换一批基于多源遥感数据的大豆叶面积指数估测精度对比
Comparison of precision in retrieving soybean leaf area index based on multi-source remote sensing data
摘要近年来遥感技术的革新促使遥感源越来越丰富.为分析多源遥感数据的叶面积指数(LAI)估测精度,本文以大豆为研究对象,利用比值植被指数(RVI)、归一化植被指数(NDVI)、土壤调整植被指数(SAVI)、差值植被指数(DVI)、三角植被指数(TVI)5种植被指数,结合地面实测LAI构建经验回归模型,比较3类遥感数据(地面高光谱数据、无人机多光谱影像以及高分一号WFV影像)对大豆LAI的估测能力,并从传感器几何位置和光谱响应特性以及像元空间分辨率三方面分析讨论了3类遥感数据的LAI反演差异.结果表明:地面高光谱数据模型和无人机多光谱数据模型都可以准确预测大豆LAI(在α=0.01显著水平下,R2均＞0.69,RMSE均＜0.40);地面高光谱RVI对数模型的LAI预测能力优于无人机多光谱NDVI线性模型,但两者差异不大(EA相差0.3％,R2相差0.04,RMSE相差0.006);高分一号WFV数据模型对研究区内大豆LAI的预测效果不理想(R2＜0.30,RMSE＞0.70).针对星、机、地三类遥感信息源,地面高光谱数据在反演LAI方面较传统多光谱数据有优势但不突出;16 m空间分辨率的高分一号WFV影像无法满足田块尺度作物长势监测的需求;在保证获得高精度大豆LAI预测值和高工作效率的前提条件下,基于无人机遥感的农情信息获取技术不失为一种最佳试验方案.在当今可用遥感信息源越来越多的情况下,农业无人机遥感信息可成为指导田块精细尺度作物管理的重要依据,为精准农业研究提供更科学准确的信息.
更多相关知识
关键词
多源遥感数据无人机叶面积指数植被指数经验回归模型反演multi-source remote sensing dataunmanned aerial vehicle (UAV)leaf area index (LAI)vegetation indexempirical regression modelretrieving
DOI
10.13287/j.1001-9332.201601.017
发布时间
2016-03-16（万方平台首次上网日期，不代表论文的发表时间）
- 浏览171
- 被引79
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
