基于机器学习算法和空间分辨率调整的无人机高光谱树种分类研究

作     者：周湘山 杨武年 罗可 朴虹奕 周涛 周杰 唐晓鹿 

作者机构：中国电建集团成都勘测设计研究院有限公司 成都理工大学地理与规划学院 成都理工大学生态环境学院 

出 版 物：《遥感技术与应用》 (Remote Sensing Technology and Application)

年 卷 期：2024年第4期

页      面：880-896页

核心收录：

学科分类：12[管理学] 0810[工学-信息与通信工程] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 081002[工学-信号与信息处理] 0811[工学-控制科学与工程] 0713[理学-生态学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(41671432) 四川省自然资源厅重点项目(KJ-2020-5) 中国电建集团成都院科技项目(P39818)资助 

主　　题：无人机高光谱 机器学习算法 树种分类 空间分辨率 

摘      要：本研究提出一种基于机器学习算法的区域尺度上改变空间分辨率来提升高光谱树种分类精度的方法，为陆生调查的树种分类研究提供一个新的思路。通过利用无人机获取成都市植物园全域的高光谱影像，采集了园内140种树种共1 249个样本。通过构建的32种植被指数及176个原始波段进行变量筛选，运用随机森林和支持向量机两种算法建立分类模型。结合研究区典型树种的林分类型和冠层大小，在9种不同空间分辨率下，分别选取了10、15、20种树种，探索树种分类精度。结果显示，当空间分辨率从0.12 m逐步降低至4 m时，10、15、20种树种的模型分类精度均在3 m分辨率时达到最高，且支持向量机分类结果整体精度较高。表明基于支持向量机算法、开展特征变量提取与选择、确定最佳观测尺度的方法可以较好地捕获不同树种的冠层信息，提升树种分类精度。