收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于Hyperion影像的玉米叶面积指数反演

翟羽娟  
【摘要】:玉米作为农作物代表之一,其种植面积在农作物种植面积中居第三位,仅次于小麦和水稻。玉米不仅是重要的粮食作物,同时也是重要的饲料和工业原料,其产值是我国国民经济的重要组成部分。因此,对玉米长势进行研究具有重要意义。而叶面积指数(LAI)是用来反映植物叶面数量和监测病虫害的有效参数,是表征植被长势和预测作物产量的重要参数,在植被农作物定量遥感方面起到重要作用。 本文以吉林省长春市西部的合心镇与合隆镇玉米生产区为实验区,利用冠层分析仪WinScanopy地面实测30个样地的玉米叶面积指数(LAI),利用GPS定位技术将野外实测数据与高光谱Hyperion影像相对应,从影像上获取光谱指标,并将其与LAI进行相关分析。由于高光谱数据具有波段多、光谱分辨率高、波段宽度窄等特点。因此,借助MATLAB软件编程,选取遥感影像上较敏感的光谱指标,以此作为自变量,分别构建定量估测LAI的一元回归模型、基于主成分分析的多元逐步回归模型,并用检验样本对估测模型的结果进行精度验证,选出最优估测模型,利用该模型反演并制图获取研究区玉米叶面积指数。经实验证实,高光谱遥感可以实现大范围、快速、较精确的获取玉米叶面积指数。根据以上研究可以得出以下结论: (1)运用10种一元线性与非线性统计回归模型,对提取的敏感光谱波段进行分析,将单波段反射率及其一阶微分作为因子与玉米LAI建立回归关系。在研究波段范围内,单波段反射率与LAI相关性最好的模型是在波段为894.9nm处的三次多项式回归模型,其相关系数R为0.66,对模型进行精度验证,相对误差为7.491%。而经过光谱一阶微分与LAI相关性最好的模型是在波段为732.1nm的二次多项式回归模型,其相关系数R为0.68,模型的相对误差为4.169%。由上看出,对原始光谱经过一阶微分处理后,与LAI的相关性提高,回归模型的误差也相对减少,估测精度显著提高。 (2)在进行植被指数分析过程中,共选取五种植被指数,通过MATLAB软件编程,选取组合植被指数较好的波段,其中组成NDVI、RVI与MSR植被指数的波段分别为752.4nm与701.5nm,而SAVI与MSAVI则选取823.7nm与701.5nm波段。经过一元回归分析得出:以SAVI为自变量的指数函数回归模型Y=1.171e1.064x的相关系数最高为0.674,估测结果的相对误差为2.901%,估测精度高于以单波段为自变量的回归模型。将五种植被指数进行多元回归分析时,首先基于主成分分析理论,在保证信息量损失最小的情况下,对原变量进行降维,经处理以五种因子为自变量的原始变量,可以提取两个主成分,且这两个主成分的累计贡献率达到99.064%,保证了原数据的信息几乎没有损失,经过主成分分析得到的多元逐步回归模型Y=2.796+0.052*F1+0.04*F2(F1、F2代表提取的两个主成分),相对误差为3.123%,其估测精度低于以SAVI植被指数为自变量的回归模型。 (3)对各回归模型进行分析,其估测精度均在90%以上,其中以SAVI为自变量的指数回归模型的估测精度最高,利用此回归模型来反演研究区玉米叶面积指数,并绘制成图。 通过研究可知:利用遥感影像对玉米LAI进行快速、高精度、大范围的定量估测是可行的,这将有力地推动我国粮食作物遥感理论的研究与应用。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 陈拉;黄敬峰;王秀珍;;不同传感器的模拟植被指数对水稻叶面积指数的估测精度和敏感性分析[J];遥感学报;2008年01期
2 赵传燕;沈卫华;彭焕华;王超;;青海云杉林叶面积指数空间分布模拟——以祁连山区排露沟流域为例[J];兰州大学学报(自然科学版);2009年05期
3 吴彤;倪绍祥;李云梅;蒋建军;陈健;;基于植被信息遥感反演的东亚飞蝗监测研究[J];地理与地理信息科学;2006年02期
4 林文鹏;赵敏;张翼飞;柳云龙;刘冬燕;高峻;;基于SPOT5遥感影像的城市森林叶面积指数反演[J];测绘科学;2008年02期
5 吴朝阳;牛铮;;基于辐射传输模型的高光谱植被指数与叶绿素浓度及叶面积指数的线性关系改进[J];植物学通报;2008年06期
6 陈崇;朱延君;李显风;居为民;;不同叶面积指数遥感反演方法对红壤丘陵区森林的适用性分析[J];江西农业大学学报;2011年03期
7 程乾;;基于MOD09产品的水稻叶面积指数和叶绿素含量的遥感估算模型[J];应用生态学报;2006年08期
8 杨晓华;黄敬峰;王秀珍;王福民;;基于支持向量机的水稻叶面积指数高光谱估算模型研究[J];光谱学与光谱分析;2008年08期
9 汪小钦;江洪;傅银贞;;森林叶面积指数遥感研究进展[J];福州大学学报(自然科学版);2009年06期
10 刘晓臣;范闻捷;田庆久;徐希孺;;不同叶面积指数反演方法比较研究[J];北京大学学报(自然科学版);2008年05期
11 夏学齐,田庆久,杜凤兰;遥感提取叶面积指数的地形影响分析[J];遥感信息;2004年02期
12 尹芳;江东;刘磊;;基于环境星HSI影像的草地叶面积指数反演[J];遥感技术与应用;2011年03期
13 王昊鹏;宋凤斌;赵凯;;针对植被虚拟仿真的LAI反演研究[J];农业系统科学与综合研究;2010年03期
14 丹利;谢明;;基于MODIS资料的贵州植被叶面积指数的时空变化及其对气候的响应[J];气候与环境研究;2009年05期
15 姚延娟;陈良富;柳钦火;刘强;杜永明;李小文;;基于波谱知识库的MODIS叶面积指数反演及验证[J];遥感学报;2006年06期
16 李刚;杨志勇;钦佩;;高光谱遥感数据估算蓖麻初级生产力主要参数研究[J];中国农业科技导报;2009年05期
17 周彬;陈良富;舒晓波;;FPAR的Monte Carlo模拟研究[J];遥感学报;2008年03期
18 王军战;鲍艳松;张友静;屈建军;张伟民;;K-T变换在监测小麦地表参数中的应用[J];地理与地理信息科学;2010年03期
19 武佳丽;顾行发;余涛;孟庆岩;武尚君;;基于SAIL模型的HJ-1卫星LAI反演算法研究[J];微计算机信息;2010年10期
20 骆知萌,田庆久,惠凤鸣;用遥感技术计算森林叶面积指数——以江西省兴国县为例[J];南京大学学报(自然科学版);2005年03期
中国重要会议论文全文数据库 前10条
1 蒙继华;陈雪洋;吴炳方;杜鑫;钮立明;张飞飞;;利用Hyperion数据进行环境星CCD植被指数真实性检验[A];遥感定量反演算法研讨会摘要集[C];2010年
2 谭炳香;李增元;庞勇;曹斌;;多角度高光谱CHRIS数据森林叶面积指数估测研究[A];遥感定量反演算法研讨会摘要集[C];2010年
3 孟丹;李小娟;韩洁;;基于PROSAIL模型-BP神经网络的森林叶面积指数反演[A];地理学核心问题与主线——中国地理学会2011年学术年会暨中国科学院新疆生态与地理研究所建所五十年庆典论文摘要集[C];2011年
4 李云梅;王秀珍;;用模型分析的方法探讨水稻冠层结构变化对冠层反射光谱的影响[A];第十四届全国遥感技术学术交流会论文摘要集[C];2003年
5 詹远增;王迪峰;毛志华;;基于Hyperion卫星高光谱影像的溢油信息提取研究[A];第八届成像光谱技术与应用研讨会暨交叉学科论坛文集[C];2010年
6 林文鹏;赵敏;柳云龙;刘冬燕;张翼飞;高峻;;基于SPOT5表观反射率的城市森林叶面积指数估测研究[A];中国地理学会2007年学术年会论文摘要集[C];2007年
7 王正海;曾长育;胡光道;;基于波谱匹配的Hyperion数据大气校正方法对比研究[A];遥感定量反演算法研讨会摘要集[C];2010年
8 徐阳;秦俊;高凯;宋坤;胡永红;;上海市几种主要园林树木叶面积指数相关研究[A];中国观赏园艺研究进展 2009[C];2009年
9 宋金玲;王锦地;刘小青;吴门新;;植被真实场景的模拟与建库[A];中国地理信息系统协会第八届年会论文集[C];2004年
10 陈芳;周志翔;肖荣波;钟颖飞;;城市园林绿地绿量的定量研究——以武钢厂区绿地为例[A];生态学与全面·协调·可持续发展——中国生态学会第七届全国会员代表大会论文摘要荟萃[C];2004年
中国博士学位论文全文数据库 前10条
1 骆社周;激光雷达遥感森林叶面积指数提取方法研究与应用[D];中国地质大学(北京);2012年
2 张婷婷;基于PLS模型的农业土壤成分高光谱遥感反演研究[D];吉林大学;2010年
3 朱高龙;植被叶面积指数与叶片聚集度系数遥感反演方法研究[D];南京大学;2011年
4 陈健;东亚飞蝗发生区芦苇LAI的遥感反演及其尺度效应研究[D];南京师范大学;2006年
5 姚付启;冬小麦高光谱特征及其生理生态参数估算模型研究[D];西北农林科技大学;2012年
6 谭炳香;高光谱遥感森林类型识别及其郁闭度定量估测研究[D];中国林业科学研究院;2006年
7 仝慧杰;森林生物量遥感反演建模基础与方法研究[D];北京林业大学;2007年
8 李继红;科尔沁奈曼土地荒漠化程度遥感评价研究[D];东北林业大学;2007年
9 李刚;呼伦贝尔温带草地FPAR/LAI遥感估算方法研究[D];中国农业科学院;2009年
10 王臣立;雷达与光学遥感结合在森林净初级生产力研究中应用[D];中国科学院研究生院(遥感应用研究所);2006年
中国硕士学位论文全文数据库 前10条
1 翟羽娟;基于Hyperion影像的玉米叶面积指数反演[D];吉林大学;2013年
2 陈雪洋;基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究[D];中南大学;2009年
3 柳萍萍;基于Hyperion数据的森林类型识别[D];中南林业科技大学;2012年
4 刘衍宏;基于高光谱Hyperion数据的粘土矿信息提取应用研究[D];中国地质大学(北京);2010年
5 曾庆伟;基于Hyperion高光谱数据的森林类型精细识别研究[D];中国林业科学研究院;2010年
6 周燕;基于Hyperion数据的浅海地形和海洋光学参数反演方法研究[D];中国海洋大学;2010年
7 周洪奎;黄淮海平原典型区夏玉米叶面积指数遥感估算研究[D];南京大学;2013年
8 杨曦光;高光谱数据提取森林冠层叶绿素及氮含量的研究[D];东北林业大学;2010年
9 张倩;基于高光谱遥感的冬小麦植被反射特征及叶面积指数的监测模型研究[D];西北农林科技大学;2011年
10 赵丽芳;利用Hypeion高光谱遥感数据估测森林叶面积指数[D];北京林业大学;2007年
中国重要报纸全文数据库 前10条
1 陈建明;VIA主板的“加速器”[N];中国计算机报;2002年
2 吴晓伟;Hyperion深挖BPM的中国价值[N];计算机世界;2003年
3 本报记者 吴萍;布道BPM[N];计算机世界;2004年
4 王涵涵;如虎添翼[N];中国电脑教育报;2003年
5 ;Hyperion Essbase分析型应用软件平台[N];中国计算机报;2002年
6 本报记者 吴晓伟;挖掘BI决策支持能力[N];计算机世界;2004年
7 本报记者 吴晓伟;完整BPM应用要兼具五个特征[N];计算机世界;2004年
8 付勇;商业智能水急流湍[N];计算机世界;2004年
9 ;老工业解困 信息化打气[N];计算机世界;2003年
10 王涵涵;挖掘身边的宝藏[N];中国电脑教育报;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978