基于高光谱数据的高寒草甸主要毒草分类技术研究

作者：董瑞; 周睿; 唐庄生; 周建伟; 叶国辉; 楚彬; 花立民^*

来源：草原与草坪, 2021, 41(06): 1-8.

DOI：10.13817/j.cnki.cyycp.2021.06.001

• 高寒草甸
• 毒草
• 高光谱成像仪
• 主成分降维
• 分类

毒草种类识别是开展毒草危害面积调查、危害程度评估以及科学防治的前提。研发快速、高效和适用于大范围的毒草种类识别技术对于退化草地生态修复具有重要意义。本研究利用SOC710VP近红外高光谱成像仪,获取了高寒草甸11种主要毒草的光谱数据。采用Savitzky-Golay平滑处理、导数变换、归一化变换、均值中心化和对数变换等方式对高光谱数据进行预处理,利用主成分分析(PCA)方法对预处理数据进行降维处理后,分别用随机森林(RF)、支持向量机-径向核函数(SVM-RBF)、K临近算法(Knn)、朴素贝叶斯(NB)、决策树(DT)等算法对降维后光谱数据进行分类预测,以混淆矩阵总体精度为检验标准,筛选可用于高寒草甸主要毒草的近红外高光谱数据识别算法。结果表明:1)6种数学变换处理中,对数变换后样本光谱反射值差异最大;2)对数变换、平滑处理、均值中心化变换经PCA降维后PC1和PC2累计方差贡献率>85%;3)5种分类算法中,SVM-RBF算法分类精度最高,分类精度达到99.35%;4)使用前8个主成分分类时,分类精度SVM-RBF>RF>NB>Knn>DT。

• 单位
  草地农业生态系统国家重点实验室; 甘肃农业大学