多光谱与热红外数据融合在冬小麦产量估测中的应用

文献类型： 中文期刊

第一作者： 兰铭

作者： 兰铭;费帅鹏;禹小龙;李雷;夏先春;肖永贵;孟亚雄

作者机构：

关键词： 无人机;多光谱;热红外;支持向量机;估产;冬小麦

期刊名称： 麦类作物学报

ISSN： 1009-1041

年卷期： 2021 年 12 期

页码： 1564-1572

收录情况： 北大核心 ; CSCD

摘要： 为了解多光谱与热红外数据融合对冬小麦产量估测精度的影响,以30个黄淮麦区冬小麦品种为材料,利用三种灌溉处理(处理1、处理2和处理3灌水量分别为240、190和145mm)下冬小麦拔节期、挑旗期、抽穗期与灌浆期的无人机多光谱和热红外动态数据,构造了多个光谱指数,以支持向量机构建冬小麦产量估测模型,并验证其精度。结果表明,植被指数与籽粒产量的相关性受溉水量影响,处理1下植被指数与籽粒产量均呈正相关,处理2下植被指数除土壤调整植被指数(SAVI)和转化叶绿素吸收反射指数(TCARI)外均与籽粒产量呈正相关,处理3下植被指数与籽粒产量均呈负相关。通过多光谱和热红外数据融合构建的冬小麦产量估测模型的预测精度比仅使用多光谱数据构建的模型提高8%。不同灌溉条件下,通过多光谱与热红外数据融合构建的模型的预测精度存在差异,在处理1、处理2和处理3下拔节期、挑旗期、抽穗期和灌浆期验证决定系数(r~2)最高值分别为0.63、0.68和0.56,均方根误差(RMSE)最低值分别为0.60、0.24和0.41t·hm~(-2),且在三种灌溉条件下灌浆期预测效果均最佳。因此,利用无人机光谱对小麦品种产量估测时应将多光谱与热红外数据融合,用支持向量机(SVM)算法构建产量估测模型,且模型在灌浆期具有较高预测精度。

分类号： S512.11`S127

  • 相关文献

[1]无人机影像光谱和纹理融合信息估算马铃薯叶片叶绿素含量. 陈鹏,冯海宽,李长春,杨贵军,杨钧森,杨文攀,刘帅兵. 2019

[2]基于低空无人机影像光谱和纹理特征的棉花氮素营养诊断研究. 陈鹏飞,梁飞. 2019

[3]基于无人机多光谱遥感的玉米LAI估算研究. 贺佳,王来刚,郭燕,张彦,杨秀忠,刘婷,张红利. 2021

[4]基于无人机多光谱的棉花育种材料FPAR估测. 唐中杰,王来刚,郭燕,张彦,张红利,杨秀忠,贺佳. 2021

[5]基于无人机多光谱影像的夏玉米叶片氮含量遥感估测. 魏鹏飞,徐新刚,李中元,杨贵军,李振海,冯海宽,陈帼,范玲玲,王玉龙,刘帅兵. 2019

[6]基于无人机平台的稻纵卷叶螟为害程度遥感监测. 田明璐,班松涛,袁涛,王彦宇,马超,李琳一. 2020

[7]基于无人机多光谱影像的蔬菜种植监测技术研究. 田明璐,班松涛,袁涛,王彦宇,马超,李琳一. 2020

[8]融合无人机多光谱和纹理特征的马铃薯LAI估算. 李健,江洪,罗文彬,麻霞,张雍. 2023

[9]基于无人机的果园冠层图像采集装置设计. 刘晖,李兆雄,詹杰,杨有泉. 2018

[10]基于植被指数的烤烟精准追肥研究. 边立丽,艾栋,张云贵,刘青丽,常乃杰,冯文强,陈玉蓝,龙潭,陈曦,杨雪,江鸿,李志宏. 2023

[11]2022年内蒙古无人机马铃薯图像数据集. 胡天赐,王瑞利,蒋呈祥,白涛,胡林,王晓丽,郭雷风. 2023

[12]基于无人机多光谱技术的池塘水质分析与可视化设计. 陆玉婷,段金荣. 2024

[13]基于无人机多光谱影像与机器学习算法的棉花冠层叶绿素含量估算研究. 赵鑫,李朝阳,王洪博,刘江凡,江文格,赵泽艺,王兴鹏,高阳. 2024

[14]无人机遥感的农作物精细分类研究进展. 田甜,王迪,曾妍,张影,黄青. 2020

[15]融合无人机光谱信息与纹理特征的棉花叶面积指数估测. 邵亚杰,汤秋香,崔建平,李晓娟,王亮,林涛. 2023

[16]利用无人机影像监测不同生育阶段玉米群体株高的精度差异分析. 杨进,明博,杨飞,许红根,李璐璐,高尚,刘朝巍,王克如,李少昆. 2021

[17]基于无人机多光谱的夏玉米叶绿素含量反演研究. 王丹,赵朋,孙家波,牛鲁燕,刘炳福. 2021

[18]病害胁迫下玉米LAI遥感反演研究. 刘帅兵,金秀良,冯海宽,聂臣巍,白怡,程明瀚. 2023

[19]基于无人机高光谱遥感的太行山经济林树种识别研究. 孙一丹,杨晓楠,张海涛,张爱军,庞立欣,郭艳超,郭雪涛,梁欣. 2024

[20]基于无人机低空高光谱遥感影像的柑橘黄龙病植株监测模型. 李敏,覃泽林,兰宗宝,方辉,余圣新,莫小香,谢国雪,曾志康. 2023

作者其他论文 更多>>

微信小程序