数字农科院2.0

无人机观测时间对玉米冠层叶绿素密度估算的影响

文献类型： 中文期刊

作者： 周丽丽;冯海宽;聂臣巍;许晓斌;刘媛;孟麟;薛贝贝;明博;梁齐云;苏涛;金秀良

作者机构：

关键词： 叶绿素密度;观测时间;机器学习;PROSAIL模型;玉米

期刊名称：浙江农业学报

ISSN： 1004-1524

年卷期： 2024 年

页码：

收录情况： 北大核心（2023版） ; ; CSCD（2023-2024年度） ; ; 科技核心（2024版） ; ; 农林核心（2020版）

摘要： 为探讨不同时间获取的无人机多光谱数据对玉米冠层叶绿素密度（canopy chlorophyll density， CCD）估算的影响，分别在玉米抽雄吐丝期、籽粒建成期、乳熟期和蜡熟期选择同一天的10:00—10:59、11:00—11:59、13:00——13:59和14:00—14:59进行无人机多光谱观测试验，并结合PROSAIL模型模拟结果与实测CCD数据，分析一天中不同时刻典型植被指数的变化规律及CCD估算结果的差异。结果表明：在同一天中，无人机玉米冠层反射率和与实测CCD相关性较好的植被指数值均随时间变化，近红外波段的反射率变化最明显，越接近12:00，实测的植被指数值越低，而在一天的不同时间PROSAIL模拟的植被指数值几乎没有差异。在同一天，基于不同观测时间获取的同一植被指数与实测CCD的相关性存在较大差异，且不同生育时期和不同指数间的差异不一致；而模拟得到的同一植被指数与CCD的相关性在同一天不同时间的差异不明显。在不同生育时期，基于不同观测时间无人机数据构建的CCD估算模型均可以取得较好的精度，但不同观测时间的估算结果存在差异，决定系数最低的为0.53，最高的为0.80。这些结果表明，在传统的光谱数据获取时间范围内（10:00—14:00），无人机影像获取时间仍对玉米CCD估算有影响，越接近12:00，估算精度越高。研究结果可为后续作物的CCD精准估算提供基础支撑。

分类号：

  • 相关文献

[1]Ethephon combined with synergist promoted grain formation by improving photosynthetic performance and floret development of maize. 王志,刘正,刘瑞显,周宝元,王新兵,丁在松,张仁和,李从锋,赵明. 2025

[2]基于成像光谱仪的冬小麦苗期冠层叶绿素密度监测. 谭海珍,李少昆,王克如,谢瑞芝,高世菊,明博,于青,赖军臣,刘国庆,汤秋香. 2008

[3]基于PROSAIL模型的温性草甸草原FPAR遥感反演. 李刚,张华,王道龙,张宏斌,辛晓平. 2014

[4]改进Sobol算法支持下的PROSAIL模型参数全局敏感性分析. 马建威,黄诗峰,李纪人,李小涛,宋小宁,冷佩,孙亚勇. 2016

[5]结合无人机数码影像与PROSAIL模型的夏玉米LAI反演. 牛庆林,张合兵,邓炯,冯海宽,李长春,杨贵军,陈志超. 2025

[6]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[7]Global dynamics of streptococcus agalactiae antibiotic resistance: Past, present, and future. 房辉,,李东航,, 魏夏夏 ,,王仁东,, 苏燕燕 ,,于佑任,, 白航铭,, 高会会,,侯捷,,毛大庆,,罗义. 2025

[8]Multiomics and machine learning unveil root exudate-microbiota interactions for cadmium control in rice. 李烨,,侯捷,,刘孟琪,,杜兆林,,陈洪安,,刘国飞,,王雅君,,姚彦坡,,孙佩哲,,赵林,,安毅. 2025

[9]Machine Learning-Driven Prediction of Nitrogen Loss in Organic Solid Waste Composting. Haoran Mi, Dawei Gao, Deling Yuan, Xiao Liu, Lili Gao, Shengping Li, Yuanwang Liu. 2025

[10]基于深度学习的自然语言处理技术的发展及其在农业领域的应用. 崔运鹏,王健,刘娟. 2019

[11]基于文献计量的植物表型组学研究进展分析. 李晓曼,张扬,徐倩,谢能付. 2019

[12]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019

[13]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019

[14]基于机器学习的焦油预测模型研究. 郭东锋,刘新民,姚忠达,舒俊生,胡海洲. 2015

[15]稀疏分层概率自组织图实例迁移学习方法. 吴蕾,田儒雅,张学福. 2016

[16]可见光光谱和机器学习的温室黄瓜霜霉病严重度定量估算. 张领先,田潇,李云霞,陈运强,陈英义,马浚诚. 2020

[17]基于机器学习算法的烤烟香型分类研究. 郭东锋,闫宁,胡海洲,刘非,邹鹏,窦玉青,张忠锋,舒俊生. 2016

[18]基于机器学习和可见光光谱的冬小麦叶片氮积累量估算. 崔日鲜,刘亚东,付金东. 2016

[19]基于高光谱遥感和集成学习方法的冬小麦产量估测研究. 费帅鹏,禹小龙,兰铭,李雷,夏先春,何中虎,肖永贵. 2021

[20]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021

作者其他论文 更多>>