基于BP神经网络的高光谱果树树种识别研究

2016-07-23 17:17:46李子艺王振锡岳俊
江苏农业科学 2016年5期

李子艺++王振锡++岳俊

摘要:高光谱具有波段窄、波段多的特点,能够提供比多光谱遥感更精细的地物光谱信息,为识别光谱性质相似的森林树种提供了有效途径。对南疆盆地4种主栽果树树种(苹果、香梨、核桃、红枣)的冠层光谱数据进行测量,用BP神经网络对原始光谱数据及其经一阶微分、对数一阶微分、归一化一阶微分变换后的光谱数据进行分类识别,结果表明:对数一阶微分和归一化一阶微分变换后树种识别精度分别为94%和88%以上;红边区的光谱波段包含了大量树种识别的信息;采用BP神经网络能够对南疆盆地主栽果树进行基于冠层光谱的分类,而且分类精度相对较高。

关键词:高光谱数据;波段选择;BP神经网络;树种识别;果树

中图分类号: S126;TP391.4文献标志码: A文章编号:1002-1302(2016)05-0410-04

在南疆特色林果产业化的进程中,其信息化建设明显滞后,传统调查方式以多光谱遥感和地面辅助调查为主,不仅分辨率具有局限性,而且费时、耗力、周期长[1]。自1980年以来,高光谱遥感冲破技术障碍,在对地观测方面获得了重大突破,相比多光谱遥感技术,它具有波段窄、数量多的特征,可以提供更详细的目标光谱信息,为研究地物的细微特征提供了快速、准确、有效的途径[2]。因此林果树种的高光谱遥感识别对新疆南疆盆地特色林果产业的可持续经营具有重要的现实意义[3-5]。目前,我国已有一些基于高光谱遥感技术进行森林树种识别的研究。宫鹏等通过对6种主栽针叶树种的高光谱实地测量,开展了不同季节(夏、秋季)针叶树种的高光谱数据分类研究[6]。……

登录APP查看全文