典型文献
基于波段组合优化光谱指数的冬小麦LAI估算
文献摘要：
叶面积指数(LAI)是表示植被利用光能状况和冠层结构的一个综合指数,与作物产量密切相关.高光谱遥感数据具有连续、高光谱分辨率等特点,为估算农作物生理生化参数和冠层结构参数提供了重要手段.为挖掘高光谱数据估算LAI的最优波段组合以及提高估算精度,以冬小麦作为研究对象,野外实测不同生长阶段(起身、拔节、开花阶段)的冠层高光谱数据,并对其进行不同数学变换处理,包括原始光谱、一阶导数光谱和连续统去除.利用3种不同预处理的冠层高光谱数据构建30种常用植被指数和4种优化光谱指数,比较常用植被指数与优化光谱指数对冬小麦LAI的响应,建立估算冬小麦LAI的单变量和多变量回归模型,对其进行精度验证,并筛选出最优估算模型.结果表明,随着生育期的推进,可见光波段范围内,冬小麦冠层光谱反射率较低、吸收较强,LAI对连续统去除光谱的影响较大,呈负相关;近红外波段范围内不同生育期间的差异较大,随着LAI的增大,冠层光谱的红边位置出现了"红移"现象;基于一阶导数的优化植被指数(NDSI和RSI)与LAI相关系数达到0.8;从估算模型来看,基于一阶导数的RSI(627 nm,774nm)单变量二次多项式模型表现较佳,R2为0.809,RMSE为0.401,基于NDSIor(724nm,987nm)、RSIfod(627nm,774nm)、CIcr(686 nm,744 nm)建立的PLSR模型拟合效果最佳,模型精度为R2=0.817、RMSE=0.428和RPD=2.250,说明本研究所构建的优化光谱指数能够有效进行冬小麦LAI的估算,可以为精准农业提供方法上的参考.
文献关键词：
叶面积指数;光谱植被指数;冬小麦;拔节期
中图分类号：
作者姓名：
吾木提?艾山江;尼加提?卡斯木;买买提?沙吾提
作者机构：
伊犁师范大学资源与生态研究所,新疆伊宁835000;伊犁师范大学生物与地理科学学院,新疆伊宁835000;新疆大学地理与遥感科学学院,新疆乌鲁木齐830046
文献出处：
引用格式：
[1]吾木提?艾山江;尼加提?卡斯木;买买提?沙吾提-.基于波段组合优化光谱指数的冬小麦LAI估算)[J].江苏农业科学,2022(13):207-218
A类：
774nm,NDSIor,724nm,987nm,RSIfod,627nm,CIcr
B类：
波段组合,组合优化,优化光谱指数,冬小麦,LAI,叶面积指数,利用光,光能,综合指数,作物产量,高光谱遥感,遥感数据,高光谱分辨率,生理生化参数,冠层结构参数,高光谱数据,高估,估算精度,生长阶段,起身,开花,层高,数学变换,变换处理,一阶导数,导数光谱,连续统去除,指数对,多变量回归,精度验证,估算模型,可见光波段,小麦冠层,冠层光谱,光谱反射率,近红外波段,不同生育期,红边,红移,二次多项式模型,较佳,RMSE,PLSR,模型拟合,拟合效果,模型精度,RPD,精准农业,光谱植被指数,拔节期
AB值：
0.271218
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。
