基于无人机高光谱遥感影像的防护林树种分类

树种信息对林业资源监测和管理具有重要意义，及时准确地掌握树种及长势状况是防护林工程建设与效益评价的基础。为研究利用无人机高光谱数据进行防护林树种分类的效果，选取典型区域使用Matrice600型六旋翼无人机搭载Rikola高光谱成像仪获取高光谱影像，基于支持向量机-递归特征消除算法（SVM-RFE）选取原始波段最佳组合，再结合纹理特征、植被指数和数理统计特征，使用随机森林算法对所有特征进行重要性评估并与分类精度相结合进行特征优化，进而构建高光谱影像全波段、原始波段最佳组合、全部特征变量、基于随机森林（RF）特征优化后特征变量4种分类方案，分别采用最大似然法（MLC）、支持向量机（SVM）、随机森林对防护林优势树种进行分类。结果表明：所提出的基于交叉验证的SVM-RFE算法选出的原始波段组合能更好地还原原始光谱特征；通过RF算法的特征重要性分析与分类精度相结合的方法可以有效选出重要特征，当使用全部特征的85%（包括17个光谱特征、3个纹理特征、5个植被指数和3个数理统计特征）进行分类时，总体精度最高为9593%（Kappa系数为0.9475）；所有特征中植被指数特征最重要，3种分类方法中RF算法分类总体精度（OA）最高。

Classification of Protection Forest Tree Species Based on UAV Hyperspectral Data