基于无人机遥感的盛花期薇甘菊爆发点识别与监测
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(mIoU)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.
机器学习、深度学习、自动识别、生态监测、无人机遥感、薇甘菊
39
TP751;S451(遥感技术)
广东省科技计划项目2017A020216022,2018B030324002;国家重点研发计划2017YFC1200105
2019-08-27（万方平台首次上网日期，不代表论文的发表时间）
共10页
482-491
