基于时间序列高光谱遥感影像的田块尺度作物产量预测

• 全文链接
• 请求原文

作   者：

刘焕军;  康苒;  Susan Ustin;  张新乐;  付强;  盛磊;  孙天一; 

作者机构：

Center;  东北农业大学资源与环境学院; 

关键词：

高光谱遥感;  时间序列;  产量;  光谱指数;  精准管理分区; 

期刊名称：

光谱学与光谱分析

基金项目：

基于土壤不同理化参数光谱特征差异的黑土有机质高光谱遥感反演研究

i s s n：

1000-0593

年卷期：

2016 年 36 卷 08 期

页   码：

2585-2589

摘   要：

在精准农业领域,田块尺度土壤理化性质、作物长势、产量等存在极显著的空间异质性。高光谱遥感侧重于光谱维度信息的提取,未充分利用空间与时相信息,限制了植被长势、生物量与产量的监测精度。传统格网采样与地统计空间插值方法,耗时费力、成本高,难以推广;而遥感技术可以获取农作物生理参数的时空异质性信息,可以用于田块尺度的精准管理分区(SSMZ)。以田块尺度棉花地为研究对象,获取时间序列航空高光谱遥感影像,分析不同长势棉花的反射光谱特征,构建光谱指数,综合光谱、时相、空间维度信息,利用面向对象方法进行精准管理分区,建立产量遥感预测模型。结果表明:综合多维信息的面向对象分割方法优于基于象元的方法,可以部分消除遥感与产量数据噪声,提高棉花估产精度;不同植被指数与棉花产量的相关系数排序为一阶微分、NDVI、OSAVI、二阶微分;对于同一尺度、单一时相,一阶微分产量预测模型精度较高,多时相多光谱植被指数也可以得到较高精度;对于同一输入量、不同尺度,较少SSMZ个数的棉花产量预测模型精度更高、稳定性更好,这是由于影像与产量数据的空间定位存在一定的误差造成。研究成果将丰富作物长势、估产方法,提高遥感监测精度,加速无人机遥感在相关领域的应用。