摘要
【目的】为火龙果长势监测、估产、植株病害高光谱遥感诊断提供可靠依据。【方法】通过原始光谱、光谱不同形式变换和不同植被指数对火龙果植株冠层、果、枝、花等不同部位进行识别,运用主成分分析法提取火龙果不同部位的特征波段,构建BP神经网络模型,分析火龙果不同部位的波段特征,检验BP神经网络模型识别准确率。【结果】在波长400~630 nm内,火龙果花的光谱反射率最高,冠层、枝、果差异不明显,而640~1 140 nm光谱反射差异明显;最佳识别光谱特征波段位置为520 nm、642 nm、664 nm、726 nm、950 nm、1 000 nm、1 130 nm、1 330 nm、1 345 nm;基于植被指数而言,RVI对于火龙果植株冠层、枝和花识别能力最强,GRVI对于果识别能力最强。通过主成分分析并提取特征波段(1 054~1 087 nm和812~825 nm)构建的BP神经网络模型识别准确率达82.8%。【结论】基于高光谱数据可实现火龙果植株不同部位的精准识别,同时特征波谱为火龙果病害植株遥感诊断提供信息参考。
- 单位