2000年在森林经理学科的资助下，课题组购买了美国ASD公司生产的高光谱仪，开展了林业高光谱的先期研究工作，试探性地发表了一些研究论文。2004年和2008年两次获得了国家自然科学基金面上项目（湖南省主要针叶树种高光谱遥感研究30471391、森林树种波谱特及生化成分相关性研究30871962）的资助，其间还获得了教育部博士点专项基金（南方乔木树种高光谱遥感测定与分析200805380001）的支持，这些都大大鼓舞了课题组的士气，使得课题组能够克服重重困难，顺利完成了对南方主要树种特别是乡土树种杉木、马尾松的定点定位、定期的观测，取得了宝贵的第一手资料。在此基础上开展了一系列的数据处理和分析工作，取得了一些初步的结果。《森林树种高光谱遥感研究》，正是介绍了课题组十余年来，开展森林树种高光谱研究的一些方法和研究结果。

第一章 绪论

第一节 高光谱遥感的概念

第二节 高光谱遥感的发展现状

第三节 典型地物的光谱特征

一、植被

二、土壤

三、岩石

四、水体和雪

五、城市目标

第四节 地面光谱测量方法

一、实验室测量

二、野外测量

第二章 数据采集与数据处理

第一节 野外光谱数据的测定

一、野外光谱测量的影响因素

二、地物光谱测试时的规范和测量要求

第二节 生物化学参数的测定

第三节 基于光谱位置变量的分析

第四节 地物光谱数据预处理

一、高光谱数据平滑去噪

二、高光谱数据变换

第五节 高光谱数据分类技术

一、支持向量机原理

二、BP神经网络简介

三、光谱角度制图法原理

四、马氏距离分类法原理

五、朴素贝叶斯分类法原理

六、Fisher判别法原理

第三章 乔木树种主要生化参数估算模型研究

第一节 杉木色素含量的估算模型研究

一、研究区概况

二、数据收集及处理

三、模型及精度评价

四、结果与分析

第二节 马尾松色素含量估算模型研究

一、研究区概况

二、数据收集及处理

三、模型及精度评价

四、结果与分析

第三节 樟树幼林色素含量的估算模型研究

一、研究区概况

二、数据收集及处理

三、模型及精度评价

四、结果与分析

第四章 乔木树种高光谱数据降维分类对比分析

第一节 乔木树种光谱数据采集

第二节 高光谱数据的主成分降维

一、主成分降维原理

二、光谱数据降维分类测试

第三节 高光谱数据的独立主成分降维

一、独立主成分降维原理

二、独立主成分降维分类结果对比

第五章 基于群体算法结合支持向量机的高光谱数据降维分类研究

第一节 遗传算法结合支持向量机的降维算法

一、降维算法原理

二、降维分类结果分析

第二节 粒子群算法结合SVM的高光谱数据降维算法

一、粒子群算法原理

二、粒子群算法结合支持向量机降维原理

三、降维数据分类结果与分析

第六章 成像高光谱影像特征分析与LAl反演

第一节 数据获取与研究区概况

一、研究区概况

二、成像光谱数据获取

三、地面数据测量

第二节 影像数据处理与植被指数提取

一、Hyperion数据读取与有效波段选择

二、坏线修复与条纹去除

三、大气校正与几何校正

四、校正结果与同步观测数据比较分析

五、植被指数提取

第三节 基于植被指数的LAI反演模型

一、基于单因子的LAI反演模型

二、LAI的逐步回归模型

三、基于偏最小二乘回归的LAI反演模型

四、研究区LAI反演制图

参考文献

作　者：林辉 等 著

出 版 社：中国林业出版社

ISBN：9787503864230

出版时间：2011-12-01

版　次：1

页　数：162

装　帧：平装

开　本：16开

森林树种的波谱特征决定了遥感成像特征，而波谱特征主要是由生化成分决定的，是生化成分的外部综合呈现。长期以来由于森林树种比较高大，对其进行冠层波谱观测难度非常大，更不用说开展同步的生化成分分析，这导致相关研究较少，对其遥感成像机理探索很不够。本项目以湖南省常见的森林树种按落叶阔叶、常绿阔叶、落叶针叶、常绿针叶等典型林分树种为研究对象，在外部环境条件基本一致的情况下，按不同龄组分别进行地面或空中的冠层波谱观测，并同步开展含水量、叶绿素a、叶绿素b、叶绿素总量、叶黄素、蛋白质、淀粉、纤维素、木质素、糖、氨基酸、N、P、K等生化成分分析；采用统计分析和数学建模等方法，对波谱数据进行处理并与生化成分相关性研究；探索对树种波谱特征有显著影响的生化参数及其影响水平，解释森林树种在波谱特征相似时是否具有相似的生化成分及生化成分相近的森林树种是否具有相似的波谱特征，从深层次上解释森林树种遥感成像的内在机理。 2100433B

近年来高光谱数据获取能力大幅提高，而其分析处理技术的发展却相对滞后，其中分类技术作为高光谱图像处理与信息提取过程中的关键环节，一直是国际前沿性的研究热点。项目针对稀疏表示理论在高光谱数据分析中暴露的缺陷开展理论研究，结合高光谱影像全局结构特征和局部纹理特征，提出基于特征空间的稀疏表示和协作表示相结合、竞争与协作关系共存的分类相关理论和技术。主要内容包括：1）研究高光谱遥感影像的空间纹理特征提取方法；2）构建结构化表示模型分类器；3）提出一种多约束条件的表示模型分类方法；4）开展基于重构残差融合的表示模型多分类集成研究。项目完成了相关模型的建立和关键算法的研究，基于典型区域的真实数据进行了上述特征提取算法和分类模型的验证。结果表明，所提出的表示模型框架的分类方法可以实现地物目标的精细分类识别，为我国高光谱遥感对地协同观测任务重大专项任务提供了关键技术支撑。 完成了系列高光谱图像分类相关模型的建立和关键算法的研究，发表国际学术SCI收录期刊32篇，其中第一/通信作者论文25篇，发表EI收录的会议论文9篇，2篇国际会议论文获杰出论文奖。担任国际核心期刊IEEE JSTARS和IEEE SPL编委，并获得IEEE JSTARS 2015最佳审稿人奖，入选2017年北京市科技新星计划，以及2019年国家自然科学基金优秀青年科学基金资助。 在项目执行期内，共培养硕士研究生27名，其中毕业20名，在读7名；培养博士研究生2名，其中毕业1名，在读1名，均获得国家留学基金委(CSC)公派留学资格；在毕业的硕士生中，获得优秀毕业生2名，优秀毕业论文4名，硕士生获国家奖学金4次，博士生获国家奖学金2次，其中一名博士获得北京化工大学校长奖学金，为北京化学工大学信息科学与技术学院首次（目前唯一一名）获得此荣誉的在读博士研究生；项目资助硕士生出国（美国、西班牙、日本等）参加国际会议并开展学术交流共计8名。此外，成功指导课题组博士后出站1名和课题组年轻教师晋升副教授1名。 2100433B