论文部分内容阅读
近年来,在气候变化和人为活动等因素的影响下,草原退化现象十分严重,威胁生态平衡,造成草场减产,沙尘暴等灾害频发。草原生态系统优势物种的改变是草原退化的一个显著特征,某些物种在草原退化进程中具有重要的指示意义。因此对草原物种进行快速、无损、大面积监测,有助于草原退化程度的正确判断,对于草原生态环境管理和草原畜牧业生产具有重要意义。目前,由于空间分辨率的限制,基于卫星遥感的草原监测无法反映草原物种结构;基于野外调查的草原监测费时费力,难以满足区域性的监测需求。随着无人机和高光谱成像技术的快速发展,为解决区域性草原物种分类提供了新的方法和技术基础。本研究以内蒙古荒漠草原为研究对象,以多旋翼无人机为遥感平台,搭载高光谱成像仪,在草原植被生长期内采集草原高光谱遥感图像。针对草原物种光谱差异微弱,难以直接利用光谱区分物种的问题,本研究采用光谱变换方法增大草原物种的光谱差距,在此基础上建立植被指数,采用最大类间方差法确定光谱变换植被指数的分类阈值,并确定分类规则。分类结果表明,基于光谱变换植被指数的分类方法有效提取了草原物种的光谱特征,方法简单、可行。针对高光谱图像固有的光谱维数据冗余问题,本研究综合考虑高光谱波段的相关性、波段有效信息含量及地物可分性,提出分步法进行特征波段选择,实现了特征光谱提取并降低了光谱维数。将特征波段表示的高光谱图像作为深度卷积神经网络的输入数据,进一步提取高光谱图像的空间特征。针对高光谱数据的非线性问题,在卷积神经网络中,通过ReLU激活函数增加网络的非线性表达能力。针对卷积神经网络的过拟合现象,在损失函数上引入L2正则化项、在全连接层使用Dropout来有效防止。将基于特征波段与深度卷积神经网络的分类方法与基于光谱变换植被指数分类法、基于主成分分析与卷积神经网络分类法、基于特征波段与支持向量机分类法相比较,其在荒漠草原物种结实期的分类准确率约为96.67%,Kappa系数为0.95,高于其他分类算法。将基于特征波段与卷积神经网络的分类方法与草原植被物候相结合,充分利用草原物种物候期的不同光谱、空间特性,得到内蒙古荒漠草原不同物种高光谱遥感分类的最佳时相。本研究通过无人机高光谱遥感平台获取内蒙古荒漠草原高光谱图像,基于特征波段与卷积神经网络建立荒漠草原物种分类模型。研究结果为内蒙古地区荒漠草原的物种覆盖度估算、退化演替判断、牧场管理提供一定的数据支撑,为荒漠草原的生态恢复提供研究基础。