为给小麦的长势监测与农艺决策提供科学依据,利用高光谱技术实现了小麦冠层叶绿素含量的估测。通过分析18种高光谱指数对叶绿素的估测能力,筛选出可敏感表征叶绿素含量的指数REP,利用地面光谱数据为样本集,以最小二乘支持向量回归(least...为给小麦的长势监测与农艺决策提供科学依据,利用高光谱技术实现了小麦冠层叶绿素含量的估测。通过分析18种高光谱指数对叶绿素的估测能力,筛选出可敏感表征叶绿素含量的指数REP,利用地面光谱数据为样本集,以最小二乘支持向量回归(least squares support vector regression,LS-SVR)算法建立了小麦冠层叶绿素含量反演模型,其校正决定系数C-R2与预测决定系数P-R2分别为0.751与0.722,在各指数中反演精度最高。进一步分析表明,REP对叶绿素含量以及LAI值较高与较低的样本均具备良好的预测能力,可有效避免样本取值范围以及冠层郁闭度等因素对叶绿素含量估测的影响。利用LS-SVR反演模型完成了OMIS影像叶绿素含量的遥感填图,并以地面实测值进行检验,其拟合模型R2与RMSE值分别为0.676与1.715。结果表明,高光谱指数REP所建立的LS-SVR模型实现了叶绿素含量的准确估测,可用于小麦叶绿素含量信息的快速、无损获取。展开更多
以高光谱遥感技术实现了小麦叶面积指数(leaf area index,LAI)的反演。对18种高光谱指数进行了比较分析,筛选出了可敏感反映小麦LAI的高光谱指数OSAVI,并以地面光谱数据为样本建立了小麦LAI的反演模型。分析表明,指数OSAVI所建立的反演...以高光谱遥感技术实现了小麦叶面积指数(leaf area index,LAI)的反演。对18种高光谱指数进行了比较分析,筛选出了可敏感反映小麦LAI的高光谱指数OSAVI,并以地面光谱数据为样本建立了小麦LAI的反演模型。分析表明,指数OSAVI所建立的反演模型校正集与预测集R2分别达0.823与0.818,在各指数中反演精度最高。利用反演模型逐象元对OMIS影像进行解算,实现小麦LAI的空间量化表达,并将反演结果与地面实测值进行回归拟合,发现两组数据的拟合模型R2达0.756,RMSE为0.500,具有较高的相似度。结果表明:以高光谱指数进行小麦LAI的反演是可行的,且OSAVI为优选指数。展开更多
提出了一种估测小麦冠层氮含量的新高光谱指数———微分归一化氮指数(FD-NDNI)。以FieldSpec Pro FR地物光谱仪采集拔节后至孕穗前小麦的冠层光谱190份,随机抽取142份作为训练集,其余48份作为预测集。将光谱以小波阈值去噪法去噪后,利...提出了一种估测小麦冠层氮含量的新高光谱指数———微分归一化氮指数(FD-NDNI)。以FieldSpec Pro FR地物光谱仪采集拔节后至孕穗前小麦的冠层光谱190份,随机抽取142份作为训练集,其余48份作为预测集。将光谱以小波阈值去噪法去噪后,利用其525、570与730 nm处的一阶导数值,采用差值、比值以及归一化的方法构建了12种光谱指数以实现小麦冠层氮含量的估测,并与mNDVI705、mSR以及NDVI705等22种常用指数进行了比较分析。发现指数FD-NDNI对小麦冠层氮含量的估测结果最佳,其估测模型(指数形式)校正集决定系数(C-R2)与预测集决定系数(P-R2)分别达0.818与0.811,优于mNDVI705等常用指数。进一步分析表明,在各指数中,FD-NDNI对叶面积系数最不敏感,可最有效地避免冠层郁闭度等因素对氮含量估测的影响。为优化结果,采用最小二乘支持向量回归算法(LS-SVR)对模型进行了改进,当模型惩罚系数C与RBF核函数参数g取得最优解6.4与1.6时,其C-R2与P-R2分别提高至0.846与0.838,具有比指数模型更高的精度。结果表明:FD-NDNI是小麦冠层氮含量估测的优选指数,LS-SVR为建模的优选算法。展开更多
文摘为给小麦的长势监测与农艺决策提供科学依据,利用高光谱技术实现了小麦冠层叶绿素含量的估测。通过分析18种高光谱指数对叶绿素的估测能力,筛选出可敏感表征叶绿素含量的指数REP,利用地面光谱数据为样本集,以最小二乘支持向量回归(least squares support vector regression,LS-SVR)算法建立了小麦冠层叶绿素含量反演模型,其校正决定系数C-R2与预测决定系数P-R2分别为0.751与0.722,在各指数中反演精度最高。进一步分析表明,REP对叶绿素含量以及LAI值较高与较低的样本均具备良好的预测能力,可有效避免样本取值范围以及冠层郁闭度等因素对叶绿素含量估测的影响。利用LS-SVR反演模型完成了OMIS影像叶绿素含量的遥感填图,并以地面实测值进行检验,其拟合模型R2与RMSE值分别为0.676与1.715。结果表明,高光谱指数REP所建立的LS-SVR模型实现了叶绿素含量的准确估测,可用于小麦叶绿素含量信息的快速、无损获取。
文摘以高光谱遥感技术实现了小麦叶面积指数(leaf area index,LAI)的反演。对18种高光谱指数进行了比较分析,筛选出了可敏感反映小麦LAI的高光谱指数OSAVI,并以地面光谱数据为样本建立了小麦LAI的反演模型。分析表明,指数OSAVI所建立的反演模型校正集与预测集R2分别达0.823与0.818,在各指数中反演精度最高。利用反演模型逐象元对OMIS影像进行解算,实现小麦LAI的空间量化表达,并将反演结果与地面实测值进行回归拟合,发现两组数据的拟合模型R2达0.756,RMSE为0.500,具有较高的相似度。结果表明:以高光谱指数进行小麦LAI的反演是可行的,且OSAVI为优选指数。
文摘提出了一种估测小麦冠层氮含量的新高光谱指数———微分归一化氮指数(FD-NDNI)。以FieldSpec Pro FR地物光谱仪采集拔节后至孕穗前小麦的冠层光谱190份,随机抽取142份作为训练集,其余48份作为预测集。将光谱以小波阈值去噪法去噪后,利用其525、570与730 nm处的一阶导数值,采用差值、比值以及归一化的方法构建了12种光谱指数以实现小麦冠层氮含量的估测,并与mNDVI705、mSR以及NDVI705等22种常用指数进行了比较分析。发现指数FD-NDNI对小麦冠层氮含量的估测结果最佳,其估测模型(指数形式)校正集决定系数(C-R2)与预测集决定系数(P-R2)分别达0.818与0.811,优于mNDVI705等常用指数。进一步分析表明,在各指数中,FD-NDNI对叶面积系数最不敏感,可最有效地避免冠层郁闭度等因素对氮含量估测的影响。为优化结果,采用最小二乘支持向量回归算法(LS-SVR)对模型进行了改进,当模型惩罚系数C与RBF核函数参数g取得最优解6.4与1.6时,其C-R2与P-R2分别提高至0.846与0.838,具有比指数模型更高的精度。结果表明:FD-NDNI是小麦冠层氮含量估测的优选指数,LS-SVR为建模的优选算法。
