通过使用Sentinel-2和无人机图像在玉米 (Zea mays L.) 中的冰脱叶后通过远程传感的NDVI进行LAI估计

科学领域:

• 农业遥感 农业遥感
• 农作物压力监测 农作物压力监测
• 植物生物物理参数估计估计.

背景情况:

• 冰风会造成大量的农业损失,需要准确的损害评估.
• 对于冰损害的传统现场检查方法通常是主观的,缺乏大规模的空间可变性分析.
• 在实地范围内量化作物损害对于经济和粮食安全至关重要.

研究的目的:

• 应用和比较基于规范差异植被指数 (NDVI) 的参数方法,用于在模拟的冰损害下估计玉米叶面积指数 (LAI).
• 评估无人驾驶飞行器 (UAV) 和哨兵-2传感器在损坏的天花板LAI估计中的性能.
• 将基于传感器的估计值与来自Sentinel-2生物物理处理器的LAI值进行比较.

主要方法:

• 对玉米 (Zea mays L.) 在两年 (2020-2021) 的不同生长阶段进行了模拟的冰损伤 (0-40%的脱叶).
• 基于NDVI的参数方法与UAV和Sentinel-2数据一起用于估计叶面积指数 (LAI).
• 灭绝系数 (k) 使用2020年数据进行校准,并使用2021年数据进行验证.

主要成果:

• 无人机和Sentinel-2传感器都在校准灭绝系数 (k) 后,准确地估计了非标准损坏的天窗中的LAI.
• 在2021年验证期间,无人机传感器表现出卓越的准确性 (R2=0.86,RMSE=0.71).
• 校准的参数方法与Sentinel-2生物物理处理器LAI密切匹配,减少低估并提高检索准确性.

结论:

• 基于NDVI的参数方法对估计玉米LAI在各种冰损害强度下有效.
• 由于空间尺度和NDVI检索的差异,对灭绝系数 (k) 的传感器特定校准至关重要.
• 无人机遥感为准确的大规模评估农作物冰损害提供了一个有前途的工具.