基于植被指数的三江源高寒草地植物分类与识别方法研究

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,精度依次为随机森林(Random forest,RF)(99.4%)>SVM(93.2%)>K邻近算法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。

高职《园林植物识别与分类》实训课程教学设计与实施

针对高职园林技术专业人才需求的总体要求,打破以往的以教师讲授为主的传统教学模式,大胆采用将课堂设在自然环境中,以学生为主导、教师为引导和指导的＂现场＂教学模式,得出树木的识别口诀,激发学生的学习兴趣,提高教学效果显著。