【目的】葉綠素含量是表征粳稻生長(zhǎng)狀態(tài)的重要指示信息,利用無人機(jī)高光譜遙感技術(shù)及時(shí)獲取區(qū)域尺度的粳稻葉綠素含量�！痉椒ā恳�2016—2017年沈陽農(nóng)業(yè)大學(xué)遼中水稻實(shí)驗(yàn)站粳稻無人機(jī)遙感試驗(yàn)數(shù)據(jù)為基礎(chǔ),利用連續(xù)投影算法(SPA)進(jìn)行有效波段的提取,提取的特征波段分別為410、481、533、702和798 nm。將提取出的特征波段作為輸入,利用極限學(xué)習(xí)機(jī)(ELM)和粒子群優(yōu)化的極限學(xué)習(xí)機(jī)(PSO-ELM)分別建立粳稻冠層葉綠素含量反演模型。在PSO-ELM模型中,針對(duì)PSO算法的種群規(guī)模(p)、慣性權(quán)重(w)、學(xué)習(xí)因子(C₁、C₂)、速度位置相關(guān)系數(shù)(m)這5個(gè)參數(shù)進(jìn)行了優(yōu)化�！窘Y(jié)果】確定了最優(yōu)參數(shù):p為80,w為0.9～0.3線性遞減,C₁和C₂分別為2.80和1.10,m為0.60。利用優(yōu)化后的ELM和PSO-ELM所建立的粳稻冠層葉綠素含量模型的決定系數(shù)分別為0.734和0.887,均方根誤差分別為1.824和0.783�！窘Y(jié)論】利用優(yōu)化后的PSO-ELM建立的粳稻葉綠素含量反演模型精度要明顯高于單...

【文章頁數(shù)】：8 頁

【文章目錄】：
1 材料與方法
    1.1 試驗(yàn)區(qū)域與試驗(yàn)設(shè)計(jì)
    1.2 無人機(jī)高光譜影像數(shù)據(jù)獲取
    1.3 粳稻田間數(shù)據(jù)獲取與葉綠素含量測(cè)定
    1.4 數(shù)據(jù)處理
    1.5 高光譜特征波段提取
    1.6 葉綠素含量PSO-ELM反演建模
2 結(jié)果與分析
    2.1 粳稻高光譜特征波段提取結(jié)果
    2.2 葉綠素含量的反演模型
3 討論與結(jié)論



本文編號(hào)：3789434