文献类型：期刊文章

作　　者：徐逸[1,2,3] 甄佳宁[2,4] 蒋侠朋[2] 王俊杰[2,4]

XU Yi;ZHEN Jianing;JIANG Xiapeng;WANG Junjie(College of Civil and Transportation Engineering,Shenzhen University,Shenzhen 518060,China;MNR Key Laboratory for Geo-Environmental Monitoring of Great Bay Area&Guangdong Key Laboratory of Urban Informatics,Shenzhen University,Shenzhen 518060,China;Faculty of Geo-lnformation Science and Earh Observation(ITC),University of Tiwente 7514 AE,Netherlands;College of Life Sciences and Oeeanography,Shenzhen Universiy,Shenzhen 518060,China)

机构地区：[1]深圳大学土木与交通工程学院,深圳518060 [2]深圳大学自然资源部大湾区地理环境监测重点实验室&广东省城市空间信息工程重点实验室,深圳518060 [3]特温特大学地理信息科学与地球观测学院,恩斯赫德7514 AE [4]深圳大学生命与海洋科学学院,深圳518060

出　　处：《遥感学报》

基　　金：国家自然科学基金(编号:41890854,41601362);广东省基础与应用基础研究基金(编号:2019A1515010741,2019A1515110400)。

年　　份：2021

卷　　号：25

期　　号：3

起止页码：737-752

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD2021_2022、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：无人机遥感数据会衍生大量的光谱、纹理与结构特征,如何提取优势特征是提高红树林物种分类效率和精度的关键问题。针对深圳福田红树林自然保护区缓冲区获取的无人机高光谱影像和Li DAR点云数据,本研究旨在利用极端梯度提升算法(XGBoost)的"特征重要性"属性筛选出适合红树林物种分类的8类优势特征:基于无人机高光谱影像的单一特征(光谱波段、植被指数和纹理特征:F1—F3)及其融合特征(F4)、基于Li DAR点云的单一特征(高度和强度特征:F5和F6)及其融合特征(F7)、高光谱影像与Li DAR点云的融合特征(F8);基于以上优势特征构建8个XGBoost分类模型。结果表明:综合物种分类精度及其制图结果,基于F8特征的模型分类性能最佳(总体精度为96.41%,莫兰指数为0.5520);基于单一数据源融合特征(总体精度,F4:96.74%;F7:90.64%)的分类性能优于基于单一特征(总体精度,F1—F3:90.31%、92.20%和91.96%;F5和F6:87.66%和81.99%);基于融合特征(F4、F7和F8)和纹理特征(F3)分类图的莫兰指数比基于单一特征(F1、F2、F5和F6)的更大。本文论证了无人机遥感数据和XGBoost方法在基于像元的红树林物种精准分类上具备可行性,可为红树林生态系统健康、保护与恢复的立体监测提供科学依据和技术支撑。

关 键 词：遥感 红树林 树种分类  无人机  高光谱影像 LIDAR点云 XGBoost  

分 类 号：TP79] S718.5]