支俊俊，董 娅，鲁李灿，施金辉，骆文慧，周 悦，耿 涛，夏敬霞，贾 蔡

•农业航空工程•

基于无人机RGB影像的玉米种植信息高精度提取方法

支俊俊1,2，董 娅3，鲁李灿4，施金辉1，骆文慧1，周 悦1，耿 涛1，夏敬霞1，贾 蔡1※

（1. 安徽师范大学地理与旅游学院，芜湖 241002；2. 江淮流域地表过程与区域响应安徽省重点实验室，芜湖 241002；3. 浙江农林大学环境与资源学院，杭州 311300；4. 安徽省太湖县自然资源和规划局，安庆 246400）

为探究易获取且成本低的超高分辨率无人机（Unmanned Aerial Vehicle，UAV）航拍“红-绿-蓝”（Red-Green-Blue，RGB）彩色影像提取作物种植信息的方法，该研究选取植被指数、“色度-色饱和度-亮度”（Hue-Saturation-Intensity，HSI）色彩特征和纹理特征等3种特征，通过比较贝叶斯（Bayes）、K最邻近分类（K-Nearest Neighbor，KNN）、支持向量机（Support Vector Machine，SVM）、决策树（Decision Tree，DT）和随机森林（Random Forest，RF）共5种监督分类算法及不同特征组合的分类效果，以实现玉米种植信息的高精度提取。结果表明，使用单一种类特征或使用全部3种特征均不能获得最优的分类精度；将植被指数与HSI色彩特征或与纹理特征进行组合获得的总体分类精度（5种算法平均值）比仅使用植被指数获得的总体分类精度分别提高了4.2%和8.3%；在所有特征组合中，HSI色彩特征和纹理特征组合为最优选择，基于该特征空间的RF算法获得了最高的分类精度，总精度为86.2%，Kappa系数为0.793；基于RF算法进行降维并不能显著提高或降低分类精度（SVM除外），但所保留的特征因子可给出符合实际背景和意义的解释，并可提高分类结果的稳定性。研究结果可为基于无人机RGB影像的作物种植信息高精度提取提供方法参考。……