基于无人机可见光影像的红树林冠层群落识别

发布时间：2022-09-17 15:41

　　为快速准确地监测红树林群落类型和分布,获得无人机影像在高精度红树林群落制图中的应用方法,使用无人机获取海南省澄迈县富力湾红树林国家级湿地公园的高空间分辨率（5 cm）可见光影像,应用面向对象分类和最优分割算法提取红树林冠层边界,使用可见光波段差异植被指数和随机森林分类算法识别红树林冠层群落。研究结果表明:面向对象的随机森林红树林群落分类中,选用最优分割尺度和适宜的随机森林算法特征和参数能够提高红树林群落分类精度,最终分类结果总体精度达89.09%,Kappa系数为0.87。该方法适合高精度、小尺度的红树林群落制图,能够及时、准确地监测红树林群落变化。因此,无人机可见光影像在红树林的监测与管理中有广阔的应用前景。 

【文章页数】：11 页

【文章目录】：
1 研究区概况
2 数据来源与研究方法
    2.1 数据获取与预处理
    2.2 研究方法
        2.2.1 建立解译标志
        2.2.2 面向对象方法与最优分割尺度评价
        2.2.3 可见光波段差异植被指数
        2.2.4 随机森林分类方法
        2.2.5 精度评价
3 结果与分析
    3.1 最优分割尺度
    3.2 红树林与非红树林分类
    3.3 随机森林参数确定
    3.4 红树林群落分类结果与精度验证
4 讨论与结论


【参考文献】：
期刊论文
[1]基于对象分类的遥感影像森林变化检测方法[J]. 雷鸣,田卫新,任东,董婷.  森林与环境学报. 2019(06)
[2]基于多类型无人机数据的红树林遥感分类对比[J]. 刘凯,龚辉,曹晶晶,朱远辉.  热带地理. 2019(04)
[3]基于信息增益和基尼不纯度的K近邻算法[J]. 孙傲,赵礼峰.  计算机技术与发展. 2019(09)
[4]基于RS/GIS的泉州湾红树林湿地时空动态变化分析[J]. 路春燕,高弋斌,陈远丽,贾明明,傅玮韦华,熊怡林.  森林与环境学报. 2019(02)
[5]漳江口湿地变化的遥感监测[J]. 陈远丽,路春燕,刘金福,林芳芳,钟连秀.  森林与环境学报. 2019(01)
[6]基于多元HoG及无人机航拍图像的植被类型识别[J]. 林志玮,丁启禄,涂伟豪,林金石,刘金福,黄炎和.  森林与环境学报. 2018(04)
[7]基于高分辨率卫星影像的广西红树林面积监测与群落调查[J]. 陶艳成,葛文标,刘文爱,潘良浩,邱广龙,王欣,范航清.  自然资源学报. 2017(09)
[8]基于遥感与随机森林算法的陕西省土壤有机质空间预测[J]. 齐雁冰,王茵茵,陈洋,刘姣姣,张亮亮.  自然资源学报. 2017(06)
[9]基于WorldView-2数据和支持向量机的红树林群落分类研究[J]. 唐焕丽,刘凯,朱远辉,王树功,柳林,宋莎.  中山大学学报(自然科学版). 2015(04)
[10]基于可见光波段无人机遥感的植被信息提取[J]. 汪小钦,王苗苗,王绍强,吴云东.  农业工程学报. 2015(05)

博士论文
[1]1973～2013年中国红树林动态变化遥感分析[D]. 贾明明.中国科学院研究生院（东北地理与农业生态研究所） 2014



本文编号：3679507