联合无人机高光谱与激光雷达数据的森林树种识别

摘要

森林树种种类及其分布状况是实现森林树种多样性监测的基础，对于森林的保护与管理，以及森林可持续发展至关重要。利用无人机扫描森林样地尺度的高光谱影像与激光雷达点云数据作为数据源，基于冠层高度模型获取单木尺度的高光谱数据和点云数据，提出一种结合高效通道注意力机制网络（efficient channel attention network,ECA-Net）的卷积神经网络（convolution neural network,CNN）模型（CNN-EGNet），旨在实现对尚志市帽儿山地区针阔混交林的树种精确识别，并将改进的模型CNN-EGNet与传统的3种CNN模型（VGG16、VGG19和GoogLeNet）进行精度对比。然后，根据树种识别结果，以40 m×40 m为窗口对研究区的树种多样性指数（Shannon-Wiener、Simpson、Pielou、物种丰富度）进行计算。结果表明，CNN-EGNet模型的总体精度（overall accuracy,OA）达到89.58%,Kappa系数为0.866 1。相较于传统模型，树种识别总体精度分别提升9.37%、5.20%、14.58%,Kappa系数分别提高0.117 5、0.065 2、0.189 6。研究区的Shannon-Wiener指数主要分布在0.8～1.4,Simpson指数值多集中在0.5～0.7,Pielou指数则普遍落在0.7～0.95，物种丰富度指数大部分在3～5，表明该区域树种之间的分布并不均衡，存在一些占主导地位的树种，而其他树种则存在相对较少的问题。研究结果可为东北针阔混交林树种识别及树种多样性的保护管理提供技术与数据参考，证实无人机高光谱与激光雷达数据联合卷积神经网络在森林树种识别、多样性监测与评估中具有应用潜力。

关键词

卷积神经网络 / 高光谱 / 激光雷达 / 森林树种多样性 / 无人机