本文選題：植被　切入點(diǎn)：遙感　出處：《農(nóng)業(yè)工程學(xué)報(bào)》2016年03期 　論文類型：期刊論文

【摘要】：近年來,高光譜遙感數(shù)據(jù)廣泛應(yīng)用于農(nóng)作物葉面積指數(shù)(LAI)反演。與常用的多光譜遙感數(shù)據(jù)相比,高光譜數(shù)據(jù)能否提高農(nóng)作物L(fēng)AI反演的精度和穩(wěn)定性還存在爭議。針對(duì)這一問題,該研究利用實(shí)測冬小麥冠層高光譜反射率數(shù)據(jù),構(gòu)造了不同光譜分辨率和波段組合的5種光譜數(shù)據(jù)�；贏CRM(a two-layer canopy reflectance model)模型、2套參數(shù)化方案及上述5種光譜數(shù)據(jù),對(duì)冬小麥LAI進(jìn)行反演,分析光譜分辨率、高光譜數(shù)據(jù)波段選擇、模型參數(shù)不確定性3方面因素對(duì)LAI反演精度與穩(wěn)定性的影響。研究結(jié)果表明:當(dāng)波段選擇適宜、模型參數(shù)不確定性較小且光譜數(shù)據(jù)分辨率較高時(shí),LAI反演精度與穩(wěn)定性更高,提高光譜分辨率對(duì)LAI反演精度的改進(jìn)作用隨光譜分辨率的升高而降低;反之,當(dāng)高光譜數(shù)據(jù)波段選擇不當(dāng)或者模型參數(shù)不確定性較大時(shí),提高光譜數(shù)據(jù)的分辨率并未提高LAI反演精度。該研究解釋了"高光譜遙感數(shù)據(jù)能否提高植被參數(shù)反演精度"問題,為進(jìn)一步發(fā)揮高光譜數(shù)據(jù)在農(nóng)作物L(fēng)AI反演中的潛力提供了科學(xué)參考。
[Abstract]:In recent years, hyperspectral remote sensing data have been widely used in crop leaf area index (Lai) inversion. Compared with conventional multispectral remote sensing data, whether hyperspectral data can improve the precision and stability of crop LAI inversion is controversial. In this study, five spectral data of different spectral resolution and band combination were constructed by using the measured data of canopy hyperspectral reflectance of winter wheat. Based on ACRM(a two-layer canopy reflectance model, two sets of parameterized schemes and the above five spectral data were constructed. The effects of spectral resolution, band selection of hyperspectral data and uncertainty of model parameters on the inversion accuracy and stability of winter wheat LAI were analyzed. When the model parameter uncertainty is low and the spectral data resolution is high, the accuracy and stability of Lai inversion are higher. The improvement of spectral resolution on LAI inversion accuracy decreases with the increase of spectral resolution. When the band selection of hyperspectral data is improper or the model parameters are uncertain, improving the resolution of spectral data does not improve the precision of LAI inversion. This study explains whether hyperspectral remote sensing data can improve the precision of vegetation parameter inversion. It provides a scientific reference for further exerting the potential of hyperspectral data in crop LAI inversion.
【作者單位】： 農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點(diǎn)實(shí)驗(yàn)室/中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所;華中師范大學(xué)城市與環(huán)境科學(xué)學(xué)院;
【基金】：測繪地理信息公益性行業(yè)科研專項(xiàng)(201512028) 國家自然科學(xué)基金項(xiàng)目(41271112)
【分類號(hào)】：S512.11;S127

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 劉勇洪;權(quán)維俊;夏祥鰲;郭文利;;基于MODTRAN模式與衛(wèi)星資料的晴空凈太陽輻射模擬[J];高原氣象;2008年06期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 苗乃哲;姚頑強(qiáng);黃文江;徐新剛;張東彥;任鵬;;主成分變換方法在葉面積指數(shù)反演中的應(yīng)用分析[J];安徽農(nóng)業(yè)科學(xué);2012年08期

2 宋英博;賈立君;杜永生;王囡囡;鄧際華;陳慶山;胡國華;;利用葉片反射光譜預(yù)測大豆合交98-1667干物重模型[J];大豆科學(xué);2010年03期

3 宋英博;;不同施氮水平下大豆反射光譜預(yù)測葉片氮含量模型[J];大豆科學(xué);2010年04期

4 納欽;格根圖;賈玉山;娜日蘇;;苜蓿和緣毛雀麥高光譜與其葉綠素含量的相關(guān)性研究[J];呼倫貝爾學(xué)院學(xué)報(bào);2010年02期

5 劉秀英;熊建利;臧卓;林輝;;馬尾松葉綠素含量與高光譜數(shù)據(jù)相關(guān)性分析[J];廣東農(nóng)業(yè)科學(xué);2012年10期

6 姚付啟;張振華;楊潤亞;孫金偉;王海江;任尚崗;;ANFIS在植被葉綠素含量高光譜反演中的應(yīng)用[J];光譜學(xué)與光譜分析;2010年07期

7 王凌;趙庚星;朱西存;雷彤;董芳;;蘋果盛果期冠層高光譜與其組分特征的定量模型研究[J];光譜學(xué)與光譜分析;2010年10期

8 梁爽;趙庚星;朱西存;;蘋果樹葉片葉綠素含量高光譜估測模型研究[J];光譜學(xué)與光譜分析;2012年05期

9 田婷;孫成明;劉濤;郭斗斗;王力堅(jiān);陳瑛瑛;;高光譜遙感技術(shù)及其在草地及植被中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2013年07期

10 朱鋒;宮輝力;孫天琳;侯婕;郭小萌;郭琳;;不同組分比例的高光譜混合象元反射光譜形態(tài)特征研究[J];光譜學(xué)與光譜分析;2013年07期

相關(guān)會(huì)議論文 前2條

1 徐碧霞;沈國土;蔡繼光;董占海;高景;;MODTRAN計(jì)算的太陽直射與實(shí)測結(jié)果比較初探[A];第三屆紅外成像系統(tǒng)仿真、測試與評(píng)價(jià)技術(shù)研討會(huì)論文集[C];2011年

2 王百合;劉代志;黃世奇;李義紅;;基于高光譜遙感圖像的地物特征反演模型研究初探[A];國家安全地球物理叢書（七）——地球物理與核探測[C];2011年

相關(guān)博士學(xué)位論文 前9條

1 夏天;基于高光譜遙感的區(qū)域冬小麥生物量模擬及糧食安全評(píng)價(jià)[D];華中師范大學(xué);2011年

2 梁亮;小麥冠層理化參量的高光譜反演[D];中南大學(xué);2010年

3 石吉勇;基于高光譜圖像技術(shù)的設(shè)施栽培作物營養(yǎng)元素虧缺診斷研究[D];江蘇大學(xué);2012年

4 谷艷芳;不同水分處理下冬小麥光合產(chǎn)物分配格局、過程及調(diào)控機(jī)制的研究[D];河南大學(xué);2008年

5 娜日蘇;基于遙感技術(shù)的丘陵草甸草原健康評(píng)價(jià)研究[D];中國農(nóng)業(yè)科學(xué)院;2010年

6 姚付啟;冬小麥高光譜特征及其生理生態(tài)參數(shù)估算模型研究[D];西北農(nóng)林科技大學(xué);2012年

7 陳書琳;微生物復(fù)墾中植物及土壤理化參數(shù)的高光譜反演研究[D];中國礦業(yè)大學(xué)（北京）;2014年

8 李文敏;楓楊和濕地松幼苗生理參數(shù)的高光譜反演模型研究[D];西北農(nóng)林科技大學(xué);2014年

9 張曉通;全球陸表下行短波輻射和光合有效輻射反演算法研究[D];武漢大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 劉璇;杉木主要生物化學(xué)參數(shù)的高光譜遙感估算模型研究[D];中南林業(yè)科技大學(xué);2010年

2 周明厚;基于溫度數(shù)據(jù)的太陽輻射空間模擬[D];西南大學(xué);2011年

3 楊巧明;橡膠樹單葉葉綠素和氮素營養(yǎng)狀況的高光譜監(jiān)測研究[D];海南大學(xué);2011年

4 李新;基于MODIS數(shù)據(jù)的內(nèi)蒙古森林凈初級(jí)生產(chǎn)力遙感估算研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2011年

5 王曉亮;丁香光譜測定方法及相關(guān)因子估算模型的研究[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2011年

6 張冬強(qiáng);柑橘果園四項(xiàng)數(shù)字化信息的模型構(gòu)建[D];華中農(nóng)業(yè)大學(xué);2011年

7 張倩;基于高光譜遙感的冬小麥植被反射特征及葉面積指數(shù)的監(jiān)測模型研究[D];西北農(nóng)林科技大學(xué);2011年

8 王R，

本文編號(hào)：1590207