期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合光谱和点云信息的小麦地上部生物量估测
1
作者 杨冠硕 朱少龙 +6 位作者 杨天乐 韩东伟 张伟军 王建亮 姚照胜 刘涛 孙成明 《麦类作物学报》 2025年第11期1575-1585,共11页
小麦地上部生物量(AGB)是衡量其生长状况的重要指标,采用无人机搭载不同光学传感器可实现小麦AGB的监测。由于小麦生长后期植被覆盖度较高,光学传感器难以获取冠层内部的信息,从而影响AGB的监测精度。为了减少这种影响,本研究在利用光... 小麦地上部生物量(AGB)是衡量其生长状况的重要指标,采用无人机搭载不同光学传感器可实现小麦AGB的监测。由于小麦生长后期植被覆盖度较高,光学传感器难以获取冠层内部的信息,从而影响AGB的监测精度。为了减少这种影响,本研究在利用光谱指数(颜色指数CIs和植被指数VIs)估算AGB时,引入了与高度相关的点云特征参数(PCs)作为冠层结构的代表性指标,并对引入PCs前后的AGB估算模型精度进行了比较分析。结果表明,在小麦拔节期、抽穗期和灌浆期,使用不同特征参数估算AGB的效果存在差异。CIs在训练集中的估算效果略低于VIs,而在验证集中则略高于VIs;尽管PCs在三个关键时期的表现并不最为突出,但其稳定性较强,部分冠层结构特征显示出对AGB的预测潜力。使用单一特征预测AGB时,r^(2)范围为0.47~0.75,而融合CIs、VIs与PCs三种特征后的AGB估算模型精度得到了显著提高。在三个生育时期,模型的预测r^(2)分别为0.79、0.81和0.77,RMSE分别为0.42、0.74和0.80 t·hm^(-2)。在采用不同类型的遥感特征时,支持向量机回归(SVM)比高斯过程回归(GPR)表现出更优的估算效果。因此,通过融合CIs、VIs和PCs三种特征,并采用SVM算法,可以有效实现小麦AGB的估算。 展开更多
关键词 小麦 地上部生物量 机器学习 光谱指数 点云特征参数
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部