文献

J-GLOBAL ID：201702262396073170   整理番号：17A1983909

異なる栽植密度におけるタバコ葉面積指数の高スペクトル推定モデル【JST・京大機械翻訳】

Estimating Model for Leaf Area Index of Tobacco via Hyperspectral Reflectance at Different Planting Densities

著者 (1件)： Jia Fangfang (商丘師范学院生命与食品学院,河南商丘 476000;鄭州大学信息工程学院,鄭州 450002)
資料名： Zhongguo Yancao Kexue  (Zhongguo Yancao Kexue)
巻： 38  号： 4  ページ： 37-43  発行年： 2017年 
JST資料番号： C2787A  ISSN： 1007-5119  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： タバコ葉面積指数(LAI)は,それらの成長を予測し,収量を予測するための重要な指標である。ハイパースペクトルリモートセンシングを用いて,LAIの迅速な非破壊監視を実現することができた。タバコのLAI推定の最適スペクトル指数とモニタリングモデルを確立するために,異なる栽植密度処理を設定し,圃場観測とハイパースペクトルリモートセンシング技術を組み合わせて,10の植生指数を抽出し,分析した。次に,二次多項式モデル,対数モデル,段階的回帰モデル(SMLR),およびBPニューラルネットワークを用いて,タバコLAIを推定した。結果により、NDVI、RVI、MCARI、GM1、GNDVI2とPSSRbなどの植生指数はタバコLAIといずれも極めて著しい正相関があり、相関係数はいずれも0.80より大きいことが明らかになった。タバコLAIの二次多項式モデル,対数モデル,逐次回帰モデル(SMLR)とBPニューラルネットワークモデルの決定係数R2は,それぞれ0.69,0.57,0.89と0.90であった。4つのモデルの平均二乗誤差(RMSE)は,それぞれ0.69,0.87,0.62と0.44であった。これらの結果は,SMLRとBPニューラルネットワークのLAIが理想的な結果を得ることを示し,BPニューラルネットワークの精度が最も高く,誤差が最小で,タバコLAIの検索に適している。この結果は、異なる栽植密度レベルでタバコLAIの精確なモニタリングを実現するために、技術サポートと地域の参考を提供することができる。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 相関係数 ,  スペクトル推定 ,  回帰モデル ,  対数 ,  順相 ,  *葉面積指数 ,  *栽植密度 ,  *たばこ
準シソーラス用語： 平均二乗誤差 ,  決定係数 ,  逆伝播ニューラルネットワーク ,  多項式モデル ,  植生指標 ,  スペクトル指数 ,  ハイパースペクトル・リモートセンシング , 【Automatic Indexing@JST】

著者キーワード (5件)： planting density ,  LAI ,  hyperspectral ,  tobacco ,  prediction model

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  リモートセンシング一般  (AD04000L) ,  写真測量,空中写真  (RC02040D)

タイトルに関連する用語 (5件)： 栽植密度 ,  タバコ ,  葉面積指数 ,  スペクトル ,  推定モデル