基于bp神经网络的高光谱果树树种识别研究 - 江苏农业科学.pdfVIP

— ４１０— 江苏农业科学　２０１６年第４４卷第５期 李子艺，王振锡，岳　俊，等．基于ＢＰ神经网络的高光谱果树树种识别研究［Ｊ］．江苏农业科学，２０１６，４４（５）：４１０－４１４． ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０１６．０５．１１９ 基于ＢＰ神经网络的高光谱果树树种识别研究 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） 　　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。 　　关键词：高光谱数据；波段选择；ＢＰ神经网络；树种识别；果树 　　中图分类号：Ｓ１２６；ＴＰ３９１．４　　文献标志码：Ａ　　文章编号：１００２－１３０２（２０１６）０５－０４１０－０４ 　　在南疆特色林果产业化的进程中，其信息化建设明显滞 法、波段指数法、灰度值法等几种常用的高光谱遥感影像的波 后，传统调查方式以多光谱遥感和地面辅助调查为主，不仅分 段选择方法，认为最佳指数法用于高光谱遥感的树种识别具 ［１］ ［１４－１６］ 辨率具有局限性，而且费时、耗力、周期长 。自１９８０年以 有一定可行性和优越性 。因此，本研究采用最佳指数法 来，高光谱遥感冲破技术障碍，在对地观测方面获得了重大突 对高光谱数据进行波段选择，并利用 ＢＰ神经网络对波段选 破，相比多光谱遥感技术，它具有波段窄、数量多的特征，可以 择数据进行分类，从而对新疆南疆盆地４种主栽果树树种进 提供更详细的目标光谱信息，为研究地物的细微特征提供了 行分类识别，为探索星载高光谱遥感树种识别提供技术支持。 ［２］ 快速、准确、有效的途径 。因此林果树种的高光谱遥感识 １　材料与方法 别对新疆南疆盆地特色林果产业的可持续经营具有重要的现 ［３－５］ 实意义 。目前，我国已有一些基于高光谱遥感技术进行 １．１　试验对象 森林树种识别的研究。宫鹏等通过对６种主栽针叶树种的高 试验时间为２０１４年６月，试验地点位于新疆阿克苏地区 光谱实地测量，开展了不同季节（夏、秋季）针叶树种的高光 红旗坡农场（地理坐标４１°１４′３９″～４１°１６′１８″Ｎ、８０°１５′４６″～ ［６］ 谱数据分类研究 。王志辉等利用测量的４种树种叶片光谱 ８０°１８′５１″Ｅ，海拔１２１３ｍ），试验对象是处在相同立地条件、 数据，进行了可识别性波段的选择与光谱特征参量的分 自然状态下生长的４种南疆塔里木盆地主栽果树树种：红富 ［７］ 析 。于祥等对广西红树林进行高光谱实测，通过多种光谱 士苹果（ＭａｌｕｓｐｕｍｉｌａＭｉｌｌ）、库尔勒香梨（Ｐｙｒｕｂｒｅｔｓｃｈｎｅｉｄｅｒｉ ［８］ 分类方法对多个红树林树种进行了分类研究 。 Ｒｅｈｄ）、核桃（ＪｕｇｌａｎｓｒｅｇｉａＬｉｎｎ．）、红枣（Ｚｉｚｉｐｈｕｓｚｉｚｙｐｈｕｓ 高光谱遥感技术在为树种的精细识别带来可能性的同 Ｍｉｌｌ）。选择冠型均匀的样本，苹果为大、中、小冠型，香梨、核 时，也带来了数据冗余度大的