造價(jià)通
更新時(shí)間：2025.04.12
基于地面高光譜數(shù)據(jù)的油茶炭疽病病情指數(shù)反演

格式：pdf

大?。?span class="single-tag-height">385KB

頁(yè)數(shù)：

使用FieldSpec HandHeldTM地物光譜儀采集不同發(fā)病程度的油茶冠層光譜數(shù)據(jù),并實(shí)地調(diào)查油茶炭疽病病情指數(shù),將光譜數(shù)據(jù)進(jìn)行一階微分與滑動(dòng)平均濾波相結(jié)合的預(yù)處理,提取與病情指數(shù)相關(guān)性較高的敏感波段,并采用主成分分析法(principal component analysis,PCA)對(duì)敏感波段的光譜數(shù)據(jù)進(jìn)行降維,分別以敏感波段和PCA降維處理后的敏感波段作為輸入變量建立了病情指數(shù)的BP神經(jīng)網(wǎng)絡(luò)反演模型。兩種建模方法建立的BP神經(jīng)網(wǎng)絡(luò)模型計(jì)算出的預(yù)測(cè)值與觀測(cè)值之間的決定系數(shù)(R2)均達(dá)99%以上。精度檢驗(yàn)證明,以PCA降維所得到的前10個(gè)主成分作為輸入變量建立的10-7-1三層BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)精度更高,模型計(jì)算出的預(yù)測(cè)值與觀測(cè)值之間的決定系數(shù)(R2)和均方根誤差(RMSE)分別為0.998 6和0.814 8。該研究表明,利用地面高光譜數(shù)據(jù)結(jié)合主成分分析和BP神經(jīng)網(wǎng)絡(luò)算法反演油茶炭疽病病情指數(shù)是一種有效的方法。

冬小麥葉面積指數(shù)的高光譜估算模型研究

格式：pdf

大?。?span class="single-tag-height">232KB

頁(yè)數(shù)：

本文以山東禹城為研究區(qū),利用地面實(shí)測(cè)光譜數(shù)據(jù),探討不同植被指數(shù)和紅邊參數(shù)建立高光譜模型反演冬小麥葉面積指數(shù)的精度。通過(guò)逐波段分析計(jì)算了4種植被指數(shù)(NDVI、RVI、SAVI、EVI),結(jié)合同步觀測(cè)LAI數(shù)據(jù),確定反演葉面積指數(shù)的最優(yōu)波段;計(jì)算了5種常用的高光譜植被指數(shù)MCARI、MCARI2、OSAVI、MTVI2、MSAVI2,同時(shí)利用4種常用方法計(jì)算紅邊位置和紅谷,與實(shí)測(cè)LAI進(jìn)行回歸分析,比較植被指數(shù)和紅邊參數(shù)模型對(duì)冬小麥LAI的估測(cè)精度。結(jié)果表明各因子與LAI均具有較高的相關(guān)性,整個(gè)研究區(qū)歸一化植被指數(shù)具有最高的反演精度,確定了估算冬小麥LAI的最優(yōu)模型,并使用獨(dú)立的LAI觀測(cè)數(shù)據(jù)對(duì)模型進(jìn)行了驗(yàn)證。

熱門知識(shí)

高光譜植被指數(shù)

精華知識(shí)

高光譜植被指數(shù)

最新知識(shí)

高光譜植被指數(shù)
點(diǎn)擊加載更多>>

相關(guān)問(wèn)答

高光譜植被指數(shù)
點(diǎn)擊加載更多>>
專題概述
高光譜植被指數(shù)相關(guān)專題

分類檢索：