其他行业
洱海东岸海滨三种典型湿地植被光谱特征分析与识别建模 湿地在生态系统中占据着举足轻重的地位，有“地球之肾”的美誉，对维护生态平衡意义非凡。高光谱数据凭借其独特优势，成为湿地植被识别研究的关键技术。但当前淡水湿地植被光谱分类研究成果相对匮乏，本研究聚焦洱海东岸海滨菰、芦、槐叶蘋这3种典型湿地植被，全力探寻精准且高效的高光谱识别方法。
在本研究中，为获取精准且全面的植被光谱数据，使用大疆 M300RTK 型无人机，搭载彩谱 FS-60 高光谱相机 。彩谱FigSpec机载高光谱相机FS-60具有诸多显著特点与优势。其采用高信噪比超高速光谱扫描成像器件，这一设计为光谱图像采集提供了高稳定性，能够有效减少外界干扰对数据采集的影响，确保所获图像的质量上乘。同时，自研的高效率低功耗图像处理算法是其一大亮点，该算法大大延长了整机飞行时间，降低了系统功耗，使得在有限的能源条件下，相机能够进行更长时间、更广泛区域的监测，提升了数据采集的效率与范围。
从技术参数来看，彩谱FigSpec机载高光谱相机FS-60工作波长范围为 400 至 1000nm，这一波段范围覆盖了植被反射光谱的关键区域，对于识别植被种类、监测植被健康状况等具有重要意义。其光谱分辨率达 2.5nm，高光谱分辨率意味着能够敏锐捕捉到不同植被在光谱上的细微差异，这些细微差异往往蕴含着植被内部生化成分、生长状态等重要信息 。空间维度分辨率为 1920，大光谱波段数同样是 1920，这使得相机能够获取到极为详细的地物光谱图像信息，无论是植被的纹理细节还是其光谱特征的细微变化，都能被精准记录。
地面光谱数据采集完成后，经一系列专业处理得到原始光谱。为进一步凸显光谱特征，研究运用一阶微分和包络线去除法对原始光谱进行变换。从原始光谱分析可知，3种植被光谱曲线虽走势相似，但因内部生化成分的差异，在特定波段呈现出明显区别。光谱变换后，这些特征得到显著增强。
高光谱数据量庞大且冗余度高，为优化数据，研究采用SPA和CARS算法选取特征波长。这两种算法对各类光谱都展现出良好的降维效果，所选特征波长数量合理，且与植被光谱吸收特征区间高度契合。
基于训练集，研究构建了SVM、RF以及RBF神经网络3种植被分类模型，通过预测集样本评估模型识别精度。结果表明，光谱变换能有效提升建模精度。在特征波长光谱数据识别方面，包络线去除-SPA-SVM模型脱颖而出，识别精度高达0.9375，输入模型的波长数量仅占全波段的4.7%，实现了对湿地植被的高效精准识别。
本研究为高光谱数据在湿地植被分类识别领域的应用提供了重要参考，为湖泊湿地植被及生态环境保护决策提供了科学依据。鉴于本研究仅采用单一时期样本数据，后续研究可增加不同时期样本，并探索更具创新性的光谱分析方法，以此提升模型的普适性和精度。
