机构名称：
¥ 2.0
摘要：遥感 (RS) 目前被视为用于科学目的的入侵和扩张植物测绘的标准工具之一，并在自然保护管理中得到越来越广泛的应用。RS 方法的适用性由其局限性和要求决定。最重要的限制之一是物种覆盖率，在此覆盖率下分类结果是正确的并且对自然保护有用。2017 年在波兰三个地区开展的主要目标是确定可以通过 RS 方法识别目标物种的最小覆盖率。本研究的第二个目标与方法的要求有关，即根据多边形数量和目标物种的丰度百分比覆盖率优化目标物种的训练多边形集。我们的方法必须易于使用、有效且适用，因此使用基本栅格集（最小噪声分数 (MNF) 变换后的前 30 个通道（来自光谱范围为 0.4–2.5 µ m 的 HySpex 传感器的高光谱数据马赛克）和常用的随机森林算法进行分析。该分析使用空间分辨率为 1 m 的机载高光谱数据对一种入侵植物和三种扩张植物（两种草类和两种大型多年生植物）进行分类。地面训练和验证数据集与机载数据收集同时收集。在测试不同的分类场景时，仅更改目标物种的训练多边形集。分类结果基于三种方法进行评估：准确度测量（Kappa 和 F1）、具有不同物种覆盖度的子类中的真阳性像素以及与现场制图的兼容性。分类结果表明，要将目标植物物种分类到可接受的水平，训练数据集应包含物种覆盖度在 80-100% 之间的多边形。仅使用具有可变但较低覆盖度（20-70%）的物种的多边形进行训练，并在 80-100% 范围内缺失样本，导致地图不可接受，因为对目标物种的估计过高。考虑到生态系统是异质的，我们在物种覆盖度超过 50% 的地区实现了物种的有效识别。这些研究的结果开发了一种现场数据采集方法，以及在机载数据采集以及地面采样的训练和验证中同步的必要性。
限制和 - Semantic Scholar
主要关键词
相关文件推荐
