基于Hyperion高光谱影像的冬小麦地上干生物量反演

文献类型： 中文期刊

第一作者： 任建强

作者： 任建强;吴尚蓉;刘斌;陈仲新;刘杏认;李贺

作者机构：

关键词： 冬小麦;生物量;高光谱遥感;敏感波段;植被指数

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2018 年 04 期

页码： 199-211

收录情况： EI ; 北大核心 ; CSCD

摘要： 在黄淮海粮食主产区选择河北省衡水市深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:NNDVI、N-RVI、N-DVI。其中,以波段B18(波长528.57 nm)、波段B82(波长962.91 nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%。

分类号： S127`S512.11

  • 相关文献

[1]冬小麦鲜生物量估算敏感波段中心及波宽优选. 刘斌,任建强,陈仲新,唐华俊,吴尚蓉,李贺. 2016

[2]不同生育时期冬小麦籽粒蛋白质含量的高光谱遥感监测模型. 贺佳,刘冰峰,黎世民,郭燕,王来刚,张彦,李军. 2017

[3]基于高光谱遥感的冬小麦叶水势估算模型. 陈智芳,宋妮,王景雷,孙景生. 2017

[4]应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算. 付元元,王纪华,杨贵军,宋晓宇,徐新刚,冯海宽. 2013

[5]冬小麦生物量高光谱遥感监测模型研究. 贺佳,刘冰峰,郭燕,王来刚,郑国清,李军. 2017

[6]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

[7]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

[8]高光谱遥感在植被理化信息提取中的应用动态. 谭昌伟,王纪华,黄文江,刘良云,黄义德,严伟才. 2005

[9]融合可见光-近红外与短波红外特征的新型植被指数估算冬小麦LAI. 李鑫川,鲍艳松,徐新刚,金秀良,张竞成,宋晓宇. 2013

[10]基于高光谱数据的滴灌甜菜叶绿素含量估算. 李宗飞,苏继霞,费聪,李阳阳,刘宁宁,樊华,陈兵. 2020

[11]草地地上生物量高光谱遥感估算研究. 乌兰吐雅,包刚,乌云德吉,黄明祥,杭玉玲,包玉海. 2015

[12]基于花后累积地上生物量比例的冬小麦动态收获指数估算. 张宁丹,任建强,吴尚蓉. 2022

[13]基于敏感波段的冬小麦氮素营养高光谱诊断. 杨福芹,冯海宽,刘小强,李天驰,谢瑞,周龙,高磊磊. 2023

[14]高光谱遥感在草原监测中的应用进展. 周磊,辛晓平,李刚,杨桂霞. 2008

[15]花生叶鲜生物量的高光谱估算模型. 颜丙囤,侯学会,梁守真,王猛,陈振,隋学艳. 2017

[16]高光谱遥感在草原监测中的应用. 周磊,辛晓平,李刚,杨桂霞,张宏斌. 2009

[17]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

[18]青藏高原草地生物量遥感动态监测. 方金,黄晓东,王玮,于惠,马琳雅,梁天刚. 2011

[19]基于MODIS的青藏高原牧草生长季草地生物量动态. 杜玉娥,刘宝康,郭正刚. 2011

[20]基于高光谱特征参数的棉花长势参数监测. 金秀良,李少昆,王克如,肖春华,王方永,陈兵,陈江鲁,吕银亮,刁万英,王琼,王楷. 2011

作者其他论文 更多>>

微信小程序