摘要：为有效实施植被信息获取及监测,亟需分类准确及易于推广的植被信息识别技术.本文利用无人机航拍获取植被光学影像,利用深度语义分割技术建构植被种类识别模型,为植被变化动态监测提供准确的植被类别信息.首先,基于安溪县龙门镇崩岗区的采样点,获取20m航拍高度的无人机影像,构建FCNVGG19植被识别模型,探讨不同特征融合结构对FCNVGG19识别性能的影响,测算出各植被的覆盖面积;其次,取安溪县另一取样点的无人机影像作为验证集,分析FCNVGG19的迁移学习能力,验证模型稳健性.结果表明:(1)基于20m高度的无人机影像建立的FCNVGG198s模型识别正确率最高,为86.30%;(2)FCNVGG198s识别精度高于FCNVGG1932s;并从测试集中随机抽取一张图,测算该测试图的马尾松覆盖面积为78.38m2,芒萁覆盖面积为12.77m2,柠檬桉覆盖面积为0.89m2;(3)在模型的迁移学习能力试验分析中,当A数据集占训练集的比例下降时,对模型识别B数据集的影响不大;当B数据集的数据量减少时,其识别精度稍有下降,仍有84.5%.本文基于无人机光学影像,结合深度语义分割模型进行植被识别,以福建安溪县为例验证模型稳健性,分析模型在测算植被覆盖面积的适用性,旨在为植被识别研究提供新思路.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社