收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于“天-空-地”多源遥感数据的小麦叶面积指数反演

吾木提·艾山江  
【摘要】:农作物的叶面积指数(Leaf Area Index,LAI)决定了作物的生长、光合有效辐射(PAR,photosynthetically active radiation)的吸收比例、生物量和产量。因此,准确、快速地估算LAI有助于更好地监测农作物。在以往的研究中,基于遥感反演LAI较多的趋向于单一遥感数据的应用,很少涉及到多源遥感数据协同反演LAI。鉴于目前可用的遥感数据越来越多,干旱区农作物LAI的研究较少,建立协同多源遥感数据反演农作物LAI模型及选取适合干旱区反演农作物LAI的最佳尺度显得尤为重要。本研究选择不同生育期冬小麦为研究对象,开展天-空-地综合遥感监测实验,分析不同生育期冬小麦冠层光谱特征,利用植被指数法建立反演不同生育期冬小麦LAI的单变量和多变量回归模型,并对其进行验证。针对反演结果,进行冬小麦LAI空间尺度转换,选取较适合本研究的反演尺度。本研究主要结论如下:1)与常用高光谱植被指数相比,新型优化光谱指数与LAI间的相关性有了较明显的提高,模型精度也有了一定的提高,其中基于光谱一阶导数的RSI_(FD)(627,774)(ratio spectral index)建立的二次多项式模型建模效果优于其他模型,决定系数(R~2)达到了0.809,说明基于光谱一阶导数算得的新型光谱指数对冬小麦拔节期的LAI有更好的指示作用;基于无人机数码影像参数VARI(visible atmospherically resistant index)、RGBVI(red green blue vegetation index)、B(DN value of blue channel)、GLA(green leaf algorithm)的多变量偏最小二乘回归(PLSR)模型的稳定性和预测能力都较好,R~2、均方根误差(RMSE)和相对预测偏差(RPD)分别为0.776、0.468和1.838,RPD处在1.4~2间,说明该模型可以对冬小麦LAI进行反演,反演精度不如基于地面高光谱植被指数建立的反演模型;基于GF-1/2宽波段植被指数建立的反演模型中,基于GF-2多变量建立的PLSR模型精度高于基于GF-1的模型精度,R~2达到了0.809,说明该多变量模型的稳定性优于单变量模型。2)与基于单一遥感数据建立的估算模型相比,基于RSI_(FD)(627,774)、VARI_(UAV)、GNDVI_(GF-1)(green normalized difference vegetation index)建立的“天-空-地”协同反演模型的预测效果达到了最佳,验证组R~2、RPD分别达到了0.840、2.430,说明基于“天-空-地”多源遥感数据协同反演冬小麦LAI的模型稳定性和预测能力都达到了较好水平,能够更好地进行冬小麦LAI的反演。3)对冬小麦LAI进行升尺度转换发现,点-3cm的尺度转换效果较好,适合于本研究的升尺度转换,验证后R~2达到了0.66;面—面升尺度转换效果不佳,尺度转换后出现了对拔节期冬小麦LAI的低估现象。综合考虑尺度转换结果后,本研究确定无人机3cm空间尺度为适合本研究的最佳空间尺度。本文主要从空间尺度进行冬小麦LAI的研究,今后可以加入光谱尺度,利用无人机多光谱、高光谱数据,激光雷达数据、卫星高光谱影像数据等进行小麦LAI的深入研究。


知网文化
【相似文献】
中国期刊全文数据库 前19条
1 吴双丽;邓巍;吴桂芳;;精准施药中叶面积指数探测研究[J];农机化研究;2017年07期
2 武威;孙启洵;周平;李瑞;陈雯;刘涛;;稻麦叶面积指数估算系统设计[J];中国农机化学报;2017年09期
3 翟羽娟;张艳红;刘兆礼;刘宝江;;基于主成分分析的植被指数与叶面积指数相关性研究[J];测绘与空间地理信息;2015年09期
4 张红卫;陈怀亮;;冬小麦叶面积指数动态变化的监测方法及其应用[J];灌溉排水学报;2014年02期
5 翟书华;王斌;苏源;岑晓江;张飞梦;;波叶海菜花不同居群叶面积指数的变化及分析[J];北方园艺;2014年09期
6 麻雪艳;周广胜;;春玉米最大叶面积指数的确定方法及其应用[J];生态学报;2013年08期
7 吴婧;;关于茶树叶面积指数和叶面积覆盖指数的探讨[J];茶叶科学;2012年06期
8 陆秀明;黄庆;孙雪晨;张铁民;刘怀珍;钟旭华;李惠芬;黄农荣;田卡;;图像处理技术估测水稻叶面积指数的研究[J];中国农学通报;2011年03期
9 白莎;池宝亮;黄学芳;樊文华;樊修武;;玉米栽培因子与叶面积指数模型研究初探[J];干旱地区农业研究;2010年02期
10 赵丽芳;谭炳香;杨华;李增元;;高光谱遥感森林叶面积指数估测研究现状[J];世界林业研究;2007年02期
11 王志贤;贺志强;李新裕;;不同密度种植新海14叶面积指数动态变化[J];甘肃农业;2006年03期
12 曹宏鑫;董玉红;王旭清;许金芳;高亮之;;不同产量水平小麦最适叶面积指数动态模拟模型研究[J];麦类作物学报;2006年03期
13 周宇宇,唐世浩,朱启疆,李江涛,孙睿,刘素红;长白山自然保护区叶面积指数测量及结果[J];资源科学;2003年06期
14 涂修亮,胡秉民,程功煌,陈建,吴文华;小麦叶面积指数变化的模拟[J];作物研究;1999年01期
15 张宝权,周风兰,田淑芳,金石芬,陈泽光;喷洒玉米壮丰灵对玉米叶面积指数与其丰产性能的影响[J];延边农学院学报;1995年04期
16 于强,傅抱璞,姚克敏;水稻叶面积指数的普适增长模型[J];中国农业气象;1995年02期
17 田佩占,王继安,孙志强;大豆短叶柄性状的遗传[J];大豆科学;1988年04期
18 董德民,王俊福;大棚黄瓜种植密度与叶面积的关系[J];中国蔬菜;1988年03期
19 刘晓冰 ,刘晓昱;作物生长速率分析[J];农业系统科学与综合研究;1988年02期
中国重要会议论文全文数据库 前10条
1 陈雪洋;蒙继华;吴炳方;朱建军;纽立明;杜鑫;;基于环境星高光谱数据红边参数的冬小麦叶面积指数反演[A];遥感定量反演算法研讨会摘要集[C];2010年
2 刘倩;;2000-2010年三江源地区MODIS叶面积指数及FPAR产品验证分析[A];遥感定量反演算法研讨会摘要集[C];2010年
3 孙永华;宫辉力;李小娟;浦瑞良;周德民;;基于高光谱的三江平原湿地叶面积指数反演研究[A];遥感定量反演算法研讨会摘要集[C];2010年
4 万华龙;刘连涛;张永江;李存东;孙红春;;去果枝对棉花冠层结构和产量分布的影响[A];2017年中国作物学会学术年会摘要集[C];2017年
5 夏帆;;基于MODIS数据的长江流域生态环境质量评价[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
6 兰安军;蒋幸萤;易兴松;;基于遥感参数反演的山地城市植被对大气污染响应研究——以贵阳市为例[A];2017中国环境科学学会科学与技术年会论文集(第一卷)[C];2017年
7 姜志伟;陈仲新;任建强;;基于ACRM辐射传输模型的植被叶面积指数遥感反演[A];2010年中国农业资源与区划学会学术年会论文集[C];2010年
8 袁媛;瑚波;武兴厚;赵婷;;夏玉米植被指数与叶面积指数的关系研究[A];第33届中国气象学会年会 S14 提升气象科技创新能力,保障农业丰产增效[C];2016年
9 赵春江;黄文江;王纪华;杨敏华;;不同品种、肥水条件下冬小麦光谱红边参数研究[A];成像光谱技术与应用研讨会论文集[C];2002年
10 潘寅辉;虞敏之;胡建军;黄树荣;盛方清;;四季竹叶面积指数与竹笋产量关系的研究[A];第三届浙江中西部科技论坛论文集(第三卷 林业分卷)[C];2006年
中国博士学位论文全文数据库 前10条
1 宋佳音;利用半球图像反演森林冠层叶面积指数的方法研究[D];东北林业大学;2017年
2 蔡庆空;基于小波变换的冬小麦叶面积指数与叶绿素含量遥感反演[D];中国矿业大学(北京);2015年
3 王强;基于多角度混合模型的长白山地区针叶林区叶面积指数反演[D];东北林业大学;2009年
4 柏军华;棉田管理信息的遥感提取研究[D];中国农业科学院;2009年
5 邵方丽;冀北山地典型森林植被与土壤成分的空间异质性关系研究[D];北京林业大学;2012年
6 谢巧云;考虑红边特性的多平台遥感数据叶面积指数反演方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年
7 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
8 夏繁茂;节约型园林植物的应用与优化研究[D];南京林业大学;2012年
9 刁明;温室甜椒生长发育模拟模型的研究[D];南京农业大学;2008年
10 胡琦;内蒙古地区多时间尺度气候变化及草地叶面积动态响应研究[D];中国农业大学;2016年
中国硕士学位论文全文数据库 前10条
1 吾木提·艾山江;基于“天-空-地”多源遥感数据的小麦叶面积指数反演[D];新疆大学;2019年
2 张岩博;基于LiDAR与遥感影像对玉米叶面积指数反演的方法研究[D];新疆大学;2019年
3 王雅鑫;基于叶面积指数的内蒙古四子王旗荒漠草原植被动态分析[D];内蒙古师范大学;2019年
4 马宇龙;基于PROSAIL模型的闽三角地区叶面积指数反演研究[D];福建师范大学;2018年
5 牛小桃;水蚀风蚀交错区典型植被叶面积指数动态变化及其对冠层截留量的影响[D];中国科学院大学(中国科学院教育部水土保持与生态环境研究中心);2019年
6 刘金然;基于无人机遥感影像的棉花主要生长参数反演[D];山东师范大学;2019年
7 程康平;基于吸收峰特征的叶面积指数反演研究[D];杭州电子科技大学;2018年
8 贾洁琼;基于GF-2卫星夏玉米不同生育期叶面积指数反演方法研究[D];西北大学;2018年
9 王永杰;福州市城市公园绿地主要树种叶面积指数特征及影响因子研究[D];福建农林大学;2018年
10 郭嵩;基于普莱亚影像纹理信息对川西南山地阔叶林有效叶面积指数的研究[D];四川农业大学;2017年
中国重要报纸全文数据库 前5条
1 李梅;蔬菜变化密植可增产[N];瓜果蔬菜报.农业信息周刊;2005年
2 石家庄市农科院 王忠义 赵敬霞;谈谈标杂棉的整枝和化控[N];河北科技报;2003年
3 ;玉米持续增产的六项措施[N];山西科技报;2005年
4 记者 段昊书 通讯员 程路 曹云;今夏全国森林长势为近5年最差[N];中国气象报;2015年
5 围场满族蒙古族自治县农牧局 梁宏宇;蔬菜变化密植增产技术[N];河北科技报;2016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