毛竹立竹度无人机遥感识别有效高度的研究

发布时间：2021-10-17 03:03

　　确定最优的飞行高度,是无人机遥感快速、有效识别毛竹立竹度的重要基础。以2 100株/hm²密度的毛竹林为研究对象,利用无人机获取4个不同飞行高度（50、100、150和200 m）的毛竹林影像数据,通过分析各影像的波段光谱特征信息和纹理特征信息,选取识别毛竹立竹度的有效特征波段组合（蓝光波段、红光波段、近红外波段、纹理特征均值、归一化植被指数（NDVI））,采用面向对象多尺度分割,构建毛竹立竹度的识别单元。在此基础上,依据识别单元,通过K邻近值算法（K-Nearest Neighbor）实现特征波段组合影像的分类和毛竹立竹度信息的识别,比较不同飞行高度下毛竹立竹度的遥感识别效果,确定无人机遥感识别毛竹立竹度的有效高度。结果表明:4个不同高度水平分类总体精度分别是74.24%、85.32%、91.12%、83.84%,航高为150m时,2 100株/hm²密度的毛竹林的立竹度识别精度最佳。 

【文章来源】：遥感技术与应用. 2020,35(06)北大核心CSCD

【文章页数】：11 页

【部分图文】：

研究区位置图

研究区全色波段影像示意图

多尺度分割是对影像数据给定一个指定的尺度，根据设定的光谱和形状的权重等参数值，将影像数据进行分割，达到最优的分割效果[29]。分割尺度是影像分割过程中最重要的一个参数，它直接影响影像对象的大小和数量以及最终的分类精度[30]。选择适宜的分割尺度和分割参数是基于多尺度分割的遥感影像分类方法提高精度的前提[31]。在实际应用中，应依据各类地物影像的特征，经反复实验获取适合的影像分割尺度和分割参数。研究应用ENVI面向对象多尺度分割工具，采用边缘检验（Edge Detection）算法，实现研究区毛竹林无人机影像分割。通过比较不同分割尺度下的结果，发现分割尺度为20，合并尺度为95时，分割结果更为接近冠层的实际形状（图4）。所以，采用上述参数对研究区影像进行面向对象分割。3.3 识别单元构建

【参考文献】：
期刊论文
[1]竹资源遥感监测研究进展[J]. 严欣荣,官凤英.  遥感技术与应用. 2020(04)
[2]整合无人机和面向对象的农村居住环境信息提取[J]. 郝睿,李兆富,张舒昱,潘剑君,姜小三,张文敏,宋金超.  遥感技术与应用. 2020(03)
[3]PSO优化三维Otsu森林冠层图像快速分割算法[J]. 朱良宽,邵思协,景维鹏,刘亮.  哈尔滨理工大学学报. 2019(05)
[4]集成U-Net方法的无人机影像胡杨树冠提取和计数[J]. 李越帅,郑宏伟,罗格平,杨辽,王伟胜,桂东伟.  遥感技术与应用. 2019(05)
[5]无人机高分辨率遥感影像分类方法研究[J]. 刘启兴,景海涛,董国涛.  计算机与数字工程. 2019(03)
[6]无人机在林业中的应用及前景展望[J]. 张军国,闫浩,胡春鹤,李婷婷,于明.  林业工程学报. 2019(01)
[7]基于无人机高光谱不同高度的地物快速识别研究[J]. 黄宇,陈兴海,刘业林,黄智辉,孙梅,苏运城.  安徽农业科学. 2018(11)
[8]基于无人机图像分析的树木胸径预测[J]. 刘文萍,仲亭玉,宋以宁.  农业工程学报. 2017(21)
[9]毛竹细根分布特征研究[J]. 刘广路,范少辉,蔡春菊,刘希珍,李雁冰,罗天磊.  热带亚热带植物学报. 2017(05)
[10]密度对毛竹生长的影响[J]. 陈赐辉,赖玉玲,阳纯,陈亚刚,刘振兴,张卓文.  湖北林业科技. 2016(06)

博士论文
[1]高空间分辨率遥感影像单株立木识别与树冠分割算法研究[D]. 邓广.中国林业科学研究院 2009

硕士论文
[1]无人机影像在采煤沉陷区灾害调查中的应用[D]. 李兆均.中国地质大学(北京) 2018
[2]基于无人机遥感的灌区土地利用类型分类方法研究[D]. 郭聪聪.西北农林科技大学 2016
[3]植被特征尺度与尺度优化研究[D]. 唐凤莉.西安科技大学 2015
[4]无人机航测技术在土地综合整治中的应用研究[D]. 张文博.长沙理工大学 2013
[5]KNN文本分类研究[D]. 闫晨.燕山大学 2010
[6]基于FPGA的多无人机系统信息传输技术研究[D]. 李俊萍.北京邮电大学 2010
[7]种源和培育措施对人工林毛竹材性的影响[D]. 王水英.福建农林大学 2008



本文编号：3440986