排序方式： 共有5条查询结果，搜索用时 15 毫秒
1
1.
2.
生物量是作物生长过程中重要的生物参数之一,能较好地反映作物长势情况。获取了冬小麦开花期数码影像数据、高光谱数据和实测生物量数据,运用相关性分析筛选出对冬小麦生物量相关性高的数码影像指数和植被指数,分别使用多元线性回归分析和逐步回归分析法建立生物量反演估算模型,最后将最优模型估算结果进行可视化空间分析。结果表明：与冬小麦生物量相关性高的数码影像指数有VARI、MGRVI、b等,植被指数有NDVI、SR、LCI、OSAVI等。建立的冬小麦生物量反演模型估算效果较好,其中精度最高的模型为高光谱数据多元线性回归模型,其验证模型均方根误差为0.9041 t/hm2。可视化处理结果能直观地显示试验区冬小麦生物量分布情况,为生长监测及种植管理提供有效依据。 相似文献
3.
为及时准确高效监测小麦叶面积指数（leaf area index,LAI）,获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据,并基于查找表建立PROSAIL辐射传输模型得到冬小麦冠层模拟光谱数据,利用数学统计回归模型与偏最小二乘回归法分别构建冬小麦LAI单变量、多变量预测模型,以实测LAI数据对预测结果进行精度评价,将最佳预测模型应用于无人机高光谱影像以分析LAI空间分布情况。结果表明,冬小麦各生育时期的预测模型均具有较高的预测精度,单变量预测模型和多变量预测模型的决定系数分别为0.598~0.717和0.577~0.755,其中以基于植被指数的多变量预测模型表现最优,其在开花期的验证精度最高,RMSE和MAPE分别为0.405和12.90%。在LAI空间分布图中,开花期预测效果优于挑旗期,各试验小区的LAI分布较为均匀。 相似文献
4.
融合无人机影像光谱与纹理特征的冬小麦氮营养指数估算 总被引：2，自引：0，他引：2
基于无人机数码影像,探讨融合光谱信息与纹理特征构建的"图-谱"指标对冬小麦氮营养指数的估算能力,为冬小麦氮素营养精准探测提供一种可靠的技术手段。利用无人机数码影像及相应的生物量和植株氮含量数据,分析了图像指数、纹理特征与氮营养指数的相关性,然后将图像指数与纹理特征相乘或相除融合形成"图-谱"融合指标,分析"图-谱"融合指标与氮营养指数的相关性,整合灰色关联度和方差膨胀因子,筛选对氮营养指数敏感的"图-谱"融合指标,最后用偏最小二乘法分析图像指数、纹理特征及"图-谱"融合指标估测氮营养指数的能力。结果表明:"图-谱"融合指标较图像指数、纹理特征与氮营养指数的相关性有了较大的提高,利用"图-谱"融合指标构建的氮营养指数模型估算精度(R~2=0.644 3)高于图像指数及纹理特征构建的氮营养指数模型(R~2分别为0.593 8及0.584 5),而且"图-谱"融合指标构建的模型验证结果均方根误差最小,为0.114 0。基于光谱信息和纹理特征融合的"图-谱"指标可以有效提高冬小麦氮营养指数的反演精度,为冬小麦氮素营养诊断反演提供了一种有效的思路。 相似文献
1