检测高光谱和多光谱分辨率下龙爪稷的生物物理学特性和氮状态

来源: 时间:2021-11-19 08:56:12 浏览次数:

与SLR方法和波段选择法相比,使用四个最大VIs值作为输入量的MLR方法,对氮浓度的预测精度都提高了14%。

在很多国家,龙爪稷对小农户来说是一种重要的谷类作物,通过遥感技术对一些作物参数(比如作物生长情况和含氮量)进行可靠评估,可以促进龙爪稷的应季管理。本研究采用偏最小二乘回归(PLSR)选择最佳波段法,研究了高光谱反射率与龙爪稷冠层高度、绿色冠层覆盖度、叶面积指数(LAI)和氮浓度的关系。


图片

2018年美国俄克拉荷马州埃尔里诺市

夏季生长季节的日最高温度(Tmax)、最低温度(Tmin)和降雨量(Rainfall)


对 由原始高光谱数据和Landsat-8 卫星与Sentinel-2卫星的合成数据计算得到的 对13种植被指数(VIs)的性能预测进行对比和评估,通过建立简单线性回归模型(SLR)和多线性回归模型(MLR) ,来估计各种作物的参数。


就叶面积指数和干重来看,用PLSR方法得到的最佳波段大多数集中在1,000–1,100 nm,而对于其他冠层参数,所得结果是分散的。SLR统计结果表明,在预测LAI值(R2v=0.53–0.59)和冠层覆盖度(R2v=0.72–0.76)时,简单比例色素指数(SRPI)和冠层覆盖度(R2v=0.72–0.76)的值最大。不管光谱分辨率如何,蓝/绿色指数(BGI1)与冠层高度(R2v=0.65–0.78)、干重(R2v=0.42–0.49)和氮浓度(R2v=0.70–0.83)都有很高的相关度。


图片

5种氮肥速率下龙爪稷的平均冠层反射率,分别于种植后(A)38、(B)46、(C)52和(D)76天取样。


与SLR方法和波段选择法相比,使用四个最大VIs值作为输入量的MLR方法,对氮浓度的预测精度都提高了14%。对龙爪稷不同冠层参数的预测,由卫星数据计算所得的VIs值与高光谱数据近似,或者更高。这表明,公开可访问的多光谱数据可以替代高光谱数据,用于通过精确农业来改进作物管理决策。


来源:Frontiers.Detecting Biophysical Characteristics and Nitrogen Status of Finger Millet at Hyperspectral and Multispectral Resolutions .Gurjinder S. Baath, K. Colton Flynn, Prasanna H. Gowda, Vijaya Gopal Kakani and Brian K. Northup

https://www.frontiersin.org/articles/10.3389/fagro.2020.604598/full