科研产出
基于无人机多光谱的夏玉米叶绿素含量反演研究
《山东农业科学 》 2021
摘要：以济南市济阳区夏玉米为研究对象,通过无人机（UAV）搭载多光谱相机进行叶绿素动态监测。在夏玉米3个生育时期（大喇叭口期、开花期、灌浆期）,每个时期选取5块具有代表性的1 m×1 m的样地,利用无人机获取样地多光谱影像;同时从每块样地选取不同植株冠层不同部位的7片叶,用叶绿素仪测定每片叶的SPAD值,取其平均值作为该样地的SPAD实测值。利用Pix4D mapper软件对获取的多光谱影像进行拼接,然后利用伪标准地物辐射校正法进行校正,输出5个波段的反射率影像图,用ENVI对各波段进行配准组合成ENVI格式的反射率数据。选取4种光谱参数和夏玉米SPAD实测值构建反演模型并进行模型评价,结果表明:以归一化植被指数（NDVI）、土壤调整植被指数（SAVI）、冠层叶绿素含量指数（CCCI）三种光谱参数为变量的多元线性回归（MLR）模型精度更高且更加稳定,模型检验Rv2为0.885,均方根误差（RMSE）为2.111,模型最优解参数（MOSP）为0.414。综合分析,该模型在估测玉米冠层叶绿素含量方面具有快速便捷、时效性强、准确度高等诸多优势,同时能快速、无损监测夏玉米叶绿素含量变化。
全文链接
请求原文
基于GF-1数据的冬小麦不同生育期叶面积指数反演
《山东农业科学 》 2018
摘要：叶面积指数(LAI)是作物长势监测的主要指标之一。为分析国产GF-1卫星数据在不同生育期作物长势监测中的应用价值,本文基于GF-1卫星数据构建5种常用的植被指数,并地面实测冬小麦LAI,开展不同生育期的LAI反演研究。研究发现,基于GF-1数据构建的植被指数能很好地反演冬小麦不同生育期LAI,但精度最优的指数在不同生育期存在差异。EVI构建的幂函数模型在反演全生育期LAI时表现最好,相关系数达到0. 9082;冬小麦生长前期,修正土壤信息的OSAVI指数反演精度优于NDVI、EVI、EVI2和RVI,相关系数为0. 9110;生长中期,各指数反演LAI的效果较差,仅NDVI、EVI2和OSAVI构建的线性和对数模型的相关系数达到0. 05显著水平,以EVI2构建的对数模型相关系数最高,为0. 4827;生长后期,RVI反演LAI效果最好,其指数形式模型的r=0. 8143,反演精度较高。本研究结果说明GF-1数据在作物长势遥感研究中有很大的应用前景,能有效改善中国农业遥感监测长期依赖国外数据的局面,但其LAI反演效果在区域研究中如何,反演结果与Landsat系列、SPOT系列、HJ系列等数据相比存在多大差异,还需要进一步的研究与探讨。
关键词： 叶面积指数 不同生育期 冬小麦 GF-1卫星 反演
全文链接
请求原文
基于GF-1数据的冬小麦不同生育期叶面积指数反演
《山东农业科学 》 2018
摘要：叶面积指数(LAI)是作物长势监测的主要指标之一.为分析国产GF-1卫星数据在不同生育期作物长势监测中的应用价值,本文基于GF-1卫星数据构建5种常用的植被指数,并地面实测冬小麦LAI,开展不同生育期的LAI反演研究.研究发现,基于GF-1数据构建的植被指数能很好地反演冬小麦不同生育期LAI,但精度最优的指数在不同生育期存在差异.EVI构建的幂函数模型在反演全生育期LAI时表现最好,相关系数达到0. 9082;冬小麦生长前期,修正土壤信息的OSAVI指数反演精度优于NDVI、EVI、EVI2和RVI,相关系数为0. 9110;生长中期,各指数反演LAI的效果较差,仅NDVI、EVI2和OSAVI构建的线性和对数模型的相关系数达到0. 05显著水平,以EVI2构建的对数模型相关系数最高,为0. 4827;生长后期,RVI反演LAI效果最好,其指数形式模型的r=0. 8143,反演精度较高.本研究结果说明GF-1数据在作物长势遥感研究中有很大的应用前景,能有效改善中国农业遥感监测长期依赖国外数据的局面,但其LAI反演效果在区域研究中如何,反演结果与Landsat系列、SPOT系列、HJ系列等数据相比存在多大差异,还需要进一步的研究与探讨.
关键词： 叶面积指数 不同生育期 冬小麦 GF-1卫星 反演
全文链接
请求原文
一种遥感和站点观测结合反演土壤水分的方法
《山东农业大学学报(自然科学版) 》 2016 北大核心 CSCD
摘要：获取日内准确的最大温差是利用表观热惯量反演土壤湿度成败的关键。本文根据表观热惯量的物理意义,利用MODIS数据获取地表反照率,利用站点观测数据获取最大温差,建立了一种遥感和站点观测结合反演土壤水分的方法。在"渤海粮仓"山东项目区雷集镇进行了实验验证,并与传统方法进行比较,结果表明,该方法优于传统的反演方法,能够有效提高土壤水分的反演精度。
全文链接
请求原文
首页上一页1下一页尾页
