SPSI:一种新的复合指数,用于从无人机多光谱图像中估计冬季小麦在出发前的恐慌数量
Yapeng Wu1, Wenhui Wang1,2, Yangyang Gu1
1National Engineering and Technology Center for Information Agriculture (NETCIA), MARA Key Laboratory for Crop System Analysis and Decision Making, MOE Engineering Research Center of Smart Agriculture, Jiangsu Key Laboratory for Information Agriculture, Nanjing Agricultural University, One Weigang, Nanjing, Jiangsu 210095, PR China.
Plant phenomics (Washington, D.C.)
|September 8, 2023
概括
一个新的光谱-纹理PNPA敏感指数 (SPSI) 通过减少光谱和和背景效应,改善了在出货前冬季小麦数估计,比现有方法提供更高的准确性.
科学领域:
- 农业遥感 农业遥感
- 农作物监测和产量估计
- 精准农业 精准农业 精准农业
背景情况:
- 在标题前准确估计冬季小麦每单位地面积 (PNPA) 面积的数量,对于产量潜在评估和作物管理至关重要.
- 现有的遥感方法与光谱和和背景效应作斗争,导致在航线前PNPA估计准确度较低.
研究的目的:
- 开发一种新的光谱-纹理PNPA敏感指数 (SPSI),使用无人机多光谱图像来克服现有方法的局限性.
- 为了减少光谱和和提高PNPA估计准确度在冬季小麦前 heading.
- 评估SPSI的表现与传统的光谱指数和纹理指数相比.
主要方法:
- 通过使用各种纹理指数 (TI) 检查了背景材料对PNPA估计的影响.
- 通过将一个最佳光谱指数 (SI) 与一个纹理指数集成,构建了复合SPSI.
- 使用两个实验数据集,评估了SPSI与其他指数 (SI和TI) 的准确性.
主要成果:
- 绿色像素的纹理索引通常优于全像素的纹理索引,除了特定的例外.
- 拟议的SPSI (DATT[850,730,675] + NDTICOR[850,730]) 在所有日期和数据集中表现出卓越的整体准确性.
- 使用SPSI的统一模型显示,与次优指数相比,RV2值有所改善 (0.110.23增加) 和RMSE/RRMSE减少 (16.43%38.79%下降).
结论:
- 在冬季小麦遥感中,SPSI有效地减轻了光谱和问题.
- 在航行前使用高分辨率图像,SPSI为准确的PNPA估计提供了重大进步.
- 该指数具有很大的潜力,可以提高准确农业的产量预测和作物管理策略.
