基于GF-1/2卫星数据的冬小麦叶面积指数反演

被引：13

作者：

吾木提艾山江 ^{[1
,2
,3
]}

买买提沙吾提 ^{[1
,2
,4
]}

陈水森 ^{[3
]}

李丹 ^{[3
]}

机构：

[1] 新疆大学资源与环境科学学院

[2] 新疆绿洲生态教育部重点实验室

[3] 广州地理研究所

[4] 新疆智慧城市与环境建模普通高校重点实验室

来源：

作物学报 | 2020年 / 46卷 / 05期

关键词：

GF-1/2影像; 植被指数; 叶面积指数; 灰色关联度分析; 遥感反演;

D O I：

暂无

中图分类号：

S512.11 []; S127 [遥感技术在农业上的应用];

学科分类号：

0901 ; 082804 ;

摘要：

叶面积指数（leafareaindex,LAI）是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期（起身期、拔节期、开花期）实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明, GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR（modifiedsimpleratio）、GNDVI（greennormalizeddifference vegetationindex）、EVI（enhancedvegetationindex）与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVIGF-1、GSRGF-1 （green simple ratio）、NDVIGF-1 （normalized difference vegetation index）建立的PLSR （partial least squares regression）模型R2最大,均为0.783, PLSR模型的RMSE小于二次多项式模型,说明该多变量模型的稳定性优于单变量模型;同一个生育期不同影像相比,基于GF-2的NDVIGF-2建立的二次多项式模型和基于NDVIGF-2、MSRGF-2、SAVIGF-2 （soil-adjusted vegetation index）建立的PLSR模型精度高于基于GF-1的2种模型, R2分别为0.768和0.809;不同生育期反演的LAI分布图表明,LAI反演值与实测LAI值基本吻合。以上研究结果说明国产高分辨率遥感影像在农作物生理参数反演中有一定的应用价值,可以为以后的相关研究提供一定的参考。

引用

页码：787 / 797

页数：11

共 28 条

[11]

农作物叶面积指数反演方法研究[D]. 孙涛.南京信息工程大学. 2013

[12]

作物理化参数遥感定量反演[M]. 科学出版社 , 黄文江, 2017

[13]

生态环境参数遥感协同反演与同化模拟[M]. 科学出版社 , 张显峰, 2014

[14]

Unmanned Aerial System (UAS)-based phenotyping of soybean using multi-sensor data fusion and extreme learning machine[J] . Maitiniyazi Maimaitijiang,Abduwasit Ghulam,Paheding Sidike,Sean Hartling,Matthew Maimaitiyiming,Kyle Peterson,Ethan Shavers,Jack Fishman,Jim Peterson,Suhas Kadam,Joel Burken,Felix Fritschi.ISPRS Journal of Photogrammetry and Remote Sensin . 2017

[15]

Grey Correlation Analysis on Travel Modes and their Influence Factors[J] . Shanshan Fang,Xinsheng Yao,Junqi Zhang,Meng Han.Procedia Engineering . 2017

[16]

Optimization of a straw ring-die briquetting process combined analytic hierarchy process and grey correlation analysis method[J] . Xianfei Xia,Yu Sun,Kai Wu,Qinghai Jiang.Fuel Processing Technology . 2016

[17]

Estimating chlorophyll with thermal and broadband multispectral high resolution imagery from an unmanned aerial system using relevance vector machines for precision agriculture[J] . Manal Elarab,Andres M Ticlavilca,Alfonso F. Torres-Rua,Inga Maslova,Mac McKee.International Journal of Applied Earth Observatio . 2015

[18] Estimation of crop LAI using hyperspectral vegetation indices and a hybrid inversion method [J].

Liang, Liang ;

Di, Liping ;

Zhang, Lianpeng ;

Deng, Meixia ;

Qin, Zhihao ;

Zhao, Shuhe ;

Lin, Hui .

REMOTE SENSING OF ENVIRONMENT, 2015, 165 :123-134

[19]

Spatial non-stationarity and scale-dependency of prediction accuracy in the remote estimation of LAI over a tropical rainforest in Sulawesi, Indonesia[J] . Pavel A. Propastin.Remote Sensing of Environment . 2009 (10)

[20]

On the need to observe vegetation canopies in the near-infrared to estimate visible light absorption[J] . B. Pinty,T. Lavergne,J.-L. Widlowski,N. Gobron,M.M. Verstraete.Remote Sensing of Environment . 2008 (1)

← 1 2 3 →