为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结...为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结合,以叶面积指数(LAI)作为耦合作物生长模型(crop environment resource synthesis-Maize,CERES-Maize)和植被冠层反射率模型(scattering by arbitrarily inclined leaves,SAIL)的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。该文选择吉林省榆树市为研究区,采用MODIS和LandsatTM2种尺度数据集,利用SCE-UA(shuffled complex evolution method developed at the University of Arizona)算法分别进行玉米产量同化估产研究,得到玉米单产空间分布的估计结果,结合遥感估算的种植面积求算榆树市玉米总产量。结果表明,与玉米统计总产量相比,2007、2008和2009年遥感数据同化估算的总产量误差分别为9.15%、14.99%和8.97%;与仅利用CERES-Maize模型模拟得到的产量误差相比,3a间遥感估算总产量的误差分别减小了7.49%、1.21%和5.23%,且采用MODIS和TM遥感数据估算的玉米产量表现了其空间差异性。利用榆树市3a间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序归一化差值植被指数越大,对应的玉米产量越高;年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。该文提出的玉米估产方案为将来进一步结合多源遥感数据、植被冠层反射率模型与作物生长模型进行区域玉米估产研究提供了参考。展开更多
作物产量估测关系到人民生活质量和国家粮食安全问题,在田块尺度下及时准确估算产量,对于农事操作管理、收获、销售及种植计划制定均具有重要意义。选择地势起伏及空间差异较大的农田为研究区,利用低空无人机遥感平台搭载多光谱相机、...作物产量估测关系到人民生活质量和国家粮食安全问题,在田块尺度下及时准确估算产量,对于农事操作管理、收获、销售及种植计划制定均具有重要意义。选择地势起伏及空间差异较大的农田为研究区,利用低空无人机遥感平台搭载多光谱相机、热红外相机和RGB相机,同步获取小麦关键生育时期的无人机遥感影像,并提取光谱反射率、热红外温度和数字高程信息。首先统计不同地形特征下遥感参数和生长指标的空间变异情况,分析植被指数和温度参数与小麦产量的相关性,然后利用多元线性回归(multiple linear regression,MLR)、偏最小二乘回归(partial least squares regression,PLSR)、支持向量机回归(support vector machine regression,SVR)和随机森林回归(random forest regression,RFR)4种机器学习方法以单模态数据和多模态遥感信息融合2种方式进行建模,比较单模态数据和多模态数据融合的产量估测能力。结果表明,坡度是影响作物生长和产量的重要因子,3个生育期内,不同坡度等级下遥感参数差异明显,土壤含水量、植株含水量和地上部生物量与坡度的相关性均达显著水平,植被指数和温度参数与产量的相关性均达显著水平。依据与产量的相关性,筛选7个植被指数(NDVI、GNDVI、EVI2、OSAVI、SAVI、NDRE、WDRVI)和2个温度参数(NRCT、CTD)作为模型输入变量,对于单模态数据而言,对产量的估算效应为植被指数>温度参数,以灌浆期植被指数的RFR模型效果最好(R2=0.724,RMSE=614.72 kg hm^(-2),MAE=478.08 kg hm^(-2));对于双模态数据融合来说,在植被指数基础上融入冠层温度参数表现最好,开花期RFR模型效果进一步提高(R2=0.865,RMSE=440.73 kg hm^(-2),MAE=374.86 kg hm^(-2));在双模态数据基础上引入坡度信息进行三模态数据融合,其产量估算效果明显优于单模态和双模态数据融合,其中以开花期植被指数、温度参数和坡度信息融合的RFR估算效果最好(R2=0.893,RMSE=420.06 kg hm^(-2),MAE=352.69 kg hm^(-2)),模型验证效果较好(R2=0.892,RMSE=423.55 kg hm^(-2),MAE=334.43 kg hm^(-2))。可见,在本试验条件下通过引入地形因子,结合随机森林回归算法将多模态数据有效融合,可充分发挥不同遥感信息源之间互补协同作用,有效提高了产量估算模型的精度与稳定性,为作物生长监测及产量估算提供思路参考和方法支持。展开更多
文摘为了将遥感观测到的玉米生长期间作物冠层方向反射波谱的时间序列变化信息用于区域玉米产量估算,该文将时间序列中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)数据和高空间分辨率LandsatTM遥感观测数据相结合,以叶面积指数(LAI)作为耦合作物生长模型(crop environment resource synthesis-Maize,CERES-Maize)和植被冠层反射率模型(scattering by arbitrarily inclined leaves,SAIL)的关键参数,提出了将耦合模型与时间序列遥感观测数据同化进行区域玉米产量估算的方案。该文选择吉林省榆树市为研究区,采用MODIS和LandsatTM2种尺度数据集,利用SCE-UA(shuffled complex evolution method developed at the University of Arizona)算法分别进行玉米产量同化估产研究,得到玉米单产空间分布的估计结果,结合遥感估算的种植面积求算榆树市玉米总产量。结果表明,与玉米统计总产量相比,2007、2008和2009年遥感数据同化估算的总产量误差分别为9.15%、14.99%和8.97%;与仅利用CERES-Maize模型模拟得到的产量误差相比,3a间遥感估算总产量的误差分别减小了7.49%、1.21%和5.23%,且采用MODIS和TM遥感数据估算的玉米产量表现了其空间差异性。利用榆树市3a间玉米产量的明显差异,分析了时序遥感数据对作物长势和产量变化信息的表达能力,同年份内时序归一化差值植被指数越大,对应的玉米产量越高;年际间遥感观测反射率的差异通过数据同化方法能够反映年际间玉米产量差的变化。该文提出的玉米估产方案为将来进一步结合多源遥感数据、植被冠层反射率模型与作物生长模型进行区域玉米估产研究提供了参考。
文摘作物产量估测关系到人民生活质量和国家粮食安全问题,在田块尺度下及时准确估算产量,对于农事操作管理、收获、销售及种植计划制定均具有重要意义。选择地势起伏及空间差异较大的农田为研究区,利用低空无人机遥感平台搭载多光谱相机、热红外相机和RGB相机,同步获取小麦关键生育时期的无人机遥感影像,并提取光谱反射率、热红外温度和数字高程信息。首先统计不同地形特征下遥感参数和生长指标的空间变异情况,分析植被指数和温度参数与小麦产量的相关性,然后利用多元线性回归(multiple linear regression,MLR)、偏最小二乘回归(partial least squares regression,PLSR)、支持向量机回归(support vector machine regression,SVR)和随机森林回归(random forest regression,RFR)4种机器学习方法以单模态数据和多模态遥感信息融合2种方式进行建模,比较单模态数据和多模态数据融合的产量估测能力。结果表明,坡度是影响作物生长和产量的重要因子,3个生育期内,不同坡度等级下遥感参数差异明显,土壤含水量、植株含水量和地上部生物量与坡度的相关性均达显著水平,植被指数和温度参数与产量的相关性均达显著水平。依据与产量的相关性,筛选7个植被指数(NDVI、GNDVI、EVI2、OSAVI、SAVI、NDRE、WDRVI)和2个温度参数(NRCT、CTD)作为模型输入变量,对于单模态数据而言,对产量的估算效应为植被指数>温度参数,以灌浆期植被指数的RFR模型效果最好(R2=0.724,RMSE=614.72 kg hm^(-2),MAE=478.08 kg hm^(-2));对于双模态数据融合来说,在植被指数基础上融入冠层温度参数表现最好,开花期RFR模型效果进一步提高(R2=0.865,RMSE=440.73 kg hm^(-2),MAE=374.86 kg hm^(-2));在双模态数据基础上引入坡度信息进行三模态数据融合,其产量估算效果明显优于单模态和双模态数据融合,其中以开花期植被指数、温度参数和坡度信息融合的RFR估算效果最好(R2=0.893,RMSE=420.06 kg hm^(-2),MAE=352.69 kg hm^(-2)),模型验证效果较好(R2=0.892,RMSE=423.55 kg hm^(-2),MAE=334.43 kg hm^(-2))。可见,在本试验条件下通过引入地形因子,结合随机森林回归算法将多模态数据有效融合,可充分发挥不同遥感信息源之间互补协同作用,有效提高了产量估算模型的精度与稳定性,为作物生长监测及产量估算提供思路参考和方法支持。
