基于无人机图像的查识别算法用于动物诱导的赤裸斑块
Bin Cai1,2, Rui Dong1,2, Rui Hua3
1College of Pratacultural Science, Gansu Agricultural Universit/Key Laboratory of Grassland Ecosystems of the Mini-stry of Education/Engineering and Technology Research Center for Alpine Rodent Pest Control, National Forestry and Grassland Administration, Lanzhou 730070, China.
Ying yong sheng tai xue bao = The journal of applied ecology
|September 5, 2024
概括
无人驾驶飞行器 (UAV) 遥感器准确地识别了在高山草原上的动物损坏的头. 神经网络 (NN) 分类方法在生态危害评估中被证明是非常有效的.
科学领域:
- 生态生态学 生态生态学
- 遥感 遥感 遥感 遥感
- 地理空间分析的研究.
背景情况:
- 动物感染的头斑是草原退化的关键指标.
- 高原皮卡活动创造了这些有害的息地,带来了生态风险.
- 无人驾驶飞行器 (UAV) 遥感为监测这些区域提供了一种新的方法.
研究的目的:
- 评估监督分类算法,以从无人机图像中识别高原皮卡息地.
- 确定在高山草原上绘制动物损坏的头斑点的最准确方法.
主要方法:
- 利用无人机可见光图像进行数据采集.
- 应用了五种监督分类算法:最小距离 (MinD),最大概率 (ML),支向量机器 (SVM),Mahalanobis距离 (MD) 和神经网络 (NN).
- 使用混矩阵和卡帕系数评估分类准确性.
主要成果:
- 神经网络 (NN) 和支持矢量机器 (SVM) 分类显示出卓越的性能.
- 在草原 (98.1%) 和光斑 (98.5%) 方面,NN实现了高绘图准确度.
- 该NN模型的整体准确率为98.3%,卡帕系数为0.97,表明了良好的一致性和稳定性.
结论:
- 神经网络 (NN) 方法非常适合在高山草原中使用无人机遥感识别来识别动物损伤的头.
- 这项技术为与动物侵袭有关的生态危险评估提供了可靠的工具.
- 准确地绘制这些息地的地图对于有效的草原管理和保护工作至关重要.
