本文選題：遙感估產(chǎn)　切入點：植被指數(shù)組合　出處：《干旱區(qū)資源與環(huán)境》2017年07期 　論文類型：期刊論文

【摘要】：為了提高大面積冬小麥農(nóng)田產(chǎn)量快速估算的準(zhǔn)確率,選取Landsat 8 OLI衛(wèi)星遙感數(shù)據(jù),計算歸一化植被指數(shù)NDVI、比值植被指數(shù)RVI、綠度植被指數(shù)GVI、增強植被指數(shù)EVI,分別建立4種植被指數(shù)組合與地面冬小麥實測產(chǎn)量的回歸方程或神經(jīng)網(wǎng)絡(luò)和SVM模型。結(jié)果表明:單植被指數(shù)的非線性回歸方程估產(chǎn)精度高于線性回歸方程,冬小麥實測產(chǎn)量與遙感植被指數(shù)表現(xiàn)為非線性關(guān)系;線性回歸方程估產(chǎn)時多植被指數(shù)組合精度高于單植被指數(shù),多植被指數(shù)組合可實現(xiàn)信息互補,提高遙感估產(chǎn)精度;建立多植被指數(shù)組合與實測產(chǎn)量的非線性遙感估產(chǎn)模型時,SVM模型的均方根誤差RMSE為339.6kg·hm~(-2),決定系數(shù)R~2為0.7852,估產(chǎn)精度高于BP神經(jīng)網(wǎng)絡(luò)模型、RBF神經(jīng)網(wǎng)絡(luò)模型,可應(yīng)用于冬小麥遙感估產(chǎn)的快速、準(zhǔn)確實現(xiàn)。
[Abstract]:In order to improve the accuracy of fast estimation of winter wheat yield in a large area of winter wheat, Landsat 8 OLI satellite remote sensing data were selected. The normalized vegetation index (NDVI), the ratio vegetation index (RVI), the green vegetation index (GVI) and the enhanced vegetation index (EVI) were calculated. The regression equations or neural networks and SVM models were established between the four cropping index combinations and the measured yield of winter wheat on the ground, respectively. The results show that the yield estimation accuracy of nonlinear regression equation of single vegetation index is higher than that of linear regression equation. The linear regression equation showed that the combination accuracy of multi-vegetation index was higher than that of single vegetation index, and the combination of multi-vegetation index could achieve complementary information and improve the precision of remote sensing yield estimation. The root mean square error (RMSE) of the model is 339.6 kg 路hm ~ (-1) ~ (-2), and the coefficient of determination is 0.7852, which is higher than that of BP neural network model. It can be applied to the rapid and accurate estimation of winter wheat yield by remote sensing.
【作者單位】： 遼寧師范大學(xué)城市與環(huán)境學(xué)院;廣西師范大學(xué)計算機科學(xué)與信息工程學(xué)院;北京師范大學(xué)地理學(xué)與遙感科學(xué)學(xué)院遙感科學(xué)國家重點實驗室;
【基金】：國家自然科學(xué)基金項目(41561008)資助
【分類號】：S127;S512.11

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王福民;黃敬峰;王秀珍;;基于水稻背景特性的植被指數(shù)參數(shù)修正研究[J];農(nóng)業(yè)工程學(xué)報;2008年05期

2 何彬方;馮妍;吳文玉;范偉;;安徽省近十年植被指數(shù)時空變化特征[J];生態(tài)學(xué)雜志;2010年10期

3 解文歡;張有智;吳黎;;基于植被指數(shù)對望奎縣糧食作物產(chǎn)量預(yù)測方法的研究[J];黑龍江農(nóng)業(yè)科學(xué);2011年04期

4 康耀江;;植被指數(shù)在草地遙感中的應(yīng)用初探[J];湖南農(nóng)業(yè)科學(xué);2011年Z1期

5 張仁華,饒農(nóng)新,廖國男;植被指數(shù)的抗大氣影響探討[J];植物學(xué)報;1996年01期

6 國紅;彭世揆;趙博光;;內(nèi)蒙古鄂托克前旗地區(qū)苦豆子植被指數(shù)信息提取的研究[J];林業(yè)資源管理;2008年04期

7 范文義;白新源;馮欣;李明澤;杜華強;;哈爾濱熱島效應(yīng)與植被指數(shù)關(guān)系的動態(tài)分析[J];東北林業(yè)大學(xué)學(xué)報;2009年06期

8 杜春雨;范文義;;葉面積指數(shù)與植被指數(shù)關(guān)系研究[J];林業(yè)勘查設(shè)計;2013年02期

9 楊潔;隋學(xué)艷;楊麗萍;郭洪海;朱振林;;山東省植被指數(shù)影像數(shù)據(jù)庫的設(shè)計與實現(xiàn)[J];安徽農(nóng)業(yè)科學(xué);2011年29期

10 胡曉雯;曹爽;趙顯富;;基于植被指數(shù)的綠地信息提取的比較[J];南京信息工程大學(xué)學(xué)報(自然科學(xué)版);2012年05期

相關(guān)會議論文 前10條

1 付卓;王錦地;施建成;宋金玲;靳華安;張立新;張鐘軍;趙少杰;陳柏松;;微波植被指數(shù)與光學(xué)植被指數(shù)在地面尺度上的關(guān)系研究[A];遙感定量反演算法研討會摘要集[C];2010年

2 辛紅梅;張杰;馬毅;初佳蘭;;基于植被指數(shù)的赤潮高光譜敏感波段確定方法初探[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文選集[C];2003年

3 范錦龍;;我國晴空分布及對旬合成植被指數(shù)的影響[A];推進(jìn)氣象科技創(chuàng)新加快氣象事業(yè)發(fā)展——中國氣象學(xué)會2004年年會論文集（下冊）[C];2004年

4 張樹譽;李登科;李星敏;周輝;;遙感植被指數(shù)及其在縣域生態(tài)環(huán)境監(jiān)測評估中的應(yīng)用[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

5 安培浚;頡耀文;;綠洲植被指數(shù)的遙感定量研究-以民勤綠洲為例[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

6 江東;王乃斌;楊小喚;劉紅輝;;植被指數(shù)—地面溫度特征空間及其應(yīng)用[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年

7 傅軍;張杰;辛紅梅;馬毅;;基于植被指數(shù)的高光譜遙感水陸識別方法初探[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

8 肖乾廣;肖嵐;李亞君;;EOS/MODIS,FY-1D/MVISR,NOAA/AVHRR的歸一化植被指數(shù)的同化研究[A];全國國土資源與環(huán)境遙感應(yīng)用技術(shù)研討會論文集[C];2009年

9 楊道勇;肖云岫;;利用WT-10接收的1B高分辨云圖數(shù)據(jù)生成植被指數(shù)圖像[A];中國氣象學(xué)會2005年年會論文集[C];2005年

10 何全軍;曹靜;張月維;;基于MODIS的廣東省植被指數(shù)序列構(gòu)建與應(yīng)用[A];中國氣象學(xué)會2007年年會生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預(yù)警分會場論文集[C];2007年

相關(guān)重要報紙文章 前1條

1 魏景云;氣象衛(wèi)星監(jiān)測干旱 全國旱情一目了然[N];中國氣象報;2003年

相關(guān)博士學(xué)位論文 前4條

1 衛(wèi)煒;MODIS雙星數(shù)據(jù)協(xié)同的耕地物候參數(shù)提取方法研究[D];中國農(nóng)業(yè)科學(xué)院;2015年

2 張立福;通用光譜模式分解算法及植被指數(shù)的建立[D];武漢大學(xué);2005年

3 岳文澤;基于遙感影像的城市景觀格局及其熱環(huán)境效應(yīng)研究[D];華東師范大學(xué);2005年

4 劉占宇;水稻主要病蟲害脅迫遙感監(jiān)測研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉吉凱;基于HJ衛(wèi)星數(shù)據(jù)的甘蔗長勢監(jiān)測與估產(chǎn)研究[D];南京信息工程大學(xué);2015年

2 鄭亞云;榆林NDVI時空變化及驅(qū)動因子研究[D];長安大學(xué);2015年

3 何春萌;經(jīng)濟(jì)利益驅(qū)動下的工礦開發(fā)對人類生存環(huán)境的影響[D];內(nèi)蒙古大學(xué);2015年

4 劉曉靜;基于不同遙感數(shù)據(jù)源的秦嶺地區(qū)植被指數(shù)對比分析[D];長安大學(xué);2015年

5 王鑫梅;氮素水平對不同土壤質(zhì)地楊樹葉片光譜特性和光合能力的影響[D];河北農(nóng)業(yè)大學(xué);2015年

6 官雨薇;基于遙感影像的全球荒漠化指數(shù)構(gòu)建及趨勢分析[D];電子科技大學(xué);2015年

7 胡文;黑龍江省雹災(zāi)遙感監(jiān)測及時空特征分析[D];東北農(nóng)業(yè)大學(xué);2015年

8 吳明業(yè);基于TVDI的土壤干旱遙感監(jiān)測研究及驗證[D];安徽農(nóng)業(yè)大學(xué);2014年

9 馬瑞;增強植被指數(shù)算法的研究及其在生態(tài)環(huán)境遙感產(chǎn)品生產(chǎn)分系統(tǒng)的應(yīng)用[D];河南大學(xué);2015年

10 曾水生;雙季稻生長指標(biāo)光譜監(jiān)測模型研究[D];江西農(nóng)業(yè)大學(xué);2015年

，

本文編號：1590806