中国环境科学

作者：左萍萍, 付波霖, 蓝斐芜, 解淑毓, 何宏昌, 范冬林, 娄佩卿

单位：桂林理工大学测绘地理信息学院, 广西 桂林 541006

关键词：无人机多光谱数据,随机森林算法,多维数据集,变量选择,参数调优

基金：国家自然科学基金资助项目（41801071）；广西自然科学基金资助项目（2018GXNSFBA281015）；广西科技计划项目（桂科AD20159037）；广西研究生教育创新计划项目（RD2000000741、YCSW2021210）；桂林理工大学科研启动基金资助项目（GUTQDJJ2017096）；广西八桂学者团队项目联合资助

为了探究高分辨率无人机多光谱数据对沼泽植被群丛识别能力，在洪河国家级自然保护区的核心区、缓冲区和实验区分别建立典型样区，通过低空无人机搭载的RGB及多光谱相机获取研究区正射影像，构建多维数据集并确立4种分类方案.采用面向对象的随机森林（RF）算法，对输入的多维数据集进行变量选择和参数（mtry、ntree）调优，构建适合沼泽植被群丛尺度识别模型.结果表明：优化的面向对象的RF算法对沼泽湿地植被具有较高的识别能力，在95%的置信区间内，核心区方案四（结合了光谱波段、纹理特征、几何特征、位置特征、地表高程信息和植被指数）获得最高总体精度为87.12%，kappa系数为0.850，比方案二（结合了光谱波段、几何特征和位置特征）总体精度高12.27%，kappa系数高0.140；对于单一典型沼泽湿地植被识别精度中，芦苇获得最高的用户精度高于88%，生产者精度高于90%，小叶章的生产者精度高于85%，但是在核心区用户精度较低，仅为78%.该方法可以作为沼泽植被群丛识别的有效方法，为研究沼泽湿地生态环境变化提供更准确的数据支持.

来源：2021年第5期

《中国环境科学》期刊编辑部

查看中国环境科学杂志2021年第5期