10.7522/j.issn.1000-694X.2021.00004
基于U型神经网络的沙丘-草甸相间地区无人机影像植被覆盖度提取及其影响因素
为了精准监测沙丘-草甸相间地区景观尺度典型地类植被覆盖度动态变化,利用无人机获取的多时相高清RGB正射影像,构建了植被覆盖度提取U型神经网络深度学习模型,并对提取的植被覆盖度进一步分析了其在生长期(5-10月)的变化特征及对环境因子的响应.结果表明:(1)构建的植被覆盖度提取模型精确度较高,训练集准确率为0.82,验证集准确率为0.86,可高效、便捷地提取不同地貌、复杂生境的植被覆盖度;(2)在植被生长期内,半流动沙丘、农田和草甸组合、半固定沙丘、固定沙丘的植被覆盖度随时间呈单峰趋势变化,8月达到峰值,依次为37.51％、76.21％、61.66％、80.57％;(3)降水量、气温与植被覆盖度极显著相关(相关系数分别为0.575、0.602,P＜0.01),降水量是影响沙丘-草甸相间地区植被覆盖度变化的主控因子,气温也是限制其生长、分布的重要环境因子.(4)降水量对植被覆盖度的响应程度从高到低依次为半流动沙丘＞半固定沙丘＞固定沙丘＞农田和草甸组合.利用无人机高清影像精准监测植被覆盖度变化可为大尺度荒漠区植被信息提取提供数据支撑,为荒漠化生态系统的科学环境建设与管理提供理论依据.
植被覆盖度、无人机、卷积神经网络、环境因子
41
TP753(遥感技术)
国家自然科学基金项目;内蒙古自治区自然科学基金项目;教育部创新团队发展计划项目;科技部重点领域科技创新团队项目;内蒙古农业大学高层次人才科研启动金项目;内蒙古自治区草原英才产业创新创业人才团队项目;内蒙古农业大学寒旱区水资源利用创新团队项目
2021-07-07（万方平台首次上网日期，不代表论文的发表时间）
共9页
16-24
