文献类型：期刊文章

作　　者：顾留碗[1,2] 吴见[1,2] 邓凯[1,2] 王端端[3]

机构地区：[1]滁州学院地理信息与旅游学院,安徽滁州239000 [2]安徽省地理信息集成应用协同创新中心,安徽滁州239000 [3]南京国图信息产业股份有限公司,江苏南京210036

出　　处：《湖南农业大学学报（自然科学版）》

基　　金：安徽省高校自然科学研究重点项目(KJ2015A261;KJ2015A265);滁州学院科研项目(2014PY07);滁州学院校级科研启动基金项目(2012qd18)

年　　份：2015

卷　　号：41

期　　号：5

起止页码：569-574

语　　种：中文

收录情况：BDHX、BDHX2014、CAB、CAS、CSCD、CSCD2015_2016、INSPEC、JST、RCCSE、ZGKJHX、ZMATH、核心刊

摘　　要：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%。

关 键 词：高光谱  农作物 识别  江淮分水岭区域  

分 类 号：TP79]