排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
为解决水稻叶片生物量反演模型普遍存在的泛用性与机理性较差的问题,利用无人机高光谱遥感平台获取水稻冠层400～1 000 nm的高光谱反射率信息,对PROSAIL模型进行参数敏感性分析,根据分析结果利用连续投影法提取敏感波段,在此基础上,结合PROSAIL作物辐射传输模型与水稻高光谱数据,运用秃鹰算法（BES）对PROSAIl模型的生物量参数进行数值优化,从而快速、精准实现水稻关键生育期的叶片生物量反演。结果显示：运用改进Sobol方法对水稻叶片生物量进行全局敏感性分析,敏感区间为700～1 000 nm。对敏感区间内光谱利用连续投影法提取了750、788、898、940、962、999 nm等6个水稻叶片生物量特征波长。结合PROSAIL模型与BES优化算法,构建了PROSAIL-BES数值优化方法。以水稻特征波段光谱反射率为模型输入,通过PROSAIL-BES数值优化方法对PROSAIL模型参数进行校正,叶片生物量反演结果 R2为0.694,RMSE为0.002。结果表明,与传统机器学习模型的反演结果对比,PROSAIL-BES数值优化方法具有更好的反演精度,在水稻生物量反演领域具有... 相似文献
2.
近几年，无人机遥感技术在水稻理化参量反演上得到了广泛应用，并逐渐发展成为水稻田块尺度遥感信息获取的主要途径之一。深入分析基于无人机遥感的水稻农学理化参量（指在农业领域中可确定某种物理、化学性质的参量）反演研究现状及存在问题，有利于更好地把握水稻无人机遥感未来发展趋势。综述无人机遥感技术在反演生化组分含量、结构参量、生产力等方面的研究现状，其中生化组分含量的反演研究主要集中在氮素和叶绿素方向且目前仍然以数据驱动的方法为主，例如用于反演氮素的窄波段植被指数NDRE，通过对极限学习机与偏最小二乘回归耦合对水稻叶绿素含量的反演等，而基于物理模型的反演方法较少；结构参量的反演研究主要包括叶面积指数、生物量等，方法有用于反演叶面积指数的辐射传输机理模型PROSAIL，用于反演生物量的基于冠层光谱特征的优化高斯过程回归方法；生产力的遥感重点在水稻的产量估算、病害和倒伏检测，方法有用于水稻估算的利用RGB影像使用K-Means与核相关滤波算法融合。对无人机遥感平台、设备、方法进行了总结，梳理近10年水稻农学理化参量无人机遥感反演的研究进展和成果。最后综合国内外的研究现状进行水稻无人机定量遥感讨论分析与... 相似文献
1