典型文献
基于卫星光谱尺度反射率的冬小麦生物量估算
文献摘要：
为探索基于光学卫星遥感数据的冬小麦地上生物量估算方法,该研究通过3 a田间试验,获取冬小麦4个关键生育期(拔节期、抽穗期、开花期和灌浆期)和3种施氮水平下的地上生物量以及对应的近地冠层高光谱反射率数据.通过将高光谱数据重采样为具有红边波段的RapidEye、Sentinel-2和WorldView-2卫星波段反射率数据,构建任意两波段归一化植被指数.同时,将卫星波段反射率数据与6种机器学习和深度学习算法相结合,构建冬小麦生物量估算模型.研究结果表明:任意两波段构建的最佳植被指数在冬小麦开花期对生物量的敏感性最强(决定系数R2为0.50～0.56).在不同施氮水平条件下,高施氮水平增强了植被指数对生物量的敏感性.Sentinel-2波段数据所构建的植被指数优于其他两颗卫星波段数据.对6种机器学习和深度学习算法,总的来说,基于深度神经网络(Deep Neural Networks,DNN)算法所构建的模型要优于其他算法.在单一生育期中,在拔节期(R2为0.69～0.78,归一化均方根误差为26％～31％)和开花期(R2为0.69～0.70,归一化均方根误差为24％～25％)的估算精度最高.Sentinel-2波段数据与DNN算法结合的估算精度最高,在全生育期中预测精度R2为0.70.施氮水平的提高同样增强了DNN模型的估算精度,3颗卫星波段数据在300 kg/hm2施氮条件下的预测精度R2都在0.71及以上,均方根误差小于219 g/m2.研究结果揭示了光学卫星遥感数据在不同生育期和施氮条件下估算冬小麦生物量的潜力.
文献关键词：
模型;生物量;冬小麦;RapidEye;Sentinel-2;WorldView-2
中图分类号：
作者姓名：
兰仕浩;李映雪;吴芳;邹晓晨
作者机构：
南京信息工程大学遥感与测绘工程学院,南京 210044;南京信息工程大学应用气象学院,南京 210044;兴化市气象局,兴化 225700
文献出处：
引用格式：
[1]兰仕浩;李映雪;吴芳;邹晓晨-.基于卫星光谱尺度反射率的冬小麦生物量估算)[J].农业工程学报,2022(24):118-128
A类：
RapidEye
B类：
星光,冬小麦,生物量估算,光学卫星,卫星遥感数据,麦地,地上生物量,估算方法,田间试验,关键生育期,拔节期,抽穗期,开花期,灌浆期,近地,冠层,层高,光谱反射率,高光谱数据,数据重采样,红边波段,Sentinel,WorldView,归一化植被指数,深度学习算法,估算模型,决定系数,不同施氮水平,指数对,两颗,颗卫星,总的来说,深度神经网络,Deep,Neural,Networks,DNN,估算精度,全生育期,hm2,不同生育期
AB值：
0.243734
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。
