期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于冠层结构影响的酿酒葡萄冠层叶绿素含量无人机遥感反演研究
1
作者 张晓晶 潘海珠 +2 位作者 董彦斌 张丽娟 史银龙 《西南农业学报》 2025年第10期2076-2088,F0002,共14页
【目的】植被冠层结构和土壤背景对作物叶绿素含量反演具有重大影响,提高酿酒葡萄叶绿素含量反演精度,以保障葡萄果实的产量与质量。【方法】以贺兰山东麓酿酒葡萄种植园为研究区,分别在葡萄开花期和坐果期获取LAI和SPAD以及无人机多光... 【目的】植被冠层结构和土壤背景对作物叶绿素含量反演具有重大影响,提高酿酒葡萄叶绿素含量反演精度,以保障葡萄果实的产量与质量。【方法】以贺兰山东麓酿酒葡萄种植园为研究区,分别在葡萄开花期和坐果期获取LAI和SPAD以及无人机多光谱数据,基于PROSAIL-D模型模拟酿酒葡萄冠层反射率,同时为减少土壤背景的影响,引入NIR_(V)对冠层效应进行校正,获取冠层散射系数CSC,分别使用植被指数查找表和机器学习方法构建葡萄冠层叶绿素含量估算模型。【结果】通过模型模拟植被指数与叶绿素含量相关性分析表明,由CSC构建LICI_((720、750、450、840 nm))、TCARI_((750、720、450 nm))、EVI_((720、450、750 nm))在两个生育期内与叶绿素的相关性较高(|R|≥0.83);基于植被指数查找表的叶绿素含量反演结果表明,开花期精度最优的是基于EVI-TCARI的植被指数查找表,R^(2)为0.77,RMSE为1.45,坐果期精度最高的是基于LICI-TCARI的植被指数查找表,R^(2)为0.78,RMSE为1.17;基于机器学习的叶绿素含量反演结果对比表明,利用CSC构建的PLSR和ELM模型在两个生育期反演精度均较佳,开花期反演精度ELM>PLSR>ENR>SVR,R^(2)分别为0.89、0.87、0.87、0.48,RMSE分别为1.00、1.09、1.10、2.21,坐果期的反演精度排序为PLSR>ELM>SVR>ENR,R^(2)分别为0.82、0.76、0.34、0.21,RMSE分别为1.07、1.22、2.07、2.42。【结论】通过NIR_(V)对冠层结构进行校正,能够弱化冠层结构和土壤背景对叶绿素含量估算的影响,提高反演精度。该研究成果可为基于无人机的酿酒葡萄监测提供理论依据,实现酿酒葡萄生长参数快速获取提供参考。 展开更多
关键词 无人机多光谱 prosail-d NIR_(V) 机器学习 植被指数查找表 葡萄冠层叶绿素
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部