確定最優(yōu)的飛行高度,是無人機(jī)遙感快速、有效識別毛竹立竹度的重要基礎(chǔ)。以2 100株/hm²密度的毛竹林為研究對象,利用無人機(jī)獲取4個(gè)不同飛行高度（50、100、150和200 m）的毛竹林影像數(shù)據(jù),通過分析各影像的波段光譜特征信息和紋理特征信息,選取識別毛竹立竹度的有效特征波段組合（藍(lán)光波段、紅光波段、近紅外波段、紋理特征均值、歸一化植被指數(shù)（NDVI））,采用面向?qū)ο蠖喑叨确指?構(gòu)建毛竹立竹度的識別單元。在此基礎(chǔ)上,依據(jù)識別單元,通過K鄰近值算法（K-Nearest Neighbor）實(shí)現(xiàn)特征波段組合影像的分類和毛竹立竹度信息的識別,比較不同飛行高度下毛竹立竹度的遙感識別效果,確定無人機(jī)遙感識別毛竹立竹度的有效高度。結(jié)果表明:4個(gè)不同高度水平分類總體精度分別是74.24%、85.32%、91.12%、83.84%,航高為150m時(shí),2 100株/hm²密度的毛竹林的立竹度識別精度最佳。 

【文章來源】：遙感技術(shù)與應(yīng)用. 2020,35(06)北大核心CSCD

【文章頁數(shù)】：11 頁

【部分圖文】：

研究區(qū)位置圖

研究區(qū)全色波段影像示意圖

多尺度分割是對影像數(shù)據(jù)給定一個(gè)指定的尺度，根據(jù)設(shè)定的光譜和形狀的權(quán)重等參數(shù)值，將影像數(shù)據(jù)進(jìn)行分割，達(dá)到最優(yōu)的分割效果[29]。分割尺度是影像分割過程中最重要的一個(gè)參數(shù)，它直接影響影像對象的大小和數(shù)量以及最終的分類精度[30]。選擇適宜的分割尺度和分割參數(shù)是基于多尺度分割的遙感影像分類方法提高精度的前提[31]。在實(shí)際應(yīng)用中，應(yīng)依據(jù)各類地物影像的特征，經(jīng)反復(fù)實(shí)驗(yàn)獲取適合的影像分割尺度和分割參數(shù)。研究應(yīng)用ENVI面向?qū)ο蠖喑叨确指罟ぞ�，采用邊緣檢驗(yàn)（Edge Detection）算法，實(shí)現(xiàn)研究區(qū)毛竹林無人機(jī)影像分割。通過比較不同分割尺度下的結(jié)果，發(fā)現(xiàn)分割尺度為20，合并尺度為95時(shí)，分割結(jié)果更為接近冠層的實(shí)際形狀（圖4）。所以，采用上述參數(shù)對研究區(qū)影像進(jìn)行面向?qū)ο蠓指睢?.3 識別單元構(gòu)建

【參考文獻(xiàn)】：
期刊論文
[1]竹資源遙感監(jiān)測研究進(jìn)展[J]. 嚴(yán)欣榮,官鳳英.  遙感技術(shù)與應(yīng)用. 2020(04)
[2]整合無人機(jī)和面向?qū)ο蟮霓r(nóng)村居住環(huán)境信息提取[J]. 郝睿,李兆富,張舒昱,潘劍君,姜小三,張文敏,宋金超.  遙感技術(shù)與應(yīng)用. 2020(03)
[3]PSO優(yōu)化三維Otsu森林冠層圖像快速分割算法[J]. 朱良寬,邵思協(xié),景維鵬,劉亮.  哈爾濱理工大學(xué)學(xué)報(bào). 2019(05)
[4]集成U-Net方法的無人機(jī)影像胡楊樹冠提取和計(jì)數(shù)[J]. 李越帥,鄭宏偉,羅格平,楊遼,王偉勝,桂東偉.  遙感技術(shù)與應(yīng)用. 2019(05)
[5]無人機(jī)高分辨率遙感影像分類方法研究[J]. 劉啟興,景海濤,董國濤.  計(jì)算機(jī)與數(shù)字工程. 2019(03)
[6]無人機(jī)在林業(yè)中的應(yīng)用及前景展望[J]. 張軍國,閆浩,胡春鶴,李婷婷,于明.  林業(yè)工程學(xué)報(bào). 2019(01)
[7]基于無人機(jī)高光譜不同高度的地物快速識別研究[J]. 黃宇,陳興海,劉業(yè)林,黃智輝,孫梅,蘇運(yùn)城.  安徽農(nóng)業(yè)科學(xué). 2018(11)
[8]基于無人機(jī)圖像分析的樹木胸徑預(yù)測[J]. 劉文萍,仲亭玉,宋以寧.  農(nóng)業(yè)工程學(xué)報(bào). 2017(21)
[9]毛竹細(xì)根分布特征研究[J]. 劉廣路,范少輝,蔡春菊,劉希珍,李雁冰,羅天磊.  熱帶亞熱帶植物學(xué)報(bào). 2017(05)
[10]密度對毛竹生長的影響[J]. 陳賜輝,賴玉玲,陽純,陳亞剛,劉振興,張卓文.  湖北林業(yè)科技. 2016(06)

博士論文
[1]高空間分辨率遙感影像單株立木識別與樹冠分割算法研究[D]. 鄧廣.中國林業(yè)科學(xué)研究院 2009

碩士論文
[1]無人機(jī)影像在采煤沉陷區(qū)災(zāi)害調(diào)查中的應(yīng)用[D]. 李兆均.中國地質(zhì)大學(xué)(北京) 2018
[2]基于無人機(jī)遙感的灌區(qū)土地利用類型分類方法研究[D]. 郭聰聰.西北農(nóng)林科技大學(xué) 2016
[3]植被特征尺度與尺度優(yōu)化研究[D]. 唐鳳莉.西安科技大學(xué) 2015
[4]無人機(jī)航測技術(shù)在土地綜合整治中的應(yīng)用研究[D]. 張文博.長沙理工大學(xué) 2013
[5]KNN文本分類研究[D]. 閆晨.燕山大學(xué) 2010
[6]基于FPGA的多無人機(jī)系統(tǒng)信息傳輸技術(shù)研究[D]. 李俊萍.北京郵電大學(xué) 2010
[7]種源和培育措施對人工林毛竹材性的影響[D]. 王水英.福建農(nóng)林大學(xué) 2008



本文編號：3440986