Resumen

Los cambios en la cubierta terrestre provocarn cambios en las caractersticas climticas y medioambientales, lo que tiene una importante influencia en la economa social y el ecosistema. La principal forma de cubierta terrestre son los distintos tipos de suelo. En comparacin con los mtodos tradicionales, la tecnologa de espectroscopia visible e infrarroja cercana puede clasificar diferentes tipos de suelo de forma rpida, eficaz y no destructiva. Basndose en la tecnologa de espectroscopia de infrarrojo cercano visible, este artculo toma como ejemplo el suelo de seis tipos diferentes de cubierta terrestre en Qingdao, China: huertos, bosques, plantaciones de t, tierras de cultivo, tierras desnudas y pastizales, y establece un modelo de clasificacin de red neuronal convolucional. Se analizan los resultados de clasificacin de distintos nmeros de muestras de entrenamiento y se comparan con el algoritmo de la mquina de vectores soporte. Con la condicin de que el algoritmo KennardStone divida el conjunto de calibracin, los resultados de clasificacin de seis tipos de suelo diferentes y de seis tipos de suelo individuales mediante la red neuronal convolucional son mejores que los de la mquina de vectores de soporte. Con la condicin de dividir aleatoriamente el conjunto de calibracin segn la proporcin de 1/3 y 1/4, los resultados de clasificacin de la red neuronal convolucional tambin son mejores. El objetivo de este estudio es analizar la viabilidad de la clasificacin de la cubierta terrestre con muestras pequeas mediante la red neuronal convolucional y, de acuerdo con el algoritmo de aprendizaje profundo, explorar nuevos mtodos para la clasificacin rpida, no destructiva y precisa de la cubierta 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