[发明专利]基于PSO-ELM的粳稻冠层叶绿素含量反演模型方法在审
| 申请号： | 201810564338.8 | 申请日： | 2018-06-04 |
| 公开（公告）号： | CN109030378A | 公开（公告）日： | 2018-12-18 |
| 发明（设计）人： | 于丰华;许童羽;曹英丽;周长献;郭忠辉 | 申请（专利权）人： | 沈阳农业大学 |
| 主分类号： | G01N21/25 | 分类号： | G01N21/25;G01J3/28 |
| 代理公司： | 沈阳铭扬联创知识产权代理事务所(普通合伙) 21241 | 代理人： | 吕敏 |
| 地址： | 110866 辽宁省沈阳市*** | 国省代码： | 辽宁;21 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于PSO‑ELM的粳稻冠层叶绿素含量反演模型方法，步骤为：获取高光谱影像数据；对获取的数据进行高光谱数据提取；对获取的高光谱数据信息进行特征波段提取，作为叶绿素含量反演模型的输入变量；测定采集的粳稻冠层叶片叶绿素的含量，作为叶绿素含量反演模型的输入变量；采用基于粒子群优化的极限学习机模型(PSO‑ELM)建立粳稻冠层叶绿素含量的反演模型。本发明使用连续投影算法提取特征波段，利用PSO‑ELM建立粳稻叶绿素含量估算模型，将SPA提取的特征波段为自变量，现场采样的粳稻冠层叶片叶绿素含量为因变量，其决定系数R2为0.887，RMSE为0.783，展现了良好的预测能力。 | ||
| 搜索关键词： | 叶绿素 粳稻 反演模型 冠层 冠层叶片 输入变量 特征波段 自变量 高光谱数据信息 连续投影算法 高光谱数据 极限学习机 粒子群优化 含量估算 提取特征 现场采样 影像数据 预测能力 高光谱 因变量 波段 采集 | ||
【主权项】：
1.一种基于PSO‑ELM的粳稻冠层叶绿素含量反演模型方法，其特征在于：包括如下步骤：S1:获取高光谱影像数据：采用无人机内置高光谱成像仪进行粳稻冠层数据采集；对获取的数据‑高光谱遥感影像进行高光谱数据提取；S2：对获取的粳稻冠层高光谱数据信息进行特征波段提取，作为叶绿素含量反演模型的输入变量；S3:测定采集的粳稻冠层叶片叶绿素的含量，作为叶绿素含量反演模型的输入变量；S4：采用基于粒子群优化的极限学习机模型(PSO‑ELM)建立粳稻冠层叶绿素含量的反演模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于沈阳农业大学，未经沈阳农业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810564338.8/，转载请声明来源钻瓜专利网。
- 上一篇：具有改进的错误检测的色度分析仪
- 下一篇：一种内墙涂料耐污渍性能的测试方法
