基于高光谱遥感与SAFY模型的冬小麦地上生物量估算

发布时间：2022-02-22 00:32

　　为了探索准确、高效地估算冬小麦地上生物量（Dry aerial mass,DAM）的方法,获取了2013—2014年和2014—2015年2个生长季的冬小麦试验数据,采用植被指数反演叶面积指数（LAI）,以遥感反演LAI作为遥感与SAFY（Simple algorithm for yield estimates）模型之间的耦合变量,利用主成分分析的复合型混合演化（Shuffled complex evolution with PCA,SP-UCI）算法优化出苗日期（D0）、有效光能利用率（ELUE）和衰老温度（STT） 3个敏感参数,对冬小麦全生育期进行动态生长模拟。结果表明,2014—2015年和2013—2014年冬小麦全生育期模型模拟地上生物量R²、RMSE和NRMSE分别为0. 887、1. 001 t/hm²、19. 41%和0. 856、1. 033 t/hm²、19. 86%。研究表明,耦合高光谱遥感与SAFY作物生长模型能够准确地模拟冬小麦长势的动态变化,对冬小麦地上生物量估算精度较高,可为遥感监测冬小麦... 

【文章来源】：农业机械学报. 2020,51(02)北大核心EICSCD

【文章页数】：12 页

【文章目录】：
0 引言
1 材料与方法
    1.1 试验区概况
    1.2 数据采集
        1.2.1 气象数据
        1.2.2 高光谱数据
        1.2.3 农学数据(LAI、地上生物量)采集
    1.3 研究方法
        1.3.1 光谱指数
        1.3.2 SAFY模型
        1.3.3 SP-UCI算法
        1.3.4 模型参数优化
            1.3.4. 1 非敏感参数调试
            1.3.4. 2 敏感参数调试
    1.4 模型精度评价
2 结果与分析
    2.1 LAI反演模型构建与分析
    2.2 LAI反演模型精度验证
    2.3 冬小麦生长过程模拟
        2.3.1 LAI生长模拟
        2.3.2 DAM生长模拟
    2.4 模拟值与实测值对比分析
3 讨论
4 结论


【参考文献】：
期刊论文
[1]基于作物生长模型参数调整动态估测夏玉米生物量[J]. 李卫国,顾晓鹤,王尔美,陈华,葛广秀,张琤琤.  农业工程学报. 2019(07)
[2]遥感与作物生长模型数据同化应用综述[J]. 黄健熙,黄海,马鸿元,卓文,黄然,高欣然,刘峻明,苏伟,李俐,张晓东,朱德海.  农业工程学报. 2018(21)
[3]基于遥感信息和WOFOST模型参数同化的冬小麦单产估算方法研究[J]. 陈艳玲,顾晓鹤,宫阿都,胡圣武.  麦类作物学报. 2018(09)
[4]融合无人机光谱信息与纹理信息的冬小麦生物量估测[J]. 刘畅,杨贵军,李振海,汤伏全,王建雯,张春兰,张丽妍.  中国农业科学. 2018(16)
[5]基于无人机数码影像的玉米育种材料株高和LAI监测[J]. 牛庆林,冯海宽,杨贵军,李长春,杨浩,徐波,赵衍鑫.  农业工程学报. 2018(05)
[6]基于随机森林算法的冬小麦叶面积指数遥感反演研究[J]. 张春兰,杨贵军,李贺丽,汤伏全,刘畅,张丽妍.  中国农业科学. 2018(05)
[7]作物生长模型与定量遥感参数结合研究进展与展望[J]. 吴蕾,柏军华,肖青,杜永明,柳钦火,徐丽萍.  农业工程学报. 2017(09)
[8]Sentinel-2数据的冬小麦地上干生物量估算及评价[J]. 郑阳,吴炳方,张淼.  遥感学报. 2017(02)
[9]基于遥感信息的农作物生物量估算研究进展[J]. 王渊博,冯德俊,李淑娟,武文娟,任红艳.  遥感技术与应用. 2016(03)
[10]基于高光谱遥感的植被生物量反演方法研究[J]. 范云豹,宫兆宁,赵文吉,张敏.  河北师范大学学报(自然科学版). 2016(03)



本文编号：3638331