典型文献
基于多源无人机影像特征融合的冬小麦LAI估算
文献摘要：
为探讨无人机多源影像特征融合估测作物叶面积指数的能力,该研究以冬小麦为研究对象,利用多旋翼无人机搭载高清数码相机和UHD185成像光谱仪获取研究区冬小麦关键生育期(扬花期、灌浆期)的可见光和高光谱影像.综合考虑可见光、高光谱影像特征与冬小麦叶面积指数的相关性及影像特征重要性进行特征筛选,然后,以可见光植被指数、纹理特征、可见光植被指数+纹理特征、高光谱波段、高光谱植被指数及高光谱波段+植被指数分别作为输入变量构建多元线性回归、支持向量回归和随机森林回归的叶面积指数估测模型(单传感器数据源);以优选的两种影像特征结合支持向量回归、随机森林回归构建叶面积指数估测模型(两种传感器数据源),比较分析单源与多源影像特征监测冬小麦叶面积指数的性能.进一步地,考虑到小区土壤空间异质性会影响冬小麦叶面积指数估测结果,该研究探讨了不同影像采样面积下基于单源遥感数据构建的小麦叶面积指数估测模型精度.研究结果表明:在扬花期和灌浆期,使用两种影像优选特征构建的随机森林回归估测模型精度最佳,验证集决定系数分别为0.733和0.929,均方根误差为0.193和0.118.可见光影像采样面积分别为30％和50％,高光谱影像采样面积为65％时,基于单源影像特征构建的随机森林回归估测模型在扬花期和灌浆期效果最好.综上,该研究结果可为无人机遥感监测作物生理参数提供有价值的依据和参考.
文献关键词：
无人机;特征融合;机器学习;叶面积指数;冬小麦
中图分类号：
作者姓名：
张东彦;韩宣宣;林芬芳;杜世州;张淦;洪琪
作者机构：
安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心,合肥 230601;南京信息工程大学遥感与测绘工程学院,南京 210044;河南大学黄河中下游数字地理技术教育部重点实验室,开封475004;安徽省农业科学院作物研究所,合肥 230001
文献出处：
引用格式：
[1]张东彦;韩宣宣;林芬芳;杜世州;张淦;洪琪-.基于多源无人机影像特征融合的冬小麦LAI估算)[J].农业工程学报,2022(09):171-179
A类：
B类：
无人机影像,影像特征,特征融合,冬小麦,LAI,多源影像,叶面积指数,多旋翼无人机,搭载,高清,数码相机,UHD185,成像光谱仪,关键生育期,扬花期,灌浆期,高光谱影像,特征重要性,特征筛选,可见光植被指数,纹理特征,高光谱波段,高光谱植被指数,构建多元,支持向量回归,随机森林回归,估测模型,单传,传感器数据,数据源,特征结合,空间异质性,遥感数据,模型精度,特征构建,验证集,决定系数,可见光影像,无人机遥感监测,生理参数
AB值：
0.229678
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。
