咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >多粒度光谱特征的牧草粗蛋白含量高光谱遥感估算 收藏

多粒度光谱特征的牧草粗蛋白含量高光谱遥感估算

Hyperspectral remote sensing estimation of pasture crude protein content based on multi-granularity spectral feature

作     者:康孝岩 张爱武 Kang Xiaoyan;Zhang Aiwu

作者机构:首都师范大学三维信息获取与应用教育部重点实验室北京100048 首都师范大学空间信息技术教育部工程研究中心北京100048 

出 版 物:《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期:2019年第35卷第23期

页      面:161-169页

核心收录:

学科分类:0810[工学-信息与通信工程] 07[理学] 08[工学] 070302[理学-分析化学] 0703[理学-化学] 081002[工学-信号与信息处理] 

基  金:国家重点研发计划项目(2016YFB0502500) 国家自然科学基金(41571369) 北京市自然科学基金(4162034) 青海省科技计划项目(2016-NK-138) 

主  题:光谱分析 蛋白质 遥感 牧草 粗蛋白 无人机 高光谱影像 多粒度光谱特征 青海湖盆地 

摘      要:快速准确地估算牧草粗蛋白(crude protein,CP)含量是开展草原牧草生长监测和管理的重要内容之一。高光谱数据是牧草CP含量监测的理想数据源,然而,现有牧草CP含量高光谱反演方法缺乏对光谱多粒度信息的有效利用。针对该问题,提出一种新的多粒度光谱特征提取方法MGSS(multi-granularity spectral segmentation),以青海高原典型牧场为样区,对MGSS估算牧草CP含量的有效性进行验证。结果表明:1)在相同数量的自变量下,MGSS均能取得优于原始光谱的CP含量估测性能;2)MGSS最优估测模型的决定系数(coefficient of determination,R^2)、均方根误差(root mean squared error,RMSE)和平均相对误差(mean relative error,MRE)分别为0.937、1.906 g/m^2和8.82%,比原始光谱最优模型的R2高0.06,RMSE和MRE分别低0.75 g/m^2和1.37个百分点。可知,MGSS实现了高光谱影像对牧草CP含量的高性能估算,相比原始光谱性能更优,验证了其有效性,可为牧草CP含量的准确估算提供新的技术手段。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分