研究目的
本研究的目的是评估源自机载激光扫描(ALS)数据中的哪些特征对描述河岸落叶林的树种属具有重要性,并提供使用两种机器学习算法进行分类的结果。
研究成果
研究得出结论:三维机载激光扫描(ALS)数据对河岸落叶林的树木分类具有重要价值。通过逐步法进行特征选择后,所筛选的相关特征能有效支持后续支持向量机(SVM)和随机森林(RF)分类,其中桤木、杨树和柳树均被准确识别。该结果可作为此类环境(尤其是属种繁多的区域)进一步优化的基准参照。
研究不足
该研究面临一些局限性,例如难以进入河岸林区进行地面观测、人工勾绘树冠可能引入误差,以及使用不同飞行高度获取的数据可能影响数据一致性。
1:实验设计与方法选择:
本研究利用夏季和冬季两次航测的ALS数据,对河岸落叶林中的树木进行分类。通过提取树冠并计算三维点云的全局形态与内部结构特征,建立了五个数据集(每个数据集包含递增的属种数量),以评估不同树属间的区分度。
2:样本选择与数据来源:
研究选取了法国诺曼底地区塞吕讷河沿岸分布的8个属共191棵树木,使用夏季和冬季两次航测的ALS数据。
3:实验设备与材料清单:
采用Teledyne Optech Titan双光谱激光雷达传感器采集数据,该传感器搭载近红外(1064 nm)和绿光(532 nm)激光波束。
4:实验流程与操作步骤:
ALS数据预处理包括生成地理配准且空间一致的三维点云、地面点与地上点分类以及高程归一化。通过树冠高度模型(CHM)手动提取单木,并计算描述树木全局形态与内部结构的特征参数。
5:数据分析方法:
采用逐步二次判别分析(sQDA)和随机森林筛选最具区分性的特征,继而运用支持向量机(SVM)和随机森林(RF)算法进行分类。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容