基于无人机影像的沙棘树高提取及叶面积指数反演方法比较

发布时间：2023-03-31 19:35

　　为利用无人机可见光影像获取高精度沙棘树高与叶面积指数(Leaf area index,LAI),实现实时无损动态监测。以新疆乌什县野生沙棘林为研究对象,通过构建冠层高度模型(Canopy Height Model,CHM)利用局部最大值法提取沙棘树高,依据拼接的高清数字正射影像,提取出11种植被指数,采用多元线性回归(Multiple linear regression,MLR)、BP神经网络(Back propagation neural network,BPNN)、支持向量机(Support vector machine,SVM)、随机森林(Random forest,RF)算法与实测叶面积指数构建沙棘LAI反演模型,通过决定系数(R²)和均方根误差(RMSE)评价模型精度,确定最优的反演模型,并探讨主成分分析预处理对各算法构建的模型反演精度的影响。结果表明:(1)局部最大值法提取沙棘树高,估测值与实测值之间决定系数R²为0.9,均方根误差RMSE为0.24m,这说明局部最大值法预测沙棘株高是可行的;(2)以树高和11种植被指数为数据源,...

【文章页数】：11 页

【文章目录】：
1 材料与方法
    1.1 研究区概况
    1.2 数据采集与预处理
        1.2.1 地面数据采集
        1.2.2 无人机影像获取及预处理
        1.2.3 基于无人机影像的沙棘树高提取方法
        1.2.4 图像特征提取
    1.3 LAI反演模型构建
    1.4 精度评价方法
2 结果与分析
    2.1 沙棘树高提取精度分析
    2.2 沙棘LAI多元线性回归模型
    2.3 沙棘LAI机器学习算法反演
        2.3.1 BP神经网络
        2.3.2 支持向量机
        2.3.3 随机森林
    2.4 模型精度验证对比分析
3 讨论
4 结论



本文编号：3775667