基于定位观测站图像实现草原植被覆盖度自动化提取的方法比较

摘要/Abstract

摘要： 植被覆盖度是草原生态监测和研究中极其重要的指标。本研究采用无人值守定位观测站获取样方图像数据集，比较选取多种提取算法，旨在解决定位连续观测中不同样方的大量图像数据集如何自动化提取植被覆盖度指标的难题。本文使用绿度指数法、随机森林(RF)、支持向量机(SVM)和反向传播(BP)神经网络不同图像分割方法提取不同草地类型的覆盖度，并讨论绿度指数之类的阈值分割方法与机器学习方法的优劣、3种机器学习算法产生不同分类效果的原因以及覆盖度数值产生误差的主要原因。结果表明，机器学习算法可灵活解决定位观测站样方图像集的快速自动化提取植被覆盖度问题。绿度指数阈值分割方法应用于植被覆盖度的分割效果较差；RF算法在高寒草原的分割精度较高，SVM在温性草原和温性荒漠草原中分割效果较高，BP神经网络在高寒草甸的覆盖度提取中更有优势。本研究可为新时代草原生态监测的信息化和智能化监测设备研发提供重要的参考依据。

关键词: 青藏高原, 高寒草原, 机器学习, 图像分割, 定位观测站, 植被覆盖度, 动态监测

中图分类号:

辛玉春, 赵新来, 李宏达, 王九峦, 马文文, 王迎旭. 基于定位观测站图像实现草原植被覆盖度自动化提取的方法比较[J]. 草业科学, 2024, 41(06): 1506-1518.

[1]	李景涛, 李晓英, 许涛, 韩易伦, 陈魁. 火烧强度对大兴安岭林下植被的影响效应[J]. 草业科学, 2024, 41(08): 1883-1896.
[2]	田炳辉, 王金牛, 汪沐阳, 石凝, 罗栋梁, 张林, 朱牛, 张宁, 吴宁, 盖艾鸿. 泛喜马拉雅区域藏原羚栖息地潜在分布、生态廊道及其影响因子[J]. 草业科学, 2024, 41(08): 1788-1801.
[3]	罗峰, 米文博, 李文, 刘文辉. 不同高寒草地生态区种植模式对饲草产量和营养品质的影响[J]. 草业科学, 2024, 41(08): 1934-1947.
[4]	林丽, 孙睿藻, 郭小伟, 李茜, 李以康, 曹广民, 周华坤, 兰玉婷. 青藏高原草地生态系统演化过程、可持续发展瓶颈及应对分析[J]. 草业科学, 2024, 41(08): 1865-1882.
[5]	李笑雨, 白金珂. 青藏高原南部4种土地利用方式土壤质量评价[J]. 草业科学, 2024, 41(07): 1614-1623.
[6]	夏兴生, 马国秀, 车红岩, 潘耀忠, 黄永生, 李宏达. 基于冷暖季放牧区划分的玉树州草畜平衡估算及变化分析[J]. 草业科学, 2024, 41(04): 1007-1019.
[7]	李永强, 杨小霞, 张京萍, 杨艳丽, 方强恩. 矩镰荚苜蓿地下器官贮藏组织中淀粉粒变化规律[J]. 草业科学, 2024, 41(03): 675-683.
[8]	张云峰, 任鸿瑞. 低覆盖草地叶面积指数遥感估算方法[J]. 草业科学, 2024, 41(03): 588-598.
[9]	李霞, 刘兴明, 孙斌, 姜佳昌, 俞慧云, 吴丹丹, 杜笑村, 王红霞, 贾晶晶, 杨红梅. 基于机器学习算法的甘肃省草原地上生物量[J]. 草业科学, 2024, 41(02): 297-307.
[10]	王霞, 陈克龙, 杜岩功, 章妮, 车子涵, 暴涵, 王恒生. 鸟岛湿地土壤产甲烷菌群落对不同降水梯度的响应[J]. 草业科学, 2024, 41(02): 284-296.

基于定位观测站图像实现草原植被覆盖度自动化提取的方法比较

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价