第31卷：第9期 2011年9月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol.31,No.9.pp2462-2466
September, 2011
基于均值置信区间带的高光谱特征波段选择与树种识别
陈永刚，丁丽霞，葛宏立，张茂震，胡芸
浙江农林大学，新江省森林生态系统碳循环与固碳减排重点实验室，环境科技学院，浙江临安311300
摘要以柏木、雷竹和无患子野外高光谱数据为基础，在统计学理论和实践分析的基确上，提出了利用均值置信区间带筛选树种间最佳特征区分波段及利用Manhattan距离和Min-Max区间相似度识别树种的间题。研究结果表明：（1）柏木与雷竹之间的最佳区分波段为358～386，452~1145和1314～2500nm，柏与无惠子之间的最伟区分波段为350～446，497~527，553～1330，1355～2400和2436～2500nm，雷竹与无惠子之间的最佳区分波段为434~555，580～1903，1914~2089，2172~2457和2475～2500nm（2）在最佳区分波段内，同种树种间的Manhattan距离远小于异种树种间的Manhattan距离，同种树种间的 Min～Max区间相似度选大于异种树种间的Min～Max区间相似度，Manhattan距离和Min～Max区间相似度可以有效区分和识别不同类型的树种。
置信区间；高光谐；Manhattan距离；Min～Max区间相似度
关键调
中图分类号：S771.8
引言
文献标识码：A
DOI: 10. 3964/j. issn. 1000-0593(2011)09-2462-05
光谱仪波长范围为350～2500nm，共2151个波段，波长精度为士1nm，具有较高的抽样间隔和光谱分辨率。数据采集地点为浙江省浙江农林大学校内植物园。以柏木、雷竹、无
高光谱遥感技术的出现将为解决森林树种的精细识别难题提供有效的途径。光谱识别方法的优点是反应迅速、结构简单、成本低、易形成商业化，光讲识别技术已成为光谱分析技术的重要组成部分。高光谱数据波段多、数据元余度大，利用高光谱数据进行树种识别时，选择提取特征光谱至关重要4)Clark等在树种冠层尺度，利用高光谱遥感技术识别提取热带用林树种()，Gong等利用从Hyperion高光谱数据提取的植被指数估算森林梳被叶面积指数*)，王测、王志辉等分别利用光谱微分技术对油案、南方常见树种叶片的高光谱待征进行选择及提取，获得了良好的效果]。但是鲜见利用统计区间估计的方法进行特征提取和光谱识别南方树种的报道。本文提出了在利用均值置信区间带筛选最佳特征区分波段的基础上，利用Manhattan距离和Min～Max区间相似度来区分识别树种，并在实验中验证了其有效性和可行
性。 1
数据与方法
仪器设备与数据获取 1.1
数期采用ASDFieldspecProFR野外光谱辐射仪测量。收稿日期：2010-12-14，修订日期：2011-03-28
子三种常见的南方树种进行试验，选择向阳的成熟叶片，每种树种采集49个叶片样本。数据采集在晴朗的天气进行，数据采集后立即置于保鲜箱内保鲜，并迅速带到实验室内进行光谱测量，为了得到准确和稳定的数据，使用光谱仪配套的植被高密度探头进行测量，每测完10片树叶进行一次标准白板的校正。其中以40个样本作为光谱基准数据，九个样本作为测试数据。
1.2均值置信区间带与最佳区分波段筛选
均值是数据集中趋势的主要测度值，均值置信区间估计是在均值点估计的基础上，而给出总体参数的一个区间范围"，在光谱采集过程中，由于各种因素的影响，数据包含有随机误差，面均值置信区间估计则将采样误差限制在一定范围之内。根据统计学的中心极限定理可知，如果样本容量足够大(n≥30)时，所有随机分布的均值皆收敛于正态分布(7)。在1一α置信水平下，第1波段光谱反射率均值：置信区间与置信水平。的关系为式(1)所示。
≤X+Zn]-
P[X,-Zn
n
ar
1-a
(1)
式中；又，为第i波段光谱反射率次测量的平均值；S,为样本标准差；为显若性水平。据式(1)可知，第波段光谱反
基金项目：国家白然科学基金项目（30771725），国家自然科学基金项目（30972360）和浙江省教育厅项目（Y201017891)资助作者简介：陈水酬，1980年生，新江农林大学环境科技学院讲师
e-mail; cyg_gis@163.com
万方数据