机器学习算法在高光谱感知作物信息中的应用及展望

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...

Full description

Saved in:
Bibliographic Details
Published in中国农业气象 Vol. 44; no. 11; pp. 1057 - 1071
Main Authors 赵金龙, 张学艺, 李阳
Format Journal Article
LanguageChinese
Published 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,银川 750002 2023
Subjects
高光谱遥感
Deep learning
机器学习
偏最小二乘法
农作物
Crops
深度学习
Machine learning
Partial least squares
Hyperspectral remote sensing
Online AccessGet full text
ISSN1000-6362
DOI10.3969/j.issn.1000-6362.2023.11.007

Cover

More Information
Summary: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.
ISSN:1000-6362
DOI:10.3969/j.issn.1000-6362.2023.11.007