报告详情
基于无人机可见光RGB和热红外数据融合的冬小麦fAPAR建模研究
编号：2079
访问权限：仅限参会人
更新：2021-06-16 17:51:33 浏览：522次
张贴报告
报告开始：2021年07月10日 09:15（Asia/Shanghai）
报告时间：5min
所在会场：[SP] 张贴报告专场 [SP-7] 主题7、地理及地理信息科学 墙报
暂无文件
摘要
吸收光和有效辐射比（Fraction of Absorbed Photosynthetically Active Radiation, fAPAR），指植被在400~700nm波段范围内吸收的光和有效辐射占入射太阳总辐射的比例，反映了农作物对能量的利用和吸收能力。在田间准确、快速地估测农作物的fAPAR对作物的长势监测、产量预估和田间管理具有重要的参考价值。传统的在田间直接测量fAPAR的方法虽然准确性高，但费时费力，难以满足大区域和高频率的观测需求。遥感技术的发展很好的弥补了传统测量的不足，利用遥感手段可以快速、定量的获取区域尺度不同时间段的植被的光谱特征，基于光谱特征可以模拟植被的fAPAR。但传统的光学传感器只能获取植被表层光谱特征，在估测植被信息（如fAPAR）的时候面临饱和的问题。近年来，无人机技术的飞速发展，其可搭载多个传感器（如RGB和热红外）同时对植被进行监测，多传感器数据的融合为解决光学传感器的饱和问题提供了可能。但目前对RGB和热红外数据在fAPAR估测方面的能力尚不清楚。因此，本研究以冬小麦为例，对比传统遥感的植被指数，定量评估了基于RGB影像衍生的光谱、结构信息和热红外衍生的冠层温度及其融合信息在冬小麦fAPAR反演中的潜力。结果表明：（1）多源数据融合可以在一定程度上克服光学传感器的饱和问题，提高fAPAR的预测精度，R2由0.862提高到0.907，RMSE由0.053降低到0.041；（2）与传统植被指数相比，单一的热红外数据对fAPAR的预测精度较低（R2=0.532，RMSE=0.091），但其他数据与其融合可以提高预测的精度；（3）RGB相机获取的光谱和结构特征在预测fAPAR方面的能力弱低于高光谱数据。本研究为利用多传感器数据融合反演农作物的fAPAR提供了参考，RGB相机的应用可以有效降低成本，促进遥感技术在精准农业方面的应用。
关键词
无人机遥感,多源数据融合,生理生化指数反演,光谱特征饱和,冬小麦,智慧农业
报告人
孟冉
教授 华中农业大学资源与环境学院稿件作者
全部评论
重要日期
-
会议日期
07月09日
2021
至07月11日
2021
-
05月30日 2021
摘要截稿日期
-
05月30日 2021
初稿截稿日期
-
05月30日 2021
提前注册日期
-
07月10日 2021
注册截止日期
-
07月11日 2021
报告提交截止日期
主办单位
青年地学论坛理事会
承办单位
中国科学院地球化学研究所
贵州大学
贵州大学
发表评论