排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
快速准确地测量土壤含水量在农业、水文、生态等领域的应用至关重要,数字图像技术测量土壤含水量因其具有廉价、快速和不破坏土体的优势成为研究的热点。基于手机相机获取的数字图像,提取了R、G、B、H、S、V和DN 7种图像特征参数,并利用与土壤含水量相关性较大的图像特征参数R、V和DN构建了BP神经网络和遗传算法优化的BP神经网络土壤含水量反演模型,来获取高精度的土壤含水量数值。结果显示：将BP神经网络和遗传算法用于数字图像技术,均可提高数字图像技术测量土壤含水量的精度,其中BP神经网络土壤含水量反演模型的决定系数(R2)可达到0.940～0.972,均方根误差(RMSE)为0.936%～1.694%;遗传算法优化的BP神经网络土壤含水量反演模型的R2可达到0.976～0.993,RMSE为0.559%～0.878%,遗传算法优化的BP神经网络模型用于数字图像技术反演土壤含水量的R2更接近1,RMSE更小,精度更高。同类型研究中提出的多元线性模型的R2介于0.60和0.96,RMSE介于1.11%和7.00%,与其相比,研究模型的预测精度和稳定性更高... 相似文献
1