基于多光谱影像的单红边波段叶绿素指数验证

基于多光谱影像的单红边波段叶绿素指数验证

论文摘要

【目的】应用多光谱影像和光谱指数法准确估算作物叶绿素含量。【方法】使用4个生长期玉米冠层高光谱反射率及叶绿素含量建立单红边波段叶绿素指数(SRCI)的叶绿素含量估算模型:首先由高光谱反射率和光谱响应函数计算得到等效的Worldview-2多光谱反射率,以等效反射率计算SRCI;然后根据SRCI与叶片叶绿素含量(LCC)、冠层叶绿素密度(CCD)的线性关系,分别建立LCC和CCD的一元线性回归模型。使用2012年9月14日获取的Worldview-2多光谱遥感影像计算得到的SRCI作为输入,估算LCC和CCD。【结果】Worldview-2 SRCI估算叶片叶绿素含量的偏差均方根为4.70μg/cm2,相对误差平均为7.0%;估算冠层叶绿素密度的偏差均方根为1.63 g/m2,相对误差平均为6.4%。【结论】多光谱卫星遥感的红边光谱指数能准确估算玉米叶绿素含量。

论文目录

  • 1 材料与方法
  •   1.1 田间试验
  •   1.2 数据获取
  •     1.2.1 冠层光谱
  •     1.2.2 叶绿素含量
  •     1.2.3 叶面积指数
  •   1.3 Worldview-2多光谱影像
  •   1.4 玉米叶绿素含量估算模型建立
  •     1.4.1 Worldview-2等效多光谱反射率计算
  •     1.4.2 基于Worldview-2多光谱的SRCI计算
  •     1.4.3 基于SRCI的玉米叶绿素含量估算模型
  •   1.5 模型验证
  • 2 结果与分析
  • 3 讨 论
  • 4 结 论
  • 文章来源

    类型: 期刊论文

    作者: 李宗南,蒋怡,黄平,董秀春,王昕,魏来,刘忠友

    关键词: 遥感,光谱指数,叶绿素含量,红边波段,玉米

    来源: 西南农业学报 2019年12期

    年度: 2019

    分类: 农业科技

    专业: 农作物

    单位: 四川省农业科学院遥感应用研究所

    基金: 四川省农业科学院前沿学科研究基金“基于遥感大数据和深度学习的作物种植信息提取”(2019QYXK036),成都市农业技术研发项目“基于Android系统手机的水稻氮素诊断技术研究”(2015-NY02-00113-NC),四川省科技厅应用基础研究项目“基于空间大数据的乡村地区土地利用变化研究”(2019YJ0608),四川省财政创新能力提升工程专项资金项目“成都市天府新区智慧农业研究",(2016GXTZ-011)

    分类号: S513

    DOI: 10.16213/j.cnki.scjas.2019.12.013

    页码: 2796-2801

    总页数: 6

    文件大小: 1081K

    下载量: 108

    相关论文文献

    • [1].基于稀疏表示和字典学习的全色与多光谱影像融合[J]. 测绘与空间地理信息 2017(03)
    • [2].基于无人机多光谱影像的蔬菜种植监测技术研究[J]. 上海农业学报 2020(05)
    • [3].北京1号小卫星多光谱影像全国镶嵌技术与制图研究[J]. 遥感学报 2009(01)
    • [4].基于无人机多光谱影像的单木树冠提取方法[J]. 福建农林大学学报(自然科学版) 2020(05)
    • [5].资源三号卫星全色与多光谱影像融合方法[J]. 测绘通报 2015(01)
    • [6].基于多光谱影像和专家决策法的作物分类研究[J]. 安徽农业科学 2011(25)
    • [7].基于多光谱影像和专家决策法的作物分类研究(英文)[J]. Agricultural Science & Technology 2011(11)
    • [8].基于无人机多光谱影像的地物识别[J]. 新疆农业科学 2020(05)
    • [9].基于高分一号宽幅多光谱影像的鄱阳湖湿地分类研究[J]. 测绘与空间地理信息 2016(06)
    • [10].资源三号卫星正视全色与多光谱影像融合及评价[J]. 物探化探计算技术 2014(01)
    • [11].“一带一路”沿线港口城市天宫二号多光谱影像数据集[J]. 遥感学报 2020(09)
    • [12].港珠澳大桥DMC-2卫星多光谱影像图[J]. 卫星应用 2016(11)
    • [13].ALOS全色与多光谱影像融合方法比较[J]. 地理空间信息 2012(05)
    • [14].基于时序多光谱影像的干旱草原区开采扰动信息提取方法[J]. 光谱学与光谱分析 2019(12)
    • [15].ALOS全色与多光谱影像融合方法的比较研究[J]. 浙江水利水电学院学报 2014(01)
    • [16].WorldView Ⅱ全色与多光谱影像融合算法的比较研究[J]. 测绘技术装备 2016(01)
    • [17].基于高精度历史耕地地块的农区多光谱影像分割方法研究[J]. 国土资源遥感 2011(04)
    • [18].SIFT特征匹配无人飞艇多光谱影像拼接[J]. 应用科学学报 2010(06)
    • [19].基于分类结果的多光谱遥感影像端元提取方法[J]. 科技视界 2014(05)
    • [20].ALOS全色波段与多光谱影像融合方法在盐渍地信息提取中的应用[J]. 土壤通报 2012(06)
    • [21].LS-WTSVM的遥感多光谱影像云检测[J]. 安徽大学学报(自然科学版) 2014(01)
    • [22].利用波段合成研究SPOT多光谱影像水体提取方法[J]. 全球定位系统 2012(05)
    • [23].吉林一号光谱星获取的日本樱岛火山多光谱影像[J]. 遥感学报 2019(05)
    • [24].多光谱影像技术在文化遗产保护中的应用[J]. 山东工业技术 2016(21)
    • [25].ALOS全色与多光谱影像融合的土地覆盖分类[J]. 地理空间信息 2012(01)
    • [26].宽刈幅多光谱影像正射纠正技术研究[J]. 国土资源遥感 2010(03)
    • [27].无人艇载高清多光谱影像配准[J]. 遥感学报 2012(03)
    • [28].IHS融合改进方法在闽清县土地更新调查中的应用[J]. 福建地质 2009(02)
    • [29].国产高分多光谱数据的自动云检测[J]. 计算机与网络 2015(14)
    • [30].航片数字化影像与SPOT5多光谱影像融合比较分析[J]. 地理信息世界 2008(03)

    标签:;  ;  ;  ;  ;  

    基于多光谱影像的单红边波段叶绿素指数验证
    下载Doc文档

    猜你喜欢