基于无人机高光谱数据的玉米叶面积指数估算

• 作者: 孙志刚 朱婉雪 李鼎 程雪 贺炳彦 黄耀欢
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 无人机 高光谱 叶面积指数(LAI)
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 作物信息提取专栏
• 页码范围: 775-784
• 页数: 10页
• 分类号: TP79
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2019.4.0775

摘要

无人机高光谱遥感是低成本、高精度获取精细尺度农作物生物物理参数和生物化学参数的新型手段,以此快速反演叶面积指数(Leaf Area Index,LAI)对作物长势评价、产量预测具有重要意义.以山东禹城市玉米为研究对象,利用PROSAIL辐射传输模型模拟玉米冠层反射率获取LAI特征响应波段结合相关性定量分析获取对LAI变化最为敏感的波段,并以此计算6种植被指数(Vegetation Index,VI),利用6种回归模型分别对单一特征波段和VI进行反演建模,以实测LAI评定模型精度.研究表明,光谱反射率中516、636、702、760和867 nm等波段对LAI变化最为敏感,以此建立的单一特征波段反演模型预测LAI精度R2为0.44～0.58;RMSE为0.16～0.18,其中636 nm建立的模型(LAI=21.86exp(-29.47R636))相比其他反演模型预测精度较高(R2=0.58,RMSE=0.16);6种植被指数与LAI高度相关,相关性系数R2为0.85～0.86,以此建立的反演模型相比单一特征波段反演模型精度有所提高,R2为0.66～0.72,RMSE为0.12～0.14;其中mNDVI构建的LAI估算模型(LAI=exp(2.76～1.77/mNDVI))精度最高(R2=0.72,RMSE=0.13).无人机高光谱遥感是快速、无损监测农作物生长信息的有效手段,为指导精细化尺度作物管理提供依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙志刚	中国科学院地理科学与资源研究所	12	80	4.0	8.0
2	贺炳彦	长安大学地质工程与测绘学院	15	39	4.0	6.0
3	黄耀欢	中国科学院地理科学与资源研究所	21	338	10.0	18.0
4	程雪	长安大学地质工程与测绘学院	2	10	1.0	2.0
6	李鼎	长安大学地质工程与测绘学院	5	2	1.0	1.0
9	朱婉雪	中国科学院地理科学与资源研究所	1	0	0.0	0.0