基于无人机遥感的叶面积指数反演
发布时间：2020-12-04 09:33
叶面积指数定量遥感产品的真实性检验需要地面数据进行支撑。目前常用的叶面积指数测量仪器,如LAI2000、AccuPAR、Sunscan、Demon和TRAC等,需要工作人员进入样地进行手持测量,效率较低,人工测量引入的不确定性大。近年来基于无线传感器网络技术进行叶面积指数长时间自动观测取得了很多进展,但是投入成本大、移动不便等因素制约了其大范围应用。随着无人机的快速发展,利用无人机采集遥感数据具有极大的灵活性。本文利用轻型无人机获取了玉米地不同生长期的高分辨率光学影像,采用图像处理的算法进行植被与非植被的区分,最后利用辐射传输模型与聚集指数理论进行了叶面积指数反演。通过对比表明,在玉米成熟前期,反演得到的叶面积指数与LAI2200采集得到的数据,以及LI-3000C得到的真实叶面积指数有较高的一致性。基于无人机影像的LAI测量方法可作为一种快速准确的手段得以推广应用。
【文章来源】：遥感技术与应用. 2017年01期 第140-148页 北大核心
【文章页数】：9 页
【部分图文】：
图１样方１不同日期获取的原始影像（裁剪后）Ｆｉｇ．１ＯｒｉｇｉｎａｌｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１（ａｆｔｅｒｃｕｔｔｉｎｇ）
图２样方１不同日期对应的二值图Ｆｉｇ．２ＢｉｎａｒｙｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１３．２数据处理流程如图３所示，通过无人机获取原始影像，为避免角度影响，对其进行裁剪，保留中间部分影像。采用植被与非植被分类算法，对其进行二值化，得到二值图像，作为提取间隙率信息的数据源，二值化的方法（即分类方法）见３．１节。然后，对二值图像进行采样，得到一定数量的样线，拼成总样线，把总样线作为进一步处理的数据源。根据不同的模型需求，提取相应的间隙率信息，计算聚集指数、有效叶面积指数，最后得到真实叶面积指数，不同模型如表２所示。图３叶面积指数计算流程图Ｆｉｇ．３ＦｌｏｗｃｈａｒｔｏｆＬＡＩｃａｌｃｕｌａｔｉｏｎ表２不同模型需要的间隙率信息Ｔａｂｌｅ２Ｉｎｆｏｒｍａｔｉｏｎｏｆｇａｐｓｆｏｒｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ算法主要公式（见２．２、２．３小节）需要的参数有效叶面积指数ｅｆｆ＿ＬＡＩ＝－ｌｎ（Ｐ（θ））·ｃｏｓθＧ（θ）θ取０°，Ｇ（θ）取０．５总间隙率（从总样线中提取）有限长平均法Ω（θ）ＬＸ＝ｌｎ（ｍｅａｎ（Ｐｃｅｌｌ（θ）））ｍｅａｎ（ｌｎ（Ｐｃｅｌｌ（θ）））ＬＡＩ＿ＬＸ＝－ｌｎ［Ｐ（θ）］·ｃｏｓθＧ（θ）·Ω（θ）ＬＸθ取０°，Ｇ（θ）取０．５子样线的间隙率（从总样线中分割）、叶片特征宽度间隙率大小分布法Ω（θ）ｃｃ＝ｌｎ（Ｆｍ（０，θ））ｌｎ（Ｆｍｒ（０，θ））·１
图２样方１不同日期对应的二值图Ｆｉｇ．２ＢｉｎａｒｙｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１３．２数据处理流程如图３所示，通过无人机获取原始影像，为避免角度影响，对其进行裁剪，保留中间部分影像。采用植被与非植被分类算法，对其进行二值化，得到二值图像，作为提取间隙率信息的数据源，二值化的方法（即分类方法）见３．１节。然后，对二值图像进行采样，得到一定数量的样线，拼成总样线，把总样线作为进一步处理的数据源。根据不同的模型需求，提取相应的间隙率信息，计算聚集指数、有效叶面积指数，最后得到真实叶面积指数，不同模型如表２所示。图３叶面积指数计算流程图Ｆｉｇ．３ＦｌｏｗｃｈａｒｔｏｆＬＡＩｃａｌｃｕｌａｔｉｏｎ表２不同模型需要的间隙率信息Ｔａｂｌｅ２Ｉｎｆｏｒｍａｔｉｏｎｏｆｇａｐｓｆｏｒｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ算法主要公式（见２．２、２．３小节）需要的参数有效叶面积指数ｅｆｆ＿ＬＡＩ＝－ｌｎ（Ｐ（θ））·ｃｏｓθＧ（θ）θ取０°，Ｇ（θ）取０．５总间隙率（从总样线中提取）有限长平均法Ω（θ）ＬＸ＝ｌｎ（ｍｅａｎ（Ｐｃｅｌｌ（θ）））ｍｅａｎ（ｌｎ（Ｐｃｅｌｌ（θ）））ＬＡＩ＿ＬＸ＝－ｌｎ［Ｐ（θ）］·ｃｏｓθＧ（θ）·Ω（θ）ＬＸθ取０°，Ｇ（θ）取０．５子样线的间隙率（从总样线中分割）、叶片特征宽度间隙率大小分布法Ω（θ）ｃｃ＝ｌｎ（Ｆｍ（０，θ））ｌｎ（Ｆｍｒ（０，θ））·１
本文编号：2897361
【文章来源】：遥感技术与应用. 2017年01期 第140-148页 北大核心
【文章页数】：9 页
【部分图文】：
图１样方１不同日期获取的原始影像（裁剪后）Ｆｉｇ．１ＯｒｉｇｉｎａｌｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１（ａｆｔｅｒｃｕｔｔｉｎｇ）
图２样方１不同日期对应的二值图Ｆｉｇ．２ＢｉｎａｒｙｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１３．２数据处理流程如图３所示，通过无人机获取原始影像，为避免角度影响，对其进行裁剪，保留中间部分影像。采用植被与非植被分类算法，对其进行二值化，得到二值图像，作为提取间隙率信息的数据源，二值化的方法（即分类方法）见３．１节。然后，对二值图像进行采样，得到一定数量的样线，拼成总样线，把总样线作为进一步处理的数据源。根据不同的模型需求，提取相应的间隙率信息，计算聚集指数、有效叶面积指数，最后得到真实叶面积指数，不同模型如表２所示。图３叶面积指数计算流程图Ｆｉｇ．３ＦｌｏｗｃｈａｒｔｏｆＬＡＩｃａｌｃｕｌａｔｉｏｎ表２不同模型需要的间隙率信息Ｔａｂｌｅ２Ｉｎｆｏｒｍａｔｉｏｎｏｆｇａｐｓｆｏｒｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ算法主要公式（见２．２、２．３小节）需要的参数有效叶面积指数ｅｆｆ＿ＬＡＩ＝－ｌｎ（Ｐ（θ））·ｃｏｓθＧ（θ）θ取０°，Ｇ（θ）取０．５总间隙率（从总样线中提取）有限长平均法Ω（θ）ＬＸ＝ｌｎ（ｍｅａｎ（Ｐｃｅｌｌ（θ）））ｍｅａｎ（ｌｎ（Ｐｃｅｌｌ（θ）））ＬＡＩ＿ＬＸ＝－ｌｎ［Ｐ（θ）］·ｃｏｓθＧ（θ）·Ω（θ）ＬＸθ取０°，Ｇ（θ）取０．５子样线的间隙率（从总样线中分割）、叶片特征宽度间隙率大小分布法Ω（θ）ｃｃ＝ｌｎ（Ｆｍ（０，θ））ｌｎ（Ｆｍｒ（０，θ））·１
图２样方１不同日期对应的二值图Ｆｉｇ．２ＢｉｎａｒｙｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１３．２数据处理流程如图３所示，通过无人机获取原始影像，为避免角度影响，对其进行裁剪，保留中间部分影像。采用植被与非植被分类算法，对其进行二值化，得到二值图像，作为提取间隙率信息的数据源，二值化的方法（即分类方法）见３．１节。然后，对二值图像进行采样，得到一定数量的样线，拼成总样线，把总样线作为进一步处理的数据源。根据不同的模型需求，提取相应的间隙率信息，计算聚集指数、有效叶面积指数，最后得到真实叶面积指数，不同模型如表２所示。图３叶面积指数计算流程图Ｆｉｇ．３ＦｌｏｗｃｈａｒｔｏｆＬＡＩｃａｌｃｕｌａｔｉｏｎ表２不同模型需要的间隙率信息Ｔａｂｌｅ２Ｉｎｆｏｒｍａｔｉｏｎｏｆｇａｐｓｆｏｒｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ算法主要公式（见２．２、２．３小节）需要的参数有效叶面积指数ｅｆｆ＿ＬＡＩ＝－ｌｎ（Ｐ（θ））·ｃｏｓθＧ（θ）θ取０°，Ｇ（θ）取０．５总间隙率（从总样线中提取）有限长平均法Ω（θ）ＬＸ＝ｌｎ（ｍｅａｎ（Ｐｃｅｌｌ（θ）））ｍｅａｎ（ｌｎ（Ｐｃｅｌｌ（θ）））ＬＡＩ＿ＬＸ＝－ｌｎ［Ｐ（θ）］·ｃｏｓθＧ（θ）·Ω（θ）ＬＸθ取０°，Ｇ（θ）取０．５子样线的间隙率（从总样线中分割）、叶片特征宽度间隙率大小分布法Ω（θ）ｃｃ＝ｌｎ（Ｆｍ（０，θ））ｌｎ（Ｆｍｒ（０，θ））·１
本文编号：2897361
本文链接：https://www.wllwen.com/kejilunwen/nykj/2897361.html
