应用科学学报
應用科學學報
응용과학학보
JOURNAL OF APPLIED SCIENCES
2014年
4期
394-400
,共7页
粗糙集%植被指数约简%高光谱遥感%叶绿素含量反演%支持向量回归
粗糙集%植被指數約簡%高光譜遙感%葉綠素含量反縯%支持嚮量迴歸
조조집%식피지수약간%고광보요감%협록소함량반연%지지향량회귀
rough set%vegetation indices reduction%hyperspectral remote sensing%chlorophyll content retrieval%support vector regression (SVR)
利用高光谱技术可估测水稻冠层叶绿素含量,为水稻的长势遥感监测与农艺决策提供科学依据.基于地面实测水稻叶片光谱数据,提出了一种粗糙集属性简约和支持向量回归相结合的叶绿素反演方法,解决了植被光谱指数相关性高易造成计算冗余以及降低水稻叶片叶绿素高光谱反演效率的问题.首先选择18个与水稻叶绿素含量相关性较大的植被光谱指数作为因变量,利用粗糙集约简植被指数数据空间得到含有6个植被光谱指数的简约核;然后采用支持向量回归方法反演叶绿素含量.基于全部指数反演及基于简约核指数反演的R2分别为0.858 6与0.850 6.因此,该方法与采用全部指数进行反演的结果相比,不但具有相当的反演精度,而且有效缩短了反演算法步骤及时间,为大数据处理提供了新的技术方法.
利用高光譜技術可估測水稻冠層葉綠素含量,為水稻的長勢遙感鑑測與農藝決策提供科學依據.基于地麵實測水稻葉片光譜數據,提齣瞭一種粗糙集屬性簡約和支持嚮量迴歸相結閤的葉綠素反縯方法,解決瞭植被光譜指數相關性高易造成計算冗餘以及降低水稻葉片葉綠素高光譜反縯效率的問題.首先選擇18箇與水稻葉綠素含量相關性較大的植被光譜指數作為因變量,利用粗糙集約簡植被指數數據空間得到含有6箇植被光譜指數的簡約覈;然後採用支持嚮量迴歸方法反縯葉綠素含量.基于全部指數反縯及基于簡約覈指數反縯的R2分彆為0.858 6與0.850 6.因此,該方法與採用全部指數進行反縯的結果相比,不但具有相噹的反縯精度,而且有效縮短瞭反縯算法步驟及時間,為大數據處理提供瞭新的技術方法.
이용고광보기술가고측수도관층협록소함량,위수도적장세요감감측여농예결책제공과학의거.기우지면실측수도협편광보수거,제출료일충조조집속성간약화지지향량회귀상결합적협록소반연방법,해결료식피광보지수상관성고역조성계산용여이급강저수도협편협록소고광보반연효솔적문제.수선선택18개여수도협록소함량상관성교대적식피광보지수작위인변량,이용조조집약간식피지수수거공간득도함유6개식피광보지수적간약핵;연후채용지지향량회귀방법반연협록소함량.기우전부지수반연급기우간약핵지수반연적R2분별위0.858 6여0.850 6.인차,해방법여채용전부지수진행반연적결과상비,불단구유상당적반연정도,이차유효축단료반연산법보취급시간,위대수거처리제공료신적기술방법.
