基于像元二分法的冬小麦植被覆盖度提取模型

发布时间：2021-10-16 11:11

　　【目的】快速准确提取冬小麦返青期植被覆盖度信息。【方法】利用无人机获取田间冬小麦可见光图像,提取图像中4种常见可见光植被指数;在像元二分法原理的基础上,分别构建基于差异植被指数（Visible-band difference vegetation index,VDVI）、过绿指数（Excess green,EXG）、归一化绿蓝差异指数（Normalized green-blue difference index,NGBDI）和归一化绿红差异指数（Normalized green-red difference index,NGRDI）的植被覆盖度提取模型,采用支持向量机（Support vector machine,SVM）监督分类结果作为真值对各模型进行精度验证。【结果】4种模型中,利用VDVI植被覆盖度提取模型获取的植被覆盖度精度最高,提取效果较好。与监督分类结果对比,4种植被覆盖度提取模型的提取误差（EF）分别为3.36%、15.68%、8.74%和15.46%,R2分别为0.946 1、0.934 4、0.695 3和0.746 0,均方根误差（RMSE）分别为0.021 9、0... 

【文章来源】：华南农业大学学报. 2020,41(03)北大核心CSCD

【文章页数】：7 页

【参考文献】：
期刊论文
[1]基于无人机可见光遥感的冬小麦株高估算[J]. 刘治开,牛亚晓,王毅,韩文霆.  麦类作物学报. 2019(07)
[2]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)
[3]基于混合像元分解的植被覆盖度模型比较研究[J]. 陈虹兵,黄贝贝,彭道黎.  西北林学院学报. 2018(03)
[4]基于无人机多光谱图像的云南松虫害区域识别方法[J]. 张军国,韩欢庆,胡春鹤,骆有庆.  农业机械学报. 2018(05)
[5]基于无人机遥感的农田信息获取技术及其机载装备[J]. 何勇,岑海燕,李艺健,何立文.  农业工程技术. 2018(09)
[6]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)
[7]基于像元二分法和强度分析方法的内蒙古植被覆盖度时空变化规律分析[J]. 佟斯琴,包玉海,张巧凤,都瓦拉.  生态环境学报. 2016(05)
[8]基于可见光波段无人机遥感的植被信息提取[J]. 汪小钦,王苗苗,王绍强,吴云东.  农业工程学报. 2015(05)
[9]中国小麦生产发展潜力研究报告[J]. 赵广才,常旭虹,王德梅,杨玉双,冯金凤.  作物杂志. 2012(03)
[10]玉米苗期杂草的计算机识别技术研究[J]. 龙满生,何东健.  农业工程学报. 2007(07)



本文编号：3439705