基于无人机多光谱的沼泽植被识别方法

摘要

为了探究高分辨率无人机多光谱数据对沼泽植被群丛识别能力,在洪河国家级自然保护区的核心区、缓冲区和实验区分别建立典型样区,通过低空无人机搭载的RGB及多光谱相机获取研究区正射影像,构建多维数据集并确立4种分类方案.采用面向对象的随机森林(RF)算法,对输入的多维数据集进行变量选择和参数(mtry、ntree)调优,构建适合沼泽植被群丛尺度识别模型.结果 表明:优化的面向对象的RF算法对沼泽湿地植被具有较高的识别能力,在95％的置信区间内,核心区方案四(结合了光谱波段、纹理特征、几何特征、位置特征、地表高程信息和植被指数)获得最高总体精度为87.12％,kappa系数为0.850,比方案二(结合了光谱波段、几何特征和位置特征)总体精度高12.27％,kappa系数高0.140;对于单一典型沼泽湿地植被识别精度中,芦苇获得最高的用户精度高于88％,生产者精度高于90％,小叶章的生产者精度高于85％,但是在核心区用户精度较低,仅为78％.该方法可以作为沼泽植被群丛识别的有效方法,为研究沼泽湿地生态环境变化提供更准确的数据支持.