發(fā)布時間：2023-05-07 19:54

　　為建立不依賴時序數(shù)據(jù)的水稻生育期識別模型,基于四波段輻射計(SKYE)獲取的水稻全生育期每日的冠層光譜反射率數(shù)據(jù),利用K近鄰(k-nearest neighbors, KNN)、決策樹(Decision trees)、支持向量機(jī)(Support vector machines, SVM)、隨機(jī)森林(Random forests, RF)和梯度提升決策樹(Gradient boosted decision trees, GBDT)共5種機(jī)器學(xué)習(xí)算法開展水稻生育期識別研究。結(jié)果表明:RF算法的識別準(zhǔn)確率最高,達(dá)93.00%,KNN算法的識別準(zhǔn)確率也達(dá)到了91.92%,其他3種算法的準(zhǔn)確率也都超過90%。在此基礎(chǔ)上,將建立的水稻生育期識別模型應(yīng)用至無人機(jī)(UAV)影像數(shù)據(jù),KNN算法適用性最好,識別準(zhǔn)確率為83.54%,RF算法的適用性一般,識別準(zhǔn)確率為74.38%,SVM算法的適用性最差,識別準(zhǔn)確率僅為62.92%,但5種機(jī)器學(xué)習(xí)算法都容易錯誤地將抽穗揚(yáng)花期識別為拔節(jié)孕穗期;而新構(gòu)建的KNN算法結(jié)合可見光大氣修正指數(shù)(Visible atmospherically resistant in...

【文章頁數(shù)】：10 頁

【文章目錄】：
1 研究區(qū)與數(shù)據(jù)
    1.1 研究區(qū)
    1.2 數(shù)據(jù)獲取
        1.2.1 SKYE四波段光譜數(shù)據(jù)
        1.2.2 UAV多光譜數(shù)據(jù)
    1.3 預(yù)處理
2 方 法
3 結(jié)果與討論
    3.1 基于SKYE反射率的生育期識別模型
    3.2 模型應(yīng)用至無人機(jī)數(shù)據(jù)的適用性評價與模型完善
4 結(jié) 論



本文編號：3811235