基于林冠高光谱影像的树种分类研究

发布时间：2024-03-17 04:27

　　准确高效的物种分类和识别一直是生态学研究和应用的基本需求,但受限于传统的群落调查方法,高多样性森林中林冠层物种的识别与监测仍存在较大问题。本研究以校园绿地和辰山植物园苗圃为研究对象,以无人机高光谱遥感影像为基础数据,采用深度学习进行自动树种分类,分别探究了不同树种之间的光谱可分性,高光谱影像的光谱信息和空间纹理信息在树种分类中起到的作用以及高光谱影像在复杂树种分类任务中的潜力。研究发现:1)树种的光谱反射率并不唯一,存在一定的种内变异;通过简单的光谱统计量能区分树种之间的光谱差异,但精度较低;2)联合利用光谱信息和空间纹理信息的树种识别模型精度优于仅用光谱信息或者空间纹理信息的模型,表明利用影像中的多种信息有助于树种精准分类;3)对于162个树种的高光谱影像分类任务,深度学习模型总体分类精度超过80%,优于传统的支持向量机方法。上述结果表明:结合无人机高光谱影像与深度学习的方法可完成对林冠层树种的准确高效分类;基于高光谱林冠影像进行物种多样性监测和林业应用存在较大潜力。更合理的模型结构及更多的样本数据可以被用来进一步提高模型精度。

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

图1-1高光谱图像数据示意图[30]

华东师范大学硕士学位论文第一章4图1-1高光谱图像数据示意图[30]。(a)对于一些光谱端的范围划分，从左至右依次为中波紫外、长波紫外、蓝、绿、红、近红外、红外、热红外；（b）高光谱图像的三维展示，横坐标为扫描长度,纵坐标为扫描宽度,另一轴为光谱轴，即(a)所示；（c）选定区域在....

图1-2AlexNet网络示意图

华东师范大学硕士学位论文第一章9CNN具备更大的应用潜力。图1-2AlexNet网络示意图Figure1-2AlexNetdiagram目前深度学习在高光谱影像分类中的应用还处于探索阶段。Niu等[50]和Han等[51]基于Salinas和UniversityofPavia等数....

图2-1华东师范大学校园绿地区域位置示意图与高光谱影像真彩色展示Figure2-1LocationandRGBmapofGreenlandinEastChinaNormalUniversity

华东师范大学硕士学位论文第二章13第二章研究区域概况与研究方法2.1研究区域概况2.1.1华东师范大学校园绿地华东师范大学校园绿地位于上海市闵行区华东师范大学校园内，地处北纬31°1′52″，东经121°27′13″。该地区气候为暖湿的亚热带季风气候，平均年降水量约为1184.4....

图2-2辰山植物园东苗圃位置示意图与高光谱影像真彩色展示Figure2-2LocationandRGBmapofeastnurseryatChenshanBotanicalGarden以上两个研究区域均属于相同的气候带，树种种类从少到多，实验条件从简

华东师范大学硕士学位论文第二章14argyi）等，据作者初步统计有162种植物。图2-2辰山植物园东苗圃位置示意图与高光谱影像真彩色展示Figure2-2LocationandRGBmapofeastnurseryatChenshanBotanicalGarden以上两个研究区域....

本文编号：3930508