基于GF-1/2卫星数据的冬小麦叶面积指数反演

发布时间：2021-08-26 03:06

　　叶面积指数（leafareaindex,LAI）是监测作物生长状况的重要参数,准确、快速、大面积估算LAI不仅有助于更好地监测农作物,而且也有助于其在建模、总体作物管理及精准农业中的应用。本研究为了利用国产遥感影像快速、大面积反演冬小麦LAI,以GF-1/2影像作为数据源,提取常用植被指数,结合不同生育期（起身期、拔节期、开花期）实测LAI数据,建立反演冬小麦LAI的单变量和多变量经验模型,并对其进行验证。结果表明, GF-1起身期、GF-1拔节期以及GF-1开花期提取的植被指数中,MSR（modifiedsimpleratio）、GNDVI（greennormalizeddifference vegetationindex）、EVI（enhancedvegetationindex）与LAI间的相关系数最大,分别为0.708、0.671和0.743,说明这些植被指数与冬小麦LAI间的相关性较显著;GF-1不同生育期的反演模型相比,基于拔节期GNDVIGF-1建立的二次多项式模型和基于开花期EVI_GF-1、GSR_GF-1 （green simp... 

【文章来源】：作物学报. 2020,46(05)北大核心CSCD

【文章页数】：11 页

【部分图文】：

研究区示意图

同一生育期内,即起身期内GF-1和GF-2影像中提取的宽波段植被指数与LAI间的相关性存在一定的差异,GF-2影像中提取的NDVI与LAI间的相关系数明显大于GF-1影像中提取的NDVI与LAI间的相关系数,达到了0.612,GF-2影像中提取的其他植被指数与LAI间的相关系数都低于GF-1影像中提取的植被指数与LAI间的相关系数,而且GF-2影像中提取的植被指数中只有9个通过了0.01显著性检验。2.2 LAI与GF-1/2影像宽波段植被指数的灰色关联度分析

图3中,(a)、(b)为对基于冬小麦起身期GF-1植被指数建立的二次多项式模型和最佳PLSR模型验证后LAI预测值与实测值间的拟合图,(c)、(d)为对基于冬小麦起身期GF-2植被指数建立的二次多项式模型和最佳PLSR模型验证后LAI预测值与实测值间的拟合图,(e)、(f)为对基于冬小麦拔节期GF-1植被指数建立的二次多项式模型和最佳PLSR模型验证后LAI预测值与实测值间的拟合图,(g)、(h)为对基于冬小麦开花期GF-1植被指数建立的幂函数模型和最佳PLSR模型验证后LAI预测值与实测值间的拟合图。图3 LAI实测值与预测值拟合分析图

【参考文献】：
期刊论文
[1]基于新型植被指数的冬小麦LAI高光谱反演[J]. 束美艳,顾晓鹤,孙林,朱金山,杨贵军,王延仓,张丽妍.  中国农业科学. 2018(18)
[2]基于Sentinel-2遥感影像的玉米冠层叶面积指数反演[J]. 苏伟,侯宁,李琪,张明政,赵晓凤,蒋坤萍.  农业机械学报. 2018(01)
[3]基于PROSAIL模型的水稻田缨帽三角-叶面积指数模型及其应用[J]. 李亚妮,鲁蕾,刘勇.  应用生态学报. 2017(12)
[4]适宜新疆奇台生态区种植的春小麦品种探究[J]. 魏海鹏,贾永红,孔建平,曾雪华,邢玉萍.  农业科技通讯. 2017(05)
[5]基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用[J]. 高林,杨贵军,李长春,冯海宽,徐波,王磊,董锦绘,付奎.  作物学报. 2017(04)
[6]基于无人机高光谱遥感的冬小麦叶面积指数反演[J]. 高林,杨贵军,于海洋,徐波,赵晓庆,董锦绘,马亚斌.  农业工程学报. 2016(22)
[7]基于MODIS-NDVI的春玉米叶面积指数和地上生物量估算[J]. 刘明,冯锐,纪瑞鹏,武晋雯,王宏博,于文颖.  中国农学通报. 2015(06)
[8]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]. 杜鹤娟,柳钦火,李静,杨乐.  遥感学报. 2013(06)
[9]基于分段方式选择敏感植被指数的冬小麦叶面积指数遥感反演[J]. 李鑫川,徐新刚,鲍艳松,黄文江,罗菊花,董莹莹,宋晓宇,王纪华.  中国农业科学. 2012(17)
[10]基于分类知识利用神经网络反演叶面积指数[J]. 陈艳华,张万昌,雍斌.  生态学报. 2007(07)

硕士论文
[1]农作物叶面积指数反演方法研究[D]. 孙涛.南京信息工程大学 2013



本文编号：3363418