高分多模卫星林业地类及树种识别应用研究

遥感分类技术一直是林草行业应用的热点和难点,2021年开展的国家林草综合生态年度监测开始广泛应用遥感技术开展林地、草地和湿地图斑变化判读,地类前后变化的识别精度是其难点和关键。通过利用国内首颗分辨率优于0.5m的高分多模卫星,在湖南省桃源县、吉首市2个试验区分别开展林业主要地类识别和树种精细识别应用实践研究。结果表明:随机森林方法在林业地类识别中表现较好,林地、湿地、其他林地等主要地类的总体分类精度为89.56%,Kappa系数为0.733;K最邻近分类法对杉木、马尾松、灌木组、柑桔4个主要树种的总体识别精度为77.58%,Kappa系数为0.697。总体而言,高分多模卫星遥感分类和目标识别能力较好,在林草调查监测工作中应用潜力较大。

近红外光谱法对不同地域糖蜜品质的快速鉴定

研究旨在通过近红外光谱法替代传统的莱因·埃农滴定法,实现快速测定不同地域的糖蜜总糖含量。选取广西、广东、云南、海南的甘蔗糖蜜513批以及新疆、内蒙古的甜菜糖蜜359批进行建模以及预测,以糖蜜原液与一级水质量比1∶5做参比获取近红外光谱,通过K最邻近分类算法(KNN)联合偏最小二乘法(PLSR)建立总糖含量定量模型。结果显示:根据拟合优度(R^(2))、校正均方根误差(RMSEC)以及预测均方根误差(RMSEP),判断KNN-PLSR算法所建甘蔗糖蜜模型稳健性以及精确度良好,R^(2)为0.86,RMSEC为1.05%。PLSR算法所建甜菜糖蜜模型稳健性以及精确度良好,R^(2)为0.71,RMSEC为0.69%。研究表明,试验所用两种算法均可分别快速定量检测甘蔗糖蜜和甜菜糖蜜中总糖含量。