基于无人机多光谱遥感的玉米FPAR估算

摘要：

为了探究无人机多光谱遥感影像估算作物光合有效辐射吸收比例(Fraction of absorbed photosynthetically active radiation,FPAR)的潜力,以无人机多光谱影像提取的植被指数、纹理指数、叶面积指数为模型输入参数,在分析不同参数与FPAR相关性的基础上优选植被指数与纹理指数,并分别以一元线性模型、多元逐步回归模型、岭回归模型、BP神经网络模型等方法估算玉米FPAR.结果表明:植被指数、纹理指数、叶面积指数3种参数与FPAR都具有较强的相关性,其中植被指数相关系数最大;在不同类型的FPAR估算模型中,BP神经网络模型的估算效果最优,FPAR估算模型决定系数R2、均方根误差(RMSE)分别为0.857、0.173,验证模型R2、RMSE分别为0.868、0.186,模型估算值与田间实测值间相对误差(RE)为8.71％;在不同形式的模型参数组合中,均以植被指数、纹理指数、叶面积指数3种参数融合的FPAR模型的估算与验证效果最优,说明多特征参数融合能有效改善FPAR估算效果.该研究为基于无人机多光谱遥感数据精准估算玉米FPAR及生产潜力提供了科学依据.

关键词：玉米、光合有效辐射吸收比例、无人机、多光谱遥感、植被指数、纹理指数

所属期刊栏目：53

分类号：S127(农业物理学)

资助基金：国家重点研发计划;河南省重点研发与推广专项;河南省科技智库调研项目

在线出版日期：2023-02-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：202-210