Resumen

Los cambios en la cobertura terrestre causarán cambios en el clima y las características ambientales, lo cual tiene una influencia importante en la economía social y el ecosistema. La forma principal de cobertura terrestre son diferentes tipos de suelo. En comparación con los métodos tradicionales, la tecnología de espectroscopia visible y de infrarrojo cercano puede clasificar diferentes tipos de suelo de manera rápida, efectiva y no destructiva. Basándose en la tecnología de espectroscopia visible e infrarrojo cercano, este artículo toma como ejemplos el suelo de seis tipos de cobertura terrestre diferentes en Qingdao, China: huertos, bosques, plantaciones de té, tierras de cultivo, terrenos baldíos y pastizales, y establece un modelo de clasificación de red neuronal convolucional. Se analizan los resultados de clasificación con diferentes cantidades de muestras de entrenamiento y se comparan con el algoritmo de máquina de vectores de soporte. Bajo la condición de que el algoritmo KennardStone divida el conjunto de calibración, los resultados de clasificación de los seis tipos de suelo diferentes y de los seis tipos de suelo individuales mediante la red neuronal convolucional son mejores que los obtenidos con la máquina de vectores de soporte. Bajo la condición de dividir aleatoriamente el conjunto de calibración según la proporción de 1/3 y 1/4, los resultados de clasificación mediante la red neuronal convolucional también son mejores. El objetivo de este estudio es analizar la viabilidad de la clasificación de cobertura terrestre con muestras pequeñas mediante redes neuronales convolucionales y, de acuerdo con el algoritmo de aprendizaje profundo, explorar nuevos métodos para la clasificación rápida, no destructiva y precisa de la cobertura terrestre.

• Materias:Fármacos Electroforesis Microespectral Raman Espectro ultravioleta Teledetección
• Subjects:Pharmaceuticals Electrophoresis Microspectral Raman Ultraviolet spectrum Remote sensing
• Palabras claves:Cambios; Cubierta terrestre; Suelo; Tecnología espectroscópica; Red neuronal convolucional; Modelo de clasificación
• Keywords:Changes; Land cover; Soil; Spectroscopy technology; Convolutional neural network; Classification model