«上一篇/Previous Article|本期目录/Table of Contents|下一篇/Next Article»

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:

第44卷

期数:

2016年05期

页码:

410-414

栏目:

农业工程与信息技术

出版日期:

2016-05-25

文章信息/Info

Title:

Study on recognition of fruit tree with hyperspectral data based on BP neural network

作者:

李子艺;  王振锡;  岳俊;  王玲段;  冯振峰

新疆农业大学林学与园艺学院，新疆乌鲁木齐 830052

Author(s):

Li Ziyi; et al

关键词:

高光谱数据; 波段选择; BP神经网络; 树种识别; 果树

Keywords:

-

分类号:

S126；TP391.4

DOI:

-

文献标志码:

A

摘要:

高光谱具有波段窄、波段多的特点，能够提供比多光谱遥感更精细的地物光谱信息，为识别光谱性质相似的森林树种提供了有效途径。对南疆盆地4种主栽果树树种(苹果、香梨、核桃、红枣)的冠层光谱数据进行测量，用BP神经网络对原始光谱数据及其经一阶微分、对数一阶微分、归一化一阶微分变换后的光谱数据进行分类识别，结果表明：对数一阶微分和归一化一阶微分变换后树种识别精度分别为94%和88%以上；红边区的光谱波段包含了大量树种识别的信息；采用BP神经网络能够对南疆盆地主栽果树进行基于冠层光谱的分类，而且分类精度相对较高。

Abstract:

-

参考文献/References:

［1］谭炳香，李增元，陈尔学，等. 高光谱遥感森林信息提取研究进展［J］. 林业科学研究，2008，21(z1)：105-111.
［2］ Salehia B，Zoej M J V. The delineation of tree crowns in Australian mixed species forests using hyperspectral compact air-borne spectrographic imager (CASI) data［J］. Remote Sense Environ，2002，36：332.
［3］ 陈国芳，尼和迈提·霍嘉.新疆林果业产业化发展的对策建议［J］. 新疆农业科学，2005，42(增刊1)：211-212.
［4］李金叶，袁强，蒋慧. 基于区域适应性的特色林果业发展探讨［J］. 新疆农业科学，2010，47(4)：741-749.
［5］孙兰凤. 可持续视角下的新疆特色林果业发展研究［D］. 乌鲁木齐：新疆大学，2009.
［6］宫鹏，浦瑞良，郁彬. 不同季相针叶树种高光谱数据识别分析［J］. 遥感学报，1998，2(3)：211-217.
［7］王志辉，丁丽霞.基于叶片高光谱特性分析的树种识别［J］. 光谱学与光谱分析，2010，30(7)：1825-1829.
［8］于祥，赵冬至，张丰收，等. 红树林高光谱分析技术研究［J］. 滨州学院学报，2006，22(6)：53-56.
［9］陈述澎，童庆喜，郭华东，等. 遥感信息机理研究［M］. 北京：科学出版社，1998：139.
［10］王志辉.高光谱遥感在森林树种识别中的应用［D］. 杭州：浙江农林大学，2011.
［11］褚西鹏.基于叶片非成像高光谱数据树种分类［D］. 杭州：浙江农林大学，2012.
［12］刘秀英，林辉，熊建利，等. 森林树种高光谱波段的选择［J］. 遥感信息，2005(4)：41-44，64.
［13］臧卓，林辉，孙华，等. 南方主要针叶树种高光谱数据降维分类研究［J］. 中南林业科技大学学报，2010，30(11)：20-25.
［14］李俊明. 基于HJ-1A高光谱遥感树种识别的研究［D］. 哈尔滨：东北林业大学，2013.
［15］严恩萍，林辉，莫登奎，等. 基于光谱特征的森林类型识别研究［J］. 中南林业科技大学学报，2011，31(11)：23-29.
［16］柳萍萍. 基于Hyperion数据的森林类型识别［D］. 长沙：中南林业科技大学，2012.
［17］邢东兴，常庆瑞. 基于花期果树冠层光谱反射率的果树树种辨识研究［J］. 红外与毫米波学报，2009，28(3)：207-211.
［18］李明州.光谱分析技术和应用［M］. 北京：科学出版社，2006：163.
［19］刘秀英，臧卓，孙华，等. 基于高光谱数据的杉木和马尾松识别研究［J］. 中南林业科技大学学报，2011，31(11)：30-33.
［20］童庆禧，张兵，郑兰芬.高光谱遥感的多学科应用［M］. 北京：电子工业出版社，2006：74-79.
［21］薛薇，陈欢歌.Clementine数据挖掘方法及应用［M］. 北京：电子工业出版社，2010：181.
［22］王志军，丛培盛，周佳璐，等. 基于图像处理与人工神经网络的小麦颗粒外观品质评价方法［J］. 农业工程学报，2007，23(1)：158-161.
［23］张保生，姚瑞央. 基于BP神经网络算法的红枣分级技术应用［J］. 广东农业科学，2010，37(11)：282-283.
［24］杨希，王鹏. 基于BP神经网络的高分辨率遥感影像分类［J］. 测绘，2011，34(3)：115-118.
［25］李小梅.多角度高光谱遥感森林类型分类方法研究［D］. 呼和浩特：内蒙古农业大学，2010.
［26］林文鹏，李厚增，黄敬峰，等. 上海城市植被光谱反射特征分析［J］. 光谱学与光谱分析，2010，30(11)：3111-3114.
［27］谭炳香.高光谱遥感森林类型识别及其郁闭度定量估测研究［D］. 北京：中国林业科学研究院，2006.
［28］邓良基.遥感基础与应用［M］. 北京：中国农业出版社，2009.
［29］肖海燕，曾辉，昝启杰，等. 基于高光谱数据和专家决策法提取红树林群落类型信息［J］. 遥感学报，2007，11(4)：531-537.
［30］何诗静.基于叶片和冠层级别的高光谱城市树种识别［D］. 武汉：华中农业大学，2011.
［31］刘飞，王莉，何勇，等. 应用可见/近红外光谱进行黄酒品种的判别［J］. 光谱学与光谱分析，2008，28(3)：586-589.
［32］吴桂芳，蒋益虹，王艳艳，等. 基于独立主成分和BP神经网络的干红葡萄酒品种的鉴别［J］. 光谱学与光谱分析，2009，29(5)：1268-1271.
［33］王艳艳，何勇，邵咏妮，等. 基于可见-近红外光谱的咖啡品牌鉴别研究［J］. 光谱学与光谱分析，2007，27(4)：702-706.
［34］邵咏妮，何勇，鲍一丹. 基于独立组分分析和BP神经网络的可见/近红外光谱蜂蜜品牌的鉴别［J］. 光谱学与光谱分析，2008，28(3)：602-605.

相似文献/References:

备注/Memo

备注/Memo:

收稿日期：2015-04-23
基金项目：新疆维吾尔自治区高校科研计划科学研究重点项目(编号：XJEDU2013I16)；国防科工局高分专项(编号：95-Y40B02-9001-13/15-01-01)；中国博士后科学基金资助项目(编号：2015M572668XB)。
作者简介：李子艺(1990—)，女，河南鹤壁人，硕士研究生，主要从事林业信息技术与应用研究。E-mail：448723934@qq.com。
通信作者：王振锡，博士，副教授，主要从事林业信息技术与应用研究。E-mail：wangzhenxi2003@163.com。

常用功能

更新日期/Last Update: 2016-05-25