一种基于全谱段相关分析算法的树种信息识别方法技术

本发明专利技术公开了一种基于全谱段相关分析算法的树种信息识别方法，包括以下步骤：采集多个不同树种叶片样本；利用ASD光谱仪测定树种叶片样本的光谱数据；筛选部分树种叶片样本作为训练样本，剩余树种叶片样本作为验证样本；每种树木取其所有训练样本的叶片光谱数据均值作为树种识别的标准光谱；利用光谱变换方法对验证样本的光谱数据进行处理，打乱所述验证样本的光谱数据顺序，然后，将所述验证样本的光谱数据与树种识别的标准光谱进行相关性分析，取相关性最高的标准光谱对应的树种作为该验证样本的树种类型。本发明专利技术提供的基于全谱段相关分析算法的树种信息识别方法，方法简单，操作方便，树种识别精度高，有利于提升林业信息监管水平。

【技术实现步骤摘要】
一种基于全谱段相关分析算法的树种信息识别方法
本专利技术涉及树种信息识别
，特别是涉及一种基于全谱段相关分析算法的树种信息识别方法。
技术介绍
森林几乎覆盖了陆地表面的三分之一，作为最重要的陆地生态系统，其在保持水土和调节气候等方面发挥着巨大作用；树木作为森林的主体，掌握其种类及分布状况对森林生态系统保护、森林持续经营等具有重大意义。因此，如何快速而准确地获取大范围的森林树种分布信息显得尤为重要。近年来，随着遥感技术的飞速发展，遥感技术被大量应用于树种分类研究之中；而高光谱数据因其丰富的光谱特征信息，以及易凸显细微信息等优势，始终是树种分类研究中的热点。树木存在受环境(水文、气候、土壤等)影响并呈现周期性的自然现象，包括发芽、展叶、叶变色、落叶等，即物候现象，且同种树木冠层叶片受光照、冠层几何结构、高度等制约导致同种树木冠层叶片光谱也存在差异；因而基于少数光谱特征波段进行树种分类的难度较高，难以取得理想精度，且分类精度随树种数目的增加而逐渐降低，因而探索树种信息识别新方法对于树种分类极为重要，如何合理地利用有限光谱信息已成为亟待解决的问题。光谱变异的本质是目标理化特性的变化，树木种间光谱差异的根源在于不同树种在理化特性方面存在差异；考虑到环境影响，同一树种的叶片存在差异，但其理化特性却具有较高相似性，同种树木光谱具有较高的相关性，因此本专利技术提出一种基于全谱段相关分析算法树种信息识别，为提升树种识别精度提供了必要的技术支撑。
技术实现思路
本专利技术的目的是提供一种基于全谱段相关分析算法的树种信息识别方法，方法简单，操作方便，树种识别精度高，有利于提升林业信息监管水平。为实现上述目的，本专利技术提供了如下方案：一种基于全谱段相关分析算法的树种信息识别方法，包括以下步骤：S1，采集多个不同树种叶片样本；S2，利用ASD光谱仪测定所述树种叶片样本的光谱数据；S3，从所述树种叶片样本中，筛选部分树种叶片样本作为训练样本，剩余树种叶片样本作为验证样本；S4，每种树木取其所有训练样本的叶片光谱数据均值作为树种识别的标准光谱；S5，利用光谱变换方法对验证样本的光谱数据进行处理，打乱所述验证样本的光谱数据顺序，然后，将所述验证样本的光谱数据与树种识别的标准光谱进行相关性分析，取相关性最高的标准光谱对应的树种作为该验证样本的树种类型。可选的，所述步骤S1中，所述利用ASD光谱仪测定所述树种叶片样本的光谱数据，具体包括：每种树木采集18条光谱数据。可选的，所述步骤S3中，从所述树种叶片样本中，筛选部分树种叶片样本作为训练样本，剩余树种叶片样本作为验证样本，具体包括：筛选2/3树种叶片样本作为训练样本，1/3树种叶片样本作为验证样本。可选的，所述树种信息识别方法还包括：步骤S6，基于步骤S5的分析结果，利用已知信息进行精确度检验。可选的，所述ASD光谱仪采用野外便携式地物光谱仪。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供的基于全谱段相关分析算法的树种信息识别方法，充分利用不同树种在叶片理化特性方面的差异为切入点，利用全波段作为分析数据，从相关性这一关键点分析，开展树种的识别技术的研究；树种信息识别存在难度大、精度低等问题，而本专利技术是在深入分析树种理化特性与光谱内在关联的基础上提出的，具有高精度、简便、易操作等优势，可为树种的识别提供基础技术支撑；树种信息识别是开展生物量、生态等森林信息检测的基础数据，树种信息识别精度的提升有助于提升森林信息的监测精度，本专利技术可为提升森林信息管理的智能化、信息化水平提供基础技术支撑；现有技术在树种信息识别方面相对匮乏，本专利技术能有效弥补该领域的不足，且本专利技术的检测精度更高，鲁棒性和普适性更好。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1是本专利技术实施例基于全谱段相关分析算法的树种信息识别方法的流程图；图2是本专利技术实施例地物光谱仪的结构示意图；图3为本专利技术中实施例中15种树木叶片光谱曲线图；图4为本专利技术中实施例基于全波段相关分析法树种分类精度结果图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。本专利技术的目的是提供一种基于全谱段相关分析算法的树种信息识别方法，方法简单，操作方便，树种识别精度高，有利于提升林业信息监管水平。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。如图1所示，本专利技术提供的基于全谱段相关分析算法的树种信息识别方法，以下步骤：S1，采集多个不同树种叶片样本；S2，利用ASD光谱仪测定所述树种叶片样本的光谱数据；S3，从所述树种叶片样本中，筛选部分树种叶片样本作为训练样本，剩余树种叶片样本作为验证样本；S4，每种树木取其所有训练样本的叶片光谱数据均值作为树种识别的标准光谱；S5，利用光谱变换方法对验证样本的光谱数据进行处理，打乱所述验证样本的光谱数据顺序，然后，将所述验证样本的光谱数据与树种识别的标准光谱进行相关性分析，取相关性最高的标准光谱对应的树种作为该验证样本的树种类型。其中，所述步骤S1中，所述利用ASD光谱仪测定所述树种叶片样本的光谱数据，具体包括：每种树木采集18条光谱数据。其中，所述步骤S3中，从所述树种叶片样本中，筛选部分树种叶片样本作为训练样本，剩余树种叶片样本作为验证样本，具体包括：筛选2/3树种叶片样本作为训练样本，1/3树种叶片样本作为验证样本。其中，所述树种信息识别方法还包括：步骤S6，基于步骤S5的分析结果，利用光谱数据及相应树种种类进行精确度检验。其中，所述ASD光谱仪采用野外便携式地物光谱仪。地物光谱是地物化特性的综合体现，某一地物光谱的变化其根源是物质本理化特性的变化，因而光谱是某一地物理化特性(构成成分、占比等)的外在体现；因此同一树种的叶片光谱间具有相近的理化特性，因而同种树叶间具有较高的相关性；不同树种的叶片在理化特性方面的差异相对较大，因而异种树叶间具有较低的相关性；考虑到不同树种间具有一定的相似性，无法利用一个或多个特征波段进行高精度区分，本专利技术基于充分利用不同树种在叶片理化特性方面的差异为切入点，利用全波段作为分析数据，从相关性这一关键点分析，开展树种的识别技术的研究。在步骤S2中，树木叶片光谱测量方法采用在室内进行，地物光谱仪器使用美国ASD公司生产的野外便携式地物光谱仪进本文档来自技高网...

【技术保护点】
1.一种基于全谱段相关分析算法的树种信息识别方法，其特征在于，包括以下步骤：/nS1，采集多个不同树种叶片样本；/nS2，利用ASD光谱仪测定所述树种叶片样本的光谱数据；/nS3，从所述树种叶片样本中，筛选部分树种叶片样本作为训练样本，剩余树种叶片样本作为验证样本；/nS4，每种树木取其所有训练样本的叶片光谱数据均值作为树种识别的标准光谱；/nS5，利用光谱变换方法对验证样本的光谱数据进行处理，打乱所述验证样本的光谱数据顺序，然后，将所述验证样本的光谱数据与树种识别的标准光谱进行相关性分析，取相关性最高的标准光谱对应的树种作为该验证样本的树种类型。/n

【技术特征摘要】
1.一种基于全谱段相关分析算法的树种信息识别方法，其特征在于，包括以下步骤：
S1，采集多个不同树种叶片样本；
S2，利用ASD光谱仪测定所述树种叶片样本的光谱数据；
S3，从所述树种叶片样本中，筛选部分树种叶片样本作为训练样本，剩余树种叶片样本作为验证样本；
S4，每种树木取其所有训练样本的叶片光谱数据均值作为树种识别的标准光谱；
S5，利用光谱变换方法对验证样本的光谱数据进行处理，打乱所述验证样本的光谱数据顺序，然后，将所述验证样本的光谱数据与树种识别的标准光谱进行相关性分析，取相关性最高的标准光谱对应的树种作为该验证样本的树种类型。


2.根据权利要求1所述的基于全谱段相关分析算法的树种信息识别方法，其特征在于，所述步骤S1中，所述利用...

【专利技术属性】
技术研发人员：王延仓，章学深，耿一峰，赵起超，赵云峰，李旭青，李国洪，金永涛，苏晓彤，
申请(专利权)人：北华航天工业学院，
类型：发明
国别省市：河北;13