结合无人机光谱与纹理特征和覆盖度的水稻叶面积指数估算

S127; 为了探究无人机多指标构建叶面积指数(Leaf Area Index,LAI)估算模型的能力,该研究通过不同纹理组合方式优选纹理指数,分别以光谱特征、纹理指数和作物覆盖度作为输入量建立一元线性模型,3类指标结合构建多元逐步回归和人工神经网络模型,分析多指标结合估算LAI的精度.结果表明:新的纹理指数能够明显提高纹理特征值与LAI的相关性,近红外波段均值与蓝波段均值的差值较近红外波段均值提高了13.54％;将绿度归一化植被指数(Green Normalized Difference Vegetation Index,GNDVI)、差值纹理指数和作物覆盖度结合来估算水稻LAI的精度最好,...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 37; no. 9; pp. 64 - 71
Main Authors 杭艳红, 苏欢, 于滋洋, 刘焕军, 官海翔, 孔繁昌
Format Journal Article
LanguageChinese
Published 东北农业大学公共管理与法学院,哈尔滨 150030%中国科学院东北地理与农业生态研究所,长春 130012%东北农业大学公共管理与法学院,哈尔滨 150030 01.05.2021
中国科学院东北地理与农业生态研究所,长春 130012
Subjects
无人机
多光谱
水稻
叶面积指数
纹理指数
覆盖度
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2021.09.008

Cover

More Information
Summary:S127; 为了探究无人机多指标构建叶面积指数(Leaf Area Index,LAI)估算模型的能力,该研究通过不同纹理组合方式优选纹理指数,分别以光谱特征、纹理指数和作物覆盖度作为输入量建立一元线性模型,3类指标结合构建多元逐步回归和人工神经网络模型,分析多指标结合估算LAI的精度.结果表明:新的纹理指数能够明显提高纹理特征值与LAI的相关性,近红外波段均值与蓝波段均值的差值较近红外波段均值提高了13.54％;将绿度归一化植被指数(Green Normalized Difference Vegetation Index,GNDVI)、差值纹理指数和作物覆盖度结合来估算水稻LAI的精度最好,多指标结合的多元逐步回归模型的决定系数为0.866,调整后决定系数为0.816,均方根误差为0.308,人工神经网络模型结果再次验证这一结论.该研究成果可为基于无人机平台估算作物结构参数提供理论依据,并为其他作物LAI估算提供借鉴.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2021.09.008