数字农科院2.0

基于无人机多光谱与热红外数据的冬小麦土壤水分反演

文献类型： 中文期刊

作者： 张成才;侯佳彤;王蕊;姜明梁;祝星星

作者机构：

关键词： 土壤水分反演;无人机遥感;多光谱;热红外;随机森林;干旱指数;植被覆盖度

期刊名称：郑州大学学报(工学版)

ISSN： 1671-6833

年卷期： 2024 年

页码：

收录情况： 北大核心（2023版） ; ; 科技核心（2024版）

摘要： 引入植被覆盖度会在一定程度上提高土壤水分反演模型的精度,但大多数研究均基于归一化植被指数NDVI估算植被覆盖度,未深入研究基于其他植被指数估算植被覆盖度对模型的影响。因此,以河南省驻马店市西平县人和乡冬小麦部分种植区域为实验区,基于分辨率高、机动性强的无人机平台搭载多光谱与热红外成像仪开展冬小麦覆盖地表的土壤水分反演研究,探究引入不同植被覆盖度参数后模型精度的变化,并弥补基于卫星遥感影像的土壤水分监测分辨率低、时效性差的不足。基于随机森林算法,将温度植被干旱指数TVDI、垂直干旱指数PDI 2种干旱指数分别与7种植被指数估算的植被覆盖度参数耦合搭建土壤水分反演模型,并根据最优模型的反演结果对实验区的土壤水分空间分布情况进行分析。同时,建立耦合TVDI与PDI指数、不引入植被覆盖度的土壤水分反演模型TP模型为对照组。结果表明:在0～10 cm和10～20 cm深度下,TP模型的决定系数R2分别为0.606、0.670,均方根误差RMSE分别为4.5%、4.1%。7种引入植被覆盖度的模型精度较TP模型精度均有一定程度的提升,其中最优模型TPOSAVI的R2较TP模型分别提高0.143、0.158,RMSE降低0.6百分点、0.8百分点。因此,基于干旱指数引入植被覆盖度能够提高模型精度,且不同植被覆盖度参数对模型精度的提升程度有差异。

分类号：

  • 相关文献

[1]基于多源遥感数据与模型对比的冬小麦土壤含水量区域监测研究. 吴东丽,刘聪,郭超凡,丁明明,吴苏,阙艳红,姜明梁,李雁. 2024

[2]多光谱与热红外数据融合在冬小麦产量估测中的应用. 兰铭,费帅鹏,禹小龙,李雷,夏先春,肖永贵,孟亚雄. 2021

[3]基于机器学习的加工番茄叶绿素相对含量遥感反演研究. 姜明君,范燕敏,武红旗,张浩,刘卓,王德俊. 2025

[4]基于无人机DSM的小麦倒伏识别方法. 赵立成,段玉林,史云,张保辉. 2019

[5]天山云杉林无人机可见光影像树冠信息提取方法研究. 曹姗姗,王蕾,孙伟,金忠明. 2020

[6]基于无人机影像分层建模的土壤深层盐渍化空间预测. 雷鸣阔,,查燕,,王丽,,程钢,,温彩运 ,,尹作堂,,陆苗. 2025

[7]不同施氮处理下无人机光谱感知冬小麦产量. 丁凡,陈震,李长春,程千,费帅鹏,李景勃,徐洪刚,李宗鹏. 2023

[8]基于无人机多光谱遥感和机器学习的烟田土壤碱解氮估测. 胡晓,臧玉龙,高睿康,郭利,徐锐,敖耀强,邓建强,孙玉晓,张继光,唐大鹏. 2024

[9]基于无人机多光谱的烤烟冠层叶绿素含量反演. 王佳丽,蒯雁,杨成伟,字韶兴,张国兴,杨泽远,张久权. 2024

[10]土壤水分雷达遥感反演研究. 朱逸青,吴尚蓉,王迪. 2024

[11]基于无人机影像的作物土壤水分亏缺反演方法. 陈震,马春芽,孙浩,程千,段福义. 2019

[12]极轨卫星热红外地表温度日变化模拟. 陈颖,段四波,冷佩,陈媛媛,韩晓静. 2016

[13]新雪的热红外偏振特性研究. 王婷婷,李召良,唐伯惠,孙玮琪,赵云升. 2015

[14]热红外遥感图像中云覆盖像元地表温度估算研究进展. 周义,覃志豪,包刚. 2014

[15]气候变化对东北玉米干旱指数保险纯费率厘定的影响. 杨帆,刘布春,刘园,杨晓娟. 2015

[16]安徽省冬小麦种植保险天气指数设计与应用. 杨太明,刘布春,孙喜波,李德,荀尚培. 2013

[17]安徽省冬小麦种植保险天气指数设计与应用. 杨太明,刘布春,孙喜波,李德,荀尚培. 2013

[18]气候变化背景下山西省气象干旱的时空演变特征. 姚宁,蒋昆昊,谢文馨,张东彦,杨晓娟,于强. 2023

[19]鄂尔多斯高原3种固沙灌木水分利用效率的时空变化特征. 吴风燕,吴永胜,陈晓涵,冯骥,卢丽媛,查斯娜,王超宇,孟元发,尹强. 2024

[20]陕西黄土高原丘陵区苹果干旱天气指数保险研究. 杨晓娟,孙靖博,刘璐,刘晓迎,吉文娟,刘园,陈迪,韩锐,刘布春. 2024

作者其他论文 更多>>