er菜(Amaranthus palmeri S.Wats。)入侵对全美国的棉花(Gossypium hirsutum L.)生产系统造成了负面影响。 这项研究的目的是评估冠层高光谱窄带数据作为随机森林机器学习算法的输入,以区分棉花中的distinguish菜。 该研究着重于将Palmer mar菜与棉花的近等基因系(铜,绿和黄叶)区分开来。 使用分光辐射计在两个不同的日期(2016年12月12日和2017年5月14日)获取Palmer mar菜和棉花冠层的高光谱反射率测量。数据是从温室中种植的植物中收集的。 将光谱数据汇总到提议用于研究植被和农作物的24个高光谱窄带。 这些带由随机森林(cforest)的条件推断版本进行了测试,以区分Palmer mar菜和棉花。 分类为二进制:Palmer mar菜和棉青铜,Palmer mar菜和棉绿,Palmer mar菜和棉黄。 分类准确性已通过总体,用户和生产者的准确性进行验证。 对于这两个日期的总和,总体准确性介于77.8%至88.9%之间。 相对于棉黄色分类,Palmer mar菜红的整体准确性最高(2016年12月12日为88.9%;
2024-01-14 20:28:40
492KB
机器学习
1