基于無人機遙感的葉面積指數(shù)反演
發(fā)布時間：2020-12-04 09:33
葉面積指數(shù)定量遙感產(chǎn)品的真實性檢驗需要地面數(shù)據(jù)進行支撐。目前常用的葉面積指數(shù)測量儀器,如LAI2000、AccuPAR、Sunscan、Demon和TRAC等,需要工作人員進入樣地進行手持測量,效率較低,人工測量引入的不確定性大。近年來基于無線傳感器網(wǎng)絡(luò)技術(shù)進行葉面積指數(shù)長時間自動觀測取得了很多進展,但是投入成本大、移動不便等因素制約了其大范圍應(yīng)用。隨著無人機的快速發(fā)展,利用無人機采集遙感數(shù)據(jù)具有極大的靈活性。本文利用輕型無人機獲取了玉米地不同生長期的高分辨率光學(xué)影像,采用圖像處理的算法進行植被與非植被的區(qū)分,最后利用輻射傳輸模型與聚集指數(shù)理論進行了葉面積指數(shù)反演。通過對比表明,在玉米成熟前期,反演得到的葉面積指數(shù)與LAI2200采集得到的數(shù)據(jù),以及LI-3000C得到的真實葉面積指數(shù)有較高的一致性�；跓o人機影像的LAI測量方法可作為一種快速準確的手段得以推廣應(yīng)用。
【文章來源】：遙感技術(shù)與應(yīng)用. 2017年01期 第140-148頁 北大核心
【文章頁數(shù)】：9 頁
【部分圖文】：
圖１樣方１不同日期獲取的原始影像（裁剪后）Ｆｉｇ．１ＯｒｉｇｉｎａｌｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１（ａｆｔｅｒｃｕｔｔｉｎｇ）
圖２樣方１不同日期對應(yīng)的二值圖Ｆｉｇ．２ＢｉｎａｒｙｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１３．２數(shù)據(jù)處理流程如圖３所示，通過無人機獲取原始影像，為避免角度影響，對其進行裁剪，保留中間部分影像。采用植被與非植被分類算法，對其進行二值化，得到二值圖像，作為提取間隙率信息的數(shù)據(jù)源，二值化的方法（即分類方法）見３．１節(jié)。然后，對二值圖像進行采樣，得到一定數(shù)量的樣線，拼成總樣線，把總樣線作為進一步處理的數(shù)據(jù)源。根據(jù)不同的模型需求，提取相應(yīng)的間隙率信息，計算聚集指數(shù)、有效葉面積指數(shù)，最后得到真實葉面積指數(shù)，不同模型如表２所示。圖３葉面積指數(shù)計算流程圖Ｆｉｇ．３ＦｌｏｗｃｈａｒｔｏｆＬＡＩｃａｌｃｕｌａｔｉｏｎ表２不同模型需要的間隙率信息Ｔａｂｌｅ２Ｉｎｆｏｒｍａｔｉｏｎｏｆｇａｐｓｆｏｒｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ算法主要公式（見２．２、２．３小節(jié)）需要的參數(shù)有效葉面積指數(shù)ｅｆｆ＿ＬＡＩ＝－ｌｎ（Ｐ（θ））·ｃｏｓθＧ（θ）θ�。�°，Ｇ（θ）�。埃悼傞g隙率（從總樣線中提�。┯邢揲L平均法Ω（θ）ＬＸ＝ｌｎ（ｍｅａｎ（Ｐｃｅｌｌ（θ）））ｍｅａｎ（ｌｎ（Ｐｃｅｌｌ（θ）））ＬＡＩ＿ＬＸ＝－ｌｎ［Ｐ（θ）］·ｃｏｓθＧ（θ）·Ω（θ）ＬＸθ�。�°，Ｇ（θ）�。埃底訕泳�的間隙率（從總樣線中分割）、葉片特征寬度間隙率大小分布法Ω（θ）ｃｃ＝ｌｎ（Ｆｍ（０，θ））ｌｎ（Ｆｍｒ（０，θ））·１
圖２樣方１不同日期對應(yīng)的二值圖Ｆｉｇ．２ＢｉｎａｒｙｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１３．２數(shù)據(jù)處理流程如圖３所示，通過無人機獲取原始影像，為避免角度影響，對其進行裁剪，保留中間部分影像。采用植被與非植被分類算法，對其進行二值化，得到二值圖像，作為提取間隙率信息的數(shù)據(jù)源，二值化的方法（即分類方法）見３．１節(jié)。然后，對二值圖像進行采樣，得到一定數(shù)量的樣線，拼成總樣線，把總樣線作為進一步處理的數(shù)據(jù)源。根據(jù)不同的模型需求，提取相應(yīng)的間隙率信息，計算聚集指數(shù)、有效葉面積指數(shù)，最后得到真實葉面積指數(shù)，不同模型如表２所示。圖３葉面積指數(shù)計算流程圖Ｆｉｇ．３ＦｌｏｗｃｈａｒｔｏｆＬＡＩｃａｌｃｕｌａｔｉｏｎ表２不同模型需要的間隙率信息Ｔａｂｌｅ２Ｉｎｆｏｒｍａｔｉｏｎｏｆｇａｐｓｆｏｒｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ算法主要公式（見２．２、２．３小節(jié)）需要的參數(shù)有效葉面積指數(shù)ｅｆｆ＿ＬＡＩ＝－ｌｎ（Ｐ（θ））·ｃｏｓθＧ（θ）θ�。�°，Ｇ（θ）取０．５總間隙率（從總樣線中提�。┯邢揲L平均法Ω（θ）ＬＸ＝ｌｎ（ｍｅａｎ（Ｐｃｅｌｌ（θ）））ｍｅａｎ（ｌｎ（Ｐｃｅｌｌ（θ）））ＬＡＩ＿ＬＸ＝－ｌｎ［Ｐ（θ）］·ｃｏｓθＧ（θ）·Ω（θ）ＬＸθ�。�°，Ｇ（θ）�。埃底訕泳�的間隙率（從總樣線中分割）、葉片特征寬度間隙率大小分布法Ω（θ）ｃｃ＝ｌｎ（Ｆｍ（０，θ））ｌｎ（Ｆｍｒ（０，θ））·１
本文編號：2897361
【文章來源】：遙感技術(shù)與應(yīng)用. 2017年01期 第140-148頁 北大核心
【文章頁數(shù)】：9 頁
【部分圖文】：
圖１樣方１不同日期獲取的原始影像（裁剪后）Ｆｉｇ．１ＯｒｉｇｉｎａｌｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１（ａｆｔｅｒｃｕｔｔｉｎｇ）
圖２樣方１不同日期對應(yīng)的二值圖Ｆｉｇ．２ＢｉｎａｒｙｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１３．２數(shù)據(jù)處理流程如圖３所示，通過無人機獲取原始影像，為避免角度影響，對其進行裁剪，保留中間部分影像。采用植被與非植被分類算法，對其進行二值化，得到二值圖像，作為提取間隙率信息的數(shù)據(jù)源，二值化的方法（即分類方法）見３．１節(jié)。然后，對二值圖像進行采樣，得到一定數(shù)量的樣線，拼成總樣線，把總樣線作為進一步處理的數(shù)據(jù)源。根據(jù)不同的模型需求，提取相應(yīng)的間隙率信息，計算聚集指數(shù)、有效葉面積指數(shù)，最后得到真實葉面積指數(shù)，不同模型如表２所示。圖３葉面積指數(shù)計算流程圖Ｆｉｇ．３ＦｌｏｗｃｈａｒｔｏｆＬＡＩｃａｌｃｕｌａｔｉｏｎ表２不同模型需要的間隙率信息Ｔａｂｌｅ２Ｉｎｆｏｒｍａｔｉｏｎｏｆｇａｐｓｆｏｒｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ算法主要公式（見２．２、２．３小節(jié)）需要的參數(shù)有效葉面積指數(shù)ｅｆｆ＿ＬＡＩ＝－ｌｎ（Ｐ（θ））·ｃｏｓθＧ（θ）θ�。�°，Ｇ（θ）�。埃悼傞g隙率（從總樣線中提�。┯邢揲L平均法Ω（θ）ＬＸ＝ｌｎ（ｍｅａｎ（Ｐｃｅｌｌ（θ）））ｍｅａｎ（ｌｎ（Ｐｃｅｌｌ（θ）））ＬＡＩ＿ＬＸ＝－ｌｎ［Ｐ（θ）］·ｃｏｓθＧ（θ）·Ω（θ）ＬＸθ�。�°，Ｇ（θ）�。埃底訕泳�的間隙率（從總樣線中分割）、葉片特征寬度間隙率大小分布法Ω（θ）ｃｃ＝ｌｎ（Ｆｍ（０，θ））ｌｎ（Ｆｍｒ（０，θ））·１
圖２樣方１不同日期對應(yīng)的二值圖Ｆｉｇ．２ＢｉｎａｒｙｉｍａｇｅｓｏｆｄｉｆｆｅｒｅｎｔｄａｔｅｓｉｎＳａｍｐｌｅ１３．２數(shù)據(jù)處理流程如圖３所示，通過無人機獲取原始影像，為避免角度影響，對其進行裁剪，保留中間部分影像。采用植被與非植被分類算法，對其進行二值化，得到二值圖像，作為提取間隙率信息的數(shù)據(jù)源，二值化的方法（即分類方法）見３．１節(jié)。然后，對二值圖像進行采樣，得到一定數(shù)量的樣線，拼成總樣線，把總樣線作為進一步處理的數(shù)據(jù)源。根據(jù)不同的模型需求，提取相應(yīng)的間隙率信息，計算聚集指數(shù)、有效葉面積指數(shù)，最后得到真實葉面積指數(shù)，不同模型如表２所示。圖３葉面積指數(shù)計算流程圖Ｆｉｇ．３ＦｌｏｗｃｈａｒｔｏｆＬＡＩｃａｌｃｕｌａｔｉｏｎ表２不同模型需要的間隙率信息Ｔａｂｌｅ２Ｉｎｆｏｒｍａｔｉｏｎｏｆｇａｐｓｆｏｒｄｉｆｆｅｒｅｎｔｍｏｄｅｌｓ算法主要公式（見２．２、２．３小節(jié)）需要的參數(shù)有效葉面積指數(shù)ｅｆｆ＿ＬＡＩ＝－ｌｎ（Ｐ（θ））·ｃｏｓθＧ（θ）θ�。�°，Ｇ（θ）取０．５總間隙率（從總樣線中提�。┯邢揲L平均法Ω（θ）ＬＸ＝ｌｎ（ｍｅａｎ（Ｐｃｅｌｌ（θ）））ｍｅａｎ（ｌｎ（Ｐｃｅｌｌ（θ）））ＬＡＩ＿ＬＸ＝－ｌｎ［Ｐ（θ）］·ｃｏｓθＧ（θ）·Ω（θ）ＬＸθ�。�°，Ｇ（θ）�。埃底訕泳�的間隙率（從總樣線中分割）、葉片特征寬度間隙率大小分布法Ω（θ）ｃｃ＝ｌｎ（Ｆｍ（０，θ））ｌｎ（Ｆｍｒ（０，θ））·１
本文編號：2897361
本文鏈接：http://sikaile.net/kejilunwen/nykj/2897361.html
最近更新
教材專著
