10.6041/j.issn.1000-1298.2022.08.018
基于Sentinel的时间序列田块尺度LAI重建与冬小麦估产
为了进行田块尺度的冬小麦单产估测,以陕西省关中平原为研究区域,基于Sentinel-l、Sentinel-2和Sentinel-3卫星数据反演叶面积指数(LAI),并利用增强的深度卷积神经网络融合模型(EDCSTFN)和增强的时空自适应反射率融合模型(ESTARFM)对Sentinel-1、Sentinel-2和Sentinel-3 LAI进行时空融合,进而重建尺度12 d的空间分辨率20 m LAI并用于冬小麦单产估测.结果表明,基于Sentinel-1后向散射系数和相干性能够准确地反演关中平原冬小麦种植区的20 m空间分辨率LAI,决定系数(R2)在冬小麦主要生育期可达0.70以上;相比于基于Sentinel-2 和 Sentinel-3 的 ESTARFM 模型和 EDCSTFN 模型(EDCSTFN_S3),基于 Sentinel-1 和 Sentinel-2 的EDCSTFN模型(EDCSTFN_S1)可以明显提高距离参考影像获取日期较远的日期的LAI时空融合精度,ESTARFM、EDCSTFN_S3和EDCSTFN_S1 3个模型在5月下旬的融合结果对应的R2分别为0.53、0.71和0.76;基于时空融合LAI的冬小麦估产结果与冬小麦单产数据具有良好的相关性(R2=0.52,P<0.01),估产结果的均方根误差为358.25 kg/hm2,归一化均方根误差为19%,平均相对误差为7.34%,并显示了丰富的田块尺度冬小麦单产分布细节特征,展现了进行田块尺度冬小麦精确估产的潜力.
冬小麦、估产、叶面积指数、时空数据融合、田块尺度、时间序列重建
53
TP79(遥感技术)
国家自然科学基金;国家自然科学基金
2022-11-10(万方平台首次上网日期,不代表论文的发表时间)
共13页
173-185