无人机可见光光谱的植被覆盖度估算新方法

发布时间：2022-01-25 13:31

　　针对常见可见光植被指数提取植被覆盖度存在的问题,该文提出一种新的可见光植被指数——红绿蓝比值植被指数,该方法直接采用红绿蓝像元值计算,方法简单快速,探索建立了新植被指数与植被覆盖度之间的相关关系,并利用相邻乡镇航片以两种方法验证了新植被指数的可靠性。结果表明:采用红绿蓝比值植被指数,通过低空无人机获取多张航片拼接成大范围航片提取植被覆盖度信息总体精度达到93.5%,为小型无人机小面积研究区域高精度植被覆盖度快速获取提供了方法,对林业调查、农业监测有着重要作用。 

【文章来源】：测绘科学. 2020,45(09)北大核心CSCD

【文章页数】：6 页

【部分图文】：

研究区红绿蓝植被指数

y=47.49 x3-141.4 x2+135.7 x-41.44 (6)从图3和式(6)中可以看出,植被覆盖度与红绿蓝比值植被指数相关性很高,均方差误差很小,模型精度相比归一化绿红差值植被指数、红绿比值指数、过绿减过红指数高很多。适合作为本研究区植被覆盖度反演的可见光植被指数。

为了验证植被覆盖度预测精度,以同期相邻乡镇(永丰乡)可见光影像(图4中,验证区域面积为1.3×104 m2),从植被覆盖度精度和植被信息精度两个方面加以验证。3.1 植被覆盖度精度

【参考文献】：
期刊论文
[1]基于无人机可见光图像的夏季玉米植被覆盖度提取方法[J]. 赵静,杨焕波,兰玉彬,鲁力群,贾鹏,李志铭.  农业机械学报. 2019(05)
[2]博尔塔拉蒙古自治州植被覆盖度估算[J]. 唐梦迎,丁建丽,夏楠,张喆.  测绘科学. 2019(07)
[3]基于无人机可见光波段对荒漠植被覆盖度提取的研究——以沙坡头地区为例[J]. 高永平,康茂东,何明珠,孙岩,许华.  兰州大学学报(自然科学版). 2018(06)
[4]基于无人机大样方草地植被覆盖度及生物量估算方法研究[J]. 刘艳慧,蔡宗磊,包妮沙,刘善军.  生态环境学报. 2018(11)
[5]基于多元HoG及无人机航拍图像的植被类型识别[J]. 林志玮,丁启禄,涂伟豪,林金石,刘金福,黄炎和.  森林与环境学报. 2018(04)
[6]无人机遥感在野外植被盖度调查中的应用——以阿拉善荒漠区灌木为例[J]. 万炜,肖生春,陈小红,滕泽宇,丁爱军,韩超,颜长珍.  干旱区资源与环境. 2018(09)
[7]一种基于光谱归一化下的植被覆盖度反演算法[J]. 段金亮,王杰,张婷.  遥感技术与应用. 2018(02)
[8]基于无人机遥感与植被指数的冬小麦覆盖度提取方法[J]. 牛亚晓,张立元,韩文霆,邵国敏.  农业机械学报. 2018(04)
[9]一种基于无人机高光谱数据的植被盖度估算新方法[J]. 冯海英,冯仲科,冯海霞.  光谱学与光谱分析. 2017(11)
[10]中高分辨率遥感协同反演冬小麦覆盖度[J]. 孙中平,刘素红,姜俊,白雪琪,陈永辉,朱程浩,郭文婷.  农业工程学报. 2017(16)

硕士论文
[1]湖北省植被覆盖度动态变化及其对气候变化的响应[D]. 邹洪坤.武汉大学 2018
[2]霍林河矿区植被覆盖度信息提取及时空变化分析[D]. 梁肖.中国地质大学(北京) 2017
[3]金寨县植被覆盖度时空变化特征及其驱动力因素[D]. 于全波.山东农业大学 2016
[4]基于无人机可视光谱的玉米植被覆盖度研究[D]. 王成波.昆明理工大学 2016



本文编号：3608622