文献类型：期刊文章

作　　者：孙中宇[1] 荆文龙[1] 乔曦[2] 杨龙[1]

Sun Zhongyu;Jing Wenlong;Qiao Xi;Yang Long(Guangdong Provincial Public Laboratory of Geospatial Information Technology and Application//Guangzhou Institute of Geography, Guangzhou 510070, China;Shenzhen Institute of Agricultural Genomics, Chinese Academy of Agricultural Sciences, Shenzhen 518120, China)

机构地区：[1]广东省地理空间信息技术与应用公共实验室//广州地理研究所,广州510070 [2]中国农业科学院深圳农业基因组研究所,广东深圳518120

出　　处：《热带地理》

基　　金：广东省科技计划项目(2017A020216022;20188030324002);国家重点研发计划(2017YFC1200105)

年　　份：2019

卷　　号：39

期　　号：4

起止页码：482-491

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、JST、PROQUEST、ZGKJHX、核心刊

摘　　要：局域尺度上爆发点的识别与监测是薇甘菊(Mikania micrantha)入侵研究的一个难点,无人机遥感为此提供了新的研究手段。采用无人机搭载RGB相机获取研究地的正射影像,采用波段运算、影像分割和深度学习3种方法对盛花期薇甘菊的爆发点进行识别。结果表明:高分辨率的RGB拼接影像可直接用于目视识别薇甘菊的爆发点。过绿指数(EGI)、归一化过绿指数(NEGI)、蓝绿差异指数(BGDI)、绿红差异指数(GRDI)、归一化绿红差异指数(NGRDI)以及植被色素比值指数(PPR)均无法分离薇甘菊和其附主植物;但PPR指数可为面向对象的多尺度分割提供参数支持。面向对象的多尺度分割可自动识别薇甘菊的爆发点,但会低估其爆发面积。基于深度学习(Deeplab V3+)的自动识别方法,能准确识别薇甘菊的爆发点和爆发面积,测试集的平均交并比(mloU)为78.46%,像素精度为88.62%。无人机遥感数据为局域尺度上的薇甘菊扩散机制研究提供了基础,也为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。

关 键 词：机器学习  深度学习  自动识别 生态监测 无人机遥感 薇甘菊

分 类 号：TP751] S451]