结合植被指数与作物高度反演冬小麦叶面积指数

发布时间：2024-04-20 11:37

　　[目的]叶面积指数LAI(Leaf Area Index)是反映作物长势的关键参数之一。目前,基于无人机影像进行LAI反演多注重影像光谱信息的应用,但是由于高分影像存在强烈的光谱异质性以及无法区分高密闭度植被垂直方向枝叶的光谱特征等不足,在反演作物LAI时,需要探讨作物高度等结构参数对LAI反演的影响。[方法]文章以冬小麦为例,将无人机影像的光谱信息与点云数据相结合,共同构建LAI反演模型,并与单利用光谱信息的一元线性LAI回归模型进行对比,探讨作物高度信息对LAI反演精度的影响。[结果](1)无人机影像获取的点云数据能有效反演作物高度,其决定系数R²=0.61,均方根误差RMSE=0.02;(2)基于作物高度和植被指数Ⅵ(Vegetation Index)反演LAI的二元模型(Adjust R²=0.38,Adjust RMSE=0.55)优于单用植被指数反演LAI的一元模型(Adjust R²=0.29,Adjust RMSE=0.59),[结论]研究表明作物高度和光谱信息结合的反演模型能够提高作物LAI的反演精度,...

【文章页数】：9 页

【部分图文】：

图1研究区地理位置及无人机影像

选取位于河北省东南部的沧县(38°3′N～38°5′N,116°27′E～117°9′E)为研究区。该地区为典型的暖温带半湿润大陆季风气候,年平均降雨量在550～700mm,冬小麦为主要农作物之一,于每年10月中上旬播种,来年6月收获。研究数据主要包含无人机影像数据和野外实测数据....

图2地面采集样方设计

研究数据主要包含无人机影像数据和野外实测数据,采集时间为2017年4月14—16日。该次实验采用的无人机平台为DJIphantom3professional,传感器类型为DJIFC300X,飞行高度60m,航向重叠度为80%,旁向重叠度为60%,无人机影像覆盖范围为260....

图3冬小麦叶面积指数反演技术路线

基于无人机数码影像反演冬小麦LAI的流程如图3所示。首先对无人机影像进行处理,获得正射影像与DSM(DigitalSurfaceModel),然后由无人机正射影像计算7种Ⅵ(表1),对Ⅵ进行优选;进一步利用无人机点云数据反演冬小麦的冠层高度(CanopyHeightMo....

图4冬小麦高度反演原理

冬小麦高度反演如以下4步。首先利用eCognition软件对无人机影像进行多尺度分割,尝试多种分割尺度优选分割结果;然后,基于可见光波段植被指数GLA和ExG将分割后的影像进行植被斑块、裸地斑块分类;随后对点云数据进行去噪处理,设置阈值,在裸地斑块中,剔除对冬小麦高度反演有影....

本文编号：3959352