无人机观测时间对玉米冠层叶绿素密度估算的影响

文献类型： 中文期刊

第一作者： 周丽丽

作者： 周丽丽;冯海宽;聂臣巍;许晓斌;刘媛;孟麟;薛贝贝;明博;梁齐云;苏涛;金秀良

作者机构：

关键词： 冠层叶绿素密度;观测时间;机器学习;PROSAIL模型;玉米

期刊名称： 浙江农业学报

ISSN： 1004-1524

年卷期： 2024 年 36 卷 001 期

页码： 18-31

收录情况： 北大核心 ; CSCD

摘要： 为探讨不同时间获取的无人机多光谱数据对玉米冠层叶绿素密度(canopy chlorophyll density,CCD)估算的影响,分别在玉米抽雄吐丝期、籽粒建成期、乳熟期和蜡熟期选择同一天的 10:00-10:59、11:00-11:59、13:00-13:59 和14:00-14:59 进行无人机多光谱观测试验,并结合PROSAIL模型模拟结果与实测CCD数据,分析一天中不同时刻典型植被指数的变化规律及CCD估算结果的差异.结果表明:在同一天中,无人机玉米冠层反射率和与实测CCD相关性较好的植被指数值均随时间变化,近红外波段的反射率变化最明显,越接近12:00,实测的植被指数值越低,而在一天的不同时间PROSAIL模型模拟的植被指数值几乎没有差异.在同一天,基于不同观测时间获取的同一植被指数与实测CCD的相关性存在较大差异,且不同生育时期和不同指数间的差异不一致;而模拟得到的同一植被指数与CCD的相关性在同一天不同时间的差异不明显.在不同生育时期,基于不同观测时间无人机数据构建的CCD估算模型均可以取得较好的精度,但不同观测时间的估算结果存在差异,决定系数最低的为0.53,最高的为 0.80.这些结果表明,在传统的光谱数据获取时间范围内(10:00-14:00),无人机影像获取时间仍对玉米CCD估算有影响,越接近 12:00,估算精度越高.研究结果可为后续作物的CCD精准估算提供基础支撑.

分类号： S127%TP72

  • 相关文献

[1]基于机器学习的玉米自交系杂种优势类群研究. 曹士亮,张建国,于滔,杨耿斌,李文跃,马雪娜,孙艳杰,韩微波,唐贵,单大鹏. 2025

[2]用高光谱微分指数估测条锈病胁迫下小麦冠层叶绿素密度. 蒋金豹,陈云浩,黄文江. 2010

[3]基于植被指数的叶绿素密度遥感反演建模与适用性研究. 张苏,刘良云,黄文江. 2013

[4]不同施氮量及基追比例对玉米冠层生理性状和产量的影响. 鱼欢,杨改河,王之杰. 2010

[5]PROSAIL模型在半干旱区春小麦不同干旱胁迫条件下的适用性分析. 葛丽娟,王小平,王清涛,党虹,赵传燕. 2017

[6]改进Sobol算法支持下的PROSAIL模型参数全局敏感性分析. 马建威,黄诗峰,李纪人,李小涛,宋小宁,冷佩,孙亚勇. 2016

[7]基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演. 李天驰,冯海宽,田坤云,杨福芹,杨佳琪. 2022

[8]基于PROSAIL模型的温性草甸草原FPAR遥感反演. 李刚,张华,王道龙,张宏斌,辛晓平. 2014

[9]传感器波段设置对植被遥感参数反演的影响研究. 邹寒月,毛智慧,邓磊. 2021

[10]波段宽度对利用植被指数估算小麦LAI的影响. 黄婷,梁亮,耿笛,李丽,王李娟,王树果,罗翔,杨敏华. 2020

[11]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[12]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[13]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019

[14]基于图像特征的水稻叶片全氮含量估测模型研究. 杨红云,罗建军,孙爱珍,万颖,易文龙. 2020

[15]基于机器学习的高分辨率遥感影像农业大棚提取. 马海荣,罗治情,陈聘婷,官波. 2020

[16]多源遥感数据特征优选的大兴安岭沿麓不同农作物提取. 于利峰,乌兰吐雅,李继辉,于伟卓,敦惠霞. 2020

[17]农业领域本体构建方法研究 -以番茄病虫害为例. 任妮,孙艺伟,鲍彤,郭婷. 2021

[18]基于支持向量机技术预测丙戊酸钠血药浓度. 马攀,贾运涛,刘芳,程林,王红迁,严波,陈勇川. 2021

[19]基于长短时记忆模型的包虫病爆发风险预测混合模型的建立. 陈春蓉,赵瑾,贺兆源,李家宝,陈海兰,贾耿介. 2024

[20]稀疏分层概率自组织图实例迁移学习方法. 吴蕾,田儒雅,张学福. 2016

作者其他论文 更多>>

微信小程序