CAJ | 학술논문

提出了一种利用可见一近红外反射光谱技术对婆婆纳、波斯婆婆纳、直立婆婆纳等3种入侵植物和本地杂草宝盖草的植物辨别方法,可以对外表相似度极高的这4种植物进行有效鉴别.研究在对光谱曲线进行预处理和聚类分析后,随机采用30×4个样本作为建模样本,其余的20×4个样本作为预测样本,应用独立软模式法SIMCA(soft independent models of class analogy)进行分类,在显著性水平为5%下,其预测分辨率为78.75%,去除婆婆纳后的预测分辨率为90%.根据变量建模能力(modeling power)值,找到敏感波段496～521,589～626和789～926 nm,并将相应的波段的光谱值作为最小二乘的支持向量机LS-SVM(least squares support vector machine)的输入,进行建模预测,并以预测结果作为目标函数值,进行遗传算法GA(genetic algorithm)优化,结果发现,预测分辨率达95.35%,辨识效果好,能快速正确区分外来入侵植物.
제출료일충이용가견일근홍외반사광보기술대파파납、파사파파납、직립파파납등3충입침식물화본지잡초보개초적식물변별방법,가이대외표상사도겁고적저4충식물진행유효감별.연구재대광보곡선진행예처리화취류분석후,수궤채용30×4개양본작위건모양본,기여적20×4개양본작위예측양본,응용독립연모식법SIMCA(soft independent models of class analogy)진행분류,재현저성수평위5%하,기예측분변솔위78.75%,거제파파납후적예측분변솔위90%.근거변량건모능력(modeling power)치,조도민감파단496～521,589～626화789～926 nm,병장상응적파단적광보치작위최소이승적지지향량궤LS-SVM(least squares support vector machine)적수입,진행건모예측,병이예측결과작위목표함수치,진행유전산법GA(genetic algorithm)우화,결과발현,예측분변솔체95.35%,변식효과호,능쾌속정학구분외래입침식물.