【技术实现步骤摘要】
一种基于机器学习算法的植物滞尘能力检测方法
本专利技术涉及环境监测与评价
，特别是涉及一种基于机器学习算法的植物滞尘能力检测方法。
技术介绍
随着工业化和城市化的迅速发展，城市大气污染日趋严重。粉尘是城市大气污染中的主要污染物，粉尘中除含有重金属外，还含有致癌物质和细菌病毒等，对人体健康造成极大的威胁。城市绿化植物能够有效地阻滞空气中的粉尘，改善城市的生态环境质量。目前，植物的滞尘效应已成为筛选城市绿化植物的一个重要指标。因此，如何评估植物的滞尘量已成为当前研究的重点。
技术实现思路
基于此，本专利技术的目的在于，提供一种基于机器学习算法的植物滞尘能力检测方法，其具有可快速准确获取待测植物的滞尘量数据的优点。一种基于机器学习算法的植物滞尘能力检测方法，包括如下步骤：获取植物在各个波段的光谱反射率的一阶倒数以及对应的表征植物滞尘能力的滞尘量数据；计算各个波段的光谱反射率的一阶倒数和滞尘量数据的相关性系数，并根据所述相关性系数筛选获得反演波段；以反演波段对应的光谱反射率一阶倒数作为输入，以反演波段对应的滞尘量数据作为预期输出，采用grid-search算法和支持向量...
【技术保护点】
1.一种基于机器学习算法的植物滞尘能力检测方法，其特征在于，包括如下步骤：获取植物在各个波段的光谱反射率的一阶倒数以及对应的表征植物滞尘能力的滞尘量数据；计算各个波段的光谱反射率的一阶倒数和滞尘量数据的相关性系数，并根据所述相关性系数筛选获得反演波段；以反演波段对应的光谱反射率一阶倒数作为输入，以反演波段对应的滞尘量数据作为预期输出，采用grid‑search算法和支持向量机算法构建滞尘反演模型；获取待测植物在反演波段的光谱反射率的一阶倒数，并输入到滞尘反演模型中，获得滞尘量数据。
【技术特征摘要】
1.一种基于机器学习算法的植物滞尘能力检测方法，其特征在于，包括如下步骤：获取植物在各个波段的光谱反射率的一阶倒数以及对应的表征植物滞尘能力的滞尘量数据；计算各个波段的光谱反射率的一阶倒数和滞尘量数据的相关性系数，并根据所述相关性系数筛选获得反演波段；以反演波段对应的光谱反射率一阶倒数作为输入，以反演波段对应的滞尘量数据作为预期输出，采用grid-search算法和支持向量机算法构建滞尘反演模型；获取待测植物在反演波段的光谱反射率的一阶倒数，并输入到滞尘反演模型中，获得滞尘量数据。2.根据权利要求1所述的基于机器学习算法的植物滞尘能力检测方法，其特征在于，所述计算各个波段的光谱反射率的一阶倒数和对应的滞尘量数据的相关性系数的方式为：其中，rij为第i个样本中第j个波段的光谱反射率一阶导数；为第j个波段的光谱反射率一阶导数的平均值；xij为第i个样本中第j个波段的滞尘量数据；为第j个波段滞尘量数据的平均值；N为样本的数量；每个样本包括各个波段的光谱反射率的一阶倒数以及对应的滞尘量数据。3.根据权利要求2所述的基于机器学习算法的植物滞尘能力检测方法，其特征在于，所述根据相关性系数筛选获得反演波段的步骤，包括：将各个波段的相关性系数的绝对值按照由大至小的方式进行排序；筛选相关性系数的绝对值满足第一设定阈值的波段作为反演波段。4.根据权利要求3所述的基于机器学习算法的植物滞尘能力检测方法，其特征在于，所述获取植物在各个波段的光谱反射率的一阶倒数的步骤，包括：获取植物的光谱反射率，并对光谱反射率进行预处理；对预处理后的光谱反射率进行光谱变换，获得各个波段的光谱反射率的一阶倒数。5.根据权利要求4所述的基于机器学习算法的植物滞尘能力检测方法，其特征在于，所述对光谱反射率进行预处理的步骤，包括：获取植物的光谱反射率，并剔除误差超过第一设定阈值的光谱反射率，之后将剩余的光谱反射率数据求平均，以平均值作为植物的光谱反射率；对所述植物的光谱反射率采用就近原则除以对应的白板值，作为植物的实际光谱反射率；根据植物的...
【专利技术属性】
技术研发人员：周霞，周成虎，杨骥，张晨，荆文龙，王重洋，
申请(专利权)人：广州地理研究所，
类型：发明
国别省市：广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。