作者:顾留碗,吴见,邓凯,王端端 单位:湖南农业大学 出版:《湖南农业大学学报(自然科学版)》2015年第05期 页数:6页  (PDF与DOC格式可能不同) PDF编号:PDFHNND2015050240 DOC编号:DOCHNND2015050249 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于多源遥感数据的大豆叶面积指数估测精度对比》PDF+DOC2016年第01期 高林,李长春,王宝山,杨贵军,王磊,付奎 《应用高光谱植被指数反演冬小麦叶绿素含量的光谱指标敏感性研究》PDF+DOC2016年第15期 田静国,王树东,张立福,马超,张霞 《高分一号卫星影像特征及其在草地监测中的应用》PDF+DOC2015年第05期 王磊,耿君,杨冉冉,田庆久,杨闫君,周洋 《基于无人机载高光谱空间尺度优化的大豆育种产量估算》PDF+DOC2017年第01期 赵晓庆,杨贵军,刘建刚,张小燕,徐波,王艳杰,赵春江,盖钧镒 《基于高光谱卫星遥感数据的UPDM分析方法》PDF+DOC2005年第03期 张立福,张良培,村松加奈子,藤原昇 《基于传感器信号和神经网络的汽油机失火状态识别方法》PDF+DOC2012年第03期 杜灿谊,朱玉平,赖新方 《基于电容层析法糖浆气液两相流识别》PDF+DOC2011年第05期 刘梦伦,傅文利,蒙华,刘金花,赵进创 《基于光谱分析的果树树种辨识研究》PDF+DOC2009年第07期 邢东兴,常庆瑞 《北京一号,环境星,Landsat TM传感器估算草地覆盖度、叶面积指数、地上生物量比较研究》PDF+DOC2013年第10期 王红岩,李晓松,张瑾,高志海 《作物营养智能检测仪设计与试验》PDF+DOC2013年第S2期 钟振江,李民赞,孙红,吴李烜,吴倩
  • 对江淮分水岭区域观测的8种农作物冠层光谱进行数据重采样和植被指数计算,分析了4种常用指数和6种常用传感器对农作物的识别能力,同时采用识别效率最高的数据变换形式构建了BP神经网络模型。结果表明:8种农作物的反射光谱曲线存在较大差异;6种传感器对农作物的识别能力由大到小依次为ETM+、QUICKBIRD、IKONOS、MODIS、ASTER、HRG;模拟得到的ETM+和QUICKBIRD的近红外与红光波段反射率计算的归一化植被指数(NDVI)和简单比值植被指数(SR)对农作物的识别能力较强;在不同的数据变换形式中,对农作物识别精度最高的是一阶微分(FD,波长间隔6 nm),识别精度达87.3%;以FD(波长间隔6 nm)为输入数据集构建BP神经网络模型,当隐含层节点数为15时,识别精度最高,达90.0%。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。