基于神经网络的马尾松叶绿素含量高光谱估算模型

编号 zgly0001569521

文献类型 期刊论文

文献题名 基于神经网络的马尾松叶绿素含量高光谱估算模型

作者 刘文雅  潘洁 

作者单位 南京林业大学林学院 

母体文献 应用生态学报 

年卷期 2017年04期

年份 2017 

分类号 S791.248 

关键词 高光谱  叶绿素含量  红边参数  植被指数  主成分分析  BP神经网络 

文摘内容 分析不同生长期的马尾松冠层反射光谱特征与相应叶绿素含量的相关关系.利用36个红边参数逐一筛选,最终确定7个与叶绿素含量相关性较高的红边参数作为光谱特征参数,分别应用逐步分析法与BP神经网络构建叶绿素含量的高光谱估算模型;同样,筛选出4个植被指数作为光谱特征参数,同时,将对原始光谱进行主成分分析降维后的前4个主成分作为BP神经网络的输入变量,分别应用逐步分析法与BP神经网络构建叶绿素含量的高光谱估算模型.结果表明:将红边参数作为输入变量建立的逐步回归模型和BP神经网络模型的决定系数(R~2)分别为0.5205、0.7253,均方根误差(RMSE)分别为0.1004、0.0848,相对误差分别为6.3%、5.7%.将植被指数作为输入变量建立的逐步回归模型和BP神经网络模型的R~2分别为0.5392、0.7064,RMSE分别为0.0978、0.0871,相对误差分别为6.2%、6.0%.基于主成分分析的BP神经网络模型的预测效果最好,R~2为0.7475,RMSE为0.0540,相对误差为4.8%.