為快速、準確地估測不同生育時期小麥品種(系)株高與葉面積指數(shù)(LAI)表型性狀,基于各生育時期小麥品種(系)數(shù)字正射影像(digital orthophoto map,DOM)和數(shù)字表面模型(digital surface model,DSM),分別構建不同生育時期株高估測模型和光譜指數(shù)LAI估測模型。借助一元線性回歸、多元逐步回歸(SMLR)和偏最小二乘回歸(PLSR)分析方法,并采用決定系數(shù)(r²)、均方根誤差(RMSE)和歸一化均方根誤差(nRMSE)綜合性評價指標,篩選出小麥不同生育時期最優(yōu)的株高和LAI估測模型。結果表明,(1)全生育期株高估測效果最好,模型預測值與實測值高度擬合(r²、RMSE、nRMSE分別為0.87、5.90cm、9.29%);在各生育時期中,灌漿期模型預測精度較好,成熟期預測精度最差,r²分別為0.79和0.69。(2)所選的18種光譜指數(shù)與LAI相關性均較好,其中BGRI、RGBVI、NRI和NGRDI的相關系數(shù)達到極顯著水平,且各時期三種回歸估測模型均表現(xiàn)出較高的穩(wěn)定性和擬合效果,其...

【文章頁數(shù)】：12 頁

【文章目錄】：
1 材料與方法
    1.1 試驗材料與設計
    1.2 地面數(shù)據獲取
    1.3 無人機影像獲取及預處理
    1.4 地面控制點及植被指數(shù)選取
    1.5 數(shù)據處理方法
        1.5.1 基于數(shù)字表面模型(DSM)的株高提取 方法
        1.5.2 選取與LAI相關的建模分析方法
    1.6 數(shù)據分析方法
2 結果與分析
    2.1 基于數(shù)字表面模型(DSM)提取小麥株高的精度分析
    2.2 基于小麥品種(系)的LAI估測
        2.2.1 小麥品種(系)LAI統(tǒng)計特征
        2.2.2 光譜指數(shù)與LAI相關性分析
        2.2.3 小麥LAI估測模型的構建
        2.2.4 小麥LAI估測模型驗證
3 討 論
4 結 論



本文編號：3737314