机器学习算法在高光谱感知作物信息中的应用及展望 |
| |
引用本文: | 赵金龙,张学艺,李阳.机器学习算法在高光谱感知作物信息中的应用及展望[J].中国农业气象,2023(11):1057-1071. |
| |
作者姓名: | 赵金龙 张学艺 李阳 |
| |
作者单位: | 中国气象局旱区特色农业气象灾害监测预警与风险管理重点实验室/宁夏气象防灾减灾重点实验室/宁夏回族自治区气象科学研究所 |
| |
基金项目: | 宁夏自然科学基金项目(2023AAC03798); |
| |
摘 要: | 机器学习作为一种统计学与计算机科学相结合的新兴技术,近年来在作物信息获取任务中得到广泛应用。传统的作物信息获取方式主要依靠化学检测法,测定过程耗时、耗力。基于机器学习算法和高光谱遥感技术能够通过无损的方式,快速感知作物外观及内部理化参数,具有明显的应用优势和发展前景。本文对国内外作物信息高光谱遥感相关研究进行系统性梳理。总结了不同机器学习算法在高光谱感知作物信息中的应用及优缺点,归纳了机器学习算法建模的不确定性,指出高光谱感知作物信息的未来发展趋势为,通过多源遥感协同观测实现作物信息获取方式互补,发展高光谱遥感与作物模型同化技术、高光谱遥感与人工智能深度融合技术,从而实现面向作物全生育期的关键信息智能化获取与决策。
|
关 键 词: | 机器学习 深度学习 偏最小二乘法 农作物 高光谱遥感 |
|