基于多源遥感数据的植物物种分类与识别:研究进展与展望

摘要

物种分类与识别是生物多样性监测的基础,明确物种的类别及其分布是解决几乎所有生态学问题的前提。为深入了解基于多源遥感数据的植物物种分类与识别相关研究的发展现状和存在的问题,本文对2000年以来该领域的研究进行了总结分析,发现:当前大多数研究集中在欧洲和北美地区的温带或北方森林以及南非的热带稀树草原;使用最多的遥感数据是机载高光谱数据,而激光雷达作为补充数据,通过单木分割及提供单木的三维垂直结构信息,显著提高了分类精度;支持向量机和随机森林作为应用最广的非参数分类算法,平均分类精度达80%;随着计算机技术及机器学习领域的不断成熟,人工神经网络在物种识别领域得以迅速发展。基于此,本文对目前基于遥感数据的植物物种分类与识别中在分类对象复杂性、多源遥感数据整合、植物物候与纹理特征整合和分类算法技术等方面面临的挑战进行了总结,并建议通过整合多时相监测数据、高光谱和激光雷达数据、短波红外等特定波谱信息、采用深度学习等方法来提高分类精度。