米叶面积指数的时空地图绘制:使用不同传感器获得的光谱指数和多尺度纹理比较
Changming Li1, Xing Teng2, Yong Tan3
1Engineering Technology Research and Development Center, Changchun Guanghua University, Changchun, China.
Frontiers in plant science
|September 23, 2024
概括
准确的叶面积指数 (LAI) 监测对于作物管理至关重要. 从多光谱图像中结合光谱指数和纹理分析,可以显著改善LAI估计,优于传统的光谱方法.
科学领域:
- 农业遥感 农业遥感
- 精准农业 精准农业 精准农业
- 植物生理学 植物生理学
背景情况:
- 叶面积指数 (LAI) 对于监测米生长和优化肥以实现高产和可持续性至关重要.
- 无人驾驶飞行器 (UAV) 遥感提供了高效,非破坏性的农业监测.
- 目前用于大米LAI估计的光谱方法受到土壤背景和树冠结构的限制,降低了准确性.
研究的目的:
- 评估来自无人机图像的光谱指数和纹理信息的有效性,以估计大米LAI.
- 调查图像分辨率对不同传感器类型 (RGB与多光谱) 的纹理分析的影响.
- 通过融合光谱和纹理特征,开发一种改进的方法来准确估计大米的LAI.
主要方法:
- 在关键米生长阶段获取RGB和多光谱图像.
- 从获得的图像中提取光谱指数和多尺度纹理特征.
- 使用随机森林和多个阶段回归算法的应用,用于使用融合特征进行LAI估计.
主要成果:
- 频谱指数显示,在较晚的生长阶段和,限制了LAI估计的准确性.
- 与RGB纹理相比,多谱纹理分析 (680nm频段) 显示分辨率依赖性较小.
- 来自多光谱图像的光谱指数和纹理特征的融合实现了最高的LAI估计精度 (0.48米).
结论:
- 多尺度纹理分析,特别是来自多光谱图像,是大米LAI估计的强有力的方法.
- 光谱和纹理特征的融合显著提高了LAI预测的准确性,即使在不同的LAI值.
- 这项研究为大规模,准确的米LAI监测提供了基础,并带来了先进的卫星图像分辨率.
