第四章　竹林資源信息遙感識別監測技術

遙感識別技術的具體運用主要是由遙感影像分類技術來體現，其目的是根據影像中每個像素在不同波段的光譜亮度、空間結構特征等，按照特定規則或算法達到地物類別劃分。遙感影像分類的方法有許多，常規方法一般根據是否需要訓練樣本可以分為監督分類（如最大似然法、平行算法）和非監督分類（如ISODATA方法、K-均值聚類算法）。隨著遙感技術、計算機技術等不斷地發展，面向對象、人工神經網絡、支持向量機、決策樹分類、專家分類等新的分類方法不斷涌現，這些方法在多光譜遙感和高光譜遙感中得到廣泛應用。多光譜影像主要運用以上分類方法進行地物類型的提取。高光譜影像除了應用以上方法外，常用的分類方法還有光譜角度填圖、線性波譜解混、光譜波形匹配、光譜特征匹配、混合調制匹配濾波等。無論哪種方法，均在森林遙感信息提取上得到不同程度的應用，但是對于竹林識別的運用并不多見。

決策理論（或統計）方法是遙感影像自動識別分類的主要方法，該方法需要從被識別的模式（即對象）中提取一組模式特征，即一組模式屬性的測量值，并將其定義在一個特征空間中，利用決策原理劃分特征空間以區分具有不同特征的隊形，從而達到分類的目的（孫家抦等，2009）。光譜特征和紋理特征是遙感影像對象特征的兩種主要特征，其中，遙感影像分類中最常用的方法是基于光譜特征分類的方法，而基于紋理特征分類的方法則是作為輔助光譜特征分類的手段，目前這兩種方法已經運用于竹林資源信息的遙感識別中。本章目的主要是讓讀者了解遙感識別竹資源的技術流程，通過對竹林資源光譜和紋理特征的差異以及不同樹種在各種地形條件下光譜差異等有效特征的描述，介紹多光譜和高光譜數據遙感識別竹林資源的有效信息特征和識別技術，為今后竹林資源信息的識別思路構建與提取，提供新的方法與技術支撐。