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
收藏
页码：113 / 120
页数：8
相关论文
共 33 条
  • [11] Low-weight and UAV-based Hyperspectral Full-frame Cameras for Monitoring Crops: Spectral Comparison with Portable Spectroradiometer Measurements[J] . Georg Bareth,Helge Aasen,Juliane Bendig,Martin Leon Gnyp,Andreas Bolten,András Jung,René Michels,Jussi Soukkam?ki.PFG Photogrammetrie, Fernerkundung, Geoinformatio . 2015 (1)
  • [12] Angular Dependency of Hyperspectral Measurements over Wheat Characterized by a Novel UAV Based Goniometer
    Burkart, Andreas
    Aasen, Helge
    Alonso, Luis
    Menz, Gunter
    Bareth, Georg
    Rascher, Uwe
    [J]. REMOTE SENSING, 2015, 7 (01) : 725 - 746
  • [13] Assessing Wheat Yellow Rust Disease through Hyperspectral Remote Sensing[J] . G. Krishna,R. N. Sahoo,S. Pargal,V. K. Gupta,P. Sinha,S. Bhagat,M.S. Saharan,R. Singh,C. Chattopadhyay.ISPRS - International Archives of the Photogramme . 2014 (1)
  • [14] HyperUAS-Imaging Spectroscopy from a Multirotor Unmanned Aircraft System
    Lucieer, Arko
    Malenovsky, Zbynek
    Veness, Tony
    Wallace, Luke
    [J]. JOURNAL OF FIELD ROBOTICS, 2014, 31 (04) : 571 - 590
  • [15] Direct Georeferencing of Ultrahigh-Resolution UAV Imagery
    Turner, Darren
    Lucieer, Arko
    Wallace, Luke
    [J]. IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING, 2014, 52 (05): : 2738 - 2745
  • [16] Comparing hyperspectral index optimization algorithms to estimate aerial N uptake using multi-temporal winter wheat datasets from contrasting climatic and geographic zones in China and Germany[J] . Fei Li,Bodo Mistele,Yuncai Hu,Xinping Chen,Urs Schmidhalter.Agricultural and Forest Meteorology . 2013
  • [17] Estimation of leaf area index in onion （ Allium cepa L.） using an unmanned aerial vehicle[J] . Juan I. Córcoles,Jose F. Ortega,David Hernández,Miguel A. Moreno.Biosystems Engineering . 2013 (1)
  • [18] Remote estimation of crop and grass chlorophyll and nitrogen content using red-edge bands on Sentinel-2 and -3[J] . J.G.P.W. Clevers,A.A. Gitelson.International Journal of Applied Earth Observations and Geoinformation . 2012
  • [19] Assessment of unmanned aerial vehicles imagery for quantitative monitoring of wheat crop in small plots
    Lelong, Camille C. D.
    Burger, Philippe
    Jubelin, Guillaume
    Roux, Bruno
    Labbe, Sylvain
    Baret, Frederic
    [J]. SENSORS, 2008, 8 (05) : 3557 - 3585
  • [20] A new technique for extracting the red edge position from hyperspectral data: The linear extrapolation method[J] . Moses Azong Cho,Andrew K. Skidmore.Remote Sensing of Environment . 2006 (2)
1234