基于人工神经网络的油菜氮素高光谱诊断方法研究
作物氮素诊断技术因为它对作物生长和农业生态系统的重要影响,越来越多地受关注。本文系统采用高光谱植被指数,系统比较了人工神经网络方法和传统回归模型估算油菜氮素含量,结果表明,基于BP神经网络的方法相对于对数回归模型,明显地提高了了油菜氮素诊断的准确性,,均方根误差(RMSE)相对减小,决定系数(R<”2>)和T值检验相对增大,特别是对于比值植被指数(RVI),T提高了200％。本研究认为,人工神经网络对作物氮素高光谱遥感诊断是一种实时高效的方法。
油菜 高光谱遥感诊断 氮素诊断 氮素含量 人工神经网络
王渊 黄敬峰 王福民 刘占宇
浙江大学农业遥感与信息技术应用研究所 环境修复与生态健康教育部重点实验室,浙江大学环境与资源学院 浙江大学农业遥感与信息技术应用研究所 浙江省农业遥感与信息技术重点研究实验室,浙江杭州 310029
国内会议
大连
中文
389-395
2007-08-01（万方平台首次上网日期，不代表论文的发表时间）