地理与地理信息科学
地理與地理信息科學
지리여지리신식과학
GEOGRAPHY AND TERRITORIAL RESEARCH
2015年
2期
29-33,封2
,共6页
高光谱%农作物%识别%遥感
高光譜%農作物%識彆%遙感
고광보%농작물%식별%요감
hyperspectral%crops%recognition%remote sensing
作物种类高光谱识别研究对发展精准农业具有重要意义.通过原始反射光谱、常用指数、不同形式变换光谱及高光谱特征参数对观测的8种农作物的识别能力进行分析,同时采用识别效率最高的数据变换形式构建BP神经网络模型.结果表明:8种农作物的反射光谱曲线存在较大差异,差异最大的波长位置为0.65 μm、0.78 μm、0.86μm、0.93 μm、1.08 μm、1.19 μm;无论采用原始光谱计算的指数还是常见卫星传感器对应通道计算的指数,识别农作物的能力从大到小均为SR＞NDVI＞SAVI＞DVI;高光谱特征参数SDr对作物的识别效果优于其他光谱形式,构建的BP神经网络模型隐含层节点数为13时总体精度最高,达91.8％.
作物種類高光譜識彆研究對髮展精準農業具有重要意義.通過原始反射光譜、常用指數、不同形式變換光譜及高光譜特徵參數對觀測的8種農作物的識彆能力進行分析,同時採用識彆效率最高的數據變換形式構建BP神經網絡模型.結果錶明:8種農作物的反射光譜麯線存在較大差異,差異最大的波長位置為0.65 μm、0.78 μm、0.86μm、0.93 μm、1.08 μm、1.19 μm;無論採用原始光譜計算的指數還是常見衛星傳感器對應通道計算的指數,識彆農作物的能力從大到小均為SR＞NDVI＞SAVI＞DVI;高光譜特徵參數SDr對作物的識彆效果優于其他光譜形式,構建的BP神經網絡模型隱含層節點數為13時總體精度最高,達91.8％.
작물충류고광보식별연구대발전정준농업구유중요의의.통과원시반사광보、상용지수、불동형식변환광보급고광보특정삼수대관측적8충농작물적식별능력진행분석,동시채용식별효솔최고적수거변환형식구건BP신경망락모형.결과표명:8충농작물적반사광보곡선존재교대차이,차이최대적파장위치위0.65 μm、0.78 μm、0.86μm、0.93 μm、1.08 μm、1.19 μm;무론채용원시광보계산적지수환시상견위성전감기대응통도계산적지수,식별농작물적능력종대도소균위SR＞NDVI＞SAVI＞DVI;고광보특정삼수SDr대작물적식별효과우우기타광보형식,구건적BP신경망락모형은함층절점수위13시총체정도최고,체91.8％.
