共查询到20条相似文献，搜索用时 15 毫秒
1.
为对大田冬小麦叶片氮素含量（LNC）进行快速、准确及无损监测,通过在江苏省泰州泰兴市、盐城大丰区和南通如皋市布设冬小麦遥感监测大田试验,在获取试验样点冬小麦冠层红光波段反射率（REDref）、近红外波段反射率（NIRref）和计算的十个光谱指数（RVI、NDVI、DVI、SAVI、OSAVI、MSR、RDVI、EVI2、NLI和SVI）基础上,将12个遥感光谱指标与冬小麦LNC进行相关分析,选出与LNC相关性较好的作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型, 并利用GF-6/WFV卫星遥感影像对县域冬小麦LNC的空间分布开展监测。结果表明,12个遥感光谱指标与冬小麦LNC之间存在不同程度的相关性,其中NDVI、RVI、MSR、OSAVI和NLI与冬小麦LNC的相关性较好（相关系数不低于0.65）。将优选的5个遥感光谱指标作为模型输入变量,构建基于BP神经网络的冬小麦LNC估测模型（LNC-BPEM）,模型的估测精度r2=0.866,RMSE=0.246%,ARE=12.9%。将冬小麦LNC-BPEM估测模型和GF-6/WFV影像结合对县域冬小麦LNC的空间信息监测,获得了如皋县域冬小麦LNC的空间分布特征,该区域冬小麦LNC范围在0.9%~2.0%（长势正常）的种植面积为29 693.3 hm2,占冬小麦总种植面积的74%。这说明利用GF-6/WFV卫星的多个遥感光谱指标与神经网络结合建模可有效估测县域大田冬小麦叶片氮素含量。 相似文献
2.
为解决大田冬小麦叶片叶绿素含量估测模型精度低、通用性弱的问题,在获取冬小麦拔节期和抽穗期冠层红光波段反射率(BRred)和近红外波段反射率(BRnir)的基础上,计算归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、改进型比值植被指数(MSR)、重归一化植被指数(RDVI)、II型增强植被指数(EVI2)和非线性植被指数(NLI)等8个植被指数。经统计分析,选择与叶片叶绿素含量(SPAD值)相关性较好的5个遥感光谱指标(NDVI、MSR、NLI、BRred和RVI)作为输入变量,建立了冬小麦叶片叶绿素含量的BP神经网络估测模型(WWLCCBP),并对估测模型进行精度验证。结果表明,WWLCCBP估测模型在拔节期估测的决定系数(r2)为0.84,均方根误差(RMSE)为5.39,平均相对误差(ARE)为9.87%。抽穗期的估测效果与拔节期较为一致。将WWLCCBP和高分六号影像... 相似文献
3.
夏玉米冠层反射光谱与植株水分状况的关系 总被引：1，自引：0，他引：1
通过不同夏玉米品种生育期内冠层叶片含水率与不同波段组成的比值指数(RVI)和归一化植被指数(NDVI)进行线性、指数、对数、幂函数以及多项式回归分析,研究不同品种夏玉米的冠层叶片和植株水分状况与反射光谱之间的相关关系。结果表明,冠层叶片和植株含水率与460～670nm范围内波段反射率均成负相关,与730～1260nm范围内波段反射率均成正相关。其中冠层叶片含水率与460、500、600、650、670nm范围内波段反射率均呈显著相关,而植株含水率与460、500、600、650、670、780、800、850、900、950、1050nm范围内波段反射率相关性也较高。冠层叶片含水率与归一化植被指数(NDVI)相关性均达到极显著水平,与比值指数(RVI)相关性中只有RVI(950,550)、RVI(850,730)、RVI(800,730)和RVI(780,730)4个波段呈极显著正相关。RVI与叶片含水率相关性以RVI(850,730)最优,NDVI与叶片含水率相关性以NDVI(1050,550)最优。植株含水率也与RVI和NDVI呈正相关,相关性均较好,但NDVI优于RVI。RVI与植株含水率相关性以RVI(800,500)最优,决定系数为0.8490;NDVI与植株含水率相关性以NDVI(780,650)最优,决定系数为0.8645。 相似文献
4.
5.
运用高光谱探测技术,获取不同密度下两个不同品种春玉米冠层不同时期的光谱特征反射参数,对高光谱原始反射率、反射率对数、反射率一阶导数、反射率二阶导数以及DVI、RVI、NDVI、SAVI 4种植被指数与玉米的LAI和FPAR进行相关分析,并建立两者之间的预测方程,通过对模型检验选出最佳预测模型。研究表明,一阶导数和4种植被指数都能很好地预测LAI和FPAR,其中,对LAI预测最好的是利用光谱一阶导数建立的指数函数模型,对FPAR预测最好的是利用NDVI建立的二次多项式模型。851 nm处的一阶导数对玉米的整个时期变化都比较敏感,LAI的最佳预测模型在玉米的整个时期都具有较好的预测性;855、758 nm波段组合的NDVI对FPAR的变化比较敏感,但当FPAR较大时,模型对其预测能力降低。 相似文献
6.
水稻产量的准确估算在农业生产中具有重要意义。本文通过无人机搭载多光谱传感器,获取水稻主要生育期冠层光谱信息,通过提取不同生育期8种植被指数与水稻产量的实测值建立拟合关系,筛选出最优植被指数和最佳的无人机遥感作业时期,建立水稻估产模型。结果表明,水稻生长前期不适合估产,抽穗期至成熟期估产效果好。最佳估产生育期是水稻抽穗期,基于该时期的植被指数NDVI、RVI、DVI、GNDVI、MSAVI2建立的多元线性模型估测效果较好,验证精度佳。因此,利用无人机多光谱数据对水稻产量进行估测是可行的。 相似文献
7.
基于冠层反射光谱的夏玉米叶片色素含量估算模型研究 总被引：2，自引：0，他引：2
通过分析不同施氮水平下夏玉米叶片色素含量与冠层光谱反射率及其衍生的比值植被指数(RVI)、归一化植被指数(NDVI)、正交植被指数(MTVI2、MCARI2、SAVI、MSAVI)以及叶绿素吸收比值指数(CARI)之间的关系,建立夏玉米叶片叶绿素a(Chla)、叶绿素b(Chlb)、叶绿素a+b(Chl a+b)和类胡萝卜素(Car)含量估算模型。结果表明:NDVI与夏玉米叶片色素含量的相关性最好,RVI、RVI、CARI位居其次。通过逐步回归分析确立的夏玉米叶片Chla、Chlb、Chl a+b及Car含量的估算模型R2分别为0.790 8、0.832 4、0.808 8和0.761 7,说明利用冠层NDVI可以对夏玉米叶片Chla、Chlb、Chl a+b和Car含量进行可靠的监测。 相似文献
8.
基于高光谱遥感的小麦籽粒产量预测模型研究 总被引：7，自引：0，他引：7
为了确立能够准确预测小麦籽粒产量的敏感光谱参数和定量模型,于2003～2006年连续3个生长季,通过不同小麦品种和不同施氮水平的4个大田试验,在小麦不同生育期采集田间冠层高光谱数据并测定植株氮含量、重量和叶面积指数及成熟期籽粒产量,定量分析小麦籽粒产量与冠层高光谱参数的相互关系.结果显示,小麦籽粒产量随施氮水平的提高而增加,不同地力水平间存在显著差异.灌浆前期叶片氮积累量和叶面积氮指数均能够较好地反映成熟期籽粒产量状况,而叶片氮含量和氮积累量及叶面积氮指数在拔节～成熟期的累积值与成熟期籽粒产量的回归拟合效果更好.对叶片氮含量和氮积累量及叶面积氮指数的光谱反演,在不同品种、氮素水平和年度间可以使用统一的光谱参数.根据"特征光谱参数-叶片氮素营养-籽粒产量"这一技术路径,以叶片氮素营养为交接点将模型链接,建立了基于灌浆前期高光谱参数及拔节期～成熟期特征光谱指数累积值的小麦籽粒产量预测模型.经两年独立试验数据检验表明,利用灌浆前期关键特征光谱指数可以有效地评价小麦成熟期籽粒产量状况,拔节～成熟期特征光谱指数的累积值能够稳定预报不同条件下小麦成熟期籽粒产量的变化.因此,利用冠层特征光谱指数可以快速无损地预报小麦成熟期籽粒产量. 相似文献
9.
为探讨利用三波段植被指数（three-band index, 3BI）对春小麦叶片水分含量（leaf water content, LWC）估算的可行性,在田间尺度上,利用ASD-FieldSpec-3光谱仪测定春小麦抽穗期冠层光谱反射率,采用任意波段组合方法,分别建立两波段植被指数（two-band index, 2BI）包括比值植被指数（RVI）、归一化植被指数（NDVI）、差值植被指数（DVI）及3BI,并对单波段反射率、两波段植被指数和三波段植被指数与春小麦抽穗期LWC之间进行相关性分析,筛选稳定的光谱参数,基于人工神经网络（artificial neural network, ANN）、K近邻（K-nearest neighbors, KNN）和支持向量回归（support vector regression, SVR）等3种机器学习算法,建立有效波段组合运算的抽穗期春小麦LWC估算模型,并利用独立样本对模型精度进行检验和评价。结果表明,单波段反射率、2BI和3BI与春小麦抽穗期LWC之间的相关性均达极显著水平（P＜0.01）,而相关系数差异较大,绝对值分别为0.23、0.62、0.94,说明组合波段展现了光谱隐含信息,避免有效光谱信息的丢失;估算模型中,春小麦抽穗期以KNN算法和最佳3BI组合变量（3BI-5(1075, 1095, 1085)、3BI-6(1100, 400, 1097)）构建的模型拟合度最高（r2=0.83）,均方根误差最小（RMSE=2.14%）,相对偏差百分比超出了2.0以上（RPD=2.31）,说明该模型具有一定的预测能力。由此可见,通过任意波段组合,可明显提高3BI与春小麦LWC的关联度,且基于K近邻算法构建的模型具有较好的稳定性和估算能力。 相似文献
10.
植被覆盖度对冬小麦冠层光谱的影响及定量化估产研究 总被引：4，自引：0，他引：4
为避免土壤背景对冠层光谱的干扰,提高冬小麦定量化估产精度,以河北廊坊中低产田条件下的冬小麦为研究对象,利用ASD Field Spec高光谱仪定点获取冬小麦冠层光谱信息,分析了田间植被覆盖度和冠层NDVI在生育期内的变化,并利用植被覆盖度对冠层NDVI进行了校正。结果表明,通过三基色即RGB、色度和亮度可将数字图像中冬小麦和土壤背景进行分割,从而获得单位面积上冬小麦的覆盖百分比。而通过覆盖度校正后的植被指数即CNDVI能够更具针对性地反映植株冠层氮素信息。在本试验条件下利用灌浆中期的CNDVI与产量进行一元回归或利用全生育期的CNDVI与产量进行多元回归均取得了较好的效果,决定系数分别为0.849和0.853。由于多元回归模型考虑了不同时期的CNDVI的变化,因此模型具有更强的可靠性和稳定性,较适合于冬小麦定量化估产。 相似文献
11.
Estimating N status of winter wheat using a handheld spectrometer in the North China Plain 总被引：1，自引：0，他引：1
Fei Li Martin L. Gnyp Liangliang Jia Yuxin Miao Zihui Yu Wolfgang Koppe Georg Bareth Xinping Chen Fusuo Zhang 《Field Crops Research》2008
Excessive nitrogen (N) fertilizer application is very common in the North China Plain. Diagnosis of in-season N status in crops is critical for precision N management in this area. Remote sensing, as a timely and nondestructive tool, could be an alternative to traditional plant testing for diagnosing crop N status. The objectives of this study were to determine which vegetation indices could be used to estimate N status in winter wheat (Triticum aestivum L.) under high N input conditions, develop models to predict winter wheat N uptake using spectral vegetation indices and validate the models with data from farmers’ fields. An N rate experiment and a variety-N experiment were conducted in Huimin, Shandong Province from 2005/2006 to 2006/2007 to develop the models. Positive linear relationships between simple ratio vegetation indices (red vegetation index, RVI and green vegetation index, GVI) and N uptake were observed independent of growth stages and varieties (R2, 0.48–0.74). In contrast, the relationships between normalized difference vegetation indices (NDVI and GNDVI), red and green normalized difference vegetation index (RGNDI), and red and green ratio vegetation index (RGVI) were exponentially related to N uptake (R2, 0.43–0.79). Subsequently, 69 farmers’ fields in four different villages were selected as datasets to validate the developed models. The results indicated that the prediction using RVI had the highest coefficient of determination (R2, 0.60), the lowest root mean square error (RMSE, 39.7 kg N ha−1) and relative error (RE, 30.5%) across different years, varieties and growth stages. We conclude that RVI can be used to estimate nitrogen status for winter wheat in over-fertilized farmers’ fields before heading. 相似文献
12.
小麦叠加叶片的叶绿素含量光谱反演研究 总被引：5，自引：0，他引：5
为了给田间冠层水平叶绿素含量高光谱反演研究提供参考,研究了小麦单层及叠加叶片不同波长光谱反射率及几种常用植被指数对叶绿素含量的响应特征。结果表明,可见光波段的绿光到红光波段范围内叶片光谱反射率与叶绿素含量存在良好的相关关系,其中在绿光反射峰550 nm附近和红边区域的705 nm附近反射率都可以用来预测叶绿素含量。红谷吸收表现为随叶绿素含量提高而蓝移的特征。常用植被指数NDVI在本研究中对小麦叶片的叶绿素含量的监测效果并不理想。SR705虽然与单层叶片叶绿素含量相关性较好,但是对叠加多层叶片的叶绿素含量反演效果不好。光谱参数中TCARI对单层叶片和不同叠加层数的叶片均有最好的预测能力,因此可以利用TCARI监测小麦叶绿素含量,进而用于评价其光合特性。 相似文献
13.
冬小麦叶面积指数的品种差异性与高光谱估算研究 总被引：2，自引：0，他引：2
为给小麦叶面积指数（LAI）的高光谱估算提供技术支持,基于2年大田试验,以4个河南主推品种为材料,对小麦LAI和冠层光谱变化特点、估算模型及其品种间的差异等进行了系统分析。结果表明,在生育期内不同冬小麦品种冠层光谱反射率的变化与LAI变化有差异;在相同LAI下,不同冬小麦品种的光谱曲线存在差异。利用400~900 nm范围内冠层光谱反射率的任意两波段组合的比值光谱指数（RSI）、归一化差值光谱指数（NDSI）和差值光谱指数（DSI）所建立的单品种模型以及不同品种综合模型的决定系数（r）均达到0.84以上,单品种模型的r和调整r分别较综合模型高出3.1%~4.8%和2.0%~4.2%。利用独立于建模样本以外的数据对上述模型进行检验,单品种模型预测的r较综合模型提高了0.6%~11.0%,而均方根误差降低了10.0%~37.0%。因此,在利用高光谱遥感技术估算冬小麦LAI时,可以通过建立单品种模型来提高估算精度。 相似文献
14.
为提高冬小麦冠层光谱对叶绿素含量的估算精度,以陕西省乾县冬小麦为研究对象,利用SVC-1024i光谱仪和SPAD-502型叶绿素仪实测了冬小麦冠层反射率和叶绿素含量,分析了一阶导数光谱、10种特征参数和9种植被指数与叶绿素含量的相关性,并利用主成分分析(PCA)对叶绿素敏感的可见光波段(390～780 nm)一阶导数光谱进行降维,将特征值大于1的主分量结合特征参数和植被指数形成不同的输入变量,用偏最小二乘回归和随机森林回归构建冬小麦冠层叶绿素估算模型,并利用独立样本对模型进行验证。结果表明,小麦冠层叶绿素含量与一阶导数光谱在751 nm处的相关性最高(r=0.71),特征参数中红边蓝边归一化(SDr-SDb)/(SDr+SDb)与叶绿素含量的相关性最高(r=0.66),植被指数(VI)中修正归一化差异指数(mND705)相关性最高(r=0.74)。在输入变量相同的情况下,基于随机森林(RF)回归的预测模型均优于偏最小二乘回归(PLSR)模型,其中PCA-VI-RF模型的各精度指标均达到最优(r2=0.94,RMSE=1.05,RPD=3.70),是冬小麦冠层叶绿素... 相似文献
15.
基于无人机多光谱遥感的冬小麦冠层叶绿素含量估测研究 总被引：6，自引：0，他引：6
为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性,基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据,选取16种光谱植被指数,确定对冬小麦冠层叶绿素含量显著相关的植被指数,采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型,通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明,两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数(MSR、CARI、NGBDI、TVI)建模效果最好,模型率定的决定系数(r~2)为0.73,模型验证的r~2、相对误差(RE)和均方根误差(RMSE)分别为0.63、2.83%、1.68;抽穗期选取3个植被指数(GNDVI、GOSAVI、CARI)建模效果最好,模型率定的r~2为0.81,模型验证的r~2、RE、RMSE分别为0.63、2.83%、1.68;灌浆期选取2个植被指数(MSR、NGBDI)建模效果最好,模型率定的r~2为0.67,模型验证的r~2、RE、RMSE分别为0.65、2.83%、1.88。因此,无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。 相似文献
16.
Characterizing and Estimating Fungal Disease Severity of Rice Brown Spot with Hyperspectral Reflectance Data 总被引：1，自引：0，他引：1
Large-scale farming of agriculture crops requires real-time detection of disease for field pest management.Hyperspectral remote sensing data generally have high spectral resolution, which could be very useful for detecting disease stress in green vegetation at the leaf and canopy levels. In this study, hyperspectral reflectances of rice in the laboratory and field were measured to characterize the spectral regions and wavebands, which were the most sensitive to rice brown spot infected by Bipolaris oryzae (Helminthosporium oryzae Breda. de Hann). Leaf reflectance increased at the ranges of 450 to 500 nm and 630 to 680 nm with the increasing percentage of infected leaf surface, and decreased at the ranges of 520 to 580 nm, 760 to 790 nm, 1550 to 1750 nm, and 2080 to 2350 nm with the increasing percentage of infected leaf surface respectively. The sensitivity analysis and derivative technique were used to select the sensitive wavebands for the detection of rice brown spot infected by B. oryzae. Ratios of rice leaf reflectance were evaluated as indicators of brown spot. R669/R746 (the reflectance at 669 nm divided by the reflectance at 746 nm, the following ratios may be deduced by analogy), R702/R718, R692/R530, R692/R732, R535/R746, R521/R718, and R569/R718 increased significantly as the incidence of rice brown spot increased regardless of whether it's at the leaf or canopy level. R702/R718, R692/R530, R692/R732 were the best three ratios for estimating the disease severity of rice brown spot at the leaf and canopy levels. This result not only confirms the capability of hyperspectral remote sensing data in characterizing crop disease for precision pest management in the real world, but also testifies that the ratios of crop reflectance is a useful method to estimate crop disease severity. 相似文献
17.
为进一步深化作物长势遥感监测机理与方法,给大田管理及时提供信息与技术,结合2011-2013年定点观测试验,以HJ-1A/1B数据为遥感影像源,研究了返青期冬小麦主要生长指标、籽粒品质参数和产量间及其与遥感变量间的定量关系,分别构建及评价基于HJ-1A/1B影像遥感变量的返青期叶面积指数、生物量、SPAD值和叶片含氮量监测模型。结果表明,返青期,归一化植被指数（NDVI）、比值植被指数（RVI）、蓝光波段反射率（B1）和RVI可分别作为监测冬小麦叶面积指数、生物量、SPAD和叶片含氮量的敏感遥感变量,所构建的遥感监测模型可靠且精度较高,模型的决定系数（R2）分别为0.62、0.56、0.46和0.58,均方根误差（RMSE）分别为0.42、452.3 kg·hm-2、4.39和0.54%。同时,对冬小麦不同等级主要生长指标进行遥感监测并制图,量化表达了主要生长指标区域空间分布。 相似文献
18.
Remote Assessment of Wheat Canopies under Various Cultivation Conditions Using Polarized Reflectance
《Plant Production Science》2013,16(3):312-322
AbstractThe polarization of light reflected from crop canopies gives information on the canopy structure, such as the distribution of leaf inclinations. In order to verify those findings and to put the technique to practical use, we conducted two experiments in wheat fields. In the first experiment, the reflectance and polarized reflectance at 660 nm in the canopies of wheat plants, sown in both narrow and wide rows, and at two levels of topdressing, were measured periodically with a spectropolarimeter. We also probed the leaf orientation geometry of the plants using a 3-D digitizer and a plant canopy analyzer (LAI-2000). In the second experiment, we observed the polarization of light reflected from wheat planted in plots fertilized with basal dressing, and topdressing at the jointing and booting stages. Polarization showed a seasonal change with an upward convex clearly indicating the heading time. This pattern was not found by conventional band reflectance. Using polarization, it was possible to detect the differences in row width and fertilization conditions during the booting stage. The mean leaf inclination angle (MLI) detected with the 3-D digitizer and the mean tip angle (MTA) detected with the LAI-2000 were relatively closely correlated with the polarization than the reflectance at 660 nm and normalized difference vegetation index (NDVI) that was derived from the reflectance at 660 nm and 830 nm. Topdressing at the jointing stage was well detected by polarization obtained at the heading stage. Polarization measurements are useful in practical terms for remote detection of changes in stand geometry induced by cultivation management such as topdressing. 相似文献
19.
不同播期冬小麦茎叶碳氮比的光谱监测 总被引：1，自引：0，他引：1
为了探讨利用冠层光谱监测不同播期下小麦植株碳氮比的可行性,基于不同播期和不同施氮水平下的两年田间试验,对冬小麦茎叶碳氮比与冠层光谱的关系进行了研究。结果表明,不同播期下冬小麦茎叶碳氮比随生育时期的推进均呈"高-低-高"的动态变化;各个波段综合原始反射率和一阶微分与碳氮比均有显著相关性;NDVI、RDVI、EVI、SAVI等植被指数对茎叶碳氮比均有较好的拟合效果,其中NDVI受播期的影响较小,可用于建立各播期冬小麦茎叶碳氮比监测模型。检验结果显示,冬小麦各播期茎叶碳氮比监测模型的预测精度为0.678 2~0.963 6,相对误差0.095 5~0.323 9,均方根误差1.864 6~5.714 2,说明利用冠层光谱可以实现对不同播期条件下冬小麦茎叶碳氮比较为准确的监测。 相似文献
20.
为了快速、无损监测花生生长发育，建立整个生育期内花生冠层吸收性光合有效辐射（APAR）和光合有
效辐射吸收系数（FAPAR）的高光谱遥感估测模型，本试验利用高光谱遥感技术，测定沈阳地区5种不同生态类型的
花生冠层光谱数据，同期获取APAR、FAPAR；并对原始光谱数据进行logρ、1/ρ、ρ′变换，构建6种植被指数，分别与
APAR和FAPAR进行Pearson相关分析，并建立估测模型，对模型进行检验与评价。研究结果表明：4种变换形式的
光谱数据中最优波段与APAR 和FAPAR 均达极显著相关（r≥0.3969，P<0.01），以ρ′在759nm 波段处与APAR（r=
0.7574）和FAPAR（r=0.6276）的相关性最好，ρ′759nm处的高光谱参数与APAR、FAPAR建立的估测方程y = 797.3846
e271.4883x（R=0.5512，P<0.01；RE=0.1213）和y =0.756e85.21x（R=0.4204，P<0.01，RE=0.0788）拟合系数最高、预测精度较
好，估测效果很好。比值植被指数（RVI）、差值植被指数（DVI）、归一化植被指数（NDVI）、复归一化差值植被指数
（RDVI）、垂直植被指数（PVI）和修改土壤调整植被指数（MSAVI）这6种植被指数的最优波段与APAR的相关性优
于与FAPAR的相关性，MSAVI[723,761]与APAR所建立的对数函数y = 1554ln（x）+ 1631（R=0.7566，P<0.01；RE=
0.0870）和RDVI[731,764]与FAPAR建立的多项式函数y = 1.027x2 + 0.713x + 0.729（R=0.6194，P<0.01；RE=0.0699）
的模拟值和实测值均达到了极显著、预测精度较高，MSAVI对APAR和RDVI对FAPAR估测效果很好。一阶微分光
谱和植被指数可以较好地估测花生冠层APAR和FAPAR。 相似文献