10.7621/cjarrp.1005-9121.20180305
无人机高光谱遥感数据在冬小麦叶面积指数反演中的应用
[目的] 无人机高光谱遥感是获取田间尺度作物生长参数的新型手段,如叶面积指数 (leaf area index, LAI) 的无人机快速观测对作物生长监测具有重要意义.[方法] 研究以河北省衡水市冬小麦为研究对象,利用以多旋翼无人机为平台搭载Cubert UHD185成像高光谱传感器获取了冬小麦乳熟期的无人机高光谱影像数据;在无人机飞行的冬小麦试验田,利用LAI 2200进行了同步观测试验.该研究利用植被辐射传输模型PROSAIL模拟小麦冠层反射率数据,进而模拟9种植被指数 (RVI, NDVI, EVI2, OSAVI, MSA-VI2, TCARI/OSAVI, RENDVI (red edge NDVI), MSI, S2REP).将模拟的植被指数与LAI进行相关性分析,分别构建LAI反演模型并通过拟合效果选择最优的反演模型.然后基于LAI最优反演模型利用无人机高光谱遥感数据反演冬小麦乳熟期的LAI.最后利用地面实测LAI数据对反演结果进行了验证.[结果] 9种植被指数中包含红边波段的RENDVI和S2REP与LAI具有高度相关性,而且消除了在小麦LAI高值区时其他植被指数对LAI饱和的问题.基于RENDVI指数模型模拟的LAI与模型模拟的LAI之间RMSE为0.51,无人机高光谱数据LAI反演结果与地面实测值高度拟合 (R2=0.83, RMSE=0.16, NRMSE=10%, n=25,P<0.001),因此RENDVI是用于估算LAI的较理想的植被指数.[结论] 无人机高光谱是获取小麦LAI的有效手段,该研究为利用无人机高光谱数据监测作物生理生态参数提供了参考.
无人机、高光谱遥感数据、冬小麦、叶面积指数、衡水市
39
S512.11(禾谷类作物)
国家自然科学基金项目"基于定量遥感和数据同化的区域作物监测与评价研究"61661136006;农业部"引进国际先进农业科学技术计划"项目"农业遥感监测系统关键技术引进"2016-X38;国家自然科学基金面上项目"作物种植面积和产量统计数据降尺度空间表达及时空变化分析"41471364
2018-05-14（万方平台首次上网日期，不代表论文的发表时间）
共6页
32-37
