不同遥感植被指数组合模式监测小麦主要苗情参数研究

代理获取

页面导航

目录
摘要
著录项
相似文献
相关主题

摘要

近年来，遥感以其快速、无损、大面积等特点，被越来越多的应用于小麦长势监测、产量以及籽粒品质的预测研究中。
　　为了进一步提升遥感监测小麦长势模型的可靠性，提高模型精度。本研究选取江苏中部部分县市地区为试验地，获取小麦的拔节期、孕穗期以及开花期的SPAD、LAI、叶片含氮量和生物量等主要苗情参数。并同步获取环境星HJ-1A/1B遥感数据提取分析常用遥感植被指数并进行组合分析，与主要苗情参数进行相关分析并且建立模型，然后进行模型评价，并与单遥感植被指数监测模型进行对比，以此探究使用遥感植被指数组合模型监测主要苗情参数的可行性。
　　(1)首先分析了关键生育期小麦主要苗情参数与遥感植被指数与其差值组合之间的相关性，表明关键生育期SPAD、LAI、叶片含氮量和生物量与遥感植被指数及其差值组合之间存在较好的相关性。其中拔节期用NDVI-GNDVI组合、SIPI-EVI组合和NDVI-SIPI组合来分别监测SPAD、叶片含氮量和生物量是可行的，并且相比单个遥感植被指数监测模型，R2均有显著提升，RMSE由5.56、0.37、425.78降低到4.78、0.30、347.14，模型精度分别提高了14％、18.9％以及18.5％。孕穗期用NDVI-GNDVI组合、NRI-RVI组合、PSRI-DVI组合和NDVI-PSRI组合来分别监测SPAD、LAI、叶片含氮量和生物量相比单个遥感植被指数的监测模型，RMSE分别由2.45、0.55、0.22、降为2.07、0.49和0.18，模型精度分别提高了15.5％、10.9％以及18.2％，其中生物量的RMSE略微提高，但相关性大大提升。开花期使用NDVI-GNDVI组合、NDVI-GNDVI组合以及NDVI-PSRI组合来分别监测SPAD、LAI和生物量是可行的，比起单个遥感植被指数监测模型R2均有显著提升，RMSE由4.70、1.36、2062.11降到4.09、1.19、1884.11，模型精度分别提高了13％、12.5％和8.6％。
　　(2)经过对关键生育期小麦主要苗情参数与遥感植被指数与其比值组合之间的相关性分析，得出关键生育期SPAD、LAI、叶片含氮量和生物量与遥感植被指数及其比值组合之间存在较好的相关性。其中拔节期用NDVI/GNDVI组合、NDVI/GNDVI组合、SIPI/EVI组合和NDVI/SIPI组合来分别监测SPAD、LAI、生物量和叶片含氮量是可行的，比起单遥感植被指数的监测模型，RMSE从5.56、0.84、425.78降低到4.40、0.73和416.21，模型精度分别提高了20.9％、13.1％以及2.2％，叶片含氮量模型在相关性显著提高的同时RMSE有小幅下降。孕穗期可以用NDVI/GNDVI组合、SIPI/RVI组合、GNDVI/DVI组合和NDVI/GNDVI组合来分别监测SPAD、LAI、叶片含氮量和生物量，相比单个遥感植被指数的监测模型，RMSE分别由2.45、0.55、0.22降为2.08、0.48和0.16，模型精度分别提高了15.1％、12.7％和27.3％，生物量的RMSE略微增大，但相关性大大提升，精度还是比较理想。开花期使用NDVI/DVI组合、NDVI/SIPI组合和GNDVI/DVI组合来分别监测SPAD、LAI和生物量比起单个遥感植被指数监测模型R2提升明显，RMSE由4.70、1.36、2062.11降到3.85、1.08、1847.75，模型精度分别提高了18.1％、20.6％以及10.4％。
　　(3)最后分析研究了关键生育期小麦主要苗情参数与遥感植被指数和其归一化组合之间的相关性，表明关键生育期LAI、SPAD、叶片含氮量和生物量与遥感植被指数以及归一化组合之间存在较好的相关性。其中拔节期用(NDVI-GNDVI)/(NDVI+GNDVI)、(NDVI-GNDVI)/(NDVI+GNDVI)、(SIPI-EVI)/(SIPI+EVI)组合和(NDVI-SIPI)/(NDVI+SIPI)组合来分别监测SPAD、LAI、叶片含氮量和生物量是可行的，并且相比单个遥感植被指数监测模型，R2都有所提升，RMSE从5.56、0.84、0.37、425.78降低到5.10、0.71、0.34和399.95，精度分别提高了8.3％、15.5％、8.1％和6.1％。孕穗期可以用(NDVI-GNDVI)/(NDVI+GNDVI)组合、(SIPI-RVI)/(SIPI+RVI)组合以及(NDVI-GNDVI)/(NDVI+GNDVI)组合来分别监测SPAD、LAI和生物量，并且相比单个遥感植被指数的监测模型，RMSE分别由2.45、0.55，降为2.27和0.44，模型精度分别提高了7.3％和20％，生物量的R2大大提高，同时RMSE也有小幅度提升，仍旧在理想范围内。开花期使用归一化组合(NDVI-GNDVI)/(NDVI+GNDVI)和(SIPI-RVI)/(SIPI+RVI)以及(NDVI-GNDVI)/(NDVI+GNDVI)组合来分别监测SPAD、LAI和生物量比起单个遥感植被指数监测模型，RMSE由4.70、1.36、2062.11降到4.35、1.30、1730.07，模型分别提高了7.4％、4.4％和16.1％。

著录项

作者
杨昕;
展开▼
作者单位

扬州大学;

展开▼
授予单位扬州大学;
学科作物
授予学位硕士
导师姓名谭昌伟;
年度 2015
页码
总页数
原文格式 PDF
正文语种中文
中图分类遥感技术在农业上的应用;
关键词
小麦; 植被指数; 苗情参数; 籽粒品质; 长势模型; 遥感监测;

相似文献

中文文献
外文文献
专利

1. 光学遥感植被指数与SAR遥感参数的相关性及其主要影响因素研究 [J] . 王川 ,范景辉 ,林思美 . 国土资源遥感 . 2020,第002期
2. GIS支持下的小麦区域化苗情遥感监测应用研究 [J] . 陈雪芬 ,陈东 . 南京气象学院学报 . 1999,第001期
3. 气象卫星遥感监测小麦苗情应用的研究 [J] . 孟双印 . 中国农业气象 . 1995,第001期
4. NOAA／AVHRR冬小麦苗情长势遥感动态监测方法研究 [J] . 史定珊 ,毛留喜 . 气象学报 . 1992,第004期
5. 基于Landsat TM影像的冬小麦拔节期主要长势参数遥感监测 [J] . 谭昌伟 ,王纪华 ,朱新开 . 中国农业科学 . 2011,第007期
6. 基于不同植被指数的冬小麦植株及土壤含水量监测研究 [C] . XIAO Lu-Jie ,肖璐洁 ,FENG Mei-Chen . 2012年全国博士研究生学术论坛——作物学科发展与粮食安全 . 2012
7. 小麦主要生育期苗情诊断关键参数遥感监测算法优化研究 [A] . 王丽爱 . 2016

不同遥感植被指数组合模式监测小麦主要苗情参数研究

目录

摘要

著录项

相似文献

相关主题

期刊订阅