多植被指数组合的冬小麦遥感估产方法研究

被引：34

作者：

王恺宁 ^{[1
]}

王修信 ^{[2
,3
]}

机构：

[1] 辽宁师范大学城市与环境学院

[2] 广西师范大学计算机科学与信息工程学院

[3] 北京师范大学地理学与遥感科学学院遥感科学国家重点实验室

来源：

干旱区资源与环境 | 2017年 / 31卷 / 07期

关键词：

遥感估产; 植被指数组合; 回归方程; 神经网络; SVM; 冬小麦;

D O I：

10.13448/j.cnki.jalre.2017.210

中图分类号：

S127 [遥感技术在农业上的应用]; S512.11 [];

学科分类号：

082804 ; 0901 ;

摘要：

为了提高大面积冬小麦农田产量快速估算的准确率,选取Landsat 8 OLI卫星遥感数据,计算归一化植被指数NDVI、比值植被指数RVI、绿度植被指数GVI、增强植被指数EVI,分别建立4种植被指数组合与地面冬小麦实测产量的回归方程或神经网络和SVM模型。结果表明:单植被指数的非线性回归方程估产精度高于线性回归方程,冬小麦实测产量与遥感植被指数表现为非线性关系;线性回归方程估产时多植被指数组合精度高于单植被指数,多植被指数组合可实现信息互补,提高遥感估产精度;建立多植被指数组合与实测产量的非线性遥感估产模型时,SVM模型的均方根误差RMSE为339.6kg·hm-2,决定系数R2为0.7852,估产精度高于BP神经网络模型、RBF神经网络模型,可应用于冬小麦遥感估产的快速、准确实现。

引用

页码：44 / 49

页数：6

共 15 条

[1] 基于时间序列LAI和ET同化的冬小麦遥感估产方法比较 [J].

黄健熙 ;

马鸿元 ;

田丽燕 ;

王鹏新 ;

刘峻明 .

农业工程学报, 2015, 31 (04) :197-203

[2] 顺序同化不同时空分辨率LAI的冬小麦估产对比研究 [J].

黄健熙 ;

李昕璐 ;

刘帝佑 ;

马鸿元 ;

田丽燕 ;

苏伟 .

农业机械学报, 2015, 46 (01) :240-248

[3] 基于净初级生产力的春小麦生产潜力及估产研究——以甘肃省白银区为例 [J].

赵军 ;

王玉纯 ;

党国锋 ;

武江民 ;

付杰文 ;

师银芳 .

干旱地区农业研究, 2015, (01) :199-204

[4] 利用有效积温提高冬小麦估产精度的研究 [J].

陈艳玲 ;

顾晓鹤 ;

董燕生 ;

胡圣武 ;

张秋阳 ;

赵静 .

麦类作物学报, 2014, 34 (08) :1130-1135

[5] 基于NOAA-NDVI的河南省冬小麦遥感估产 [J].

贺振 ;

贺俊平 .

干旱区资源与环境 , 2013, (05) :46-52

[6]

MODIS EVI时间序列数据和光谱角聚类的冬小麦遥感估产分区方法研究[J]. 朱再春,陈联裙,张锦水,潘耀忠,朱文泉,胡潭高.光谱学与光谱分析. 2012(07)

[7] 基于信息扩散和关键期遥感数据的冬小麦估产模型 [J].

朱再春 ;

陈联裙 ;

张锦水 ;

潘耀忠 ;

朱文泉 .

农业工程学报, 2011, 27 (02) :187-193+398

[8] 冬小麦遥感估产回归尺度分析 [J].

陈联裙 ;

朱再春 ;

张锦水 ;

张群 ;

潘耀忠 .

农业工程学报, 2010, 26(S1) (S1) :169-175

[9] BEPS模型在华北平原冬小麦估产中的应用 [J].

王培娟 ;

谢东辉 ;

张佳华 ;

孙睿 ;

陈声海 ;

朱启疆 .

农业工程学报, 2009, 25 (10) :148-153+366

[10]

Assimilating a synthetic Kalman filter leaf area index series into the WOFOST model to improve regional winter wheat yield estimation[J] . Jianxi Huang,Fernando Sedano,Yanbo Huang,Hongyuan Ma,Xinlu Li,Shunlin Liang,Liyan Tian,Xiaodong Zhang,Jinlong Fan,Wenbin Wu.Agricultural and Forest Meteorology . 2016

← 1 2 →