典型文献
基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演
文献摘要：
为及时准确高效监测小麦叶面积指数(leaf area index,LAI),获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据,并基于查找表建立PROSAIL辐射传输模型得到冬小麦冠层模拟光谱数据,利用数学统计回归模型与偏最小二乘回归法分别构建冬小麦LAI单变量、多变量预测模型,以实测LAI数据对预测结果进行精度评价,将最佳预测模型应用于无人机高光谱影像以分析LAI空间分布情况.结果表明,冬小麦各生育时期的预测模型均具有较高的预测精度,单变量预测模型和多变量预测模型的决定系数分别为0.598～0.717和0.577～0.755,其中以基于植被指数的多变量预测模型表现最优,其在开花期的验证精度最高,RMSE和MAPE分别为0.405和12.90％.在LAI空间分布图中,开花期预测效果优于挑旗期,各试验小区的LAI分布较为均匀.
文献关键词：
冬小麦;叶面积指数;PROSAIL模型;连续投影算法;偏最小二乘回归
中图分类号：
作者姓名：
李天驰;冯海宽;田坤云;杨福芹;杨佳琪
作者机构：
天津科技大学海洋与环境学院,天津300457;河南工程学院土木工程学院,河南郑州451191;国家农业信息化工程技术研究中心,北京100097;河南工程学院资源与安全工程学院,河南郑州451191
文献出处：
引用格式：
[1]李天驰;冯海宽;田坤云;杨福芹;杨佳琪-.基于PROSAIL模型和无人机高光谱数据的冬小麦LAI反演)[J].麦类作物学报,2022(11):1408-1418
A类：
B类：
PROSAIL,无人机高光谱,高光谱数据,冬小麦,LAI,叶面积指数,leaf,area,开花期,测光,高光谱遥感影像数据,查找表,辐射传输模型,小麦冠层,学统,统计回归模型,偏最小二乘回归法,多变量预测模型,精度评价,模型应用,高光谱影像,生育时期,单变量预测,决定系数,植被指数,RMSE,MAPE,空间分布图,花期预测,各试,试验小区,连续投影算法
AB值：
0.283712
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。
