在花开阶段模拟大麻的产量方面,有大量的考虑
Yuanjin Li1, Ningge Yuan1, Shanjun Luo1
1School of Remote Sensing and Information Engineering, Wuhan University, Wuhan, China.
Frontiers in plant science
|August 14, 2023
概括
使用光谱混合分析 (SMA) 和植被指数 (VIs) 估计菜产量可以提高准确性. 叶子丰富度与VI结合,提供了一种可靠的方法来预测在开花阶段的菜产量.
科学领域:
- 农业科学 农业科学
- 遥感 遥感 遥感 遥感
- 农作物监测 农作物监测
背景情况:
- 准确的菜产量估计对于稳定食用油市场至关重要.
- 传统方法缺乏及时做出农业生产决策所需的速度和准确性.
- 油菜的长期开花期和鲜明的花颜色为基于遥感的监测提供了独特的机会.
研究的目的:
- 开发和验证准确和快速的技术,以估计菜的产量.
- 评估光谱混合分析 (SMA) 与植被指数 (VIs) 结合用于产量预测的有效性.
- 为了比较使用无人机和卫星图像的产量估计模型的性能.
主要方法:
- 使用无人机多光谱和卫星 (GF-1,Sentinel-2) 图像进行实地实验.
- 应用光谱混合分析 (SMA) 来提取不同油菜种子器官 (例如叶子) 的丰富性.
- 将植被指数 (VIs) 乘以器官丰度 (AbdLF) 来开发产量估计模型.
主要成果:
- 对于无人机数据,将VI和叶子丰度 (AbdLF) 结合在一起的模型显著改善了与VI单独相比的产量估计 (R2 > 0.78).
- 标准化差异黄色指数 (NDYI) 和增强植被指数 (EVI) 与AbdLF相结合,在无人机尺度上显示了最高的准确性 (CV < 10%).
- 卫星规模模型也显示了改善,RDVI×AbdLF和EVI×AbdLF显示稳定的结果 (CV < 13.1%).
- 使用与NDVI,VARI,RDVI和EVI一起使用AbdLF的模型在无人机和卫星尺度上显示出一致的性能.
结论:
- 将SMA与VI整合起来,克服了仅使用VI用于在开花期间获取菜产量的局限性.
- 油菜叶的丰度 (AbdLF) 是产量预测的一个重要指标.
- 开发的方法为准确及及时估计菜产量提供了一个有希望的方法.
