| 基于无人机高光谱遥感的冬小麦株高和叶面积指数估算 |
| |
| 引用本文： | 陶惠林,徐良骥,冯海宽,杨贵军,代阳,牛亚超.基于无人机高光谱遥感的冬小麦株高和叶面积指数估算[J].农业机械学报,2020,51(12):193-201. |
| |
| 作者姓名： | 陶惠林 徐良骥 冯海宽 杨贵军 代阳 牛亚超 |
| |
| 作者单位： | 北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室,北京100097;安徽理工大学测绘学院,淮南232001;北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室,北京100097;国家农业信息化工程技术研究中心,北京100097;北京农业信息技术研究中心农业农村部农业遥感机理与定量遥感重点实验室,北京100097;北京市农业物联网工程技术研究中心,北京100097 |
| |
| 基金项目： | 广东省重点领域研发计划项目（2019B020214002）和国家自然科学基金项目（41601346、41871333） |
| |
| 摘 要： | 为了快速、准确地估算叶面积指数（LAI），通过无人机搭载成像高光谱相机，获取了冬小麦3个生育期的影像数据，从中提取出株高（Hcsm）。首先，分析了植被指数、Hcsm与LAI的相关性，挑选出最优植被指数；然后，分别构建了单个参数的LAI线性估算模型；最后，以植被指数、植被指数结合Hcsm为模型输入因子，采用偏最小二乘回归方法构建LAI估算模型。结果表明：通过无人机高光谱遥感影像提取的Hcsm精度较高（R2=0.95）；在不同生育期，大部分植被指数和Hcsm均与LAI呈0.01显著相关水平；基于最优植被指数结合Hcsm估算LAI的精度优于仅基于最优植被指数或Hcsm的估算精度；以植被指数、植被指数结合Hcsm为输入变量，通过偏最小二乘回归构建的LAI估算模型在开花期估算精度达到最高，并且以植被指数结合Hcsm为自变量估算LAI的能力更佳（建模R2=0.73，RMSE为0.64）。本研究方法可以提高LAI估算精度，为农业管理者提供参考。
|
| 关 键 词： | 冬小麦 叶面积指数 株高 高光谱 植被指数 偏最小二乘 |
| 收稿时间： | 2020/7/19 0:00:00 |
Estimation of Plant Height and Leaf Area Index of Winter Wheat Based on UAV Hyperspectral Remote Sensing |
| |
| TAO Huilin,XU Liangji,FENG Haikuan,YANG Guijun,DAI Yang,NIU Yachao.Estimation of Plant Height and Leaf Area Index of Winter Wheat Based on UAV Hyperspectral Remote Sensing[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(12):193-201. |
| |
| Authors: | TAO Huilin XU Liangji FENG Haikuan YANG Guijun DAI Yang NIU Yachao |
| |
| Abstract: | |
| |
| Keywords: | winter wheat leaf area index plant height hyperspectral vegetation index partial least squares regression |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
