(shù)據(jù)收集及處理
    三、模型及精度評價
    四、結果與分析
第四章　喬木樹種高光譜數(shù)據(jù)降維分類對比分析
第一節(jié)　喬木樹種光譜數(shù)據(jù)采集
第二節(jié)　高光譜數(shù)據(jù)的主成分降維
    一、主成分降維原理
    二、光譜數(shù)據(jù)降維分類測試
　第三節(jié)　高光譜數(shù)據(jù)的獨立主成分降維
    一、獨立主成分降維原理
    二、獨立主成分降維分類結果對比
第五章　基于群體算法結合支持向量機的高光譜數(shù)據(jù)降維分類研究
　第一節(jié)　遺傳算法結合支持向量機的降維算法
    一、降維算法原理
    二、降維分類結果分析
　第二節(jié)　粒子群算法結合SVM的高光譜數(shù)據(jù)降維算法
    一、粒子群算法原理
    二、粒子群算法結合支持向量機降維原理
    三、降維數(shù)據(jù)分類結果與分析
第六章　成像高光譜影像特征分析與LAl反演
第一節(jié)　數(shù)據(jù)獲取與研究區(qū)概況
    一、研究區(qū)概況
    二、成像光譜數(shù)據(jù)獲取
　　……
參考文獻