Resumen

En el contexto de la detección de malas hierbas en cultivos para el control de malas hierbas específico del sitio, las mediciones de reflectancia espectral en el suelo son el primer paso para determinar el potencial de los datos espectrales remotos para clasificar malas hierbas y cultivos. Se realizaron estudios de campo durante cuatro años en diferentes ubicaciones en España. Nuestro objetivo era distinguir las malas hierbas crucíferas en los cultivos de trigo y haba, utilizando lecturas hiperespectrales y multiespectrales en el espectro visible y cercano al infrarrojo. Para identificar diferencias en la reflectancia entre las malas hierbas crucíferas, aplicamos tres métodos de clasificación: análisis discriminante paso a paso (STEPDISC) y dos redes neuronales, específicamente, perceptrón multicapa (MLP) y función de base radial (RBF). Las firmas hiperespectrales y multiespectrales de las malas hierbas crucíferas, y los cultivos de trigo y haba, pueden ser clasificadas utilizando el análisis

• Materias:Energías renovables Hidrocarburos Infección Enfermedades mentales Tumor
• Subjects:Renewable energy Hydrocarbons Infection Mental illness Tumor
• Palabras claves:Detección; Malezas; Cultivos; Reflectancia espectral; Métodos de clasificación; Redes neuronales
• Keywords:Detection; Weeds; Crops; Spectral reflectance; Classification methods; Neural networks