摘要:基于水稻叶片含水状况与冠层光谱反射率存在关联,尝试构建水稻叶片含水率模型。在水稻生长的孕穗期,同时测量室外水稻冠层光谱反射率和叶片含水率,依据水稻叶片含水率与各光谱波段反射率之间的相关性系数,选取高相关性系数对应的光谱特征波段。采用遗传算法对BP神经网络的初始权值进行优化处理。分别应用BP神经网络和GA-BP-Network、传统多元线性回归方法建立预测模型。试验表明,GA-BP-Network模型的预测含水率值与真实值平均误差率为3.9%,最大误差率为6.1%,均比BP神经网络、传统多元线性回归预测模型有了很大的改善,提高了预测水稻叶片含水率的准确性。
关键词:光谱分析 遗传算法 神经网络 多元线性回归分析 水稻
单位:江苏大学江苏省现代农业装备与技术质量点实验室; 镇江212013; 江苏大学电气信息工程学院; 镇江212013
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社