基于植被指数的三江源高寒草地植物分类与识别方法研究

摘要：

随着生态健康检测与保护工作的实践以及研究问题的深入,传统的植物分类手段不能完全满足当前研究的需要.因此为研究快速分类识别草地植物的方法,本研究利用ASD(Analytical spectral devices)地物光谱仪,采集了三江源地区高寒草地常见的阿尔泰葶苈(Draba altaica)、高山风毛菊(Saussurea japonica)和车前状垂头菊(Cremanthodium ellisii)等36种植物的原始光谱数据,并选择了比值植被指数等16种高光谱植被指数,基于支持向量机(Support vec-tor machines,SVM)等3种机器学习算法,构建高寒草地植物光谱分类识别模型.研究结果表明:高寒草地植物的原始光谱均符合绿色植物特征,但由于植物形态特征不同光谱差异主要集中在可见光波段;基于植被指数结合3种算法构建的分类模型,精度依次为随机森林(Random forest,RF)(99.4％)＞SVM(93.2％)＞K邻近算法KNN(88.0％),且模型的预测结果都出现了误判情况;相比SVM与KNN,RF为基于植被指数构建模型的最佳算法,同时能对所构建模型参数进行重要性分析,其中RGI和SAVI为提高RF分类模型精度的两个重要参数.

关键词：植被指数、K邻近算法、随机森林、机器学习、植物分类识别

所属期刊栏目：30

分类号：Q141(生态学（生物生态学）)

资助基金：甘肃省新一轮草原补奖效益评估及草原生态评价研究;超低空微遥感技术在草原监测中的应用研究及推广示范;自列省级林业和草原科技项目

在线出版日期：2022-08-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1811-1818