无人机遥感与XGBoost的红树林物种分类
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LiDAR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LiDAR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LiDAR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.
遥感、红树林、树种分类、无人机、高光谱影像、LiDAR点云、XGBoost
25
国家自然科学基金;广东省基础与应用基础研究基金
2021-04-20（万方平台首次上网日期，不代表论文的发表时间）
共16页
737-752
