首页|基于CNN和SVM的地面高光谱遥感草地植物识别

基于CNN和SVM的地面高光谱遥感草地植物识别

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
物候期和识别模型的选择直接影响植物识别的精度.本研究以蒿类荒漠草地主要植物伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)以及裸地为识别对象,选择4月、6月、9月3个时期,通过SOC 710 VP高光谱成像仪采集草地群落高光谱数据,在分析地物光谱反射率差异的基础上,利用最佳指数因子(OIF)筛选特征波段,通过卷积神经网络(CNN)和支持向量机(SVM)建立识别模型.结果表明:1)不同物候期的伊犁绢蒿与角果藜在可见光波段均表现为"低-高-低"的光谱反射率趋势,并随月份增加峰谷现象逐渐不明显;红边波段这两种植物表现出快速上升;在NIR平台区4月各识别对象间反射率大小差异最明显.2)利用OIF筛选的识别波段组合在月份间表现一致,为638.64、789.49和923.79 nm.3)在识别精度上,SVM>CNN;4月>9月>6月;裸地>伊犁绢蒿>角果藜.综合来看,采用SVM在4月对蒿类荒漠草地主要植物进行识别的精度最高,为92.12％.
Identification of grassland plants using hyperspectral remote sensing based on convolutional neural network and support vector machine

马建、刘文昊、靳瑰丽、宫珂、刘智彪、李莹、李嘉欣、王生菊

展开 >

新疆农业大学草业学院 / 新疆草地资源与生态重点实验室 / 西部干旱荒漠区草地资源与生态教育部重点实验室, 新疆 乌鲁木齐 830052

高光谱 伊犁绢蒿 角果藜 裸地 特征筛选 识别方法 深度学习

国家自然科学基金

31960360

2023

10.11829/j.issn.1001-0629.2022-0457

草业科学
中国草原学会 兰州大学草地农业科技学院

草业科学

CSTPCDCSCD北大核心
影响因子：0.854
ISSN：1001-0629
年,卷(期)：2023.40(2)
  • 2
  • 25