基于无人机高光谱影像和深度学习算法的长白山针阔混交林优势树种分类

快速、准确识别树种及其分布格局是森林资源经营管理和生物多样性保护的基础和前提。与传统实地调查的方法相比，近年来飞速发展的近地面遥感技术可以灵活、高效和便捷地获取高分辨率高光谱遥感影像，而如何从包含丰富信息的诸多特征中选择信息量大且冗余度低的特征进行树种自动识别，是当前研究亟待解决的问题。本研究以长白山25 hm~2温带针阔混交样地为主要研究平台，于2019年8月使用无人机搭载的光谱传感器获取面积为6 hm~2的高光谱影像，选择红松、春榆、蒙古栎、水曲柳、大青杨和紫椴6种林冠层树种作为实地标记树种，使用实时载波相位差分技术对所选目标树种进行精确定位，结合2019年样地复查结果对研究区的影像进行目视解译，分别使用卷积神经网络法、最大似然法和马氏距离3种分类方法进行冠层树种的自动分类研究。结果表明：(1)卷积神经网络的树种分类总体精度和Kappa系数(99.85%、0.998)优于最大似然法(89.11%、0.86)和马氏距离法(79.65%、0.75)。(2)在3种分类方法中，单个优势树种分类精度均在卷积神经网络中为最高精度，红松、春榆、蒙古栎、水曲柳、大青杨和紫椴的最高分类精度分别为10...