為建立不依賴(lài)時(shí)序數(shù)據(jù)的水稻生育期識(shí)別模型,基于四波段輻射計(jì)(SKYE)獲取的水稻全生育期每日的冠層光譜反射率數(shù)據(jù),利用K近鄰(k-nearest neighbors, KNN)、決策樹(shù)(Decision trees)、支持向量機(jī)(Support vector machines, SVM)、隨機(jī)森林(Random forests, RF)和梯度提升決策樹(shù)(Gradient boosted decision trees, GBDT)共5種機(jī)器學(xué)習(xí)算法開(kāi)展水稻生育期識(shí)別研究。結(jié)果表明:RF算法的識(shí)別準(zhǔn)確率最高,達(dá)93.00%,KNN算法的識(shí)別準(zhǔn)確率也達(dá)到了91.92%,其他3種算法的準(zhǔn)確率也都超過(guò)90%。在此基礎(chǔ)上,將建立的水稻生育期識(shí)別模型應(yīng)用至無(wú)人機(jī)(UAV)影像數(shù)據(jù),KNN算法適用性最好,識(shí)別準(zhǔn)確率為83.54%,RF算法的適用性一般,識(shí)別準(zhǔn)確率為74.38%,SVM算法的適用性最差,識(shí)別準(zhǔn)確率僅為62.92%,但5種機(jī)器學(xué)習(xí)算法都容易錯(cuò)誤地將抽穗揚(yáng)花期識(shí)別為拔節(jié)孕穗期;而新構(gòu)建的KNN算法結(jié)合可見(jiàn)光大氣修正指數(shù)(Visible atmospherically resistant in...

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
1 研究區(qū)與數(shù)據(jù)
    1.1 研究區(qū)
    1.2 數(shù)據(jù)獲取
        1.2.1 SKYE四波段光譜數(shù)據(jù)
        1.2.2 UAV多光譜數(shù)據(jù)
    1.3 預(yù)處理
2 方 法
3 結(jié)果與討論
    3.1 基于SKYE反射率的生育期識(shí)別模型
    3.2 模型應(yīng)用至無(wú)人機(jī)數(shù)據(jù)的適用性評(píng)價(jià)與模型完善
4 結(jié) 論



本文編號(hào)：3811235