收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

基于Sentinel-2多光谱数据的棉花叶面积指数估算

易秋香  
【摘要】:棉花叶面积指数(leaf are index, LAI)的快速、准确获取对棉花长势监测、发育期诊断、面积提取以及产量估算等遥感监测具有重要意义。该研究利用2017年和2018年的Sentinel-2多光谱卫星数据及大面积田间试验观测获取的棉花不同发育期LAI实测数据,构建了基于单波段反射率及各类植被指数的棉花不同发育期及全发育期LAI估算模型,并采用留一验证(LOOCV, leave-one-out cross validation)和交叉验证对模型精度进行了检验。结果表明:1)对于单波段反射率,基于中心波长为842 nm波宽为145 nm的B8近红外波段对不同发育期LAI估算精度最优均方根误差(RMSE, root mean square error, RMSE=0.378);2)对于各类植被指数,花蕾期(20170616)和花铃期(20170802)时增强植被指数(EVI, enhanced vegetation index,)表现最佳(RMSE分别为0.352和0.367),开花期(20180623)时校正土壤调节植被指数(MSAVI2, modified soil adjusted vegetation index 2,)估算精度最高(RMSE=0.323);3)单波段反射率和各类植被指数对全发育期LAI的估算均要优于对单个发育期LAI的估算,其中基于IRECI指数的(invertedred-edge chlorophyllindex)全发育期LAI估算模型精度最佳,LOOCV检验RMSE=0.425,交叉检验RMSE=0.368;将基于IRECI的全发育期LAI估算模型应用到单个发育期LAI估算并与各单个发育期LAI估算模型精度对比,发现交叉验证RMSE平均值仅比LOOCV验证RMSE平均值高0.07,反映了全发育期LAI估算模型良好的普适性。该研究为农作物LAI估算提供了新的数据选择,完善了Sentinel-2卫星数据在LAI估算中的应用领域。

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 易秋香;;基于Sentinel-2多光谱数据的棉花叶面积指数估算[J];农业工程学报;2019年16期
2 杜鹤娟;柳钦火;李静;杨乐;;光学与微波植被指数协同反演农作物叶面积指数的可行性分析[J];遥感学报;2013年06期
3 杨峰;范亚民;李建龙;钱育蓉;王艳;张洁;;高光谱数据估测稻麦叶面积指数和叶绿素密度[J];农业工程学报;2010年02期
4 武威;孙启洵;周平;李瑞;陈雯;刘涛;;稻麦叶面积指数估算系统设计[J];中国农机化学报;2017年09期
5 于强,傅抱璞,姚克敏;水稻叶面积指数的普适增长模型[J];中国农业气象;1995年02期
6 辛明月;殷红;陈龙;张美玲;任智勇;苗静;;不同生育期水稻叶面积指数的高光谱遥感估算模型[J];中国农业气象;2015年06期
7 熊万彩;邱权;陈天华;郑文刚;;叶面积指数间接测量方法分析[J];安徽农业科学;2013年15期
8 夏传福;李静;柳钦火;;基于MODIS叶面积指数的遥感物候产品反演方法[J];农业工程学报;2012年19期
9 郑踊谦;董恒;张城芳;黄鹏;;植被指数与作物叶面积指数的相关关系研究[J];农机化研究;2019年10期
10 孙华林;耿石英;王小燕;熊勤学;;晚播条件下基于高光谱的小麦叶面积指数估算方法[J];光谱学与光谱分析;2019年04期
11 顾祝军;刘咏梅;陆俊英;;用多辐射校正水平遥感数据提取植被叶面积指数的精度分析[J];土壤学报;2010年06期
12 苗乃哲;姚顽强;黄文江;徐新刚;张东彦;任鹏;;主成分变换方法在叶面积指数反演中的应用分析[J];安徽农业科学;2012年08期
13 郭云开;苟叶培;;路域植被叶面积指数变化遥感监测[J];遥感信息;2013年06期
14 祁漫宇;朱维斌;;叶面积指数主要测定方法和设备[J];安徽农业科学;2012年31期
15 董莹莹;王纪华;李存军;杨贵军;徐新刚;王慧芳;黄文江;;基于主成分分析的叶面积指数尺度效应[J];农业工程学报;2012年11期
16 陈中赟;盛琼;李洪权;王治海;毛智军;;单季稻叶面积指数变化特征及其与气象条件的关系[J];中国农学通报;2018年01期
17 谭昌伟,黄义德,黄文江,王纪华,赵春江,刘良云;夏玉米叶面积指数的高光谱遥感植被指数法研究[J];安徽农业大学学报;2004年04期
中国重要会议论文全文数据库 前8条
1 陈雪洋;蒙继华;吴炳方;朱建军;纽立明;杜鑫;;基于环境星高光谱数据红边参数的冬小麦叶面积指数反演[A];遥感定量反演算法研讨会摘要集[C];2010年
2 周晓双;姚霞;田永超;程涛;朱艳;曹卫星;;基于高光谱的稻麦叶面积指数监测研究[A];2014年中国作物学会学术年会论文集[C];2014年
3 姜志伟;陈仲新;任建强;;基于ACRM辐射传输模型的植被叶面积指数遥感反演[A];2010年中国农业资源与区划学会学术年会论文集[C];2010年
4 付卓;王锦地;施建成;宋金玲;靳华安;张立新;张钟军;赵少杰;陈柏松;;微波植被指数与光学植被指数在地面尺度上的关系研究[A];遥感定量反演算法研讨会摘要集[C];2010年
5 刘庆生;刘高焕;宁吉才;张敏;傅新;;翅碱蓬高光谱植被指数对土壤化学性质的响应[A];第十七届中国遥感大会摘要集[C];2010年
6 董金芳;袁媛;何慧娟;高蓓;;2001-2014年延安市叶面积指数时空变化分析[A];第32届中国气象学会年会S15 提升气象为农服务能力,保障农业提质增效[C];2015年
7 姚霞;刘勇;王妮;程涛;田永超;曹卫星;朱艳;;基于无人机遥感的小麦氮素营养和生长监测[A];2014年中国作物学会学术年会论文集[C];2014年
8 李进文;钟儒祥;赵文化;;基于MODIS植被指数的广东省农业生态分析[A];中国气象学会2006年年会“卫星遥感技术进展及应用”分会场论文集[C];2006年
中国博士学位论文全文数据库 前6条
1 蔡庆空;基于小波变换的冬小麦叶面积指数与叶绿素含量遥感反演[D];中国矿业大学(北京);2015年
2 柏军华;棉田管理信息的遥感提取研究[D];中国农业科学院;2009年
3 谢巧云;考虑红边特性的多平台遥感数据叶面积指数反演方法研究[D];中国科学院大学(中国科学院遥感与数字地球研究所);2017年
4 林杰;基于植被结构特征的土壤侵蚀遥感定量反演[D];南京林业大学;2011年
5 邵方丽;冀北山地典型森林植被与土壤成分的空间异质性关系研究[D];北京林业大学;2012年
6 秦占飞;西北地区水稻长势遥感监测研究[D];西北农林科技大学;2016年
中国硕士学位论文全文数据库 前10条
1 周洪奎;黄淮海平原典型区夏玉米叶面积指数遥感估算研究[D];南京大学;2013年
2 吾木提·艾山江;基于“天-空-地”多源遥感数据的小麦叶面积指数反演[D];新疆大学;2019年
3 张岩博;基于LiDAR与遥感影像对玉米叶面积指数反演的方法研究[D];新疆大学;2019年
4 刘金然;基于无人机遥感影像的棉花主要生长参数反演[D];山东师范大学;2019年
5 李亚妮;基于高分一号时序数据和PROSAIL模型的水稻田叶面积指数反演[D];兰州大学;2018年
6 王亚杰;基于无人机多光谱遥感的玉米叶面积指数监测方法研究[D];西北农林科技大学;2018年
7 高丽群;测定叶面积指数的贝尔定律的适用性分析[D];东北林业大学;2016年
8 陈雪洋;基于环境星CCD数据的冬小麦叶面积指数遥感监测模型研究[D];中南大学;2009年
9 朱凤凤;基于MODIS的鄱阳湖区水稻叶面积指数遥感估算[D];江西师范大学;2012年
10 任宏昌;基于卫星遥感和BCC_CSM1.1模式模拟的叶面积指数变化特征分析[D];南京信息工程大学;2013年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978