干旱区生态环境知识资源中心(Arid): 基于高光谱遥感的荒漠化草原草种类分类模型研究

Arid

	基于高光谱遥感的荒漠化草原草种类分类模型研究
其他题名	Classification model of dominant species in desertification grassland based on hyperspectral remote sensing
	张锡鹏; 毕玉革; 杨红艳; 皮伟强; 刘浩; 康拥朝
来源期刊	光学技术
ISSN	1002-1582
出版年	2020
卷号	46 期号:4 页码:483-488
中文摘要	植物群落结构的改变是草原退化的主要特征之一,草原草种类识别与分类是基于遥感的草原退化评价与研究的基础。荒漠化草原物种混杂度高且植被低矮,遥感识别与分类难度较大。本研究以内蒙古荒漠草原建群种和退化指示种为研究对象,在实地采集高光谱数据,通过单因素定量实验法对光谱数据进行特征提取。并基于深度学习的方法,采用了VGG-16卷积神经网络法对上述草种进行识别分类。研究结果表明本方法得到的草原草种类识别模型表现较优,平均识别率达到97%,实现了在自然条件下对多种草原草种类的准确识别,为基于高光谱低空遥感的天然草原退化监测与研究奠定了基础。
英文摘要	Grassland degradation has become a global concern.The change of grassland plant community structure is one of the main features of grassland degradation,and the identification and classification of grassland grass species is the basis of remote sensing based grassland degradation evaluation and research.It is difficult to identify and classify desertification steppe by remote sensing because of its high confusions and low vegetation.In Inner Mongolia desert grassland construction group of short fancy stitch MAO,no mans en grass,degradation indicator species of artemisia frigida as the research object,in the field hyperspectral data,through the single factor quantitative experiment method to feature extraction of spectral data,based on the deep learning and using the VGG-16 convolution neural network to identify the grass seed classification.The results show that the identification model of grassland grass species obtained by this method has a good performance,with an average recognition rate of 97%,and can accurately identify various grassland grass species under the interference of natural conditions.
中文关键词	高光谱 ; 草原退化 ; 深度学习 ; 卷积神经网络 ; VGG网络
英文关键词	hyperspectrum grassland degradation deep learning convolutional neural network VGG network
类型	Article
语种	中文
收录类别	CSCD
WOS研究方向	Agriculture
CSCD记录号	CSCD:6784160
来源机构	内蒙古农业大学
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/336789
作者单位	张锡鹏, 内蒙古农业大学机电学院, 内蒙古 010018, 中国.; 毕玉革, 内蒙古农业大学机电学院, 内蒙古 010018, 中国.; 杨红艳, 内蒙古农业大学机电学院, 内蒙古 010018, 中国.; 皮伟强, 内蒙古农业大学机电学院, 内蒙古 010018, 中国.; 刘浩, 内蒙古农业大学机电学院, 内蒙古 010018, 中国.; 康拥朝, 内蒙古农业大学机电学院, 内蒙古 010018, 中国.
推荐引用方式 GB/T 7714	张锡鹏,毕玉革,杨红艳,等. 基于高光谱遥感的荒漠化草原草种类分类模型研究[J]. 内蒙古农业大学,2020,46(4):483-488.
APA	张锡鹏,毕玉革,杨红艳,皮伟强,刘浩,&康拥朝.(2020).基于高光谱遥感的荒漠化草原草种类分类模型研究.光学技术,46(4),483-488.
MLA	张锡鹏,et al."基于高光谱遥感的荒漠化草原草种类分类模型研究".光学技术 46.4(2020):483-488.