基于星机遥感数据的阴影影响下冬小麦覆盖度估算

doi:10.19754/j.nyyjs.20220515012

农业与技术 ›› 2022, Vol. 42 ›› Issue (9): 48-54.DOI: 10.19754/j.nyyjs.20220515012

基于星机遥感数据的阴影影响下冬小麦覆盖度估算

陈平男王瑞燕

山东农业大学资源与环境学院，山东泰安271017

出版日期:2022-05-18 发布日期:2022-05-15
作者简介:陈平男(1997-)，女，硕士。研究方向：农业遥感；通讯作者王瑞燕(1979-)，女，副教授，研究生导师。研究方向：农业遥感。
基金资助:
山东省自然科学基金项目（项目编号：ZR2020MD003);山东省重点研究与开发项目（项目编号：2015GNC11O010);十三五年国家重点研发计划（项目编号：2017YFD0200702);山东农业大学创新团队项目“双一等”奖励补贴联合资助（项目编号： SYL2017XTTD02)

Online:2022-05-18 Published:2022-05-15

摘要/Abstract

摘要： 遥感影像中阴影的存在对植被覆盖度提取精度具有重要影响。本文以处于拔节期的冬小麦麦田为研究区，基于无人机多光谱影像和Sentinel--2卫星影像，结合NDVI、SVI、VDSEVI和NDCSI4个植被指数与像元二分模型方法、阈值法2种植被覆盖度提取方法，研究有阴影情况下大田冬小麦覆盖度估算的最佳植被指数和提取方法。结果表明，提取无人机影像中冬小麦植被覆盖度，使用像元二分模型与植被指数结合的方法精度高于阈值法，提取精度最高的为使用NDCSI与像元二分模型结合(MAE为0.1064，RMSE为0.1341)，其次为SVI、VD-SEVI和NDVI与像元二分模型结合；提取Sentinel--2卫星影像中冬小麦植被覆盖度，提取精度最高的也为使用 NDCSI与像元二分模型结合(MAE为0.0767，RMSE为0.0960)，然后依次为NDVI、SVI和VDSEVI与像元二分模型结合。无人机的反演结果具有较高的精度，可以作为地面数据对卫星数据冬小麦覆盖度反演结果进行精度验证，使用NDCS可有效去除无人机影像和卫星影像中的阴影影响，提高了大田冬小麦覆盖度反演精度。结果表明，本文方法在麦田中的应用效果较好，植被提取的精度高，可作为麦田植被覆盖度提取的一个有效方法。

中图分类号:

. 基于星机遥感数据的阴影影响下冬小麦覆盖度估算[J]. 农业与技术, 2022, 42(9): 48-54.

参考文献

[1]牛亚晓，张立元，韩文霆.基于L山颜色空间的棉花覆盖度提取方法研究[J].农业机械学报，2018,49(10)：247-256. [2]Xiao Q,Tao J,Xiao Y,et al.Monitoring vegetation cover inChongqing between 2001 and 2010 using remote sensing data [J].Environmental Monitoring Assessment,2017,189 (10):493. [3]Yang W,Li X,Jin Y,et al.The impact of multiple seashore rec-lamation activities on vegetation cover in the Yellow River Delta,China:implications based on structural equation modeling J]. Joural of Coastal Conservation,2017. [4]Zhang F,Tiyip T,Ding J L,et al.Vegetation fractional coveragechange in a typical oasis region in Tarim River Watershed based onremote sensing[J].干旱区科学（英文版），2013,5(01)：89-101. [5]Xiao Q,Tao J,Xiao Y,et al.Monitoring vegetation cover inchongqing between 2001 and 2010 using remote sensing data [J].Environmental Monitoring and Assessment,2017,189 (10):493. [6]Rouse J W.Monitoring Vegetation Systems in the Great Plains withErts [C].Third ERTS Symposium,1973. [7]高贤君，万幼川，郑顺义，等.航空遥感影像阴影的自动检测与补偿[J].武汉大学学报（信息科学版），2012,37(11)：1299-1302. [8]焦俊男，石静，田庆久，高林，徐念旭.多光谱影像NDVI阴影影响去除模型[J].遥感学报，2020,24(01)：53-66. [9]Shao Y,Taff G N,Walsh S J.Shadow detection and building-height estimation using IKONOS data J].INTERNATIONALJOURNAL OF REMOTE SENSING,2011,32 (22):6929-6944. [10]许章华，刘健，余坤勇，等.阴影植被指数SⅥ的构建及其在四种遥感影像中的应用效果[J].光谱学与光谱分析，2013,33(12)：3359-3365. [11]李美炫，朱西存，白雪源，等.基于无人机影像阴影去除的苹果树冠层氮素含量遥感反演[J].中国农业科学，2021，54(10)：2084-2094. [12]柳晓农，江洪，汪小钦.构建植被区分阴影消除植被指数提取山地植被信息[J].农业工程学报，2019,35(20)：135-144. [13]Xu N X,Tian J,Tian Q J.Analysis of Vegetation Red Edge withDifferent Illuminated/Shaded Canopy Proportions and to ConstructNormalized Difference Canopy Shadow Index J ]REMOTESENSING,2019,11(10). [14]肖弘扬，温国昌，林启美，等.冬春季植被残体覆盖对内蒙古河套地区盐碱土盐分的影响[J].干旱地区农业研究，2018,36(02):23-26,123. [15]Tang L,He M Z,Li X R.Verification of Fractional VegetationCoverage and NDVI of Desert Vegetation via UAVRS TechnologyJ].Remote Sensing,2020,12. [16]Al-Ali Z M,Abdullah MM,Asadalla N B,et al.A compara-tive study of remote sensing classification methods for monitoringand assessing desert vegetation using a UAV-based multispectralsensor J].Environmental Monitoring and Assessment,2020, 192. [17]任世龙，宜树华，陈建军，等.基于不同数码相机和图像处理方法的高寒草地植被盖度估算的比较[J].草业科学，2014,31(06)：1007-1013. [18]Clevers J,AA Gitelson.Remote estimation of crop and grasschlorophyll and nitrogen content using red-edge bands on Sentinel-2 and -3 [J].International Joural of Applied Earth Observa-tion and Geoinformation,2013,23 Complete):344-351. [19]Yu QZ,Mickler R A,Liu Y J,Sun L G,Zhou L,Zhang BH,Liang LL.Remote Sensing of Potamogeton crispus L in Dong-ping Lake in the North China Plain Based on Vegetation Phenology[J].Joumal of the Indian Society of Remote Sensing,2020,48 (4):563-573. [20]史丰智，王瑞燕，李玉环，等.LA无人机多光谱遥感估测及其在盐渍土改良中的应用[J].中国农业科学，2020,53(09):1795-1805. [21]Yuan Z,Schaepman M E,Wu B,et al.Scaling-based foreststructural change detection using an inverted geometric-opticalmodel in the Three Gorges region of China [J].Remote Sensing ofEnvironment,2008,112(12):4261-4271. [22]张森，李勃，谢亚龙，王子武.高分辨率航空DMC影像阴影区植被提取的研究与应用[J].云南民族大学学报（自然科学版)，2006(04)：294-296,312. [23]姜腾龙，赵书河，肖鹏峰，陈淑兴.基于光谱夹角的水体信息提取方法研究[J].国土资源遥感，2009(02)：102-105. [24]苏龙飞，徐华平，高飞，李振轩，余敏.一种面向对象下城市可见光航空影像植被信息提取方法[J].测绘通报，2021(S1):114-117. [25]姚展，黄微，李先华.地形复杂区域的典型植被指数评估[J].遥感技术与应用，2009,24(04)：496-501. [26]Qi XK,Zhang CH,Wang KL.Comparing Remote Sensing Meth-ods for Monitoring Karst Rocky Desertification at Sub-pixel Scalesin a Highly Heterogeneous Karst Region [J].Scientific Reports,20199.

基于星机遥感数据的阴影影响下冬小麦覆盖度估算

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

[1]	. 南方红壤丘陵生态脆弱区耕地利用集约度变化及其驱动因素[J]. 农业与技术, 2024, 44(5): 53-58.
[2]	. 通透肋式拱梁隧道地震响应分析[J]. 农业与技术, 2023, 43(4): 33-38.
[3]	. 基于CARS-SAA的土壤铵态氮含量高光谱反演[J]. 农业与技术, 2023, 43(2): 45-50.
[4]	. 某防洪治理工程冲刷深度及堤身渗流计算分析[J]. 农业与技术, 2022, 42(15): 39-42.
[5]	. 基于奇异矩阵的广义岭估计与主成分估计的比较[J]. 农业与技术, 2022, 42(15): 75-77.
[6]	. 基于多时相SAR数据的水稻面积提取[J]. 农业与技术, 2022, 42(12): 32-35.
[7]	. 托卡依水库除险加固工程水土保持措施设计探讨[J]. 农业与技术, 2022, 42(9): 55-58.
[8]	. 基于高分卫星的阿勒泰市克兰河谷植被覆盖度监测[J]. 农业与技术, 2022, 42(8): 78-82.
[9]	. 倾斜摄影测量在三维地形图绘制中的应用[J]. 农业与技术, 2022, 42(7): 52-55.
[10]	. 基于NDVI和GF影像的冬季未种植耕地遥感识别[J]. 农业与技术, 2022, 42(5): 28-34.