基于多源遥感数据的大豆叶面积指数估测精度对比

文献类型： 中文期刊

第一作者： 高林

作者： 高林;李长春;王宝山;杨贵军;王磊;付奎

作者机构：

关键词： 多源遥感数据;无人机;叶面积指数;植被指数;经验回归模型;反演

期刊名称： 应用生态学报

ISSN： 1001-9332

年卷期： 2016 年 27 卷 01 期

页码： 191-200

收录情况： 北大核心 ; CSCD

摘要： 近年来遥感技术的革新促使遥感源越来越丰富.为分析多源遥感数据的叶面积指数(LAI)估测精度,本文以大豆为研究对象,利用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合地面实测LAI构建经验回归模型,比较3类遥感数据(地面高光谱数据、无人机多光谱影像以及高分一号WFV影像)对大豆LAI的估测能力,并从传感器几何位置和光谱响应特性以及像元空间分辨率三方面分析讨论了3类遥感数据的LAI反演差异.结果表明:地面高光谱数据模型和无人机多光谱数据模型都可以准确预测大豆LAI(在α=0.01显著水平下,R~2均>0.69,RMSE均<0.40);地面高光谱RVI对数模型的LAI预测能力优于无人机多光谱NDVI线性模型,但两者差异不大(E_A相差0.3%,R~2相差0.04,RMSE相差0.006);高分一号WFV数据模型对研究区内大豆LAI的预测效果不理想(R~2<0.30,RMSE>0.70).针对星、机、地三类遥感信息源,地面高光谱数据在反演LAI方面较传统多光谱数据有优势但不突出;16 m空间分辨率的高分一号WFV影像无法满足田块尺度作物长势监测的需求;在保证获得高精度大豆LAI预测值和高工作效率的前提条件下,基于无人机遥感的农情信息获取技术不失为一种最佳试验方案.在当今可用遥感信息源越来越多的情况下,农业无人机遥感信息可成为指导田块精细尺度作物管理的重要依据,为精准农业研究提供更科学准确的信息.

分类号： S127`S565.1

  • 相关文献

[1]基于支持向量机回归的冬小麦叶面积指数遥感反演. 梁栋,管青松,黄文江,黄林生,杨贵军. 2013

[2]基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用. 高林,杨贵军,李长春,冯海宽,徐波,王磊,董锦绘,付奎. 2017

[3]基于无人机遥感影像的大豆叶面积指数反演研究. 高林,杨贵军,王宝山,于海洋,徐波,冯海宽. 2015

[4]无人机遥感在作物监测中的应用研究进展. 田婷,张青,张海东. 2020

[5]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

[6]基于ACRM模型不同时期冬小麦LAI和叶绿素反演研究. 李宗南,陈仲新,王利民,姜志伟. 2012

[7]基于热点效应的不同株型小麦LAI反演. 赵娟,张耀鸿,黄文江,景元书,彭代亮. 2014

[8]棉花叶面积指数冠层反射率光谱响应及其反演. 柏军华,李少昆,王克如,张小均,肖春华,隋学艳. 2007

[9]基于GF-1数据的冬小麦不同生育期叶面积指数反演. 侯学会,王猛,梁守真,隋学艳. 2018

[10]基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较. 刘轲,周清波,吴文斌,陈仲新,唐华俊. 2016

[11]物理模型光谱模拟误差对冬小麦叶面积指数高光谱反演的影响. 周清波,吴文斌,陈仲新,夏天,王思,唐华俊. 2016

[12]基于GF-1数据的冬小麦不同生育期叶面积指数反演. 侯学会,王猛,梁守真,隋学艳. 2018

[13]基于叶面积指数的肇东市玉米长势遥感监测研究. 张国庆. 2013

[14]基于多载荷无人机遥感的大豆地上鲜生物量反演. 陆国政,杨贵军,赵晓庆,王艳杰,李长春,张小燕. 2017

[15]基于无人机高光谱和数码影像数据的冬小麦生物量反演. 李天驰,冯海宽,朱贝贝,范园园,金丽妍,成倩,李倩雨. 2020

[16]基于无人机高光谱遥感数据的冬小麦生物量估算. 陶惠林,冯海宽,徐良骥,杨贵军,杨小冬,苗梦珂,刘明星. 2020

[17]基于无人机数码影像的马铃薯生物量估算. 刘杨,冯海宽,黄珏,孙乾,杨福芹. 2020

[18]不同植被指数和无人机航高对草地盖度估测精度的影响. 伏帅,张勇辉,李佳吕,王萌榛,彭璐,冯琦胜,梁天刚. 2021

[19]融合多因子的无人机高光谱遥感冬小麦产量估算. 谢瑞,杨福芹,冯海宽,李天驰. 2023

[20]利用光谱空间特征估算马铃薯植株氮含量. 樊意广,冯海宽,刘杨,边明博,赵钰,杨贵军,钱建国. 2023

作者其他论文 更多>>

微信小程序