基于LW—CBAM的荒漠草原植被盖度提取方法研究

来源：中国农机化学报杂志2025年第7期北京时间：

作者：解一恒, 张燕斌, , 杜健民, 毕玉革, 李文静, 高新超

单位：（1. 内蒙古农业大学机电工程学院，呼和浩特市，010018；2. 内蒙古农业大学职业技术学院，内蒙古包头，014109）

摘要：为实时、准确、快速提取荒漠草原植被盖度，基于采集的无人机高光谱遥感数据，提出一种融合注意力机制的轻量化网络模型法（LW—CBAM）。该方法将传统的2D卷积核改进为3D深度可分离卷积核，结合多支路方法和注意力机制模块，使模型轻量化的同时提升模型的准确率。为获得最优模型，对模型的批处理大小和学习率进行优化。结果表明，与ResNet34、VGG16、MobileNetV2、MobileNetV3等目前流行的深度学习方法相比，LW—CBAM的分类精度更高，总体分类精度OA为98.97%，Kappa系数为97.94，且该模型对植被盖度的估算精度更高，与真实值的绝对误差仅为0.17%。相较于其他模型，LW—CBAM的参数量降低90%以上，运算量分别为其余4种模型的1.37%、0.74%、13.33%、14.81%。在模型验证阶段，LW—CBAM对植被盖度的估算误差在0.3%以下。为荒漠草原植被盖度估算提供一种切实可行的方法，为草原退化治理提供依据。

关键词：植被盖度,高光谱遥感,深度学习,轻量化网络,注意力机制,荒漠草原

基金资助：国家自然科学基金（31660137）；内蒙古自治区高等学校科学研究项目（NJZY21518）；内蒙古自治区高等教育科研重点项目（NJZZ23037）；内蒙古自治区自然科学基金联合基金项目（2023LHMS06010）；内蒙古自治区一流学科科研专项项目（YLXKZK—NND—046）