学术论文

      基于地面高光谱数据的典型作物类型识别方法——以青海省湟水流域为例

      Identifying Typical Crop Types from Ground Hyper-spectral Data:A Case Study in the Huangshui River Basin,Qinghai Province

      摘要:
      高光谱技术运用于农作物识别与分类目前已成为农业遥感应用领域前沿课题之一.使用ASD FieldSpec4地物光谱仪实测青海省湟水流域大豆、青稞、土豆、小麦和油菜5种典型作物冠层光谱,经数据预处理,利用1/R、d(R)、N(R)、log(R)、d(log(R))、d(N(R))6种光谱数据变换形式和在"绿峰"、"红谷"、"红边"、"光谱吸收特征区"提取的16种光谱特征变量的6种选取结果,分别构建基于BP神经网络的典型作物类型识别模型,通过模型精度比较以寻求用于高光谱农作物分类的有效光谱数据形式和光谱特征变量.结果表明:1/R、d(R)、log(R)、d(log(R))及d(N(R))5种数据变换形式能显著提高模型识别精度,以d(N(R))变换数据构建BPNN模型其辨识精度最高,总体分类精度达88%;在提取的16种光谱特征变量中,以变量数分别为16、14、12的3种选取方案构建BPNN模型其辨识精度较优,总体分类精度分别为88%、86%、84%;BPNN模型能较好地识别5种作物光谱,且采用选取光谱特征变量方法构建BPNN模型其网络训练效率和模型稳定性优于光谱数据变换方法构建BPNN模型.
      Author: SHI Fei-fei GAO Xiao-hong YANG Ling-yu JIA Wei HE Lin-hua
      作者单位: 青海师范大学生命与地理科学学院,青海省自然地理与环境过程重点实验室,青藏高原环境与资源教育部重点实验室,青海 西宁 810008
      刊 名: 地理与地理信息科学 ISTICPKUCSSCI
      年,卷(期): 2016, 32(2)
      分类号: TP79
      机标分类号: S15 TP7
      在线出版日期: 2016年7月27日
      基金项目: 国家自然科学基金项目,青海省重点实验室发展专项:青海省自然地理与环境过程重点实验室