《表1 基于遥感数据进行植物物种识别的120项研究案例统计》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于多源遥感数据的植物物种分类与识别:研究进展与展望》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对所选案例进行汇总分析可知（表1），目前大多数研究集中在欧洲和北美地区的温带森林（56篇）和北方森林（19篇），占总论文数的63%。例如，Kim等（2009）使用激光雷达数据对美国西雅图植物园中8种阔叶树和7种针叶树进行识别，结合生长季和落叶季的数据，分类精度高达90%；Hill等（2010）使用多时相的多光谱数据对英国温带落叶林的6个树种进行分类，精度达88%；Yu等（2017）通过对芬兰南部北方森林的分类发现，机载多光谱、激光雷达数据与随机森林（Random Forest，RF）算法的结合在树种分类中有较好的表现（精度达90%）。其次，热带亚热带森林物种识别的论文有10篇。例如，Hesketh和Sánchez-Azofeifa（2012）通过比较巴拿马热带森林中不同树种的叶片光谱信息对树种进行分类，精度高达90%；Féret和Asner（2012）借助高光谱影像对夏威夷森林进行研究，通过不同分类算法对9个树种进行分类，总体精度最高可达70%；Ferreira等（2016）以巴西大西洋沿岸的热带季节性半落叶林为研究对象，利用机载高光谱数据对林中的8个树种进行分类，总体精度约为85%。这些结果都表明遥感影像可以用于高生物多样性的热带森林树种的分类。对比中高纬度（温带森林和北方森林）与低纬度地区（热带森林）的研究案例不难发现，研究对象自身的特性（植物多样性组成的差异）很大程度上影响了最终的分类精度，不同分类算法对精度的提高并不能弥补研究对象本身差异造成的影响。