通过无人机RGB图像和高效的特征选择来提取植被
Junliang Dong1, Jian Zhang2,3, Suo Zhang1
1Shenhua Group Xinjie Energy Co. Ltd, Ordos, China.
PloS one
|May 9, 2025
概括
在异质采矿区准确地绘制植被地图对于生态评估至关重要. 这项研究发现,将RGB图像与使用支持矢量机 (SVM) 选择的纹理和植被索引特征相结合,显著提高了映射精度.
科学领域:
- 生态遥感器 生态遥感器
- 环境监测环境监测环境监测
- 地理空间分析是什么?
背景情况:
- 准确的植被识别对于生态评估和采矿区监测至关重要.
- 采矿区高度异质的植被对详细地图的绘制提出了重大挑战.
- 特性选择和组合是提高植被分类准确性的关键.
研究的目的:
- 开发一种有效的方法,用于在异质采矿区绘制精细植被地图.
- 评估不同特征 (植被索引和纹理) 对植被识别的重要性.
- 将一种新的特征选择方法与传统方法进行比较.
主要方法:
- 使用无人机RGB图像来提取植被索引和纹理特征.
- 使用标准偏差和差异系数标准选择最佳特征.
- 使用各种特征组合的支持矢量机 (SVM) 分类植被.
主要成果:
- 将RGB图像与所有选定的特征相结合,实现了最高的精度 (OA高达88.74%,Kappa高达0.8505).
- 在这种情况下,发现纹理特征对植被识别比植被索引更有影响力.
- 基于差异系数的特征选择方法比随机森林 (RF) 更简单,更有效.
结论:
- 拟议的方法,将选定的特征与无人机RGB图像和SVM分类集成在一起,对于绘制采矿区异质植被的地图是有效的.
- 纹理特征在区分复杂环境中的植被类型方面发挥着至关重要的作用.
- 差异系数方法为生态绘图中的特征选择提供了一种简单而有力的方法.
