基于无人机影像的边坡植物物种分类

• 作者: 唐彬童 翟浩 辜彬
• 来源期刊: 西北林学院学报
• 关键词: 边坡 无人机 归一化数字表面模型 植物物种分类
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 森林经理学
• 页码范围: 185-190,249
• 页数: 7页
• 分类号: S731.1
• 语种: 中文
• DOI: 10.3969/j.issn.1001-7461.2020.03.29

摘要

无人机的出现,给生态调查带来关键性革新.而使用无人机进行生态调查,植物遥感分类是关键,基于平地的无人机植物物种分类创新运用于边坡,使用可见光正射影像联合nDSM(normalized digital surface model,归一化数字表面模型)对边坡植物物种进行分类.结果 表明,边坡样地的分类的精度达85％,自然样地达84％,与没有加入nDSM的分类结果对比,边坡、自然样地分类精度分别增加了32％和16％.在边坡条件下可见光正射影像与nDSM结合,可大幅度提升边坡植物物种分类精细度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	辜彬	四川大学生命科学学院生物资源与生态环境教育部重点实验室	75	783	12.0	26.0
2	翟浩	四川大学生命科学学院生物资源与生态环境教育部重点实验室	1	0	0.0	0.0
3	唐彬童	四川大学生命科学学院生物资源与生态环境教育部重点实验室	2	2	1.0	1.0