基于CNN和SVM的无人机多光谱遥感草地植物识别

摘要：

为选择最佳的物候期、飞行高度和识别模型提高植物识别的精度,本研究以伊犁绢蒿(Seriphidium tran-siliense)荒漠草地主要植物伊犁绢蒿、角果藜(Ceratocarpus arenarius)以及裸地为识别对象,选择4月、6月、9月3个飞行时期,15m,30m,60m3个飞行高度,通过无人机搭载多光谱相机采集草地群落多光谱数据,在分析光谱反射率差异的基础上,利用最佳指数因子(Optimum index factor,OIF)筛选特征波段,通过卷积神经网络(Convolu-tional neural network,CNN)和支持向量机(Support vector machines,SVM)建立识别模型.结果表明:地物反射率4月>6月>9月,15 m>30 m>60 m;不同飞行高度下OIF值一致,但在月份间具有差异,4月敏感波段为Green,Red和NIR,6月和9月敏感波段为Red,Red edge,NIR;在识别精度上SVM>CNN,4月>9月>6月,15 m>30 m>60 m,裸地>伊犁绢蒿>角果藜.综合来看,采用S V M在4月、15 m飞行高度下进行识别的总体精度最高,达到86.23％.

关键词：无人机多光谱数据、伊犁绢蒿、角果藜、卷积神经网络、支持向量机

所属期刊栏目：30

分类号：TP79(遥感技术)

资助基金：国家自然科学基金;研究生自治区创新项目

在线出版日期：2022-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：3165-3174