基于无人机可见光和LiDAR数据的单木树种识别

摘要

以亚热带林业实验中心年珠实验林场为研究区,以无人机可见光和LiDAR数据为数据源进行树种识别。基于CHM和可见光数据进行单木分割,对可见光数据和LiDAR数据进行特征提取,构建多特征集合;基于单木对象选择随机森林和支持向量机2种分类器进行分类识别,并利用混淆矩阵对不同数据源不同特征组合的12种方案进行精度评价,比较不同特征组合和分类器对树种分类精度的影响。结果表明:将基于CHM分割和多尺度分割结合的单木分割效果较好,满足单木树种识别需求。支持向量机的精度高于随机森林分类器,经过随机森林特征筛选之后精度优于未进行特征筛选的结果,总体平均精度提高1.45%,可见光和LiDAR数据结合较仅使用单一数据源平均精度提高了6.01%。特征筛选能减少维度灾难,有效难避免过多特征造成的冗余现象,进一步提高分类器的性能和效率。相对于随机森林分类器,支持向量机在对于多维的样本集以及训练样本有限的情况下,能够表现出更好的性能。多源数据结合能将不同数据源优势有效结合,提高分类精度。