基于无人机高光谱遥感和3D-ResNet的荒漠草原地物分类

荒漠草原生态信息调查与统计的瓶颈是效率与精度,传统的人工地面调查效率低,航天航空遥感调查受空间分辨率限制,精度难以满足要求.建立的无人机高光谱遥感系统兼具高光谱分辨率、高空间分辨率和高效性等优势,为基于遥感的高精度荒漠草原生态信息调查与统计提供硬件基础.利用深度学习经典网络模型VGG16与ResNet18和改进为3D卷...     

基于归一化植被指数对荒漠化草原地面高光谱影像中植被的识别

草原植被的分布与面积是草原退化评定的重要指标。以荒漠化草原植被为研究对象,在内蒙古四子王旗试验区域自然光下采植被的高光谱数据,通过构建植被光谱特征指标阈值对植被覆盖地区与非植被覆盖地区进行识别和分类,为低空高光谱遥感进行大面积的识别及数量统计提供依据,为高效,适时的草原监测和退化评价提供理论和技术手段。选择具有代表性归一化植被指数NDVI分析数据规律。结果表明:荒漠化草原阈值区间为0.01~0.9,其中植被阈值区间为0.4~0.9,非植被阈值区间为0.01~0.4,当NDVI阈值取0.4时对有无植被覆盖分类明显,经Kappa系数验证精度达96.2%。高精度的植被识别为后续无人机高光谱遥感提供数据数据支持及理论基础。     

基于BP神经网络的荒漠化草原草种识别与分类

草原退化与荒漠化已经成为中国草原的主要生态问题,其典型标志为草原植被结构的改变,草原草种的识别与分类成为草原退化监测的重要手段。文章基于内蒙古乌兰察布市四子王旗草原,在自然光条件下,使用高光谱仪采集高光谱图像,利用高光谱的图像和光谱信息,实现对草种的分类。本研究通过提取图像的纹理特征和光谱的二阶导数,将提取到的特征输入到BP神经网络中进行分类,实验结果表明,该种方法对草种识别的精度能达到93%,实现了草原草种的高光谱图像分类,为高光谱遥感实现草原退化监测提供了可能。     

基于高光谱MNF-SVM法荒漠化草原地表微斑块识别研究

植被群落结构和土壤性质改变是草原退化的主要表现,鼠害是加剧草原退化的重要因素,对地表微斑块识别是草原退化研究的基础.本文利用GaiaiSky-mimi型高光谱仪采集典型荒漠化草原高光谱影像,使用主成分分析法(Principal Compo-nents Analysis,PCA)与最小噪声分离法(Minimum Nois...