文献类型：期刊文章

作　　者：杨红艳[1] 杜健民[2] 阮培英[3] 朱相兵[2] 刘浩[2] 王圆[2]

YANG Hongyan;DU Jianmin;RUAN Peiying;ZHU Xiangbing;LIU Hao;WANG Yuan(College of Mechanical Engineering,Inner Mongolia University of Technology,Huhhot 010051,China;College of Mechanical and Electrical Engineering,Inner Mongolia Agricultural University,Huhhot 010018,China;College of Agricultural Engineering and Food Science,Shandong University of Technology,Zibo 255000,China)

机构地区：[1]内蒙古工业大学机械工程学院,呼和浩特010051 [2]内蒙古农业大学机电工程学院,呼和浩特010018 [3]山东理工大学农业工程与食品科学学院,淄博255000

出　　处：《农业机械学报》

基　　金：国家自然科学基金项目(31660137);内蒙古工业大学科学研究项目博士基金项目(BS2020016)。

年　　份：2021

卷　　号：52

期　　号：6

起止页码：186-194

语　　种：中文

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

摘　　要：荒漠草原是草原中最旱生的类型,属于草原的极限生态状态,也是气候变化和生态系统演变的预警区。利用无人机高光谱遥感技术快速、准确地提取荒漠草原草地植被类型,对动态监测草原生态安全和合理开发草地畜牧业具有重要意义。以无人机搭载高光谱成像系统采集内蒙古荒漠草原遥感图像,获得具有高空间分辨率和高光谱分辨率的图像;通过光谱连续统去除变换,增强草地植被之间的光谱差异,并构建植被指数;采用分步波段选择法选择荒漠草原植被的特征波段,实现高光谱数据降维;构建融合光谱特征、植被特征、地形特征和纹理特征等24个变量的随机森林分类模型,并与支持向量机(SVM)、K-最近邻(KNN)和最大似然分类(MLC)法进行比较。结果表明,在4种分类方法中随机森林分类算法分类效果最好,总体分类精度达到91.06%,比SVM、KNN和MLC等机器学习算法分别高7.9、15.61、18.33个百分点,Kappa系数达到0.90,比SVM、KNN和MLC算法分别高0.13、0.23和0.26。无人机高光谱低空遥感和随机森林算法的结合为荒漠草原草地植被分类提供了新途径。

关 键 词：荒漠草原 植被 分类  随机森林  高光谱遥感 无人机

分 类 号：TP79]