为了进一步提高玉米叶绿素含量的高光谱估算精度,该文测定了西北地区玉米乳熟期叶片的光谱反射率及其对应的叶绿素相对含量(soil and plant analyzer development,SPAD)值,分析了一阶微分光谱、高光谱特征参数与SPAD的相关关系,构建了...为了进一步提高玉米叶绿素含量的高光谱估算精度,该文测定了西北地区玉米乳熟期叶片的光谱反射率及其对应的叶绿素相对含量(soil and plant analyzer development,SPAD)值,分析了一阶微分光谱、高光谱特征参数与SPAD的相关关系,构建了基于一阶微分光谱、高光谱特征参数和BP神经网络的SPAD估算模型,并对模型进行验证;再结合主成分回归(principal component regression,PCR)、偏最小二乘回归(partial least squares regression,PLSR)以及传统回归模型与BP神经网络模型进行比较。结果表明:SPAD值与一阶微分光谱在763nm处具有最大相关系数(R=0.901);以763 nm处的一阶微分值、蓝边内最大一阶微分为自变量建立的传统回归模型可用于玉米叶片SPAD估算;将构建传统回归模型时筛选到的光谱参数作为输入,实测SPAD值作为输出,构建BP神经网络模型,其建模与验模R2分别为0.887和0.896,RMSE为2.782,RE为4.59%,与其他回归模型相比,BP神经网络模型预测精度最高,研究表明BP神经网络对叶绿素具有较好的预测能力,是估算玉米叶片SPAD值的一种实时高效的方法。展开更多
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
为快速、准确地在遥感图像上提取各种农作物类型信息,满足国家农情遥感监测系统的要求,以2002年北京地区主要秋季作物提取为例,利用T erra/M OD IS数据,采用波谱分析的方法,建立一种基于遥感影像全覆盖的秋季作物类型自动提取方法,实现...为快速、准确地在遥感图像上提取各种农作物类型信息,满足国家农情遥感监测系统的要求,以2002年北京地区主要秋季作物提取为例,利用T erra/M OD IS数据,采用波谱分析的方法,建立一种基于遥感影像全覆盖的秋季作物类型自动提取方法,实现主要秋季作物遥感自动识别。首先根据研究区秋季作物的波谱特性和生物学特性,选取了红波段、蓝波段、近红外波段和中短波红外波段作为秋季作物类型提取的工作波段;同时,还利用由这4个波段构建的陆表水分指数和增强型指标指数作为遥感特征参量。其次根据研究区农作物物候历特征,提取了2002年4月到9月共7个时相的M OD IS数据。最后,采用分层决策树方法提取研究区主要秋季作物类型,并进行面积统计。为了验证其精度,与国家农业部农业统计数据进行比较,结果其精度达到86%以上。这表明,仅利用M OD IS自身光谱信息,即可较为准确地提取秋季作物类型信息,精度基本能满足了大尺度农情遥感监测的要求,可以为农业决策部门提供信息服务。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。
文摘为快速、准确地在遥感图像上提取各种农作物类型信息,满足国家农情遥感监测系统的要求,以2002年北京地区主要秋季作物提取为例,利用T erra/M OD IS数据,采用波谱分析的方法,建立一种基于遥感影像全覆盖的秋季作物类型自动提取方法,实现主要秋季作物遥感自动识别。首先根据研究区秋季作物的波谱特性和生物学特性,选取了红波段、蓝波段、近红外波段和中短波红外波段作为秋季作物类型提取的工作波段;同时,还利用由这4个波段构建的陆表水分指数和增强型指标指数作为遥感特征参量。其次根据研究区农作物物候历特征,提取了2002年4月到9月共7个时相的M OD IS数据。最后,采用分层决策树方法提取研究区主要秋季作物类型,并进行面积统计。为了验证其精度,与国家农业部农业统计数据进行比较,结果其精度达到86%以上。这表明,仅利用M OD IS自身光谱信息,即可较为准确地提取秋季作物类型信息,精度基本能满足了大尺度农情遥感监测的要求,可以为农业决策部门提供信息服务。
