基于无人机遥感与深度学习的芨芨草识别方法

摘要

芨芨草是干旱、半干旱草原广泛分布的一种多年生杂草，具有极强的环境适应力和种群竞争力，芨芨草的分布状况和变化趋势对于维持区域生态系统平衡和稳定具有重要意义。利用无人机高光谱遥感技术采集内蒙古格根塔拉荒漠草原遥感影像，获得厘米级空间分辨率和纳米级光谱分辨率的图像。采用子区间波段选择法选择代表研究区地物的特征波段，实现数据去除冗余和降维。在ENVI 5.6.1中利用Deep learning模块构建基于U-Net网络的深度学习模型对研究区的芨芨草进行识别，总体分类精度为95.67%,Kappa系数为0.83，均高于其他四种机器学习算法。研究结果表明，基于特征波段选择的深度学习算法能更有效地提取地物的光谱、纹理和形状信息，无人机高光谱低空遥感和深度学习算法的结合为荒漠草原芨芨草的准确、快速识别提供了新途径。

关键词

无人机遥感 / 高光谱 / 深度学习 / 芨芨草 / 识别