基于无人机高光谱影像和深度学习算法的长白山针阔混交林优势树种分类

扫码查看

原文链接

万方数据
维普

中文摘要：快速、准确识别树种及其分布格局是森林资源经营管理和生物多样性保护的基础和前提.与传统实地调查的方法相比,近年来飞速发展的近地面遥感技术可以灵活、高效和便捷地获取高分辨率高光谱遥感影像,而如何从包含丰富信息的诸多特征中选择信息量大且冗余度低的特征进行树种自动识别,是当前研究亟待解决的问题.本研究以长白山25 hm2温带针阔混交样地为主要研究平台,于2019年8月使用无人机搭载的光谱传感器获取面积为6 hm2的高光谱影像,选择红松、春榆、蒙古栎、水曲柳、大青杨和紫椴6种林冠层树种作为实地标记树种,使用实时载波相位差分技术对所选目标树种进行精确定位,结合2019年样地复查结果对研究区的影像进行目视解译,分别使用卷积神经网络法、最大似然法和马氏距离3种分类方法进行冠层树种的自动分类研究.结果表明:(1)卷积神经网络的树种分类总体精度和Kappa系数(99.85％、0.998)优于最大似然法(89.11％、0.86)和马氏距离法(79.65％、0.75).(2)在3种分类方法中,单个优势树种分类精度均在卷积神经网络中为最高精度,红松、春榆、蒙古栎、水曲柳、大青杨和紫椴的最高分类精度分别为100％、99.9％、99.9％、99.8％、99.8％和99.5％.(3)从分类效果看,卷积神经网络混分程度最低,马氏距离法混分程度最严重.研究表明,基于深度学习的卷积神经网络模型能够完成对温带天然林林冠树种的准确高效分类,在树种多样性监测和林业资源调查应用中具有较大潜力.

外文标题：Classification of dominant species in coniferous and broad-leaved mixed forest on Changbai Mountain based on UAV-based hyperspectral image and deep learning algorithm

作者：

郑迪、沈国春、王舶鉴、戴冠华、蔺菲、胡家瑞、叶吉、房帅、郝占庆、王绪高、原作强

展开 >

作者单位：

中国科学院沈阳应用生态研究所,中国科学院森林生态与管理重点实验室,沈阳110016

中国科学院大学,北京100049

华东师范大学生态与环境科学学院,上海200241

西北工业大学生态环境学院,西安710129

展开 >

关键词：

天然林高光谱卷积神经网络法最大似然法马氏距离法

基金：

美丽中国生态文明建设科技工程专项国家重点研发计划国家自然科学基金国家自然科学基金中国科学院青年创新促进会项目

项目编号：

XDA230803012016YFC050030031971439319611330272017241

出版年：

2022

DOI：

10.13292/j.1000-4890.202203.004

生态学杂志

中国生态学学会

生态学杂志

CSTPCDCSCD

影响因子：1.439

ISSN：1000-4890

年,卷(期)：2022.41(5)

被引量4
参考文献量13