典型文献
融合无人机载激光雷达与多光谱遥感数据的冬小麦叶面积指数反演
文献摘要：
为了进一步挖掘无人机载激光雷达(Light Detection and Ranging,LiDAR)在农作物长势监测方面的潜力,探究机载LiDAR与多光谱遥感数据融合反演冬小麦叶面积指数(Leaf Area Index,LAI)的效果,以无人机载LiDAR和可见光-近红外多光谱为研究手段,获取试验区冬小麦孕穗期的无人机载LiDAR点云和多光谱数据,从中提取并筛选合适的LiDAR点云结构参数和植被指数,借助多元线性回归法(Multivariable Linear Regression,MLR)和偏最小二乘回归法(Partial Least Squares Regression,PLSR),通过融合LiDAR点云结构参数与植被指数以及单独使用植被指数作为模型输入参数,分别与实测LAI构建了LAI反演模型.用决定系数(Coefficient of Determination,R2)和均方根误差(Root Mean Square Error,RMSE)来评价模型时,结果显示融合LiDAR点云与多光谱数据能够较好地反演冬小麦LAI.而且,无论是利用MLR还是PLSR法,融合LiDAR点云结构参数与植被指数的模型(MLR︰R2=0.901,RMSE=0.480;PLSR︰R2=0.909,RMSE=0.445(n=16))均优于仅使用植被指数的模型(MLR︰R2=0.897,RMSE=0.492;PLSR︰R2=0.892,RMSE=0.486(n=16)).因此,加入无人机载LiDAR数据可以一定程度上弥补光谱数据在作物垂直方向上信息提取不足的缺陷,提高冬小麦LAI的反演精度,为冬小麦LAI反演提供了更优的手段.
文献关键词：
无人机;冬小麦;LiDAR点云结构参数;植被指数;叶面积指数;反演模型
中图分类号：
作者姓名：
牛玉洁;李晓鹏;张佳宝;马东豪;纪景纯;宣可凡;蒋一飞;汪春芬;邓皓东;刘建立
作者机构：
中国科学院南京土壤研究所,南京 210008;中国科学院大学,北京100049;河海大学水文水资源学院,南京 210024
文献出处：
引用格式：
[1]牛玉洁;李晓鹏;张佳宝;马东豪;纪景纯;宣可凡;蒋一飞;汪春芬;邓皓东;刘建立-.融合无人机载激光雷达与多光谱遥感数据的冬小麦叶面积指数反演)[J].土壤学报,2022(01):161-171
A类：
B类：
无人机载激光雷达,多光谱遥感,冬小麦,叶面积指数,Light,Detection,Ranging,LiDAR,农作物长势,作物长势监测,遥感数据融合,Leaf,Area,Index,LAI,可见光,近红外,研究手段,试验区,孕穗期,点云,云和,多光谱数据,云结构,植被指数,多元线性回归法,Multivariable,Linear,Regression,MLR,偏最小二乘回归法,Partial,Least,Squares,PLSR,模型输入,输入参数,反演模型,决定系数,Coefficient,Determination,Root,Mean,Error,RMSE,补光,垂直方向,信息提取,反演精度
AB值：
0.278488
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。
