您好，欢迎访问北京市农林科学院 机构知识库！
北京市农林科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于无人机高光谱和数码影像数据的冬小麦生物量反演

文献类型： 中文期刊

作者： 李天驰 1 ; 冯海宽 2 ; 朱贝贝 1 ; 范园园 1 ; 金丽妍 1 ; 成倩 1 ; 李倩雨 1 ;

作者机构： 1.河南工程学院土木工程学院

2.国家农业信息化工程技术研究中心

关键词： 无人机;冬小麦;生物量;植被指数

期刊名称： 现代农业科技

ISSN： 1007-5739

年卷期： 2020 年 020 期

页码： 1-5

摘要： 生物量是作物生长过程中重要的生物参数之一,能较好地反映作物长势情况.本研究获取了冬小麦开花期数码影像数据、高光谱数据和实测生物量数据,运用相关性分析筛选出对冬小麦生物量相关性高的数码影像指数和植被指数,分别使用多元线性回归分析和逐步回归分析法建立生物量反演估算模型,最后将最优模型估算结果进行可视化空间分析.结果表明,与冬小麦生物量相关性高的数码影像指数有VARI、MGRVI、b等,植被指数有NDVI、SR、LCI、OSAVI等.建立的冬小麦生物量反演模型估算效果较好,其中精度最高的模型为高光谱数据多元线性回归模型,其验证模型均方根误差为0.904 1 t/hm2.可视化处理结果能直观地显示试验区冬小麦生物量分布情况,为生长监测及种植管理提供有效依据.

  • 相关文献

[1]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

[2]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

[3]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

[4]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

[5]基于无人机数码影像的冬小麦株高和生物量估算. 陶惠林,徐良骥,冯海宽,杨贵军,杨小冬,苗梦珂,代阳. 2019

[6]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

[7]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

[8]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

[9]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

[10]基于无人机影像的农业景观非农生境信息提取. 张微微,王超,丁喜莲,李晓娜,邹俊亮. 2024

[11]基于高分辨率无人机影像的喷药除草效果评估. 琚书存,汪志存,张东彦,杜世州,黄林生,杨小冬. 2019

[12]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

[13]基于高光谱响应与模拟模型的冬小麦变量追氮研究. 蒋阿宁,黄文江,王纪华,刘克礼,赵春江,刘良云. 2007

[14]基于生长度日的冬小麦植株氮浓度监测. 赵钰,李振海,杨贵军,王建雯,段丹丹,杨武德,冯美臣. 2019

[15]基于面积指数的植株氮含量遥感估算. 杨福芹,冯海宽,谢瑞,韩佩佩,戴渝心,蔡国盛,金丽妍. 2020

[16]冬小麦白粉病冠层光谱特征解析与病情指数反演. 范友波,顾晓鹤,王双亭,杨贵军,王磊,王立志,陈召霞. 2017

[17]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

[18]扫描成像光谱仪和地物光谱仪在单叶尺度上的对比研究. 张东彦,宋晓宇,马智宏,杨贵军,黄文江,王纪华. 2010

[19]基于高光谱维数约简与植被指数估算冬小麦叶面积指数的比较. 付元元,杨贵军,冯海宽,徐新刚,宋晓宇,王纪华. 2012

[20]利用无人机高光谱估算冬小麦叶绿素含量. 冯海宽,陶惠林,赵钰,杨福芹,樊意广,杨贵军. 2022

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：北京市农林科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台