基于卷积神经网络的若尔盖草原鼠害监测应用研究

摘要

鼠害是我国草原的主要生物灾害之一,严重威胁草原畜牧业的可持续发展,利用神经网络模型能够实现复杂环境下草原地物类型的识别与分割,该方法在草原鼠害监测与管理方面具有重要意义。本研究以若尔盖草原为例,将Mask R-CNN卷积神经网络模型、 Res2Net网络与无人机影像数据相结合,提出了一种新型草原地物类型的识别与分割方法,对草原不同地物类型进行检测和分割,进而统计相应地物类型的面积与数量,建立了若尔盖草原的鼠害监测模型。得出如下结论:无人机低空遥感结合卷积神经网络模型的监测方法可以为若尔盖草原鼠害调查提供准确度甚高的解译结果;其中,土丘的检测精度最高,恢复斑块检测精度最低,但其面积占比最高;样地中土丘分布均匀,鼠洞呈集聚分布,两类害鼠分布空间、分布差异较大。研究结果反映的信息与鼠害发生区域基本一致,该方法为有效监测鼠害提供了决策支持,对有效保护草原生产力和实现草原的可持续发展具有重要的研究价值。