基于无人机可见光和LiDAR数据的单木树种识别

作     者：李华玉 张超 陈巧 王娟 彭希 徐志扬 刘浩栋 白明雄 陈永富 Li Huayu;Zhang Chao;Chen Qiao;Wang Juan;Peng Xi;Xu Zhiyang;Liu Haodong;Bai Mingxiong;Chen Yongfu

作者机构：西南林业大学林学院云南昆明650233 中国林业科学研究院资源信息研究所国家林业和草原局林业遥感与信息技术重点实验室北京100091 四川农业大学林学院四川成都611130 国家林业和草原局华东调查规划设计院浙江杭州310019 

基　　金：中央级公益性科研院所基本科研业务费专项资金项目(CAFYBB2018SZ008)资助 

出 版 物：《西南林业大学学报（自然科学）》 (Journal of Southwest Forestry University：Natural Sciences)

年 卷 期：2021年第41卷第5期

页      码：105-113页

摘      要：以亚热带林业实验中心年珠实验林场为研究区,以无人机可见光和LiDAR数据为数据源进行树种识别。基于CHM和可见光数据进行单木分割,对可见光数据和LiDAR数据进行特征提取,构建多特征集合;基于单木对象选择随机森林和支持向量机2种分类器进行分类识别,并利用混淆矩阵对不同数据源不同特征组合的12种方案进行精度评价,比较不同特征组合和分类器对树种分类精度的影响。结果表明:将基于CHM分割和多尺度分割结合的单木分割效果较好,满足单木树种识别需求。支持向量机的精度高于随机森林分类器,经过随机森林特征筛选之后精度优于未进行特征筛选的结果,总体平均精度提高1.45%,可见光和LiDAR数据结合较仅使用单一数据源平均精度提高了6.01%。特征筛选能减少维度灾难,有效难避免过多特征造成的冗余现象,进一步提高分类器的性能和效率。相对于随机森林分类器,支持向量机在对于多维的样本集以及训练样本有限的情况下,能够表现出更好的性能。多源数据结合能将不同数据源优势有效结合,提高分类精度。

主 题 词：无人机 单木分割 特征筛选 随机森林 支持向量机 

学科分类：09[农学] 0903[农学-动物生产类] 

D　O　I：10.11929/j.swfu.202011046

馆 藏 号：203104864...