不同种植设施背景蔬菜作物无人机高光谱精细分类 |
| |
引用本文: | 胡顺石,杨斌,黄英,岑奕,戚文超.不同种植设施背景蔬菜作物无人机高光谱精细分类[J].遥感学报,2024(1):280-292. |
| |
作者姓名: | 胡顺石 杨斌 黄英 岑奕 戚文超 |
| |
作者单位: | 1. 湖南师范大学地理科学学院;2. 地理空间大数据挖掘与应用湖南省重点实验室;3. 中国科学院空天信息创新研究院 |
| |
基金项目: | 国家重点研发计划(编号:2017YFE0194900);;遥感科学国家重点实验室开放基金(No.OFSLRSS202221);;湖南省教育厅资助科研项目(编号:21B0046); |
| |
摘 要: | 中国蔬菜产业规模大、产值高,是促进农民增收和农村农业经济发展的支柱产业。快速准确地获取区域尺度蔬菜种植结构信息对于农业现代化、自动化和精细化等具有重要意义。无人机高光谱遥感技术具有快速机动灵活和“图谱合一”的优势,在作物精细分类中具有广泛应用前景。然而蔬菜作物种植规模差异大、农业景观破碎度高,同时还受地膜、大棚和防鸟网覆盖等影响,无人机高光谱图像易产生严重的混合光谱效应,给蔬菜作物精细分类带来了极大的挑战。针对此问题,本研究以湖南省农科院高桥科研基地蔬菜种植区为例,获取无人机高光谱图像,探索采用支持向量机和深度学习方法对不同蔬菜作物进行精细分类。研究结果表明:基于无人机高光谱遥感数据,可以实现不同覆盖背景下的蔬菜作物精细分类;两大分类方法的平均总体精度分别为78.03%和90.75%,平均Kappa系数分别为0.7359和0.8887,相较于支持向量机方法,基于深度学习的分类方法获得的精细分类效果更加理想,三维卷积神经网络和引入注意力机制的卷积神经网络可以有效提取图像中的光谱—空间特征信息,在蔬菜作物精细分类中体现出更好的分类效果;蔬菜作物在大尺度地块上空间纹理特征明显,而在小地块尺度...
|
关 键 词: | 精细分类 蔬菜作物 无人机 高光谱 大棚 地膜 |
|
|