典型文献
基于多维高光谱植被指数的冬小麦叶面积指数估算
文献摘要:
为提高干旱区冬小麦叶面积指数(Leaf area index,LAI)遥感估算精度,以拔节期冬小麦LAI为研究对象,在对冠层高光谱数据进行一阶(First derivative,FD)、二阶(Second derivative,SD)微分预处理的基础上,计算了任意波段组合的二维植被指数(Two-dimensional vegetation index,2DVI)和三维植被指数(Three-dimensional vegetation index,3DVI),通过进行与LAI之间相关性分析,寻求最佳波段组合的植被指数;利用人工神经网络(Artificial neural network,ANN)、K 近邻(K-nearest neighbors,KNN)和支持向量回归(Support vector regression,SVR)算法分别建立LAI估算模型,并进行精度验证.结果表明:任意波段组合的植被指数与LAI相关性均显著提高,尤其是基于一阶微分预处理光谱的FD-3DVI-4(714nm,400 nm,1 001 nm)相关系数达到0.93(P<0.01),且最优组合波段主要位于红边位置.基于最优FD-3DVI植被指数和K近邻算法的估算模型表现突出,其决定系数R2为0.89,均方根误差最低(RMSE为0.31),相对分析误差RPD为2.41;表明K近邻算法更适合解决非线性问题,能够提高估算精度,为后期作物长势评价、合理施肥等提供理论依据.
文献关键词:
冬小麦;任意波段组合;植被指数;叶面积指数;高光谱
中图分类号:
作者姓名:
吾木提·艾山江;尼加提·卡斯木;陈晨;买买提·沙吾提
作者机构:
伊犁师范大学资源与生态研究所,伊宁835000;伊犁师范大学生物与地理科学学院,伊宁835000;新疆大学地理科学学院,乌鲁木齐830046
文献出处:
引用格式:
[1]吾木提·艾山江;尼加提·卡斯木;陈晨;买买提·沙吾提-.基于多维高光谱植被指数的冬小麦叶面积指数估算)[J].农业机械学报,2022(05):181-190
A类:
任意波段组合,2DVI,3DVI,714nm
B类:
高光谱植被指数,冬小麦,叶面积指数,高干,干旱区,Leaf,area,LAI,遥感估算,估算精度,拔节期,冠层,层高,高光谱数据,First,derivative,FD,Second,Two,dimensional,vegetation,Three,最佳波段组合,人工神经网络,Artificial,neural,network,ANN,nearest,neighbors,KNN,支持向量回归,Support,vector,regression,SVR,估算模型,精度验证,一阶微分,理光,最优组合,组合波,红边,近邻算法,决定系数,RMSE,RPD,决非,非线性问题,高估,作物长势,合理施肥
AB值:
0.350553
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。