您好,欢迎访问北京市农林科学院 机构知识库!

多信息融合的冬小麦地上鲜生物量检测研究

文献类型: 中文期刊

作者: 郑玲 1 ; 朱大洲 2 ; 董大明 1 ; 张保华 1 ; 王成 1 ; 赵春江 1 ;

作者机构: 1.北京农业信息技术研究中心

2.农业部食物与营养发展研究所

关键词: 多信息融合;偏最小二乘回归;冠层光谱;机器视觉;冬小麦;生物量

期刊名称: 光谱学与光谱分析

ISSN: 1000-0593

年卷期: 2016 年 36 卷 06 期

页码: 1818-1825

收录情况: EI ; SCI ; 北大核心 ; CSCD

摘要: 将小麦冠层光谱与小麦冠层图像或者侧面图像进行多信息融合,对冬小麦地上鲜生物量进行预测,提高了冬小麦地上鲜生物量无损检测精度,试验获取苗期93个样本的冠层光谱和冠层图像,中后期(拔节期、抽穗期、开花期、灌浆期)200个样本的冠层光谱和侧面图像。将光谱反射率作为光谱特征参数,并通过图像处理提取小麦覆盖度作为图像特征参数,建立苗期和中后期基于光谱特征参数和图像特征参数的地上生物量检测模型,将冠层光谱反射率和小麦覆盖度作为多信息融合的输入,利用多元回归分析(MRA)和偏最小二乘法(PLS)建立地上鲜生物量预测模型并进行验证。结果表明,在苗期和中后期,将光谱信息和图像信息融合,采用PLS所建立的预测模型与单独的图像模型和光谱模型相比精度最高。苗期基于信息融合所建立的PLS模型验证集R~2为0.881,其RMSE为0.015kg;中后期基于信息融合所建立的PLS模型验证集R~2为0.791,RMSE为0.059kg。由此可见,相比单一的光谱模型和图像模型,图像信息和光谱信息融合之后,充分提高了光谱信息和图像信息的利用率,使模型的精度得以提高。

  • 相关文献

[1]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

[2]基于近地高光谱与TM遥感影像的冬小麦冠层含水量反演. 程晓娟,杨贵军,徐新刚,陈天恩,王冬. 2014

[3]利用多角度光谱数据探测冬小麦氮素含量垂直分布方法研究. 杨绍源,黄文江,梁栋,黄林生,杨贵军,张东彦,蔡淑红. 2015

[4]基于光谱指数的冬小麦变量施肥效应研究. 蒋阿宁,黄文江,赵春江,刘克礼,刘良云,王纪华. 2007

[5]新植被水分指数的冬小麦冠层水分遥感估算. 程晓娟,杨贵军,徐新刚,陈天恩,李振海,冯海宽,王冬. 2014

[6]不同灌溉条件下冬小麦冠层含水量的光谱响应. 孙乾,顾晓鹤,孙林,王淼,周龙飞,杨贵军,李卫国,束美艳. 2019

[7]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

[8]不同生育期冬小麦植株氮含量遥感反演方法比较. 杨福芹,李蕊,冯海宽,李天驰,王果. 2023

[9]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

[10]基于多传感器信息融合的组培苗生长统计模型. 吴琼,王成,朱大洲,马明建,王纪华. 2010

[11]基于AquaCrop模型的北京地区冬小麦水分利用效率. 邢会敏,徐新刚,冯海宽,李振海,杨福芹,杨贵军,贺鹏,陈召霞. 2016

[12]基于随机森林算法的冬小麦生物量遥感估算模型对比. 岳继博,杨贵军,冯海宽. 2016

[13]融合无人机光谱信息与纹理信息的冬小麦生物量估测. 刘畅,杨贵军,李振海,汤伏全,王建雯,张春兰,张丽妍. 2018

[14]利用光谱指数进行冬小麦变量施肥的可行性及其效益评价. 梁红霞,赵春江,黄文江,马友华,刘良云,王纪华,薛绪掌. 2005

[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

[17]基于无人机数码影像的冬小麦生物量估算. 杨福芹,杨佳琪,陈旭阳,冯海宽,石帅杰,黄倩倩. 2022

[18]基于无人机影像与GA-BP神经网络的生物量估算. 杨福芹,李天驰,冯海宽,解鹏,陈超,高磊磊. 2023

[19]基于多传感器信息融合的组培苗生长统计模型. 吴琼,王成,朱大洲,马明建,王纪华. 2010

[20]冠层光谱的多项式分析及生化参量反演. 颜春燕,刘强,牛铮,王纪华,黄文江,刘良云. 2005

作者其他论文 更多>>