UAV高光谱影像联合SULOV_XGBoost算法的柑橘果树精细分类方法
肖斌1,2, 何宏昌1, 窦世卿1,*, 范冬林1, 付波霖1, 张洁1, 熊远康1, 史今科1

A Fine Classification Method of Citrus Fruit Trees Based on UAV Hyperspectral Images and SULOV_XGBoost Algorithm
XIAO Bin1,2, HE Hong-chang1, DOU Shi-qing1,*, FAN Dong-lin1, FU Bo-lin1, ZHANG Jie1, XIONG Yuan-kang1, SHI Jin-ke1
18个重要特征排序 d()代表对应波段的一阶微分拐点值; 550、 516、 581、 596分别代表(b5-b2)/b4、 b5/b1、 (b3-b1)/b2、 (b5-b1)/(b4-b2)的波段组合方式, 其中b1、 b2、 b3、 b4和b5分别代 表553 、 673、 762、 926和975 nm波长范围; 38和16代表初始光谱在第538和447 nm处对应的光谱值; Bri代表亮度; Mean3和Mean12分辨代表改进红边比值植被指数mSR705和类胡萝卜素反射指数CRI2