数字农科院2.0

基于Hyperion高光谱影像的冬小麦地上干生物量反演

文献类型： 中文期刊

作者： 任建强;吴尚蓉;刘斌;陈仲新;刘杏认;李贺

作者机构：

关键词： 冬小麦;生物量;高光谱遥感;敏感波段;植被指数

期刊名称：农业机械学报

ISSN： 1000-1298

年卷期： 2018 年 4 期

页码： 199-211

收录情况： EI（2021版） ; 北大核心（2020版） ; CSCD（2020-2021年度） ; 农林核心（2020版） ; 科技核心（2020版）

摘要： 在黄淮海粮食主产区选择河北省衡水市深州市为试验区,以冬小麦地上干生物量为研究对象,以作物冠层高光谱和EO-1 Hyperion高光谱卫星数据为主要数据源,在分析冠层高光谱构建的窄波段植被指数(N-VIs)与实测冬小麦地上干生物量间相关性基础上,提出了利用拟合精度R2极大值区域重心确定冬小麦干生物量敏感的光谱波段中心的方法,并运用该方法确定了冬小麦生物量敏感波段中心。在此基础上,以敏感波段中心筛选结果为指导,利用窄波段植被指数及相关波段开展Hyperion高光谱卫星遥感区域冬小麦干生物量遥感反演和精度验证。最终,按精度最高原则优选区域冬小麦地上生物量反演结果。其中,研究采用了冬小麦孕穗期Hyperion数据,涉及的植被指数包括窄波段归一化植被指数(N-NDVI)、窄波段差值植被指数(N-DVI)和窄波段比值植被指数(N-RVI)。结果表明,通过与实测冬小麦地上干生物量对比,利用冠层高光谱冬小麦地上干生物量反演敏感波段筛选结果及其相应波段构建的Hyperion窄波段植被指数进行孕穗期作物干生物量估算取得了较好结果,其精度由大到小为:NNDVI、N-RVI、N-DVI。其中,以波段B18(波长528.57 nm)、波段B82(波长962.91 nm)构建的Hyperion N-NDVI估算区域冬小麦地上干生物量精度最高,相对误差(RE)和归一化均方根误差(NRMSE)分别为12.65%和13.78%。

分类号： S127`S512.11

  • 相关文献

[1]基于高光谱遥感的冬小麦叶水势估算模型. 陈智芳,宋妮,王景雷,孙景生. 2017

[2]冬小麦鲜生物量估算敏感波段中心及波宽优选. 刘斌,任建强,陈仲新,唐华俊,吴尚蓉,李贺. 2016

[3]应用波段深度分析和偏最小二乘回归的冬小麦生物量高光谱估算. 付元元,王纪华,杨贵军,宋晓宇,徐新刚,冯海宽. 2013

[4]高光谱遥感在草原监测中的应用. 周磊,辛晓平,李刚,杨桂霞,张宏斌. 2009

[5]高光谱遥感在草原监测中的应用进展. 周磊,辛晓平,李刚,杨桂霞. 2008

[6]基于花后累积地上生物量比例的冬小麦动态收获指数估算. 张宁丹,任建强,吴尚蓉. 2022

[7]青藏高原草地生物量遥感动态监测. 方金,黄晓东,王玮,于惠,马琳雅,梁天刚. 2011

[8]利用手持光谱设备估测羊草草地生物量. 韩冬梅,何峰,谢开云,万里强,李向林. 2013

[9]基于高光谱特征参数的棉花长势参数监测. 金秀良,李少昆,王克如,肖春华,王方永,陈兵,陈江鲁,吕银亮,刁万英,王琼,王楷. 2011

[10]基于MODIS的青藏高原牧草生长季草地生物量动态. 杜玉娥,刘宝康,郭正刚. 2011

[11]冬小麦病虫害的高光谱识别方法研究. 夏斌,马新明,程登发,周益林. 2010

[12]冬小麦主要病虫害的高光谱识别. 徐永伟,程登发,周益林. 2007

[13]用NOAA图像监测冬小麦长势的方法研究. 吴文斌,杨桂霞. 2001

[14]基于作物模型与叶面积指数遥感影像同化的区域单产估测研究. 杨鹏,吴文斌,周清波,陈仲新,查燕,唐华俊,柴崎亮介. 2007

[15]多信息融合的冬小麦地上鲜生物量检测研究. 郑玲,朱大洲,董大明,张保华,王成,赵春江. 2016

[16]基于WOFOST模型的江苏冬小麦生长模拟. 朱波,周彤,刘涛,孙成明,仲晓春,霍中洋,李瑞. 2020

[17]基于生物量的越冬期后小麦地上部几何参数模型研究. 张红英,李世娟,诸叶平,刘海龙,李书钦,刘文超. 2017

[18]基于作物生物量估计的区域冬小麦单产预测. 任建强,刘杏认,陈仲新,周清波,唐华俊. 2009

[19]越冬前冬小麦主茎叶片几何参数模型研究. 杨平,张文宇,张伟欣,诸叶平,李世娟,巩法江,毕海滨,岳霆. 2015

[20]基于生物量的冬小麦越冬前植株地上部形态结构模型. 杨平,张文宇,张伟欣,诸叶平,李世娟,巩法江,毕海滨,岳霆. 2016

作者其他论文 更多>>