基于无人机可见光影像和面向对象的树种分类研究

针对目前林业部门人工调查树种存在效率低、成本高等问题,采用无人机遥感技术进行树种分类识别,提高树种调查效率,辅助林业管理部门进行林木种植结构分析、病虫害防治等工作。利用无人机获取矮冬青、三球悬铃木、马尾松和紫叶李的冠层红绿蓝（red-green-blue,RGB）可见光影像,进行数字表面模型（digital surface model,DSM）特征图像提取,通过色彩空间转换提高树种间颜色差异;应用最优尺度分割,以纹理特征、颜色特征及几何特征为分类特征参数,优选最佳分类特征集,以期实现无人机可见光影像的树种分类。结果表明,DSM与RGB特征融合图像提取树种的精度较高,可见光影像分类总精度为91.58%,Kappa系数为0.89;特征融合图像分类总精度为98.27%,Kappa系数为0.98。研究提出的特征融合图像结合面向对象分类方法实现了可见光影像的树种分类,为实现树种计数、统计、分类提供数据参考。     

基于无人机高分辨率影像的农作物分类研究

农作物分类是精准农业中的重要技术之一.为探究多品类作物分类的有效方法,基于无人机高分辨率遥感影像,分别应用基于像元和面向对象分类方法建立了研究区内28类典型农作物分类模型,并采用总体精度、Kappa系数、用户精度、生产者精度对分析结果进行了评价.结果表明:基于像元的最小距离法、马氏距离法、最大似然法、神经网络法和支持向...     

利用单次无人机影像的果树精准识别方法

【目的】利用单次无人机飞行生成的正射影像和数字表面模型(DSM)对果树进行精准识别。【方法】首先利用无人机正射影像计算5种归一化植被指数,并讨论5种植被指数提取植被区域的精度,选用结果最好的植被指数对研究区植被进行提取;之后根据影像的空间分辨率和已知果树直径范围对果树进行初识别确定果树实际位置和半径;再将识别到的果树叠加到DSM中,利用果树在DSM中最大值和果树临近区域DSM最小值求取果树高度;最后根据果树高度范围对初识别的果树进行再识别,提高果树识别精度。【结果】该方法在美国加利福尼亚州弗雷斯诺县里德利市郊区的一个果园进行运用研究,发现MRENDVI植被指数对研究区内植被提取精度最高;利用提取植被区域后影像和果树冠层的直径范围对果树进行初识别的精度为94.8%;利用果树初识别影像与DSM影像结合求取果树高度,并根据果树高度范围对果树进行再识别后,果树识别精度提高了5%,达到99.8%。【结论】该方法原理简单,对果园果树识别有较高精度,有效消除了果园周围其他树木和果园内部草丛对果树正确识别的影响,有较高的普适性。     

基于无人机遥感影像的沙糖橘果树提取方法研究

目的 通过无人机获取沙糖橘果园的遥感图像,快速提取果树分布位置,为果树的长势监测和产量预估提供参考。方法 以无人机拍摄的可见光遥感图像为研究对象,计算超红指数、超绿指数、超蓝指数、可见光波段差异植被指数、红绿比指数和蓝绿比指数6种可见光植被指数,使用双峰阈值法选取阈值进行果树的提取。在使用光谱指数进行识别的基础上,结合数字表面模型作为识别模型的输入变量,进行对比试验。结果 相比使用单一光谱指数,结合数字表面模型提高了果树和非果树像元的提取精度,6次波段融合后的总体精度均大于97%。超红指数与数字表面模型结合后的总体精度最高,为98.77%,Kappa系数为0.956 7,植被信息提取精度优于其他5种可见光植被指数与数字表面模型结合后的提取精度。结论 数字表面模型结合可见光植被指数的提取方法能够更深层次地挖掘遥感数据蕴含的信息量,为影像中色调相似地物的提取提供参考。     

基于面向对象的无人机遥感影像荒漠植被分类

荒漠植被分布稀疏且叶面普遍较小,导致影像中植被光谱特征较弱,分类难度较大.为提高荒漠植被分类精度,选取古尔班通古特沙漠为研究区,以无人机遥感影像和数字表面模型为数据源,采用面向对象的随机森林算法,在去相关拉伸光谱信息增强基础上对荒漠植被进行分类,分析去相关拉伸前后分类精度的变化.结果 表明:基于去相关拉伸并结合面向对象...     

高速公路边坡植物群落物种多样性

运用区组试验设计,于沪陕高速公路信阳至南阳段4种路基边坡建立了28个植物群落观测试验小区。在测定相关指标的基础上,对不同土壤类型边坡物种多样性指标进行了比较分析,同时研究了路基边坡物种多样性与植被因子的相关性。结果表明:"紫穗槐+狗牙根+高羊茅"群落和"胡枝子+狗牙根+高羊茅"群落的物种多样性指数、丰富度指数及均匀度指数较高;物种多样性指标之间相关性显著;多样性指数、丰富度指数、均匀度指数与地上生物量相关性较强,与高度、盖度、保土作用系数相关性较差;植被保土作用系数与植被覆盖度密切相关,与植株高度的相关性显著。     

基于无人机航拍的苎麻倒伏信息解译研究

茎杆倒伏是苎麻三麻培育中最常见的灾害,传统的监测方法具有耗时耗力、不及时等局限性。提出了一种基于无人机航拍获取苎麻倒伏信息的方法,首先利用Pix4D Mapper软件生成苎麻的冠层正射影像和数字表面模型(digital surface model,DSM),基于正射影像提取苎麻光谱、纹理及形状特征,基于DSM提取苎麻株高指标,最后结合3种机器学习算法构建正常/倒伏苎麻分类模型。结果表明,基于DSM提取的株高信息可以有效代替大田实测株高,模型R²为0.899。倒伏和正常苎麻在光谱、纹理、形状及株高特征上具有差异。在3种机器学习算法中,支持向量机和决策树模型的性能最好,准确率达到99%,能够高效地识别苎麻倒伏地块。以上研究结果为准确、快速评估作物倒伏情况提供了技术支撑。     

基于无人机影像多时相的小麦品种氮效率分类识别

【目的】探索无人机遥感在氮效率分类识别中的潜力,构建小麦品种氮效率分类方法,为氮高效品种筛选提供理论依据和技术支持。【方法】通过6个成熟期与氮效率密切相关的农学指标（产量、植株氮积累、氮素生理利用效率、植株干生物量、籽粒总吸氮量、N收获指数）构建主成分综合值,并对其进行K-Means聚类分析,将121个小麦品种划分为氮高效型、氮中效型和氮低效型3种类型。利用无人机遥感平台搭载多光谱相机,在小麦拔节期、孕穗期和开花期获取无人机遥感影像,并提取34种植被指数,分析植被指数与氮效率综合值的相关性;对比支持向量机（SVM）、随机森林（RF）和K最近邻（KNN）分类方法的氮效率分类模型精度,使用总体分类精度（OA）和Kappa系数比较不同生育时期下小麦品种氮效率分类识别的能力;并使用3种不同的特征集筛选方法（ReliefF算法、Boruta算法和RF-RFE算法）对优化的特征子集进行综合评价,确立适宜的小麦品种氮效率分类识别方法。【结果】随着小麦生育时期的不断推进,植被指数与氮效率综合值的相关性逐渐提高,开花期最高（r=0.502）;利用植被指数全特征集对小麦品种氮效率进行分类,对于单生育时期数...     

基于无人机遥感的农作物自动分类研究

长期以来,我国农作物种植类型等重要农业统计数据,主要通过全面统计或抽样调查等传统方法获得,传统方法普遍存在调查工作量庞大、财力和物力耗费高、调查周期长等诸多缺陷.目前,遥感技术已经在农作物分类动态信息提取、作物分布制图中发挥了重要作用.但由于高分辨率的卫星重返周期长,特定时间的指定区域的数据无法保证,单一利用遥感进行农...     

基于无人机可见光图像的作物分类研究

【目的】采用无人机遥感技术对作物进行分类识别,为及时获取农田信息、制定农田管理策略及产量估测提供技术支持。【方法】采用无人机遥感平台,获取试验区域玉米、桃树、菜花、大豆的可见光正射影像;利用HSV色彩空间转换和纹理滤波,获取不同地物的24项纹理特征与3项色彩特征。分别通过ReliefF算法及基于支持向量机的递归特征消除算法(support vector machine-recursive feature elimination,SVM-RFE)进行特征选择与分类,建立6种监督分类模型,利用得到的特征子集对其进行训练,对各模型分类效果进行精度评价。【结果】由SVM-RFE特征子集训练的6种监督分类模型测试集的分类精度均高于80%,分类精度平均提高5.023%,优于ReliefF特征子集训练的监督分类模型,其中SVM-RFE特征子集与支持向量机模型组合对作物的监督分类效果最佳,总体精度达83.417%,Kappa系数为78.60。【结论】基于无人机遥感技术的作物分类识别是可行的。     

基于无人机影像的棉花株高预测

【目的】 利用无人机遥感技术,快速、无损和高通量地获取田间株高表型信息,预测棉花品种(系)的长势监测及产量。【方法】 以无人机(UAV)搭载高清数码相机构成低空遥感平台,获取110份处于花铃期棉花品种(系)影像,测定地面实际株高;利用拼接软件与高清数码影像,生成研究区数字表面模型(DSM)和高清正射影像(DOM);基于高清的DOM和DSM,利用克里金插值法生成研究区离散地面高程值(DEM),经作差提取棉花株高(CHM),利用不同棉花品种(系)实测株高(H)与提取的棉花株高(CHM)作回归分析。【结果】 通过DOM可快速无损地监测花铃期各棉花品种(系)长势、叶色性状差异及分布状况,经DSM和克里金插值法提取的DEM和棉花株高分布图得出,研究区整体地势较平坦,高低落差仅0.5 m。所建株高模型R²达到0.846 9,验证模型R²也达到0.758 1。【结论】 利用无人机影像生成的DOM、DSM和克里金插值法生成的DEM,提取的棉花花铃期株高(CHM)精度较高,无人机搭载数码相机进行棉花株高测定具有较好的适用性。为大范围的棉花田间株高观测提供一种新的研究方法是可行的。     

石质边坡人工植被群落动态研究

以贵阳市环城高速南环线经人工植被恢复的3个石质边坡为研究对象,采用常规群落调查法,对其进行3 a的定期定位观测。结果表明:调查中共记录51种植物,分属13科43属,其中主要为禾本科、豆科、菊科3大科植物;群落物种数量组成具明显季节性,最大值出现在每年8月或9月,最小值出现在每年2月;群落物种组成有所改变,禾本科植物比例逐年下降,豆科植物在干旱低温胁迫期所占比例最高,表现出良好的适应能力;群落优势种发生改变,由初期的多年生草本植物占绝对优势地位,逐步向乔灌草共存的方向演替;植被群落丰富度指数、Shannon-Wiener指数、Pielou均匀度指数呈直线上升趋势。同时,试提出一种植物配置模式,为今后黔中喀斯特地区公路边坡恢复植物配置提供参考。     

浙江省农业观光园植物种类及应用调查

对浙江省10家不同类型农业观光园的植物种类及应用情况进行了实地调查和分析。结果表明,浙江省农业观光园已应用的植物种类较为丰富,共366种,分属于119科273属。应用频率在40%以上的植物占调查植物总数的23.7%,应用频率高的植物种类较少,植物多样性相对较高;将植物的应用形式进行归类分析,共有6种类型,以此提出目前浙江省农业观光园植物种类选择及应用中存在的问题及改善建议。     

基于遥感技术的森林树种识别研究进展

基于遥感手段的森林类型/树种（组）的精准识别是森林参数提取和计算的前提,是林业遥感领域的研究前沿,可为宏观尺度快速获取森林资源信息提供重要途径。对多源遥感数据在森林树种识别中的应用研究进行总结分析发现,当前基于遥感数据的树种识别已成为林业遥感的研究热点。利用卫星遥感数据和近地低空遥感数据结合随机森林、支持向量机等分类方法进行树种识别已相对成熟。近年来,无人机技术不断发展,以其灵活性强的特点在林业中有较强的应用潜力,在计算机技术、数字图像处理技术和机器学习领域不断发展成熟背景下,低空遥感数据结合深度学习技术应用于森林树种的精确识别是值得深入研究的科学问题。     

基于高光谱影像的树种分类

应用环境与灾害监测预报小卫星(HJ-1A)的超光谱成像仪(HSI)高光谱影像,对大兴安岭地区塔河林区进行树种分类。HSI数据经过去条带和大气校正预处理,获取准确的树种光谱信息,分别采用波谱角填图法和线性波谱分离法进行树种分类。结果表明:在树种识别中,基于线性波谱分离的方法较基于波谱角填图法要优越,线性波谱分离方法的总体精度为72.0%,Kappa系数为0.600;波谱角填图法的总体精度为62.5%,Kappa系数为0.459。     

基于无人机多光谱影像的地物识别

【目的】利用2018年5和6月获取的无人机多光谱影像对北京市大兴试验基地的部分农田进行地物类型提取研究。【方法】确定感兴趣地物种类,对影像进行时相与光谱特征分析,然后确定归一化植被指数NDVI、归一化绿蓝差异指数NGBDI、修正型比值植被指数MSR和红边波段反射率可以作为最优分类特征,通过基于光谱变量阈值分割的决策树分类法,实现地物分类,并提取种植面积,选取基于目视解译的地面调查数据进行方法验证。【结果】基于时相与光谱特征的决策树分类方法有较好效果,该方法用于小麦、果树和大棚的提取,误差值分别为10.68%、6.06%和16.48%,面积提取误差在17%以内,对无人机多光谱遥感影像进行地物识别具有一定的适用性。【结论】无人机低成本、高效率的优势为农田信息及时获取提供参考。     

基于太阳能的植保无人机续航提升方案

在农业领域对无人机的任务需求中,续航问题无疑是目前植保无人机所面临的重要问题之一。由于电池生产技术的瓶颈,目前植保无人机的有效作业时间大都被限制在12 min左右难以突破。太阳作为一个取之不尽用之不竭的“无源”动力得到了特别的关注,因此设计了一种基于太阳能的植保无人机续航提升方案。在六旋翼无人机平台上对方案的可行性进行实验,结果表明,安装了太阳能续航模块后的无人机相比安装前,飞行续航时间平均提升了70 s。该方案基于多轴无人机飞行平台,在无人机工作时将太阳能转化为电能为锂电池续电,从而减少锂电池在飞行时的电量消耗,增加植保无人机的有效作业时间,在一定程度上缓解了当前植保无人机的续航问题,并能够向其他基于无人机平台的应用延伸。     

基于无人机影像的天山云杉林更新类别划分及提取

森林伐后更新对森林资源的有效利用密不可分,对森林的经营管理和动态监测具有重要意义。为了对不同皆伐迹地林分进行主要特征选取并实现高精度提取,本研究通过分析天山云杉皆伐迹地更新群落特征,并利用R软件进行聚类分析,将其划分为4个类别(Ⅰ、Ⅱ、Ⅲ、Ⅳ),其林分平均年龄为33、28、25 a和20 a;平均胸径分别为25.62、17.95、13.03 cm和10.05 cm;平均树高为12.25、10.02、8.92 m和7.53 m。基于eCognition Developer 9.0软件,对研究区进行多层次、多尺度分割,以无人机影像的纹理、光谱等特征为辅助信息进行SEaTH算法结合面向对象分类。结果表明,研究区皆伐迹地林分生长状况主要为类别Ⅰ状态,类别Ⅱ、Ⅲ和Ⅳ分布面积相对较少。SEaTH算法结合隶属度分类方法,不仅准确地识别出皆伐迹地空间分布情况,还精确地提取出不同类别的天山云杉林,总体精度达到80.22%,Kappa系数为0.73,平均面积吻合度为81.34%。该方法取得了较好的分类效果,可精确地对伐后更新林分进行分级提取,为森林经营管理提供一定的参考依据。