本文關(guān)鍵詞：基于高光譜遙感的玉米葉綠素含量估測(cè)模型

  更多相關(guān)文章： 高光譜遙感 玉米 葉綠素 估測(cè) 支持向量機(jī)

【摘要】：運(yùn)用粒子群優(yōu)化算法和支持向量機(jī)構(gòu)建葉片尺度玉米葉綠素含量高光譜估測(cè)模型,估測(cè)玉米葉片葉綠素含量.通過(guò)輻射傳輸模型(PROSPECT)模擬的玉米光譜和所對(duì)應(yīng)的葉綠素含量建立訓(xùn)練數(shù)據(jù)集;采用粒子群優(yōu)化算法和支持向量機(jī)(PSO-SVM)學(xué)習(xí)訓(xùn)練數(shù)據(jù)集,建立研究區(qū)實(shí)測(cè)葉片葉綠素含量估測(cè)模型;利用近地高光譜遙感獲取的玉米光譜建立驗(yàn)證數(shù)據(jù)集,將玉米葉片葉綠素含量估測(cè)模型運(yùn)用到驗(yàn)證數(shù)據(jù)集,估測(cè)研究區(qū)玉米葉綠素含量.葉綠素含量反演結(jié)果的方根誤差MSE=76.178 6,葉綠素含量實(shí)測(cè)值與葉綠素含量估測(cè)值的相關(guān)系數(shù)R2=0.871 2.結(jié)果表明:粒子群優(yōu)化算法和支持向量機(jī)構(gòu)建的反演模型能準(zhǔn)確預(yù)測(cè)玉米葉綠素含量,能夠解決小樣本玉米采樣點(diǎn)情況下葉綠素含量反演問(wèn)題,可以作為玉米葉綠素含量快速、無(wú)損估測(cè)的一種新方法.
【作者單位】： 西安科技大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院;
【關(guān)鍵詞】： 高光譜遙感 玉米 葉綠素 估測(cè) 支持向量機(jī)
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(51409204) 農(nóng)業(yè)部農(nóng)業(yè)科研杰出人才基金和農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室開(kāi)放基金項(xiàng)目(2013006) 陜西省自然科學(xué)基礎(chǔ)研究計(jì)劃項(xiàng)目(2015JQ4105)
【分類號(hào)】：S513;TP18
【正文快照】： 葉綠素在植物光合作用過(guò)程中起著關(guān)鍵作用,能夠?qū)⑻?yáng)輻射能量轉(zhuǎn)換為存儲(chǔ)的化學(xué)能量,并且能提供關(guān)于植物生長(zhǎng)狀況的重要信息[1].玉米葉綠素含量與葉片氮素含量高度相關(guān),因而葉綠素含量也是玉米脅迫的重要生物指示因子[2].準(zhǔn)確獲取玉米葉綠素含量在玉米估產(chǎn)和玉米生長(zhǎng)健康監(jiān)測(cè)

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前1條

1 王雪松;高陽(yáng);程玉虎;汪嬋;;基于混合熵和L_1范數(shù)的遙感圖像分類[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2012年06期

【共引文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前2條

1 姚國(guó)標(biāo);鄧喀中;楊化超;艾海濱;杜全葉;;基于MSERs改進(jìn)的大失配立體圖像自動(dòng)配準(zhǔn)方法[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2014年03期

2 陳軍;杜培軍;譚琨;;一種改進(jìn)的全極化SAR影像面向?qū)ο蠓诸惙椒╗J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2015年05期

【二級(jí)參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前4條

1 陳陽(yáng);;準(zhǔn)熵的性質(zhì)及其應(yīng)用[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

2 王圓圓;陳云浩;李京;;模型樹(shù)和支持向量回歸在高光譜遙感中的應(yīng)用[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2006年06期

3 陳紹杰;李光麗;張偉;曹文;;基于多分類器集成的煤礦區(qū)土地利用遙感分類[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2011年02期

4 ;Fault diagnosis using a probability least squares support vector classification machine[J];Mining Science and Technology;2010年06期

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 曾偉生;周?chē)?guó)芳;廖志云;龔文才;;西藏天然林平均直徑樹(shù)高和蓄積估測(cè)模型研究[J];中南林業(yè)調(diào)查規(guī)劃;2007年03期

2 周南;徐天蜀;;云冷杉林生物量遙感估測(cè)模型研究[J];林業(yè)調(diào)查規(guī)劃;2010年04期

3 梁爽;趙庚星;朱西存;;蘋(píng)果樹(shù)葉片葉綠素含量高光譜估測(cè)模型研究[J];光譜學(xué)與光譜分析;2012年05期

4 李毅;徐天蜀;王曉寧;;基于ENVISAT ASAR數(shù)據(jù)的高山松林蓄積量估測(cè)模型研究[J];中南林業(yè)調(diào)查規(guī)劃;2012年01期

5 安廣馳;舞毒蛾危害柿樹(shù)損失估測(cè)模型研究[J];山東林業(yè)科技;1994年03期

6 秦建華,姜志林,錢(qián)能志;福建洋口杉木生物量估測(cè)模型的選擇[J];南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);1990年01期

7 楊洪國(guó);李治宇;;應(yīng)用管道模型原理建立柏木榿木葉面積葉量估測(cè)模型[J];四川林勘設(shè)計(jì);2012年01期

8 王佳;宋珊蕓;劉霞;楊慧喬;馮仲科;;結(jié)合影像光譜與地形因子的森林蓄積量估測(cè)模型[J];農(nóng)業(yè)機(jī)械學(xué)報(bào);2014年05期

9 董斌;馮仲科;杜林芳;唐雪海;;山東省黃河流域森林蓄積量遙感定量估測(cè)模型研究[J];遙感技術(shù)與應(yīng)用;2010年04期

10 馬玉珠;程棟梁;鐘全林;徐朝斌;靳冰潔;;福建省5種造林樹(shù)種幼苗生物量估測(cè)模型[J];江西農(nóng)業(yè)大學(xué)學(xué)報(bào);2013年06期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前1條

1 李亞兵;毛樹(shù)春;韓迎春;王香河;王國(guó)平;;基于數(shù)字圖像特征的棉花群體大小估測(cè)模型[A];中國(guó)棉花學(xué)會(huì)2007年年會(huì)論文匯編[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 王妮;基于3S技術(shù)的森林資源變化動(dòng)態(tài)監(jiān)測(cè)[D];南京林業(yè)大學(xué);2012年

2 張正楊;基于水氮互作的煙草高光譜特性及估測(cè)模型研究[D];河南農(nóng)業(yè)大學(xué);2011年

3 李向陽(yáng);煙草高光譜特性與農(nóng)藝、生理、品質(zhì)指標(biāo)關(guān)系和估測(cè)模型研究[D];河南農(nóng)業(yè)大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前8條

1 戴超;北京主要樹(shù)種樹(shù)冠體積及表面積估測(cè)模型研究[D];華北理工大學(xué);2015年

2 張永秀;基于語(yǔ)音質(zhì)量估測(cè)模型的水聲語(yǔ)音通信系統(tǒng)研究[D];廈門(mén)大學(xué);2014年

3 王雄偉;基于遙感技術(shù)的森林蓄積量估測(cè)模型研究[D];貴州大學(xué);2008年

4 許甜;基于影響因子的高等級(jí)公路造價(jià)估測(cè)模型研究[D];長(zhǎng)安大學(xué);2012年

5 于楠楠;基于TM數(shù)據(jù)的森林蓄積量估測(cè)模型研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2012年

6 劉英;千島湖水體水質(zhì)參數(shù)遙感及其估測(cè)模型研究[D];浙江大學(xué);2003年

7 萬(wàn)紅梅;塔里木河下游植被恢復(fù)的遙感測(cè)度[D];新疆農(nóng)業(yè)大學(xué);2012年

8 于濤;基于模糊識(shí)別的土壤有機(jī)質(zhì)高光譜估測(cè)模型研究[D];山東農(nóng)業(yè)大學(xué);2013年

，

本文編號(hào)：732864