其他行業
洱海東岸海濱三種典型濕地植被光譜特征分析與識別建模 濕地在生態系統中占據著舉足輕重的地位，有“地球之腎”的美譽，對維護生態平衡意義非凡。高光譜數據憑借其獨特優勢，成為濕地植被識別研究的關鍵技術。但當前淡水濕地植被光譜分類研究成果相對匱乏，本研究聚焦洱海東岸海濱菰、蘆、槐葉蘋這3種典型濕地植被，全力探尋精準且高效的高光譜識別方法。
在本研究中，為獲取精準且全面的植被光譜數據，使用大疆 M300RTK 型無人機，搭載彩譜 FS-60 高光譜相機 。彩譜FigSpec機載高光譜相機FS-60具有諸多顯著特點與優勢。其采用高信噪比超高速光譜掃描成像器件，這一設計為光譜圖像采集提供了高穩定性，能夠有效減少外界干擾對數據采集的影響，確保所獲圖像的質量上乘。同時，自研的高效率低功耗圖像處理算法是其一大亮點，該算法大大延長了整機飛行時間，降低了系統功耗，使得在有限的能源條件下，相機能夠進行更長時間、更廣泛區域的監測，提升了數據采集的效率與范圍。
從技術參數來看，彩譜FigSpec機載高光譜相機FS-60工作波長范圍為 400 至 1000nm，這一波段范圍覆蓋了植被反射光譜的關鍵區域，對于識別植被種類、監測植被健康狀況等具有重要意義。其光譜分辨率達 2.5nm，高光譜分辨率意味著能夠敏銳捕捉到不同植被在光譜上的細微差異，這些細微差異往往蘊含著植被內部生化成分、生長狀態等重要信息 。空間維度分辨率為 1920，大光譜波段數同樣是 1920，這使得相機能夠獲取到極為詳細的地物光譜圖像信息，無論是植被的紋理細節還是其光譜特征的細微變化，都能被精準記錄。
地面光譜數據采集完成后，經一系列專業處理得到原始光譜。為進一步凸顯光譜特征，研究運用一階微分和包絡線去除法對原始光譜進行變換。從原始光譜分析可知，3種植被光譜曲線雖走勢相似，但因內部生化成分的差異，在特定波段呈現出明顯區別。光譜變換后，這些特征得到顯著增強。
高光譜數據量龐大且冗余度高，為優化數據，研究采用SPA和CARS算法選取特征波長。這兩種算法對各類光譜都展現出良好的降維效果，所選特征波長數量合理，且與植被光譜吸收特征區間高度契合。
基于訓練集，研究構建了SVM、RF以及RBF神經網絡3種植被分類模型，通過預測集樣本評估模型識別精度。結果表明，光譜變換能有效提升建模精度。在特征波長光譜數據識別方面，包絡線去除-SPA-SVM模型脫穎而出，識別精度高達0.9375，輸入模型的波長數量僅占全波段的4.7%，實現了對濕地植被的高效精準識別。
本研究為高光譜數據在濕地植被分類識別領域的應用提供了重要參考，為湖泊濕地植被及生態環境保護決策提供了科學依據。鑒于本研究僅采用單一時期樣本數據，后續研究可增加不同時期樣本，并探索更具創新性的光譜分析方法，以此提升模型的普適性和精度。
