畜牧与动物医学论文_基于植被指数的三江源高寒
文章摘要:随着生态健康检测与保护工作的实践以及研究问题的深入，传统的植物分类手段不能完全满足当前研究的需要。因此为研究快速分类识别草地植物的方法，本研究利用ASD （Analytical spectral devices）地物光谱仪，采集了三江源地区高寒草地常见的阿尔泰葶苈（Draba altaica）、高山风毛菊（Saussurea japonica）和车前状垂头菊（Cremanthodium ellisii）等36种植物的原始光谱数据，并选择了RVI（比值植被指数）等16种高光谱植被指数，基于支持向量机（Support vector machines，SVM）等3种机器学习算法，构建高寒草地植物光谱分类识别模型。研究结果表明：高寒草地植物的原始光谱均符合绿色植物特征，但由于植物形态特征不同光谱差异主要集中在可见光波段；基于植被指数结合3种算法构建的分类模型，精度依次为RF（99.4%）>SVM（93.2%）>KNN（88.0%），且模型的预测结果都出现了误判情况；相比SVM与KNN，RF为基于植被指数构建模型的最佳算法，同时能对所构建模型参数进行重要性分析，其中RGI和SAVI为提高RF分类模型精度的两个重要参数。
文章关键词:
论文作者:文铜 柳小妮 纪童 杨冬阳 乔欢欢
作者单位:甘肃农业大学草业学院
论文分类号:S812
