基于PROSAIL模型玉米叶面积指数和叶绿素反演

发布时间：2021-11-29 03:59

　　本试验选择在陕西省永寿县梁山镇齐南村,选中的玉米品种是“陕单8806";通过对不同的小区进行不同的水肥处理,共设置31个小区对照试验,试验在拔节期、抽雄期、乳熟期和完熟期一共进行四次试验;利用相关的试验器材,光谱仪、叶绿素仪等对玉米相关农学参数进行分生育期获取,共获得四期数据。首先对玉米SPAD值含量和叶面积指数进行特征分析,以不同生育期的实测参数数据和前人先验知识输入PROSAIL模型,在运用模型之前,先对模型进行全局和局部敏感性分析,主要利用EFAST方法,在软件MATLAB2017b和Simlab2.2实现;然后将模拟的光谱反射率和实测光谱反射率进行对比,进行误差分析;建立模拟光谱反射率修正方程,进行误差修正,通过建立一元线性函数、多项式函数和幂函数回归方程,对模型的建模精度进行验证和修正;利用下载的LANDSAT8影像进行大气校正和辐射校正通过波谱响应函数得出地表反射率,进行遥感填图。通过构建的相关代价函数将计算出的模拟光谱反射率和建立的查找表对应的光谱一一对应,找出相对应的玉米参数,进行叶绿素含量和叶面积指数反演建模,进行精度评价,得出的结果有:（1）通过分析玉米SPAD值和... 

【文章来源】：西北农林科技大学陕西省 211工程院校 985工程院校 教育部直属院校

【文章页数】：68 页

【学位级别】：硕士

【部分图文】：

研究区位置图

【参考文献】：
期刊论文
[1]基于PROSAIL模型偏差补偿的水稻叶绿素含量遥感估测[J]. 刘潭,许童羽,于丰华,袁青云,郭忠辉,王永刚.  农业机械学报. 2020(05)
[2]玉米冠层LAI反演中UAV影像镜面反射去除方法[J]. 苏伟,谢茈萱,王伟,金添,王新盛.  农业机械学报. 2020(05)
[3]基于长短期记忆网络的冬小麦连续时序叶面积指数预测[J]. 龙泽昊,秦其明,张添源,许伟.  光谱学与光谱分析. 2020(03)
[4]基于叶冠尺度高光谱的冬小麦叶片含水量估算[J]. 陈秀青,杨琦,韩景晔,林琳,史良胜.  光谱学与光谱分析. 2020(03)
[5]基于无人机高光谱长势指标的冬小麦长势监测[J]. 陶惠林,徐良骥,冯海宽,杨贵军,苗梦珂,林博文.  农业机械学报. 2020(02)
[6]基于PROSPECT模型的蔬菜叶片叶绿素含量和SPAD值反演[J]. 雷祥祥,赵静,刘厚诚,张继业,梁文跃,田佳灵,龙拥兵.  光谱学与光谱分析. 2019(10)
[7]基于高光谱和BP神经网络的棉花冠层叶绿素含量联合估算[J]. 依尔夏提·阿不来提,白灯莎·买买提艾力,买买提·沙吾提,安申群.  光学学报. 2019(09)
[8]基于PROSAIL模型的玉米冠层叶面积指数及叶片叶绿素含量反演方法研究[J]. 张明政,苏伟,朱德海.  地理与地理信息科学. 2019(05)
[9]基于PROSAIL模型的华北平原地区玉米冠层含水量遥感定向反演[J]. 项鑫.  河南城建学院学报. 2019(04)
[10]地面高光谱和PROSAIL模型的冬小麦叶绿素反演[J]. 于汧卉,杨贵军,王崇倡.  测绘科学. 2019(11)

硕士论文
[1]基于HJ-1A-HSI数据及PROSAIL模型的苹果冠层参数定量反演[D]. 郭晓燕.山东农业大学 2019
[2]基于GF-2卫星夏玉米不同生育期叶面积指数反演方法研究[D]. 贾洁琼.西北大学 2018
[3]基于高光谱遥感的关中地区玉米农学参数估测的研究[D]. 王烁.西北农林科技大学 2018
[4]油菜苗期长势参数遥感反演方法研究[D]. 明金.华中农业大学 2018
[5]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]. 李亚妮.兰州大学 2018
[6]基于CERES-Maize与PROSAIL模型耦合的冠层反射率模拟分析[D]. 吴蕾.石河子大学 2017
[7]基于PROSAIL模型的青海湖流域草地叶面积指数反演[D]. 余金林.青海师范大学 2014



本文编号：3525798