本文選題：高光譜 + 預(yù)處理　； 參考：《遙感信息》2017年04期

【摘要】：針對高光譜數(shù)據(jù)異常值影響葉綠素密度反演精度的問題,以大豆葉片為研究材料,利用馬氏距離和蒙特卡洛交叉驗(yàn)證法(Monte Carlo cross validation,MCCV)剔除異常樣本,探討13種高光譜數(shù)據(jù)預(yù)處理方法對葉綠素密度偏最小二乘法(partial least square,PLS)建模的影響。結(jié)果表明,馬氏距離法和MCCV剔除異常樣本能提高校正模型的精度,在權(quán)重系數(shù)為1時(shí)剔除異常樣本數(shù)3個(gè),模型精度最高,校正集決定系數(shù)和均方根誤差分別為0.821和0.112。微分處理能大幅度提高模型的預(yù)測精度,二階微分處理效果最好,校正集決定系數(shù)和均方根誤差分別為0.998和0.012,驗(yàn)證集決定系數(shù)和均方根誤差分別為0.961和0.139,具有比原始光譜更高的精度。因此,適宜的高光譜數(shù)據(jù)預(yù)處理可有效提高大豆葉綠素密度估測精度。
[Abstract]:Aiming at the problem that the abnormal value of hyperspectral data affects the accuracy of chlorophyll density inversion, the abnormal samples are eliminated by using Markov distance and Monte Carlo cross validation (MCCV) method. The effects of 13 preprocessing methods of hyperspectral data on chlorophyll density partial least square (partial least) modeling were investigated. The results show that the method of Markov distance and MCCV can improve the accuracy of the correction model. When the weight coefficient is 1, the number of abnormal samples is 3, the model accuracy is the highest, the determination coefficient of correction set and the root mean square error are 0.821 and 0.112, respectively. Differential processing can greatly improve the prediction accuracy of the model, and the second-order differential processing is the best. The correction set determination coefficient and root mean square error are 0.998 and 0.012, respectively, and the validation set decision coefficient and root mean square error are 0.961 and 0.139, respectively, which have higher accuracy than the original spectrum. Therefore, suitable hyperspectral data pretreatment can effectively improve the accuracy of soybean chlorophyll density estimation.
【作者單位】： 四川農(nóng)業(yè)大學(xué)農(nóng)學(xué)院;農(nóng)業(yè)部西南作物生理生態(tài)與耕作重點(diǎn)實(shí)驗(yàn)室;四川省作物帶狀復(fù)合種植工程技術(shù)研究中心;
【基金】：國家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目(2016YFD030060203) 國家自然科學(xué)基金(31571615)
【分類號】：S565.1;TP79

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 何中海;何彬彬;;基于權(quán)重光譜角制圖的高光譜礦物填圖方法[J];光譜學(xué)與光譜分析;2011年08期

2 王潤生;甘甫平;閆柏琨;楊蘇明;王青華;;高光譜礦物填圖技術(shù)與應(yīng)用研究[J];國土資源遙感;2010年01期

3 裴承凱;傅錦;;高光譜遙感技術(shù)在巖礦識別中的應(yīng)用現(xiàn)狀與前景[J];世界核地質(zhì)科學(xué);2007年01期

4 張良培,鄭蘭芬,童慶禧;利用高光譜對生物變量進(jìn)行估計(jì)[J];遙感學(xué)報(bào);1997年02期

5 張東;張鷹;李歡;陳曄;;基于組分反演的高光譜潮間帶表層沉積物自動(dòng)分類研究[J];海洋學(xué)報(bào)(中文版);2008年03期

6 邵軍勇,潘泉;基于光譜復(fù)原的高光譜高空間遙感數(shù)據(jù)融合研究[J];微電子學(xué)與計(jì)算機(jī);2005年08期

7 趙杰,曹靜;高光譜遙感技術(shù)的分析與應(yīng)用[J];黃河水利職業(yè)技術(shù)學(xué)院學(xué)報(bào);2005年04期

8 韓飛;程朋根;吳劍;肖根如;;高光譜土地退化指數(shù)研究[J];東華理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年01期

9 董晶晶;牛錚;;高光譜反演葉片葉綠素及全氮含量[J];遙感信息;2008年05期

10 陳蕾;鄧孺孺;謝健;;基于AISA+機(jī)載高光譜的海上石油開發(fā)溢油監(jiān)測研究——以珠江口海域?yàn)槔齕J];海洋湖沼通報(bào);2009年01期

相關(guān)會議論文 前8條

1 賀霖;潘泉;趙永強(qiáng);邸韋華;;一類高光譜圖象小目標(biāo)統(tǒng)計(jì)檢測算法研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

2 田宏偉;趙慧潔;;基于高階統(tǒng)計(jì)的高光譜目標(biāo)檢測的研究[A];2004全國光學(xué)與光電子學(xué)學(xué)術(shù)研討會、2005全國光學(xué)與光電子學(xué)學(xué)術(shù)研討會、廣西光學(xué)學(xué)會成立20周年年會論文集[C];2005年

3 張兵;鄭蘭芬;童慶禧;;光譜復(fù)原基礎(chǔ)上的高光譜高空間遙感數(shù)據(jù)融合研究[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 胡盛雯;殷德奎;;高光譜大氣探測儀干涉信號的獲取電路設(shè)計(jì)[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

5 楊超宇;楊頂田;楊躍忠;盧桂新;趙俊;孫兆華;;光學(xué)淺水中海草底質(zhì)的高光譜提取[A];第六屆全國信息獲取與處理學(xué)術(shù)會議論文集（2）[C];2008年

6 譚炳香;李增元;陳爾學(xué);龐勇;;高光譜與多光譜遙感數(shù)據(jù)森林類型識別研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

7 譚炳香;李增元;龐勇;曹斌;;多角度高光譜CHRIS數(shù)據(jù)森林葉面積指數(shù)估測研究[A];遙感定量反演算法研討會摘要集[C];2010年

8 王建宇;舒嶸;徐衛(wèi)明;馬艷華;何志平;呂剛;陳育偉;張冰娜;;機(jī)載高空間分辨力、高光譜分辨力多維信息獲取與處理技術(shù)的研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

相關(guān)重要報(bào)紙文章 前1條

1 趙凡;“高光譜小衛(wèi)星載荷關(guān)鍵技術(shù)研究”啟動(dòng)[N];中國國土資源報(bào);2009年

相關(guān)碩士學(xué)位論文 前1條

1 劉穎;高光譜圖象目標(biāo)識別新技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2007年

，

本文編號：2065338