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
• 来源期刊: 应用生态学报
• 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
• 年，卷（期）: 2017,（4）
• 页码范围: 1128-1136
• 页数: 9页
• 语种: 中文
• DOI: 10.13287/j.1001-9332.201704.035

摘要

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(R2)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R2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,R2为0.7475,RMSE为0.0540,相对误差为4.8％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘洁	南京林业大学林学院	19	210	8.0	14.0
2	刘文雅	南京林业大学林学院	2	18	1.0	2.0