为探索如何利用冬小麦生长过程中的积温信息来提高遥感估产的准确性,以2009-2010和2012-2013年2个冬小麦生长季的田间试验数据为基础,利用有效积温和植被指数(NDVI)构建冬小麦当季估产指数INSEY(In-season estimate of yield)和INSEY-CG...为探索如何利用冬小麦生长过程中的积温信息来提高遥感估产的准确性,以2009-2010和2012-2013年2个冬小麦生长季的田间试验数据为基础,利用有效积温和植被指数(NDVI)构建冬小麦当季估产指数INSEY(In-season estimate of yield)和INSEY-CGDD(In-season estimate of yield-cumulative growing degree days),分别用NDVI、INSEY和INSEY-CGDD与实测产量建立估产模型,并比较分析3类估产模型的精度。结果表明,3个变量与实测产量均成指数关系,其中INSEY-CGDD模型的精度最高(R2=0.59),预测能力最优,其次是INSEY模型(R2=0.55);而NDVI模型的精度最低(R2=0.35),预测能力最差。因此,在冬小麦估产模型中引入有效积温调整参数,可有效提高遥感估产模型精度。展开更多
文摘为探索如何利用冬小麦生长过程中的积温信息来提高遥感估产的准确性,以2009-2010和2012-2013年2个冬小麦生长季的田间试验数据为基础,利用有效积温和植被指数(NDVI)构建冬小麦当季估产指数INSEY(In-season estimate of yield)和INSEY-CGDD(In-season estimate of yield-cumulative growing degree days),分别用NDVI、INSEY和INSEY-CGDD与实测产量建立估产模型,并比较分析3类估产模型的精度。结果表明,3个变量与实测产量均成指数关系,其中INSEY-CGDD模型的精度最高(R2=0.59),预测能力最优,其次是INSEY模型(R2=0.55);而NDVI模型的精度最低(R2=0.35),预测能力最差。因此,在冬小麦估产模型中引入有效积温调整参数,可有效提高遥感估产模型精度。