基于CNN和SVM的地面高光谱遥感草地植物识别

物候期和识别模型的选择直接影响植物识别的精度。本研究以蒿类荒漠草地主要植物伊犁绢蒿(Seriphidium transiliense)、角果藜(Ceratocarpus arenarius)以及裸地为识别对象，选择4月、6月、9月3个时期，通过SOC 710 VP高光谱成像仪采集草地群落高光谱数据，在分析地物光谱反射率差异的基础上，利用最佳指数因子(OIF)筛选特征波段，通过卷积神经网络(CNN)和支持向量机(SVM)建立识别模型。结果表明：1)不同物候期的伊犁绢蒿与角果藜在可见光波段均表现为“低-高-低”的光谱反射率趋势，并随月份增加峰谷现象逐渐不明显；红边波段这两种植物表现出快速上升；在NIR平台区4月各识别对象间反射率大小差异最明显。2)利用OIF筛选的识别波段组合在月份间表现一致，为638.64、789.49和923.79 nm。3)在识别精度上，SVM> CNN;4月> 9月> 6月；裸地>伊犁绢蒿>角果藜。综合来看，采用SVM在4月对蒿类荒漠草地主要植物进行识别的精度最高，为92.12%。