第四章　竹林资源信息遥感识别监测技术

遥感识别技术的具体运用主要是由遥感影像分类技术来体现，其目的是根据影像中每个像素在不同波段的光谱亮度、空间结构特征等，按照特定规则或算法达到地物类别划分。遥感影像分类的方法有许多，常规方法一般根据是否需要训练样本可以分为监督分类（如最大似然法、平行算法）和非监督分类（如ISODATA方法、K-均值聚类算法）。随着遥感技术、计算机技术等不断地发展，面向对象、人工神经网络、支持向量机、决策树分类、专家分类等新的分类方法不断涌现，这些方法在多光谱遥感和高光谱遥感中得到广泛应用。多光谱影像主要运用以上分类方法进行地物类型的提取。高光谱影像除了应用以上方法外，常用的分类方法还有光谱角度填图、线性波谱解混、光谱波形匹配、光谱特征匹配、混合调制匹配滤波等。无论哪种方法，均在森林遥感信息提取上得到不同程度的应用，但是对于竹林识别的运用并不多见。

决策理论（或统计）方法是遥感影像自动识别分类的主要方法，该方法需要从被识别的模式（即对象）中提取一组模式特征，即一组模式属性的测量值，并将其定义在一个特征空间中，利用决策原理划分特征空间以区分具有不同特征的队形，从而达到分类的目的（孙家抦等，2009）。光谱特征和纹理特征是遥感影像对象特征的两种主要特征，其中，遥感影像分类中最常用的方法是基于光谱特征分类的方法，而基于纹理特征分类的方法则是作为辅助光谱特征分类的手段，目前这两种方法已经运用于竹林资源信息的遥感识别中。本章目的主要是让读者了解遥感识别竹资源的技术流程，通过对竹林资源光谱和纹理特征的差异以及不同树种在各种地形条件下光谱差异等有效特征的描述，介绍多光谱和高光谱数据遥感识别竹林资源的有效信息特征和识别技术，为今后竹林资源信息的识别思路构建与提取，提供新的方法与技术支撑。