基于高光谱植被指数的水稻LAI遥感估算

文献类型： 中文期刊

第一作者： 张敏

作者： 张敏;郭涛;刘轲;黄平;喻君;刘仕川;刘泳伶;李源洪

作者机构：

关键词： 叶面积指数;遥感反演;植被指数;波段选择;机器学习;样本量

期刊名称： 西南农业学报

ISSN： 1001-4829

年卷期： 2022 年 011 期

页码： 2651-2658

收录情况： 北大核心 ; CSCD

摘要： 【目的】探索植被指数（VI）及其波段选择、回归建模方法、训练样本选取三方面因素对基于统计模型的水稻叶面积指数（LAI）高光谱遥感估算的影响，构建县域水稻LAI估算模型，并在四川省凉山彝族自治州昭觉县开展实证应用。【方法】本文基于不同样本量的3套训练数据，分别对增强型植被指数（EVI）、修正三角植被指数2（MTVI2）、归一化差值植被指数（NDVI）和修正比值植被指数（MSR）开展波段选择。在此基础上，以1种VI作为LAI的特征参量，试用指数回归（ER）和人工神经网络（ANN）,构建县域水稻LAI估算模型。计算LAI估算值和实测值之间的决定系数（R~2）和均方根误差（RMSE）,开展估算精度验证。【结果】（1）基于EVI或MTVI2的LAI估算精度优于NDVI和MSR。以ANN模型为例，基于优选波段的EVI和MTVI2得到的R~2分别为0.638和0.681,RMSE分别为0.554和0.519;而NDVI和MSR得到的R~2分别为0.567和0.560,RMSE分别为0.606和0.611。（2）基于各VI优选波段组合的LAI估算精度（平均R~2为0.574,平均RMSE为0.598）优于默认波段组合（平均R~2为0.424,平均RMSE为0.694）。（3）ANN模型的表现优于ER模型。在基于默认波段、优选波段的LAI估算试验中，ANN模型得到的平均R~2比ER模型分别提高40.27%和14.03%;平均RMSE分别降低11.32%和8.11%。（4）就本项目试验而言，训练样本量对基于ANN模型的LAI估测精度的影响不显著。例如，当训练样本量低至24时，基于EVI构建的ANN模型的测试精度（R~2=0.660, RMSE=0.537）,仍然优于ER模型（R~2=0.597, RMSE=0.585）。【结论】VI及其波段选择与回归建模方法对县域水稻LAI高光谱遥感估算均有明显影响。针对特定区域的目标作物，尝试利用任意可能的波段组合来计算多种VI,遴选与实测LAI相关系数最大的VI及其波段组合，有益于提高基于VI的LAI高光谱遥感估算精度。同时，即使基于小样本训练数据，机器学习算法仍有可能得出优于参数回归的结果。

分类号： S511%S127

  • 相关文献

[1]基于ACRM模型与敏感波段的农作物LAI与LCC反演. 刘轲,刘泳伶,张敏,刘仕川,任国业,吴文斌,李源洪,程武学. 2020

[2]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

[3]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

[4]主成分变换方法在叶面积指数反演中的应用分析. 苗乃哲,姚顽强,黄文江,徐新刚,张东彦,任鹏. 2012

[5]利用Beer-Lambert消光定律遥感反演玉米叶面积指数. 王双喜,束美艳,顾晓鹤,杨贵军,张继超,韩东,郭伟. 2018

[6]基于数据机理的植被叶面积指数遥感反演研究. 郭利彪,刘桂香,运向军,张勇,孙世贤. 2020

[7]PROSAIL冠层光谱模型遥感反演区域叶面积指数. 李淑敏,李红,孙丹峰,周连第. 2009

[8]不同抗感水稻品种对褐飞虱胁迫的高光谱响应特征. 杨奇欣,赖凤香,何佳春,魏琪,王渭霞,万品俊,傅强. 2024

[9]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

[10]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

[11]基于植被指数与叶面积指数的水稻生长状况监测. 田翠玲,李秉柏,郑有飞. 2005

[12]基于CASI高光谱数据的作物叶面积指数估算. 唐建民,廖钦洪,刘奕清,杨贵军,冯海宽,王纪华. 2015

[13]基于成像高光谱仪的大豆叶面积指数反演研究. 陆国政,李长春,杨贵军,于海洋,赵晓庆,张晓燕. 2016

[14]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

[15]基于多源遥感数据的大豆叶面积指数估测精度对比. 高林,李长春,王宝山,杨贵军,王磊,付奎. 2016

[16]基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演. 李鑫川,徐新刚,鲍艳松,黄文江,罗菊花,董莹莹,宋晓宇,王纪华. 2012

[17]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

[18]基于无人机高光谱遥感的冬小麦株高和叶面积指数估算. 陶惠林,徐良骥,冯海宽,杨贵军,代阳,牛亚超. 2020

[19]基于热点植被指数的冬小麦叶面积指数估算. 陈瀚阅,牛铮,黄文江,黄妮,张瀛. 2012

[20]基于冠层反射光谱的玉米LAI和地上干物重估测研究. 赵巧丽,郑国清,段韶芬,戴廷波. 2008

作者其他论文 更多>>

微信小程序