检索结果-南通市图书馆

基于无人机多光谱影像的棉花叶片SPAD值和lai反演研究

在线全文

学校读者我要写书评

暂无评论

基于无人机多光谱影像的棉花叶片SPAD值和LAI反演研究

作者：刘成成塔里木大学

学位级别：硕士

本文研究了新疆维吾尔自治区阿拉尔垦区塔里木大学农学教学科研实践基地的棉田,采用了30m、60m、100m三个不同的无人机采样飞行高度对棉田进行无人机多光谱图像采集,并对地面棉田进行叶绿素相对含量(soil and plant analyzer developmen... 详细信息

本文研究了新疆维吾尔自治区阿拉尔垦区塔里木大学农学教学科研实践基地的棉田,采用了30m、60m、100m三个不同的无人机采样飞行高度对棉田进行无人机多光谱图像采集,并对地面棉田进行叶绿素相对含量(soil and plant analyzer development,SPAD)、叶面积指数(leaf area index,lai)数据的采样。对无人机影像进行预处理,提取22种光谱指数参数。使用皮尔逊相关性分析筛选出用于反演模型建模的光谱参数,并采用支持向量机回归(SVR)模型、随机森林回归(RFR)模型、XGBoost回归(XGBR)模型构建棉花SPAD与lai反演模型。具体研究结果如下:(1)经过多光谱原始波段的分析,发现近红外波段与绿波对于棉花SPAD值最为敏感,其中RESR在60m飞行高度中与棉花SPAD之间的相关性最优,达到了-0.814。类似地,在棉花lai的相关性分析中发现,多光谱原始波段中含有近红外波段的可见光波段对lai表现出较为敏感的相关性关系,其中RVI在100m飞行高度中与棉花lai之间的相关性最优,达到了正相关的0.851。(2)基于相关性分析选取的光谱参数组合,分别采用支持向量机回归模型、随机森林回归模型、XGBoost回归模型进行建模,确定了棉花SPAD反演研究的最佳无人机飞行高度为60m,最佳模型算法为随机森林回归模型,最佳光谱参数组合为RESR、RENDVI;棉花lai反演研究的最佳无人机飞行高度为100m,最佳模型算法为XGBoost回归模型。(3)通过对棉花SPAD和lai进行反演的最佳模型组合,得到了实验区棉田的空间分布反演图。研究发现,在SPAD反演图的结果中,研究区棉花SPAD值主要集中在7.08～88.58之间,与实际采样数据情况相一致,在lai反演图的结果中,反演得到的研究区棉花SPAD值主要集中在6.38～21.73之间,与实际采样数据情况相一致,基于随机森林回归模型的棉花叶片SPAD模型以及基于XGBoost回归的棉花lai模型具有良好的反演效果。

关键词：多光谱影像机器学习棉花叶片 SPAD反演 lai反演

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向lai反演的参数化SAILH模型

遥感学报 2010年第6期14卷 1182-1195页

作者：李静阎广建穆西晗遥感科学国家重点实验室北京师范大学北京师范大学地理学与遥感科学学院北京100875

建立了一种基于植被冠层辐射传输模型SAILH的参数化模型。该模型首先对SAILH模型中用到的9个中间变量的计算过程进行简化,然后用一个明确的表达式计算光照冠层的单次散射贡献。分别用模拟数据和2008年黑河地区星-机-地同步实验中获取的... 详细信息

建立了一种基于植被冠层辐射传输模型SAILH的参数化模型。该模型首先对SAILH模型中用到的9个中间变量的计算过程进行简化,然后用一个明确的表达式计算光照冠层的单次散射贡献。分别用模拟数据和2008年黑河地区星-机-地同步实验中获取的地面测量数据对该参数化模型的反演精度和效率进行了评价。评价结果表明该参数化模型能在保证反演精度的基础上极大的提高反演效率;利用模拟数据进行的模型稳定性评价表明,参数化模型的稳定性优于SAILH模型。

关键词： SAILH模型参数化 lai反演

在线全文

学校读者我要写书评

暂无评论

新疆焉耆盆地lai反演及空间分布特征

中国沙漠 2016年第5期36卷 1340-1347页

作者：阿迪来.乌甫玉素甫江.如素力热伊莱.卡得尔姜红艾力亚.艾尼瓦尔新疆师范大学地理科学与旅游学院/干旱区湖泊环境与资源重点实验室新疆乌鲁木齐830054

叶面积指数(lai)是生态系统物质和能量循环过程的重要结构参数。研究植被lai对监测估算生态环境极其脆弱的内陆干旱区具有理论和实践价值。使用lai-2000植物冠层分析仪观测焉耆盆地植被lai,并结合Landsat OLI的NDVI、SAVI、NDMI、NBR、N... 详细信息

叶面积指数(lai)是生态系统物质和能量循环过程的重要结构参数。研究植被lai对监测估算生态环境极其脆弱的内陆干旱区具有理论和实践价值。使用lai-2000植物冠层分析仪观测焉耆盆地植被lai,并结合Landsat OLI的NDVI、SAVI、NDMI、NBR、NBR2、MSAVI和EVI等植被指数数据建立了lai的反演模型,探求焉耆盆地lai的空间分布特征及规律。结果表明:(1)各植被指数与观测的lai均有明显的相关性。其中,SAVI与lai的对数函数模型更好地模拟出研究区的lai(R2=0.84);通过lai-SAVI模型反演研究区lai的空间分布,估算精度可达89%(R2=0.82,RMSE=0.23);(2)博斯腾湖小湖湿地、博斯腾湖大湖西北端的黄水沟入湖沼泽区以及焉耆盆地北部冲洪积扇平原绿洲区的lai值较高,达3.85;焉耆盆地山区和平原区之间的过渡带和博斯腾湖南部的沙漠区lai较低;(3)焉耆盆地lai以博斯腾湖为中心环状分布,lai随着研究区域与湖、河流距离的增加而逐渐降低的趋势。

关键词：植被指数 lai反演 Landsat OLI影像焉耆盆地

基于PROSAIL模型的干旱半干旱地区lai遥感反演建模

在线全文

学校读者我要写书评

暂无评论

基于PROSAIL模型的干旱半干旱地区LAI遥感反演建模

作者：刘天凤兰州大学

学位级别：硕士

叶面积指数(lai)通常指单位地表内所有叶片表面积总和的二分之一,是表征陆地表面植被叶片物理结构和数量的重要参数(Chen & Black,1992)。lai作为全球气候模型、水文模型、生态生化模型等众多模型的输入变量参与运算,是决定模型结果的... 详细信息

叶面积指数(lai)通常指单位地表内所有叶片表面积总和的二分之一,是表征陆地表面植被叶片物理结构和数量的重要参数(Chen & Black,1992)。lai作为全球气候模型、水文模型、生态生化模型等众多模型的输入变量参与运算,是决定模型结果的重要因素(Shabanov et al.,2005), lai的大面积估算具有重要的理论与实践意义。现行全球lai产品一般限于千米级的空间分辨率,不能反映地表局部区域内的差异和多样化、复杂化的植被生态系统,难以满足区域变化监测的需要。如何进行高质量的较高分辨率lai制图是一个亟待解决的问题,有探索的必要性。本文以中国西北部干旱半干旱区为例,研究区域尺度的lai遥感估算建模。通过PROSAIL模型模拟,综合运用野外实测数据建立了研究区域的多光谱反射率一lai关系查找表,基于Landsat5 TM影像数据完成30m空间分辨率的lai制图。主要研究工作如下：(1)系统地阐述了PROSAIL模型原理与方法,分析了植被缨帽面光谱空间的特征。(2)依据实测数据以及已有研究资料,详细分析了适于干旱半干旱地区的PROSAIL模型输入参数的值域范围;结合模型参数组合值域范围和遥感影像数据正向模拟得到与卫星观测、地面观测相吻合的81804条高光谱模拟数据集,进而得到对应TM波段的多光谱反射率模拟数据集。(3)在多光谱反射率模拟数据集的基础上分析了lai在缨帽面光谱特征空间的分布情况,建立了多光谱反射率(包括红光、近红外和缨帽变换后亮度、绿度、湿度三变量)与lai的查找表以及lai的遥感估算准则。(4)基于所建lai查找表和查找准则完成了lai的反演制图,比较分析了利用红光、近红外一lai查找表和亮度、绿度、湿度一lai查找表进行lai估算的差异。基于红光、近红外查找表的反演结果与基于亮度、绿度、湿度的反演结果相近,相关系数为0.8787。以实测数据进行模型理论精度验证的结果表明前者的反演理论精度略好于后者的反演理论精度,相关系数分别为0.86,0.67,均方根误差分别为0.54,0.9;以同时期MODIS lai产品(共2期,与TM获取时间间隔均为4天)作为基准进行遥感反演精度评价的结果表明：基于亮度、绿度、湿度查找表的反演结果与MODIS lai产品更接近,但是基于红光、近红外波段查找表的结果随机干扰较小。(5)多种不确定性因素影响lai的反演结果。主要包括模型自身的不确定性,物理模型反演的病态性以及数据处理中带来的不确定性。

关键词： PROSAIL模型缨帽光谱特征空间 Landsat 5 TM lai反演

基于新型机载多角度传感器AMTIS的lai反演

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

国土资源遥感 2003年第4期15卷 9-12,21页

作者：周宇宇唐世浩朱启疆阎广建北京师范大学资源与环境科学系遥感与GIS研究中心北京100875

以实地测量数据为先验知识,利用AMTIS数据对顺义地区的一块小麦地进行了叶面积指数(lai)反演实验研究,并用实地lai数据进行了验证。通过利用实测数据作为模型参数,以及对干湿土壤分类和匹配表的调整,使反演结果和反演速度得到了提高。

关键词：机载多角度传感器 AMTIS数据叶面积指数辐射传输 lai反演植被森林生态系统

基于Sentinel-2影像与PROSAIL模型参数标定的玉米冠层lai反演

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2021年第6期41卷 1891-1897页

作者：苏伟邬佳昱王新盛谢茈萱张颖陶万成金添中国农业大学土地科学与技术学院北京100083 农业部农业灾害遥感重点实验室北京100083

叶面积指数(lai)与植被光合作用、蒸腾作用、生物量的形成等有密切联系,是玉米长势监测、灾害胁迫监测、产量预测等重要参数之一,也是辐射传输模型、作物生长模型等机理模型的一个重要参数。Sentinel-2卫星是“全球环境与安全监测”计... 详细信息

叶面积指数(lai)与植被光合作用、蒸腾作用、生物量的形成等有密切联系,是玉米长势监测、灾害胁迫监测、产量预测等重要参数之一,也是辐射传输模型、作物生长模型等机理模型的一个重要参数。Sentinel-2卫星是“全球环境与安全监测”计划的第二颗卫星,具有较高的时空分辨率,且具有红边波段,其可见光和近红外波段的分辨率为10m,是农业遥感应用的理想数据源。PROSAIL辐射传输模型是遥感反演玉米冠层lai的有效途径,然而在反演中存在输入参数不确定性大、调参困难、病态反演、速度慢等问题。模型的参数标定能够获取观测反射率及不确定性范围内的参数取值,提供丰富准确的参数信息,降低模型反演过程中的偏差。为探索参数标定在玉米冠层lai反演中的应用,研究以Sentinel-2A卫星影像为数据源,使用马尔可夫链蒙特卡洛方法(MCMC)对PROSAIL模型进行参数标定,通过加入5%的观测光谱不确定性,获取各参数在不确定性范围内的后验取值概率分布,以优化反演过程中的参数设置,提高lai反演精度。研究结果表明:(1)PROSAIL模型对可见光和近红外波段较为敏感的输入参数有lai、叶片叶绿素含量及结构系数,将此三个参数作为查找表反演中的可变参数能够有效地进行lai的反演,反演精度的决定系数达0.7以上。(2)MCMC方法能够对PROSAIL模型进行参数标定,获取研究区内玉米各参数取值分布信息,参数后验分布与实际情况接近,表明利用MCMC方法进行参数标定可行有效。(3)通过参数标定可以有效提高lai的反演精度,在降低反演偏差和异常值方面尤为明显,参数标定优化后的反演平均偏差由原先的20%降低至8%,同时估算精度由76%提高至90%。研究结果表明:利用MCMC进行PROSAIL模型参数标定,能够提高PROSAIL模型的lai反演精度,降低反演偏差,为利用PROSAIL辐射传输模型提高作物冠层参数反演精度提供借鉴。

关键词： Sentinel-2卫星 PROSAIL辐射传输模型参数标定 lai反演敏感性分析

基于HJ和GF影像融合的水稻面积提取和lai反演

在线全文

学校读者我要写书评

暂无评论

基于HJ和GF影像融合的水稻面积提取和LAI反演

基于长短时记忆神经网络的葡萄叶面积指数高光谱反演

第33届中国气象学会年会

作者：张晓忆李卫国景元书南京信息工程大学应用气象学院江苏省农业科学院农业经济与信息研究所

为了更好满足大面积农作物长势监测的需求,提升农作物气象灾害,及衍生灾害(如病虫害)监测水平,遥感影像融合技术得到更广泛的应用。影像融合不仅能提高原始多光谱影像的分辨率,更能在保证原始光谱信息的基础上增强目标特征,达到多源影... 详细信息

为了更好满足大面积农作物长势监测的需求,提升农作物气象灾害,及衍生灾害(如病虫害)监测水平,遥感影像融合技术得到更广泛的应用。影像融合不仅能提高原始多光谱影像的分辨率,更能在保证原始光谱信息的基础上增强目标特征,达到多源影像信息互补的作用。本文选取2015年8月3日30m×30m空间分辨率HJ1A/CCD2多光谱影像和16m×16m空间分辨率GF1/WFV4多光谱影像,进行多种空间尺度影像融合,利

关键词：影像融合植被指数 PROSAIL模型水稻面积提取 lai反演

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

遥感信息 2022年第5期37卷 38-44页

作者：汤森林张霞戚文超张茂中国科学院空天信息创新研究院北京100101 中国科学院大学北京100049

针对高光谱数据众多波段间的多重共线性导致的维数灾难问题,为提升葡萄叶面积指数(leaf area index,lai)的估算精度,提出一种基于敏感波段选择的长短时记忆神经网络(long short term memory,LSTM)估算模型。首先,采用无信息变量消除算法... 详细信息

针对高光谱数据众多波段间的多重共线性导致的维数灾难问题,为提升葡萄叶面积指数(leaf area index,lai)的估算精度,提出一种基于敏感波段选择的长短时记忆神经网络(long short term memory,LSTM)估算模型。首先,采用无信息变量消除算法(uninformative variable elimination,UVE)剔除无关信息,以消除光谱波段间的多重共线性,降低光谱维度,提取葡萄lai敏感波段;其次,采用TensorFlow深度学习框架构建LSTM神经网络模型。应用于陕西泾阳葡萄冠层光谱的lai估算。结果表明:利用敏感波段构建的LSTM模型各项指标均优于偏最小二乘和支持向量机,其决定系数(R~2)、均方根误差(RMSE)和希尔不等系数(TIC)分别为0.963 5、0.074 5和0.025 4;基于原始光谱的LSTM模型的R~2、RMSE和TIC分别为0.881 0、0.117 0和0.039 8。UVE波段优选能够提升LSTM神经网络模型估算葡萄lai的精度,对其他作物理化参量反演具有一定的指导意义。

关键词：长短时记忆神经网络 lai反演葡萄无信息变量消除高光谱遥感

在线全文

学校读者我要写书评

暂无评论

基于多源遥感的夏玉米生长参数估测

基于多源遥感的夏玉米生长参数估测

作者：潘方江山东理工大学

学位级别：硕士

叶绿素含量和叶面积指数是玉米生长的重要农学参数,对监测玉米生长状况和产量预测意义重大,因此如何快速准确地监测玉米的叶面积指数(Leaf area index,lai)和叶绿素相对含量(SPAD),对玉米的后期田间管理和产量提高至关重要。针对目前单... 详细信息

叶绿素含量和叶面积指数是玉米生长的重要农学参数,对监测玉米生长状况和产量预测意义重大,因此如何快速准确地监测玉米的叶面积指数(Leaf area index,lai)和叶绿素相对含量(SPAD),对玉米的后期田间管理和产量提高至关重要。针对目前单一来源数据源下,夏玉米lai和SPAD反演模型精度低、鲁棒性差等问题,本研究以夏玉米为对象,研究地面与无人机低空多源遥感数据(地-空多源数据)融合进行夏玉米lai和SPAD的精准监测方法,并进行反演结果可视化,为后续田间精准管理提供指导。本研究针对地面数据采集复杂费力等问题,结合STM32和无线传输技术,研制了地面遥感数据采集车,利用DJI精灵4 RTK、M210无人机和研发的地面遥感数据采集车,搭载可见光相机、MS600 Pro多光谱和PSR1100-f高光谱,于2020年和2021年分别获取了试验区夏玉米喇叭口期、抽雄期和灌浆期的多源数据,并由田间气象站获取环境参数,通过相关性分析优选lai和SPAD敏感特征。结果表明,高光谱红边位置和红边内一阶微分值(相关性0.5～0.75)、包含可见光红波段和近红外波段的多光谱植被指数(相关性0.74～0.85)、作物有效株高和有效积温(相关性0.74～0.9)均对二者表现出较高的相关性。lai的多源敏感特征为CHM、GDD、λr、Dr、WDRVI、NDVI、RVI、PVI、PBI、OSAVI,SPAD的多源敏感特征为Rr、λr、Dr、NDVI、DVI、RVI、GNDVI、SAVI、RDVI、CHM、GDD。所有数据按2:1划分为训练集和测试集,采用多元线性回归(MLR)、偏最小二乘回归(PLSR)和随机森林回归(RF),分别构建了单一来源数据和多源数据融合下的lai和SPAD反演模型,并采用测试集进行模型精度验证。结果表明,多源数据融合使用可有效提高夏玉米lai和SPAD模型反演精度。利用多源数据融合构建的模型,其反演精度和误差均优于单一数据源下的同类模型,且RF模型(lai模型:R=0.9315,RMSE=0.4895,SPAD模型:R=0.7767,RMSE=2.8387)反演结果相对最优,PLSR模型和MLR模型结果较为相近。综合分析,基于多源数据融合的RF模型可快速准确的反演夏玉米lai和SPAD,为夏玉米的后续田间管理提供数据支持。本研究利用开发的ArcGISQC软件将最优反演模型结果进行可视化,分析lai和SPAD变化规律,可视化结果表明,lai和SPAD表现出相似变化趋势,生长前期随生育期的发展不断升高,抽雄期达到最大,随后逐渐降低。品种和环境差异的影响分析表明,玉米品种间差异对二者的影响较小,但环境变化有一定影响,并且lai受环境影响较大,SPAD较小。该研究构建的lai和SPAD分布图能够有效反映夏玉米长势,可为夏玉米的田间水肥追施和施药提供指导。

关键词：多源数据夏玉米 lai反演 SPAD反演可视化