基于BP神經(jīng)網(wǎng)絡(luò)方法提取馬鈴薯空間分布研究.pdf

1、農(nóng)情信息有效快速的獲取是農(nóng)業(yè)科學(xué)決策的重要保障。除常用的統(tǒng)計(jì)抽樣調(diào)查方法外，隨著空間信息技術(shù)的不斷發(fā)展，遙感數(shù)據(jù)已廣泛應(yīng)用于農(nóng)作物種植信息提取研究中;利用遙感技術(shù)快速準(zhǔn)確地實(shí)施農(nóng)作物分布、長(zhǎng)勢(shì)等變化的監(jiān)測(cè)是農(nóng)業(yè)生產(chǎn)與管理部門的迫切需求。我國(guó)地域廣闊，人口眾多，三大傳統(tǒng)糧食作物增產(chǎn)空間有限，糧食安全問題尤為重要與突出。馬鈴薯以其適應(yīng)性廣、單產(chǎn)提升空間大等優(yōu)勢(shì)顯示出強(qiáng)勁的發(fā)展勢(shì)頭，成為新時(shí)期確保國(guó)家糧食安全的新途徑，2015年初農(nóng)業(yè)部正式啟

2、動(dòng)了馬鈴薯主糧化工程。
　　目前，我國(guó)利用遙感監(jiān)測(cè)的農(nóng)作物主要集中于水稻等禾本科作物及大豆等豆科作物，對(duì)于茄科作物馬鈴薯研究較少。而且近年來，神經(jīng)網(wǎng)絡(luò)技術(shù)以其較高的分類精度、較廣的應(yīng)用范圍逐漸成為農(nóng)作物空間信息識(shí)別的重要手段。
　　因此，本文選用BP人工神經(jīng)網(wǎng)絡(luò)分類方法，結(jié)合高光譜特征分析確定輸入特征的方式，利用Landsat-8遙感影像對(duì)吉林省長(zhǎng)春市紀(jì)家鎮(zhèn)、興隆鎮(zhèn)馬鈴薯分布進(jìn)行遙感提取。主要方法和結(jié)果如下:
　　1、

3、構(gòu)建多種高光譜指數(shù)確定馬鈴薯與其他作物的光譜差異特征
　　以馬鈴薯關(guān)鍵生長(zhǎng)期——結(jié)薯期為測(cè)量時(shí)點(diǎn)，以馬鈴薯和玉米、大豆、水稻為研究對(duì)象，開展高光譜曲線特征差異性研究。為更好地描述馬鈴薯與其他作物的光譜差異，創(chuàng)建了高光譜反射率差異性指數(shù)、高光譜一階導(dǎo)數(shù)差異性指數(shù)、高光譜紅邊幅值差異性指數(shù)、高光譜曲率差異性指數(shù)、高光譜植被指數(shù)差異性指數(shù)。結(jié)果表明:
　　馬鈴薯與玉米、大豆、水稻3種作物光譜曲線具有明顯差異，馬鈴薯與玉米的反射率值

4、在480nm附近藍(lán)色波段位置差異最顯著，差異性指數(shù)值為67.866％，與大豆、水稻的最大差異性指數(shù)值分別為49.068％、57.559％，均位于550nm附近綠色波峰位置;作物光譜曲線經(jīng)一階導(dǎo)數(shù)變換運(yùn)算，馬鈴薯與其他作物間的光譜差異被顯著放大，在近紅外波段放大程度最顯著;馬鈴薯與玉米、大豆、水稻高光譜曲率差異性指數(shù)最大值均位于波長(zhǎng)750nm附近，差異性指數(shù)值分別為78.365％、63.471％、80.882％;常用植被指數(shù)中，比值植被指

5、數(shù)、增強(qiáng)型植被指數(shù)可顯著區(qū)分馬鈴薯與玉米、大豆、水稻。
　　2、開展不同作物的高光譜差異性分析，確定BP神經(jīng)網(wǎng)絡(luò)分類輸入特征
　　以普通遙感器為基礎(chǔ)進(jìn)行馬鈴薯與其他作物的分辨，植被指數(shù)和光譜波段反射率都可以作為輸入特征值。選擇距離地面光譜曲線測(cè)量時(shí)間最接近的2016年7月4日Landsat-8遙感影像;結(jié)合高光譜差異性分析結(jié)果，將差異較小的紅色波段剔除，植被指數(shù)選擇差異最大的比值植被指數(shù)RVI;綜合后將輸入特征確定為2356

6、7波段+RVI以進(jìn)行BP神經(jīng)網(wǎng)絡(luò)的參數(shù)優(yōu)化訓(xùn)練。
　　3、確定神經(jīng)網(wǎng)絡(luò)分類結(jié)構(gòu)
　　選用landsat-8遙感數(shù)據(jù)，借助ENVI平臺(tái)構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的土地覆蓋分類模型，應(yīng)用于研究區(qū)的馬鈴薯等作物分類研究。以23567+RVI波段特征作為輸入，不斷調(diào)節(jié)分類參數(shù)，確定最優(yōu)分類網(wǎng)絡(luò)結(jié)構(gòu)。最終確定的參數(shù)值為:活化函數(shù)為對(duì)數(shù)函數(shù)，初始權(quán)值為0.1，學(xué)習(xí)速率為0.1，動(dòng)量因子為0.5，RMS為0.3，隱層數(shù)目為1，訓(xùn)練次數(shù)為350，

7、最小輸出活化閾值為0。
　　4、馬鈴薯分布結(jié)果及精度驗(yàn)證
　　以最優(yōu)參數(shù)分類得出的結(jié)果經(jīng)混淆矩陣精度檢驗(yàn)，達(dá)到的分類總精度為95.8675％，Kappa系數(shù)為0.9395，其中馬鈴薯的分類精度為89.18％。
　　選擇作物生育期內(nèi)多時(shí)相的Landsat-8影像進(jìn)行精度對(duì)比驗(yàn)證。影像日期分別為2016年7月4日、2016年8月5日、2016年9月22日。最終得出2016年7月4日的Landsat-8影像分類精度最高;分析

8、原因?yàn)樵摃r(shí)間距離地面實(shí)測(cè)光譜的時(shí)間最近，因此光譜特征與差異性結(jié)果最相似。
　　選擇作物生育期內(nèi)多時(shí)相的GF1影像與Landsat-8影像的分類結(jié)果進(jìn)行精度對(duì)比，結(jié)果顯示Landsat-8影像分類精度遠(yuǎn)高于多時(shí)相GF1影像的分類精度;分析原因?yàn)長(zhǎng)andsat-8影像包含的光譜信息比GF1豐富，即使空間分辨率不及，但對(duì)于馬鈴薯識(shí)別而言，光譜信息更重要。
　　與ISODATA法、最小距離法、最大似然分類法進(jìn)行分類精度對(duì)比分析，BP