【目的】叶面积指数(leaf area index,LAI)是表征作物长势、光合、蒸腾的重要指标。论文旨在研究不同生育期、多生育期无人机多光谱数据棉花LAI估测模型,明确不同生育期间棉花LAI估测模型变化规律,为实时掌握棉花长势并因地制宜进行田...【目的】叶面积指数(leaf area index,LAI)是表征作物长势、光合、蒸腾的重要指标。论文旨在研究不同生育期、多生育期无人机多光谱数据棉花LAI估测模型,明确不同生育期间棉花LAI估测模型变化规律,为实时掌握棉花长势并因地制宜进行田间科学管理提供依据。【方法】利用大疆精灵4多光谱无人机获取棉花现蕾期、初花期、结铃期、吐絮期多光谱图像和RGB图像。选用归一化差植被指数(NDVI)、绿度归一化差植被指数(GNDVI)、归一化差红边指数(NDRE)、叶片叶绿素指数(LCI)、优化的土壤调节植被指数(OSAVI)5种多光谱指数和修正红绿植被指数(MGRVI)、红绿植被指数(GRVI)、绿叶指数(GLA)、超红指数(EXR)、大气阻抗植被指数(VARI)5种颜色指数分别建立棉花各生育期及棉花生长多生育期数据集合,结合打孔法获取地面LAI实测数据,使用机器学习算法中偏最小二乘(PLSR)、岭回归(RR)、随机森林(RF)、支持向量机(SVM)、神经网络(BP)构建棉花LAI预测模型。【结果】覆膜棉花LAI随着生育期的变化呈现先增长后下降的趋势,现蕾期、初花期、结铃期内侧棉花叶面积指数均值均显著大于外侧(P<0.05);选择的指数在各时期彼此间均呈显著相关(P<0.05),总体而言,多光谱指数与颜色指数间的相关性随着生育期的进行而呈现下降趋势,选择的指数在各时期均与棉花LAI相关性显著(P<0.05),多光谱指数相关系数介于0.35—0.85,颜色指数相关系数介于0.49—0.71,相关系数绝对值较大的指数多为多光谱指数,颜色指数与棉花LAI的相关系数绝对值较小;估测模型性能结果显示棉花各生育期模型中多光谱指数优于颜色指数,且各指数模型预测性能随着生育期的变化呈现一定规律性,NDVI是预测棉花LAI的最优指数。从模型结果上看,RF模型和BP模型在各生育期下获得了较高的估计精度。初花期LAI反演模型精度最高,最优模型验证集R2为0.809,MAE为0.288,NRMSE为0.120。多生育期最优模型验证集R2为0.386,MAE为0.700,NRMSE为0.198。【结论】棉花内外侧LAI在现蕾期、初花期、结铃期存在显著差异。在各生育期中,RF和BP模型是预测棉花LAI较优模型。NDVI在各指数中表现最好,是预测棉花LAI的最优指数。多生育期模型效果较单生育期明显下降,最优指数为GNDVI,最优模型为BP。本研究中预测棉花LAI的最优窗口期是初花期。研究结果可为无人机遥感监测棉花LAI提供理论依据和技术支持。展开更多
利用西藏高原38个气象站1981-2020年逐日气象观测资料及1970-2000年30 s空间分辨率气候数据,对人体舒适度指数(ICHB)及高原人体舒适度指数(PICHB)时空变化特征进行分析。研究表明:(1)西藏高原近40 a ICHB呈显著上升趋势,整个西藏高原年I...利用西藏高原38个气象站1981-2020年逐日气象观测资料及1970-2000年30 s空间分辨率气候数据,对人体舒适度指数(ICHB)及高原人体舒适度指数(PICHB)时空变化特征进行分析。研究表明:(1)西藏高原近40 a ICHB呈显著上升趋势,整个西藏高原年ICHB升高率为0.76·(10a)-1,各气候区年ICHB升高率为(0.57~0.98)·(10a)^(-1)。季ICHB升高率在时间上表现为冬季>秋季>春季>夏季。(2)年ICHB和季ICHB的升高率在空间上表现为西部>北部>东北部>东南部>中部、南部边缘。(3)PICHB空间上表现为寒冷特不舒适、重度高原反应的区域主要分布在北部、西部及东北部的高山上;冷不舒适、重度高原反应的区域主要分布在北部、中部及南部边缘的高山上;冷不舒适、中度高原反应的区域主要分布在北部、中部和南部边缘等区域的较低海拔地区;凉较不舒适、轻度高原反应的区域主要分布在东南部和南部边缘地区;不冷不热舒适、无高原反应的区域主要分布在错那县南部和墨脱县南部。随着西藏高原近40 a和未来气候“暖湿化”的变化趋势,各地月ICHB、季ICHB、年ICHB明显提高,PICHB也发生相应的变化,均向着舒适度升高的方向发展。展开更多
文摘【目的】叶面积指数(leaf area index,LAI)是表征作物长势、光合、蒸腾的重要指标。论文旨在研究不同生育期、多生育期无人机多光谱数据棉花LAI估测模型,明确不同生育期间棉花LAI估测模型变化规律,为实时掌握棉花长势并因地制宜进行田间科学管理提供依据。【方法】利用大疆精灵4多光谱无人机获取棉花现蕾期、初花期、结铃期、吐絮期多光谱图像和RGB图像。选用归一化差植被指数(NDVI)、绿度归一化差植被指数(GNDVI)、归一化差红边指数(NDRE)、叶片叶绿素指数(LCI)、优化的土壤调节植被指数(OSAVI)5种多光谱指数和修正红绿植被指数(MGRVI)、红绿植被指数(GRVI)、绿叶指数(GLA)、超红指数(EXR)、大气阻抗植被指数(VARI)5种颜色指数分别建立棉花各生育期及棉花生长多生育期数据集合,结合打孔法获取地面LAI实测数据,使用机器学习算法中偏最小二乘(PLSR)、岭回归(RR)、随机森林(RF)、支持向量机(SVM)、神经网络(BP)构建棉花LAI预测模型。【结果】覆膜棉花LAI随着生育期的变化呈现先增长后下降的趋势,现蕾期、初花期、结铃期内侧棉花叶面积指数均值均显著大于外侧(P<0.05);选择的指数在各时期彼此间均呈显著相关(P<0.05),总体而言,多光谱指数与颜色指数间的相关性随着生育期的进行而呈现下降趋势,选择的指数在各时期均与棉花LAI相关性显著(P<0.05),多光谱指数相关系数介于0.35—0.85,颜色指数相关系数介于0.49—0.71,相关系数绝对值较大的指数多为多光谱指数,颜色指数与棉花LAI的相关系数绝对值较小;估测模型性能结果显示棉花各生育期模型中多光谱指数优于颜色指数,且各指数模型预测性能随着生育期的变化呈现一定规律性,NDVI是预测棉花LAI的最优指数。从模型结果上看,RF模型和BP模型在各生育期下获得了较高的估计精度。初花期LAI反演模型精度最高,最优模型验证集R2为0.809,MAE为0.288,NRMSE为0.120。多生育期最优模型验证集R2为0.386,MAE为0.700,NRMSE为0.198。【结论】棉花内外侧LAI在现蕾期、初花期、结铃期存在显著差异。在各生育期中,RF和BP模型是预测棉花LAI较优模型。NDVI在各指数中表现最好,是预测棉花LAI的最优指数。多生育期模型效果较单生育期明显下降,最优指数为GNDVI,最优模型为BP。本研究中预测棉花LAI的最优窗口期是初花期。研究结果可为无人机遥感监测棉花LAI提供理论依据和技术支持。
文摘利用西藏高原38个气象站1981-2020年逐日气象观测资料及1970-2000年30 s空间分辨率气候数据,对人体舒适度指数(ICHB)及高原人体舒适度指数(PICHB)时空变化特征进行分析。研究表明:(1)西藏高原近40 a ICHB呈显著上升趋势,整个西藏高原年ICHB升高率为0.76·(10a)-1,各气候区年ICHB升高率为(0.57~0.98)·(10a)^(-1)。季ICHB升高率在时间上表现为冬季>秋季>春季>夏季。(2)年ICHB和季ICHB的升高率在空间上表现为西部>北部>东北部>东南部>中部、南部边缘。(3)PICHB空间上表现为寒冷特不舒适、重度高原反应的区域主要分布在北部、西部及东北部的高山上;冷不舒适、重度高原反应的区域主要分布在北部、中部及南部边缘的高山上;冷不舒适、中度高原反应的区域主要分布在北部、中部和南部边缘等区域的较低海拔地区;凉较不舒适、轻度高原反应的区域主要分布在东南部和南部边缘地区;不冷不热舒适、无高原反应的区域主要分布在错那县南部和墨脱县南部。随着西藏高原近40 a和未来气候“暖湿化”的变化趋势,各地月ICHB、季ICHB、年ICHB明显提高,PICHB也发生相应的变化,均向着舒适度升高的方向发展。