期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于灰色关联法的春小麦叶片含水量高光谱估测模型研究 被引量:12
1
作者 吾木提.艾山江 买买提.沙吾提 +3 位作者 尼加提.卡斯木 尼格拉.塔西甫拉提 王敬哲 依尔夏提.阿不来提 《光谱学与光谱分析》 SCIE EI CAS CSCD 北大核心 2018年第12期3905-3911,共7页
利用高光谱植被指数反演植被水分含量时,快速、准确的找到实测光谱数据与植被水分相关性最高的植被指数是研究的重点。在农田尺度上,以春小麦野外光谱数据与叶片含水量的定量关系为基础,通过灰色关联度分析,筛选出与叶片含水量灰色关联... 利用高光谱植被指数反演植被水分含量时,快速、准确的找到实测光谱数据与植被水分相关性最高的植被指数是研究的重点。在农田尺度上,以春小麦野外光谱数据与叶片含水量的定量关系为基础,通过灰色关联度分析,筛选出与叶片含水量灰色关联度较高的5种典型的水分植被指数,并建立了估算春小麦叶片含水量(LWC)的偏最小二乘回归(PLSR)模型和BP神经网络(back propagation artificial neural networks,BP ANN)模型。结果表明:(1)光谱一阶导数可以有效去除噪声影响并突出光谱特征信息,尤其是在750~830,1 000~1 060和2 056~2 155 nm等区间明显提高了与LWC的相关性。(2)灰色关联法能够较好的表征各水分植被指数与叶片含水量间的关联性,其中基于原始光谱建立的前5个水分植被指数都是两波段比值植被指数,基于光谱一阶导数建立的水分植被指数基本上都是两波段归一化差值植被指数。(3)所建立的两种模型中,基于光谱一阶导数建立的PLSR和BP神经网络模型R^2分别为0. 80和0. 81,稳定性基本相同且都较好;两种模型RMSE都是0. 55,RPD分别为2. 01和1. 41,说明PLSR模型的预测精度比BP神经网络模型高。从模型的验证效果来看,PLSR模型在估算春小麦叶片含水量方面有一定的优势,为高光谱定量反演春小麦叶片含水量提供一定的参考。 展开更多
关键词 叶片含水量 春小麦 高光谱估算 灰色关联法 反演模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部