基于无人机高光谱遥感的冬小麦叶面积指数反演

被引：86

作者：

高林 ^{[1
,2
,3
,4
,5
]}

杨贵军 ^{[1
,2
,3
,4
]}

于海洋 ^{[1
,2
,3
,4
]}

徐波 ^{[1
,2
,3
,4
]}

赵晓庆 ^{[1
,2
,3
,4
]}

董锦绘 ^{[1
,2
,3
,4
,6
]}

马亚斌 ^{[1
,2
,3
,4
]}

机构：

[1] 北京农业信息技术研究中心

[2] 国家农业信息化工程技术研究中心

[3] 农业部农业信息技术重点实验室

[4] 北京市农业物联网工程技术研究中心

[5] 南京大学地理与海洋科学学院

[6] 河南理工大学测绘与国土信息工程学院

来源：

农业工程学报 | 2016年 / 32卷 / 22期

基金：

北京市自然科学基金;

关键词：

遥感; 无人机; 传感器; 叶面积指数; 红边参数; 光谱指数;

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：

082804 ;

摘要：

叶面积指数(leaf area index,LAI)是评价作物长势和预测产量的重要依据。光谱特征信息作为高光谱遥感的突出优势在追踪LAI动态变化方面极其重要;然而,围绕光谱特征信息所开展的无人机高光谱遥感反演作物LAI的相关研究鲜有报道。该文利用ASD Field Spec FR Pro 2500光谱辐射仪(ASD Field Spec FR Pro 2500 spectroradiometer,ASD)和Cubert UHD185 Firefly成像光谱仪(Cuber UHD185 Firefly imaging spectrometer,UHD185)在冬小麦试验田进行空地联合试验,基于获取的孕穗期、开花期以及灌浆期地面数据和无人机高光谱遥感数据,估测冬小麦LAI。该文选择同步获取的冬小麦冠层ASD光谱反射率数据作为评价无人机UHD185高光谱数据质量的标准,依次从光谱曲线变化趋势、光谱相关性以及目标地物光谱差异三方面展开分析,结果表明458～830 nm(第3～96波段)的UHD185光谱数据可靠,可使用其探测冬小麦LAI,这为今后无人机UHD185高光谱数据的使用提供了参考。该文研究对比分析了UHD185数据计算的红边参数和光谱指数与冬小麦LAI的相关性,结果表明:12种参数中比值型光谱指数RSI(494,610)与LAI高度正相关,是估测LAI的最佳参数;基于比值型光谱指数的对数形式lg(RSI)构建的线性模型展现出lg(RSI)与lg(LAI)较优的线性关系(决定系数R2=0.737,参与建模的样本个数n=103),且lg(LAI)预测值和lg(LAI)实测值高度拟合性(R2=0.783,均方根误差RMSE=0.127,n=41,P<0.001);该研究为利用无人机高光谱遥感数据开展相关研究积累了经验,也为发展无人机高光谱遥感的精准农业应用提供了参考。

引用

页码：113 / 120

页数：8

共 33 条

[1] 基于无人机数码影像的冬小麦叶面积指数探测研究
高林
杨贵军
李红军
李振海
冯海宽
王磊
董锦绘
贺鹏
[J]. 中国生态农业学报, 2016, (09) : 1254 - 1264
[2] 基于多源遥感数据的大豆叶面积指数估测精度对比[J]. 高林,李长春,王宝山,杨贵军,王磊,付奎.应用生态学报. 2016(01)
[3] 基于无人机遥感影像的大豆叶面积指数反演研究
高林
杨贵军
王宝山
于海洋
徐波
冯海宽
[J]. 中国生态农业学报, 2015, (07) : 868 - 876
[4] 基于数据分割与主成分分析的LAI遥感估算
董莹莹
王纪华
李存军
杨贵军
宋晓宇
顾晓鹤
黄文江
[J]. 红外与毫米波学报, 2011, 30 (02) : 124 - 130
[5] 利用红边特征参数监测小麦叶片氮素积累状况
冯伟
朱艳
姚霞
田永超
郭天财
曹卫星
[J]. 农业工程学报, 2009, 25 (11) : 194 - 201
[6] 不同氮素营养水平的水稻冠层光谱红边参数及其应用研究
王秀珍
王人潮
李云梅
沈掌泉
[J]. 浙江大学学报(农业与生命科学版), 2001, (03) : 67 - 72
[7] 高光谱数据与水稻叶面积指数及叶绿素密度的相关分析
刘伟东
项月琴
郑兰芬
童庆禧
吴长山
[J]. 遥感学报, 2000, (04) : 279 - 283
[8] 遥感应用分析原理与方法[M]. 科学出版社 , 赵英时, 2013
[9] 遥感物理[M]. 北京大学出版社 , 徐希孺编著, 2005
[10] Generating 3D hyperspectral information with lightweight UAV snapshot cameras for vegetation monitoring: From camera calibration to quality assurance[J] . Helge Aasen,Andreas Burkart,Andreas Bolten,Georg Bareth.ISPRS Journal of Photogrammetry and Remote Sensin . 2015

← 1 2 3 4 →