一种基于无人机多光谱数据的生物量估算方法研究

在多光谱数据中,两数据点间连线的斜率能够大致反映数值的变化规律。为探究斜率能否作为参数估算地上生物量（above ground biomass, AGB）,且保持与红边的高线性相关性。本研究使用两个无人机多光谱数据集,利用简单线性回归（simple linear regression,SLR）估算AGB,用决定系数（R2）与均方根误差（root mean squares error,RMSE）来评估线性相关性进而评定其作为估算AGB的能力。结果表明：直接使用斜率进行线性回归时,斜率在不同波长表现不同,在680 nm处的斜率线性相关性最高。在构建的植被指数（vegetation indexes,VIs）中,由红边处斜率参与构建的植被指数同样有着高的线性相关性,并且表现出了比反射率计算的植被指数有更高的线性相关性。     

红边波段在水稻生育期识别中的应用研究

为了研究红边波段对水稻生育期识别的影响,利用无人机多光谱影像,基于随机森林（random forest,RF）和支持向量机（support vector machine,SVM）两种算法,对水稻的分蘖期、拔节孕穗期、抽穗扬花期、成熟期进行识别。结果表明,归一化差值红边指数（normalized difference red edge index,NDRE）、红边叶绿素指数（chlorophyll index-red edge,CIrededge）识别的总体精度明显高于归一化植被指数（normalized differential vegetation index,NDVI）、绿边叶绿素指数（chlorophyll index-green,CIgreen）、增强型植被指数（enhanced vegetation index,EVI）的总体精度。NDRE在拔节孕穗期的用户精度比NDVI低,而在分蘖期、抽穗扬花期、成熟期的识别精度比NDVI高。相比于CIgreen,CIrededge在抽穗扬花期识别精度更高;各波段组合识别水稻生育期的总体精度表现为RGB+RE>RGB+NIR+RE&g...