了解亚热带森林树种的准确信息对于森林可持续管理、生态系统服务评估、生物多样性监测以及生态环境保护至关重要。因此,亟待快速有效的方法对单个树种进行分类。传统的树种地面调查费事、费力、成本高,难以大面积实施。而遥感可以获取较大区域的特征信息。许多遥感数据,如超高分辨率RGB、机载高光谱和雷达数据,已广泛应用于单木分割和树种分类。然而以往都是利用其中一种或两种类型的数据进行研究,综合这三种遥感数据进行树种分类的研究十分有限。
基于此,为填补研究空白, 研究者们于2019年8月在中国南方深圳的亚热带阔叶林聚龙山公园(114°23′28′′E,22°43′50′′N)基于UAV LiDAR,高光谱(Resonon Pika L高光谱成像仪)、超高分辨率RGB数据以及地面数据进行单个树种的分类。作者首次开发了watershed-spectral-textural-controlled normalized cut(WST-Ncut)算法进行单木分割。然后整合UAV LiDAR(提取结构特征),高光谱(提取光谱特征)和超高分辨率RGB数据(提取纹理特征)进行分类。最后通过总体精度(OA)和kappa系数(k)评估分类精度。主要研究目标为:(1)评估所提出的WST-Ncut算法在亚热带阔叶森林进行单木分割的准确性;(2)与单独使用这些数据相比,评估UAV LiDAR,高光谱和超高分辨率RGB数据相融合进行亚热带阔叶树种分类的有效性和改进以及(3)探索单木分割的准确性和树种数量对树种分类精度的影响。
【结果】
18个树种在383-1020 nm波长下的反射率平均值和±标准差。
七种特征组合得到的树种分布图
【结论】
在本研究中,作者利用UAV LiDAR,高光谱和超高分辨率RGB数据在亚热带阔叶森林树木尺度上进行18个树种的分类。作者首次提出了watershed-spectral-textural-controlled normalized cut(WST-Ncut)算法来描述单木。结果表明,WST-Ncut算法适合描述亚热带阔叶森林单木(Recall=0.95,Precision=0.86,F-score=0.90),可以减少过度分割。LiDAR获取的垂直结构特征,高光谱获取的光谱特征以及超高分辨率RGB数据获取的纹理特征在树种分类上相互补充。分类结果表明这三个数据集相结合可以有效区分18个树种,获得最高的分类精度(总体精度=91.8%,Kappa=0.910),比单独利用光谱特征,结构特征和纹理特征分别高10.2%,13.6%和19.0%。此外,结果表明,单木分割越好,树种分类越准确,树种数量增加将会导致分类精度下降。
[来源:北京理加联合科技有限公司]
2024.06.18
通过减少土壤物理性质对光谱的耦合作用来提高高光谱遥感在估算土壤有机质的时空可迁移性:以中
2024.06.11
2024.05.27
2024.05.20
稻田中浮萍(Lemna minor L.)生长对水稻产量及其潜在原因的影响
2024.05.16
2024.05.10
版权与免责声明:
① 凡本网注明"来源:仪器信息网"的所有作品,版权均属于仪器信息网,未经本网授权不得转载、摘编或利用其它方式使用。已获本网授权的作品,应在授权范围内使用,并注明"来源:仪器信息网"。违者本网将追究相关法律责任。
② 本网凡注明"来源:xxx(非本网)"的作品,均转载自其它媒体,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责,且不承担此类作品侵权行为的直接责任及连带责任。如其他媒体、网站或个人从本网下载使用,必须保留本网注明的"稿件来源",并自负版权等法律责任。
③ 如涉及作品内容、版权等问题,请在作品发表之日起两周内与本网联系,否则视为默认仪器信息网有权转载。
谢谢您的赞赏,您的鼓励是我前进的动力~
打赏失败了~
评论成功+4积分
评论成功,积分获取达到限制
投票成功~
投票失败了~