排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
红树林是生长在热带和亚热带海岸潮间带、受到海水周期性浸淹的木本植物群落,被公认为是海陆边缘重要的蓝色碳汇,但由于其地处海岸带区域,受人类开发利用活动的影响严重。本文选择广西茅尾海红树林保护区为研究区,以无人机多光谱和激光雷达影像为数据源,利用支持向量机分类方法对红树林优势种类进行分类;提出了单木分层分区距离判别聚类分割方法,准确提取了红树林的单木结构信息;估算了研究区红树林地上生物量。得出以下结论：（1）综合利用无人机多光谱和激光雷达数据,对研究区红树林种间类型识别总体精度可达90.69%;（2）基于分层分区距离判别聚类方法能够较好的提取红树林单木结构特征,树高的提取精度优于冠幅;（3）构建了红树林高度、冠幅与地上生物量回归模型,其中桐花树生物量回归模型的决定系数R2最高,达0.83;（4）研究区内红树林地上生物量主要分布范围为1.24—3.6 kg/m2,其中无瓣海桑最高,老鼠簕最低。 相似文献
2.
合理的红树种间组成结构是有效发挥红树林湿地生态价值的前提,明确的红树林种间分布信息是开展红树林生态系统治理和规划工作的有效依据。针对海南八门湾红树林湿地,基于高分三号(GF-3)全极化合成孔径雷达(synthetic aperture radar,SAR)和高分六号(GF-6)多光谱遥感数据,本文提取了35个红树林遥感特征,利用极端梯度提升树(eXtremegradientboosting,XGBoost)算法开展了特征重要性排序、特征筛选和红树林种间分类实验,将其与传统的支持向量机(supportvectormachine,SVM)、随机森林(randomforest,RF)机器学习算法进行精度比较,并基于XGBoost算法进行了3种特征组合方式(优选特征、多光谱特征、全极化SAR特征)的分类精度比较,旨在探索XGBoost对红树林种间分类的适用性和光学与全极化SAR数据对红树林种间分类的能力。结果表明:1)识别红树林种类的优势特征依次为多光谱的光谱波段、极化分解参数、光谱植被指数,且仅利用前8个优选特征(绿光波段反射率G、蓝光波段反射率B、Yamaguchi面散射分量Ys、近红外波... 相似文献
1