典型文献
基于高光谱和GA-BP神经网络模型的冬小麦叶绿素含量反演
文献摘要：
叶绿素是绿色植被进行光合作用的主要色素,是影响作物产量的重要因素之一,也是评价作物健康状况的重要生化指标.快速、准确、无损地监测作物叶片叶绿素含量,是实现作物长势和健康程度精准监测的关键.为提高作物叶绿素含量反演的精度,以冬小麦试验小区为基础,测量关中地区冬小麦叶片反射率及其对应的叶绿素含量.运用分数阶微分法计算0～2阶步长为0.1的分数阶光谱,通过灰色关联分析法提取出与叶绿素含量关联度大的特征,作为模型的输入参数.最终提取出0.6阶751、760 nm,0.7阶744、751 nm,0.8阶738、747 nm,0.9阶738、750 nm,1.0阶731、750 nm共10个与叶绿素含量关联度高的波段作为模型的特征波段.为解决BP神经网络(back propagation network)收敛速度慢、易陷入局部极小值的问题,使用遗传算法(genetic algorithm,GA)优化BP神经网络的权值和阈值,利用优化后的模型进行叶绿素含量的预测.结果表明,运用遗传算法优化BP神经网络模型反演精度较高,r2为0.952,均方根误差(RMSE)为3.647.GA-BP神经网络模型无论是模型精度还是可靠性均优于BP神经网络模型,可为快速定量预测冬小麦叶片叶绿素含量提供技术支持.
文献关键词：
冬小麦;叶绿素含量;遗传算法;BP神经网络;高光谱特征参数
中图分类号：
作者姓名：
时鸣;竞霞;史晓亮
作者机构：
西安科技大学测绘科学与技术学院,陕西西安710054
文献出处：
引用格式：
[1]时鸣;竞霞;史晓亮-.基于高光谱和GA-BP神经网络模型的冬小麦叶绿素含量反演)[J].江苏农业科学,2022(20):56-62
A类：
B类：
GA,冬小麦,绿色植被,光合作用,作物产量,作物健康,作物叶片,叶片叶绿素含量,作物长势,健康程度,精准监测,高作,试验小区,关中地区,小麦叶片,反射率,分数阶微分,微分法,步长,灰色关联分析法,输入参数,特征波段,back,propagation,network,收敛速度,速度慢,局部极小值,genetic,algorithm,权值,遗传算法优化,反演精度,r2,RMSE,模型精度,定量预测,高光谱特征参数
AB值：
0.315794
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
