龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：东北师范大学
摘要：本发明公开了一种耦合机器学习对无人机高光谱玉米叶绿素含量反演方法，包括以下步骤：步骤一，确定监测区域范围；步骤二，获取样本数据；步骤三，高光谱数据处理；步骤四，构建叶绿素含量反演模型；步骤五，叶绿素含量反演；本发明利用玉米冠层地面高光谱数据对无人机尺度高光谱数据进行准确性验证，解决了因环境因素造成无人机高光谱数据的准确性无法得到保证的问题；通过使用随机森林的特征重要性排序方法来选取模型输入的自变量，有效降低了数据冗余，提高了建模速度和模型精度；通过将无人机尺度高光谱特征波段逐像元输入最优反演模型，获得不同生育期玉米冠层叶绿素含量的空间分布，满足了精准农业所要求的时空分辨率，提高了方法的适用性。
主权项：1.一种耦合机器学习对无人机高光谱玉米叶绿素含量反演方法，包括以下步骤：步骤一，确定监测区域范围；步骤二，获取样本数据；步骤三，高光谱数据处理；步骤四，构建叶绿素含量反演模型；步骤五，叶绿素含量反演；其特征在于：其中在上述步骤一中，根据玉米种植区域，选择多个代表性的样地，并确定监测区域范围；其中在上述步骤二中，针对步骤一中所确定的监测区域中的每个样地，分别获取样本数据；其中在上述步骤三中，根据步骤二中的获取的样本数据，对无人机尺度高光谱数据与玉米冠层地面高光谱数据进行相关性分析，验证不同尺度下的光谱数据的准确性，并根据每个叶片样本对应的高光谱125个波段与叶绿素含量值，使用随机森林特征重要性的贡献程度排序方法，选取重要波段；其中在上述步骤四中，以步骤二中获取的叶绿素含量作为因变量，以步骤三中选取的重要波段作为自变量，将因变量和自变量输入深度神经网络，获取反演模型，通过优化模型参数，评价模型精准度，确定最优反演模型；其中在上述步骤五中，将无人机高光谱13个特征波段逐像元输入步骤四中获取的最优反演模型，得到不同生育期玉米冠层叶绿素含量的空间分布。
全文数据：
权利要求：
百度查询： 东北师范大学 一种耦合机器学习对无人机高光谱玉米叶绿素含量反演方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号