CAJ | 학술논문

[目的]通过分析树种间的光谱差异及改进分类算法以提高树种信息提取精度.[方法]文章采用安徽省砀山县EO-1 Hyperion影像,通过不同树种光谱信息的差异分析,筛选出区分树种信息的光谱指标,并采用改进的BP神经网络模型完成树种信息提取.[结果]结果表明,原始反射率和一阶微分部分光谱波段可用于树种识别,且一阶微分光谱的差异大于原始反射率;引入动量项和遗传算法改进的BP神经网络模型树种识别精度较传统BP神经网络提高8.5％,Kappa系数提高0.12.[结论]该方法可以实现较为准确的树种信息提取,能够达到对林业工程进行监测的目的,对快速评价工程质量有重要意义.
[목적]통과분석수충간적광보차이급개진분류산법이제고수충신식제취정도.[방법]문장채용안휘성탕산현EO-1 Hyperion영상,통과불동수충광보신식적차이분석,사선출구분수충신식적광보지표,병채용개진적BP신경망락모형완성수충신식제취.[결과]결과표명,원시반사솔화일계미분부분광보파단가용우수충식별,차일계미분광보적차이대우원시반사솔;인입동량항화유전산법개진적BP신경망락모형수충식별정도교전통BP신경망락제고8.5％,Kappa계수제고0.12.[결론]해방법가이실현교위준학적수충신식제취,능구체도대임업공정진행감측적목적,대쾌속평개공정질량유중요의의.