典型文献
基于高光谱和机载LiDAR技术的云南松受云南切梢小蠹危害程度分类诊断研究
文献摘要：
以石林县黑龙潭片区常受云南切梢小蠹危害的云南松为研究对象,人工调查120株云南松冠层枯稍率,并记录其坐标位置.利用无人机搭载高光谱成像仪采集研究区云南松高光谱数据,根据样本位置提取其冠层光谱反射率,分析冠层光谱,并利用小波变换法提取了 16个光谱特征.基于样本冠层枯稍率与光谱特征数据,采用BP神经网络法训练分类诊断模型,以此作为研究区云南切梢小蠹对云南松危害程度分类诊断模型.利用无人机搭载LiDAR系统采集研究区云南松LiDAR数据,根据归一化切割方法,对云南松单株树冠进行分割提取,将分割提取结果与高光谱数据融合提取单株云南松冠层光谱.最终利用训练好的诊断模型分类诊断研究区云南松受云南切梢小蠹危害程度并将结果可视化.结果表明:共分割提取出11 029株云南松,分类结果为健康10142株、轻度危害490株、中度危害266株、重度危害131株.选用120株样本对分类结果进行精度验证,总体分类精度为90.83％,分类精度较高.
文献关键词：
云南松;云南切梢小蠹;高光谱;机载LiDAR;小波变换;BP神经网络
中图分类号：
作者姓名：
马云强;杨斌;赵宁;张新民
作者机构：
西南林业大学生物多样性保护学院云南省森林灾害预警与控制重点实验室,云南昆明650233;西南林业大学生命科学学院,云南昆明650233
文献出处：
引用格式：
[1]马云强;杨斌;赵宁;张新民-.基于高光谱和机载LiDAR技术的云南松受云南切梢小蠹危害程度分类诊断研究)[J].西南林业大学学报,2022(05):80-89
A类：
云南切梢小蠹,归一化切割
B类：
机载,LiDAR,云南松,危害程度,分类诊断,诊断研究,石林县,黑龙潭,片区,搭载,高光谱成像仪,高光谱数据,冠层光谱,光谱反射率,小波变换法,光谱特征,特征数据,神经网络法,诊断模型,单株,树冠,数据融合,练好,模型分类,精度验证,分类精度
AB值：
0.192279
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
