- Descripción
- Temáticas
- Archivo
Los estudios de especies de árboles son fundamentales para la ordenación de los recursos forestales y pueden proporcionar referencias para la formulación de políticas de protección forestal. El estudio tradicional de especies de árboles en el campo requiere mucho trabajo y tiempo, lo que respalda la importancia práctica de la teledetección. La disponibilidad de datos de teledetección satelital de alta resolución permite el reconocimiento de especies de árboles individuales (individual tree species, ITS) a bajo costo.
En este estudio, se exploró el potencial de la combinación de tales imágenes y una red neuronal convolucional (CNN) para reconocer ITS. En primer lugar, las copas de los árboles individuales se delinearon a partir de una imagen WorldView-3 (WV3) de alta resolución espacial y se etiquetaron manualmente como diferentes especies de árboles. A continuación, se construyó un conjunto de datos de los subconjuntos de imágenes de las copas de los árboles individuales etiquetadas y se entrenaron varios modelos de CNN en función del conjunto de datos para el reconocimiento de ITS. Luego, los modelos se aplicaron a la imagen WV3.
Los resultados muestran que los mapas de distribución de seis ITS ofrecieron una precisión general del 82,7% y un coeficiente kappa de 0,79 basado en el GoogLeNet modificado, que utilizó el kernel de convolución multiescala para extraer características de las muestras de copas de los árboles y se modificó para pequeñas muestras a escala. El método de reconocimiento ITS propuesto en este estudio, con delineación de copas de árboles individuales en múltiples escalas, evita la delineación de copas de árboles artificiales.
En comparación con los enfoques de bosque aleatorio (RF) y máquina de vectores de soporte (SVM), este método puede extraer características automáticamente y superar a RF y SVM en la clasificación de seis especies de árboles.
Título Original:
"A New Individual Tree Species Recognition Method Based on a Convolutional Neural Network and High-Spatial Resolution Remote Sensing Imagery"


