文件大小：0.87M
摘要：鼠害型秃斑是反映草地鼠害的重要表征。利用无人机遥感技术识别高原鼠兔危害型秃斑对于评价其危害情况具有重要意义。本研究基于无人机可见光影像，使用最小距离（MinD）、最大似然（ML）、支持向量机（SVM）、马氏距离（MD）和神经网络（NN）5种监督分类算法对高原鼠兔危害地特征进行分类识别，并采用混淆矩阵对5种分类方法精度进行评价。结果表明：相较于其他3种方法，NN和SVM对高原鼠兔危害地特征进行识别分类的效果更好。其中，NN对草地与秃斑2种目标地物的制图精度分别为98.1%和98.5%，用户精度分别为98.8%和97.7%，模型总体精度为98.3%，Kappa系数为0.97，像元错分、漏分现象较低。经实践验证，NN表现出较好的稳定性。综上，神经网络方法是高寒草甸鼠害型秃斑识别的优选方法。
文章目录
1 研究地区与研究方法
1.1 研究区概况与试验设计
1.2 影像获取与预处理
1.3 验证数据采集
1.4 训练样本创建
1.5 样本分离度计算
1.6 监督分类
1.7 分类结果精度评价
2 结果与分析
2.1 地物分类后结果统计
2.2 分类精度评价
2.3 分类精度检验
3 讨 论
3.1 参数设置和算法对分类精度的影响
3.2 训练样本对分类精度的影响
3.3 地物特征对分类效果的影响
4 结 论
