利用高光譜影像偵測外來植物-以恆春地區銀合歡為例

以作者查詢圖書館館藏

、以作者查詢臺灣博碩士

、以作者查詢全國書目

、勘誤回報

、線上人數：56

、訪客IP：3.144.86.38

姓名

林恩楷(En-Kai Lin) 查詢紙本館藏

畢業系所

土木工程學系

論文名稱

利用高光譜影像偵測外來植物-以恆春地區銀合歡為例
(Detecting Invasive Plant Species Using Hyperspectral Satellite Imagery)

相關論文

★ 三維房屋模型實景紋理影像製作與敷貼之研究	★ 紋理輔助高解析度衛星影像分析應用於偵測入侵性植物分布之研究
★ 以視訊影像進行三維房屋模型實景紋理敷貼之研究	★ 區塊式Level of Detail地景視覺模擬之研究
★ 高光譜影像立方體紋理特徵之三維計算	★ 漸變式多重解析度於大型地景視覺模擬之應用
★ 區塊式LOD網格細化於大型地形視覺模擬之應用	★ 多層次精緻度三維房屋模型之建置
★ 高光譜影像立方體於特徵空間之三維紋理計算	★ 影像修補技術於牆面紋理影像遮蔽去除之應用
★ 結合遙測影像與GIS資料以資料挖掘技術進行崩塌地辨識-以石門水庫集水區為例	★ 利用近景影像提高三維建物模型之細緻化等級
★ 以地面及空載光達點雲重建複雜物三維模型	★ 高精緻度房屋模型結合蟻群演算法於室內最佳路徑選擇之應用
★ 二次微分法於空載全波形光達之特徵萃取與地物分類	★ 雲線擬合於全波形光達之特徵萃取與地物分類

檔案

[Endnote RIS 格式]

[Bibtex 格式]

[相關文章]

[文章引用]

[完整記錄]

[館藏目錄]

[檢視]

[下載]

本電子論文使用權限為同意立即開放。
已達開放權限電子全文僅授權使用者為學術研究之目的，進行個人非營利性質之檢索、閱讀、列印。
請遵守中華民國著作權法之相關規定，切勿任意重製、散佈、改作、轉貼、播送，以免觸法。

摘要(中)

外來物種的入侵，通常會對本土物種和生態造成影響。在南台灣的恆春地區，原產中南美洲的銀合歡，因過去人為不當的決策和其本身優越的生長能力，在當地大量的繁殖，威脅到當地豐富的生態。
目前對於外來植物的監測，大多採用人工現地調查，或是人工判釋航照、衛星影像的方式來進行，但成果精度掌握不易且不甚客觀。如採自動化分類的方式，只含少數波段的多光譜影像光譜資訊不足，常無法仔細且精確地區分植物，亦不能真正達到監測的目的。隨著遙測技術的進步，遙測影像的波段數從以往個位數波段的多光譜提升至上百個波段的高光譜，高光譜提供了大量且連續的高維度光譜資訊，因此，如何降低維度且萃取出有利植物間分類的資訊，為本研究重要課題。而PCA (Principle Component Analysis)主軸轉換為一般高光譜影像降低維度萃取特徵資訊的常用方法之一，不過其缺點為可能在特徵萃取時忽略差異較小但卻有助分類的資訊。因此，本研究使用在光譜上切割區塊的區段式PCA (Segmented Principle Component Analysis)，企圖更有效從高光譜影像中尋找銀合歡與其他植物間之差異，進而分類判釋銀合歡在恆春地區的覆蓋範圍。
本研究成果顯示，區段式PCA光譜轉換較能有效萃取出恆春地區銀合歡與其他植物之差異，分類成果較PCA佳。

摘要(英)

Invasive species usually cause enormous ecological and environmental impacts and alter the ecological balance. In Heng-Chun area of southern Taiwan, Leucaena from South America spreads rapidly because of past human decisions and its flourishing adaptability. In order to make this problem under control and to develop strategies to maintain or restore local bio-diversity, it is necessary to understand the current status of Leucaena spreading.
Traditionally, detecting invasive plants relies heavily on field investigations or human interpretations of aerial photos or satellite images. It is time-consuming and the result might not be reliable. On the other hand, the results of using automatic classification are often limited by multispectral data because there is not enough information for detecting specific plant in the limited spectral bands. To overcome this limitation, hyperspectral remote sensing data may be of more help.
Hyperspectral remote sensing images provide more complete and detailed spectral information about ground coverage and have a great potential to the identification of specific plant species in vegetation covered areas. However the high data dimensionality of hyperspectral data can cause substantial impact to its applications. Principal component analysis is a common technique used for feature reduction in remote sensing image analysis, but it may overlook subtle but useful information. This research developed a segmented principal component analysis scheme that can be used not only to reduce the dimensionality of a hyperspectral image but also to extract critical spectral features helpful in discriminating different vegetation types.
The analysis results of this research demonstrated that segmented principal component analysis performed better than regular PCA in providing critical information for distinguishing the target plant species from other vegetation types.

關鍵字(中)

★ 外來植物
★ 高光譜
★ 主軸轉換

關鍵字(英)

★ PCA
★ invasive plants
★ hyperspectral

論文目次

摘要 I
Abstract II
目錄 III
圖目錄 V
表目錄 VII
第一章背景與文獻回顧 1
1.1 台灣之外來物種 1
1.2 恆春地區外來植物銀合歡 3
1.3 利用高光譜影像偵測植物 6
1.4 研究動機 9
1.5 論文架構 10
第二章高光譜資料處理 12
2.1 高光譜資料表示 12
2.2 去除雜訊 15
2.3 光譜轉換 17
2.3.1 PCA (Principal Component Analysis) 17
2.3.2 區段式PCA (Segmented Principal Component Analysis) 20
2.4 特徵波段選取 22
第三章使用材料說明 24
3.1 EO-1 Hyperion高光譜影像 24
3.2 1996年銀合歡密度分佈圖 27
第四章研究方法與流程 32
4.1 大氣校正 33
4.2 剔除雜訊波段 34
4.3 利用NDVI濾除非植物地區 36
4.3.1 NDVI (Normalized Difference Vegetation Index) 38
4.3.2 濾除非植物地區 39
4.4 Feature Reduction 40
4.4.1 PCA 40
4.4.2 區段式PCA 43
4.5 最大似然法分類 47
4.5.1 最大似然法(Maximum Likelihood Classifier) 47
4.5.2 類別數訂定及訓練區選取 48
第五章成果與討論 54
5.1 檢核 54
5.2 成果討論 55
5.2.1 密度檢核 56
5.2.2 各類別誤差矩陣檢核 65
第六章結論 73
參考文獻 75

參考文獻

顏仁德，2000。中華民國自然生態保育協會(SWAN)「2000生物多樣性保育展望」會議。
賴明洲，1995。最新台灣園林觀賞植物名錄。地景企業股份有限公司台灣台北 378頁。
陳德順、胡大維，1976。台灣外來觀賞植物名錄。川流出版社台灣台北 618頁。
蔣慕琰、徐玲明等，2003。台灣外來植物之危害與生態，小花蔓澤蘭危害與管理研討會專刊 97~109頁
高瑞卿、洪聖峰，2001。台北植物園水生植物池外來種生物危害之問題與維護研究，農政與農情第107期。
郭麟霂，2000。寒帶沼地高光譜影像分類之研究，國立交通大學土木工程學系碩士論文。
浦瑞良與宮鵬，2002。高光譜遙測及其應用。五南圖書出版股份有限公司台北
王儷蓉，1998。高光譜資料之差異與類別分離度分析，國立成功大學測量工程研究所碩士論文。
呂福原、陳民安，2002。墾丁國家公園外來種植物對原生植物群之影響以銀合歡為例，保育研究報告第112號。
陳朝圳，2003。劣化生態系復育-外來樹種入侵對生態系之影響(銀合歡入侵調查)，行政院農委會林務局委託研究計畫系列。
林金樹，2002。高光譜主軸轉換影像辨識土地利用型最適主軸數決定法之研究，臺灣林業科學 17(4) 第471-481頁。
Bell, I.E., G.V.G.Baranoski, 2004. “Reducing the Dimensionality of Plant Spectral Databases”. IEEE Transactions on Geoscience and Remote Sensing, vol.42, pp.570-576.
Broge, N.H., E.Leblanc, 2000. “Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density”. Remote Sensing of Environment, vol.76 , pp. 156-172 .
Cheriyadat, A., L.M.Bruce, 2004. “Why Principal Component Analysis is not an Appropriate Feature Extraction Method for Hyperspectral Data”. Proc. IEEE Conference on Geoscience and Remote Sensing (IGARSS), pp.3420-3422
Clark, R.N., 1999. Spectroscopy of Rocks and Minerals, and Principles of Spectroscopy, in Manual of Remote Sensing. New York:John Wiley and Sons, Inc.
Devlin, R.M., A.V.Barker, 1971.Photosynthesis. New Tork:Van Nostrand Reinhold.
Gupta, R.K., D.Vijayan, 2001. “New hyperspectral vegetation characterization parameters”. Adv. Space Res., vol.28 , pp. 201-206 .
Hsieh, S.J., D.A.Landgrebe, 1998. Classification of High Dimensional Data. Phd Thesis, Purdue University.
Jacquemoud, s., F.Baret, 1990.“A Model of Leaf Optical Properties Spectra”. Remote Sensing of Environment, vol.34, pp. 75-92.
Jia, X.P., J.A. Richards, 1999. “Segmented Principal Components Transformation for Efficient Hyperspectral Remote Sensing Image Display and Classification”. IEEE Transactions on Geoscience and Remote Sensing, vol.37, pp. 538-542.
McGwire, K., T.Minor, 2000. “Hyperspectral mixture modeling for quantifying sparse vegetation cover in arid environments”. Remote Sensing of Environment, vol.72, pp. 360-374.
Sandmeier, S., D.W.Deering, 1999. “Structure analysis and classification of boreal forests using airborne hyperspectral BRDF data from ASAS”. Remote Sensing of Environment, vol.69, pp. 281-295.
Schowengerdt, R.A., 1997. Remote sensing-models and methods for image processing. 2nd ed. New York: Academic Press.
Serrano, L., S.L.Ustin, 2000. “Deriving water content of chaparral vegetation from AVIRIS data”. Remote Sensing of Environment, vol.74, pp. 570-581.
Tucker, C.J., M.W. Garrat, 1977. “Leaf Optical System Modeled as a Stochastic Process”. Appl. Opt., vol.16, no.3, pp. 635-642.
Underwood, E., S.Ustin, D.DiPietro, 2003.“Mapping nonnative plants using hyperspectral imagery”. Remote Sensing of Environment, vol.86, pp. 150-161.
Williams, A.P., E.R.Hunt Jr, 2002. “Estimation of leafy spurge cover from hyperspectral imagery using mixture tuned matched filtering”. Remote Sensing of Environment, vol.82, pp. 446-456.
Zarco-Tejada, P.J., J.R.Miller, 2004.“ Needle chlorophyll content estimation through model inversion using hyperspectral data from boreal conifer forest canopies”. Remote Sensing of Environment, vol.89, pp. 189-199.

指導教授

蔡富安(Fuan Tsai)

審核日期

2005-7-16

推文