基于无人机遥感的荒漠灌丛植物种识别方法研究

论文摘要

传统基于像元的遥感分类方法和低空间分辨率的遥感影像,在灌从-裸地、灌丛-灌丛间光谱特征差异微弱的荒漠地区,难以满足荒漠灌丛分类识别,且提取斑块精度低。本文以鄂尔多斯高原西部荒漠与荒漠草原过渡带为研究区域,以固定翼eBee无人机可见光与近红外数据和DJI无人机的花期可见光数据为基础,结合野外地面灌丛的植被特征实测调查,采用面向对象的人工定义规则、贝叶斯（Bayes）、K最邻近（KNN）、决策树（Cart）、随机森林（RF）方法,对荒漠区灌丛植物种进行识别与提取,探究不同方法在荒漠灌丛提取中的适用性和分类精度,为快速提取低空航拍荒漠灌丛,识别灌木物种提供解决途径。主要结果如下:（1）荒漠区,可以利用所有波段组合后的亮度均值来创建植被图斑,以区分植被与非植被区域。（2）在识别过程中,并不只能注重高分辨率对分类的作用。特别是,地物光谱复杂、植被差异不显著区域,应根据植物灌从的形态特征（株高、冠幅及其形状）,生殖特征（花期、落叶期）,生境特征（覆沙地,荒漠,沙漠）,提取对应的植物灌从图斑形态、光谱特征,结合野外实地调查数据,统计植物种数量特征,利用阈值分类区分植被类别;基于面向对象的无人机遥感技术在荒漠植被灌从识别中有很好的适用性和应用潜力。（3）5种方法在荒漠灌丛植物种识别与提取分类上,均出现不同程度的错分现象。放牧区和禁牧区人工自定义规则方法效果最优,所得的分类结果和真实地物匹配程度高,分类图斑与实际地物吻合程度一致,但对于专业知识和野外经验有一定的依赖性。其他4种机器学习分类方法中,-定程度匕减弱了错分,在效果和速度上差异不大,分类精度对训练样本的选择依赖性高。放牧区自定义规则Kappa系数为 0.74,比 Bayes、Cart、RF、和 KNN 分类分别提高 0.38、0.34、0.16 和 0.09;禁牧区自定义规则Kappa系数为0.79,比Bayes、KNN、Cart和RF分类分别提高了0.51、0.3、0.33和0.25;沙漠区,随机森林分类方法优于其他4种方法,总体精度为95%,比KNN、Bayes、自定义规则和Cart分类分别提高45%、9%、9%和4%。

论文目录

文章来源

类型: 硕士论文

作者: 张超

导师: 高永

关键词: 无人机遥感,灌丛分类,数字图像处理技术,荒漠地区

来源: 内蒙古农业大学

年度: 2019

分类: 基础科学,工程科技Ⅱ辑,信息科技

专业: 生物学,工业通用技术及设备,自动化技术

单位: 内蒙古农业大学

基金: 蒙古自治区科技重大专项“重点区域荒漠化过程与生态修复研究示范”(项目编号:zdzx2018058),中国水利水电科学研究院基本科研业务费专项项目:低空无人机技术在水土流失监测中的应用研究(MK2016J03),中央引导地方科技发展专项资金计划项目“内蒙古荒漠化防治创新研究中心”

分类号: Q94;TP79

DOI: 10.27229/d.cnki.gnmnu.2019.000280

总页数: 68

文件大小: 7146K

下载量: 438

相关论文文献

• [1].无人机应用技术专业建设的探索[J]. 正德职业技术学院学报 2018(02)
• [2].国内民用无人机系统标准体系构建现状[J]. 中国标准化 2019(S1)
• [3].民用轻小型无人机系统检测认证研究[J]. 质量与认证 2019(12)
• [4].多无人机系统编队控制综述[J]. 仪表技术 2020(01)
• [5].农业植保无人机田间比测试验验证[J]. 农机科技推广 2019(10)
• [6].植保无人机系统的设计与实现[J]. 福建电脑 2020(01)
• [7].美国无人机在局部作战行动中的运用及发展趋势[J]. 飞航导弹 2020(02)
• [8].浅谈无人机和机器人的自动化控制[J]. 中国设备工程 2020(05)
• [9].联合连通拓扑条件下多无人机系统编队包含控制[J]. 电光与控制 2020(03)
• [10].基于5G网络的智能网联无人机系统在风力发电机叶片维护中的应用探讨[J]. 江西通信科技 2020(01)
• [11].反无人机系统的研究与实现[J]. 中国民航飞行学院学报 2020(02)
• [12].智能无人机系统设计[J]. 包装工程 2020(08)
• [13].我军无人机系统统型建设的几点思考[J]. 价值工程 2020(14)
• [14].浅析体系作战中无人机系统频谱管理[J]. 数字通信世界 2020(04)
• [15].飞参数据在无人机系统维护中的应用研究[J]. 航空计算技术 2020(03)
• [16].基于无人机系统的应急救援正射影像快速生成方法初探[J]. 湖北农业科学 2020(07)
• [17].切换拓扑条件下的多无人机系统编队包含控制[J]. 计算机科学 2020(S1)
• [18].美国舰载无人机系统研究[J]. 船舶工程 2020(05)
• [19].基于天狼星无人机系统的地质灾害点基础地理信息快速获取关键技术研究[J]. 测绘与空间地理信息 2020(07)
• [20].某型反无人机系统数据处理软件的设计与实现[J]. 机电信息 2020(17)
• [21].智慧警务背景下无人机在公安工作中的应用研究[J]. 辽宁公安司法管理干部学院学报 2020(04)
• [22].轻型无人机系统适航安全分析流程探究[J]. 环境技术 2020(04)
• [23].无人机系统的安全性与危险源分析[J]. 航空工程进展 2020(04)
• [24].基于多无人机系统的编队包含控制[J]. 计算机工程 2020(08)
• [25].无人机系统安全保密体系研究[J]. 通信技术 2020(09)
• [26].基于人像分割的智能搜救无人机系统设计[J]. 电子技术与软件工程 2020(15)
• [27].有向切换拓扑条件下多无人机系统抗扰动编队-追踪控制[J]. 兵器装备工程学报 2020(09)
• [28].美军黑翼无人机系统及作战使用分析[J]. 飞航导弹 2020(09)
• [29].国外战术无人机系统与技术发展分析[J]. 飞航导弹 2020(09)
• [30].一种智能化巡检无人机系统的设计研究[J]. 中国新通信 2020(19)

标签：无人机遥感论文;  灌丛分类论文;  数字图像处理技术论文;  荒漠地区论文;