基于无人机与机器学习的黄河源高寒草地植被覆盖度反演技术

摘要：

针对高原高寒地区大面积草地植被覆盖度调查与实验过程中地面测量效率低下,遥感数据质量不佳、数量源受限与反演结果不确定等问题,在黄河源地区利用低空无人机(unmanned aerial vehicle,UAV)遥感技术、统计建模与机器学习方法,开展基于可见光影像的高寒草地植被覆盖度反演与验证.结果 表明:基于可见光构建的过绿指数与植被覆盖度的相关系数达0.676,比归一化差异指数高出近5.2％,具有较高的可靠性;利用过绿指数建立的高寒草地植被覆盖度统计模型中,对数模型和Gamma模型精度较高,但具有显著的地域差异性;直接利用低空无人机遥感波段值建立的机器学习模型精度显著优于各个统计模型,获得的均方根误差、估算精度、相对偏差和决定系数比统计模型中表现最优的对数模型分别提高2.68％、3.75％、7.35％和13.91％,且无需计算植被指数,在成本、效率和精度等方面具有较大的优势.

关键词：低空无人机(UAV);机器学习;植被覆盖度;高寒草地;黄河源

所属期刊栏目：21

分类号：Q948;TP75;P237(植物学)

资助基金：青海省科技厅基金;甘肃省祁连山生态环境研究中心开放基金;国家自然科学基金

在线出版日期：2021-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：10209-10214