基于ACRM模型与敏感波段的农作物LAI与LCC反演 |
| |
引用本文: | 刘轲,刘泳伶,张敏,刘仕川,任国业,吴文斌,李源洪※,程武学.基于ACRM模型与敏感波段的农作物LAI与LCC反演[J].中国农业信息,2020,32(5):1-10. |
| |
作者姓名: | 刘轲 刘泳伶 张敏 刘仕川 任国业 吴文斌 李源洪※ 程武学 |
| |
作者单位: | 四川省农业科学院遥感应用研究所/ 农业农村部遥感应用中心成都分中心,成都610066;中国农业科学院农业资源与农业区划研究所/ 农业农村部农业遥感重点实验室,北京 100081;中国农业科学院农业资源与农业区划研究所/ 农业农村部农业遥感重点实验室,北京100081;华中师范大学城市与环境科学学院,湖北武汉430079;四川省农业科学院遥感应用研究所/ 农业农村部遥感应用中心成都分中心,成都 610066;四川师范大学地理与资源科学学院,成都 610101 |
| |
基金项目: | 四川省应用基础研究项目“基于互联网+ 多阶段遥感反演的区域水稻参数逐田块监测技术研究”
(2017JY0284);四川省省院省校合作项目“基于大数据机器学习与冠层反射率模型结合的水稻叶面积指数
提取技术”(2018JZ0054);成都市重点研发支撑计划项目“互联网+ 机器学习下的农情遥感监测方法与大
数据平台”(2019-YF05-01368-SN);四川省应用基础研究项目“星机地协同的若尔盖草地鼠害遥感监测
研究”(2017JY0155);四川省财政创新能力提升工程项目“基于冠层反射率模型多阶段反演的逐地块水稻
参数采集技术研究”(2017QNJJ-023) |
| |
摘 要: | 【目的】面向现代农业生产和管理的数据需求,基于ACRM 冠层反射率模型,探索适
于冬小麦叶面积指数(LAI)和叶片叶绿素含量(LCC)反演的波段选择方案。【方法】文章
考虑高光谱数据降维和CR 模型模拟误差,选出覆盖蓝、绿、红与近红外的5 个波段(波段
选择方案B1),开展LAI 与LCC 同步反演。然后分别选择LAI 和LCC 的敏感波段,开展对
应参数的反演试验。【结果】(1)基于B1,能够在多数田块实现较为准确的LAI 与LCC 同
步反演(LAI 反演值与实测值间决定系数(R2)为0.860 4,均方根误差(RMSE)为0.963;
LCC 反演的R2 为0.814 1,RMSE 为0.069)。(2)仅利用LAI 或LCC 敏感波段反演结果的R2
与RMSE 同时略有升高,但与基于B1 的反演结果相比,无明显差异。【结论】通过该研究与
利用相同数据的前期研究对比发现,旨在高光谱数据降维与限制CR 模型模拟误差的波段选
择,对LAI 反演精度改进作用较为显著。相较而言,仅选用单一目标参数(LAI 或LCC)的
敏感波段,对反演精度改进并不明显。由此,一方面证实了常规反演方法与面向对象反演法
不强调选用单一目标参数敏感波段的合理性;另一方面,并不否定多阶段目标决策(MSDT)
反演法以及一些相关研究提出的,仅采用单一目标参数敏感波段来开展反演的合理性。
|
关 键 词: | 叶面积指数 叶片叶绿素含量 冠层反射率模型 遥感反演 波段选择 |
收稿时间: | 2020/10/1 0:00:00 |
Retrieving crop LAI and LCC based on their sensitive bands using
the ACRM model |
| |
Abstract: | |
| |
Keywords: | |
|
| 点击此处可从《中国农业信息》浏览原始摘要信息 |
| 点击此处可从《中国农业信息》下载免费的PDF全文 |