本文選題：遙感估產(chǎn)　切入點(diǎn)：植被指數(shù)組合　出處：《干旱區(qū)資源與環(huán)境》2017年07期 　論文類(lèi)型：期刊論文

【摘要】：為了提高大面積冬小麥農(nóng)田產(chǎn)量快速估算的準(zhǔn)確率,選取Landsat 8 OLI衛(wèi)星遙感數(shù)據(jù),計(jì)算歸一化植被指數(shù)NDVI、比值植被指數(shù)RVI、綠度植被指數(shù)GVI、增強(qiáng)植被指數(shù)EVI,分別建立4種植被指數(shù)組合與地面冬小麥實(shí)測(cè)產(chǎn)量的回歸方程或神經(jīng)網(wǎng)絡(luò)和SVM模型。結(jié)果表明:單植被指數(shù)的非線性回歸方程估產(chǎn)精度高于線性回歸方程,冬小麥實(shí)測(cè)產(chǎn)量與遙感植被指數(shù)表現(xiàn)為非線性關(guān)系;線性回歸方程估產(chǎn)時(shí)多植被指數(shù)組合精度高于單植被指數(shù),多植被指數(shù)組合可實(shí)現(xiàn)信息互補(bǔ),提高遙感估產(chǎn)精度;建立多植被指數(shù)組合與實(shí)測(cè)產(chǎn)量的非線性遙感估產(chǎn)模型時(shí),SVM模型的均方根誤差RMSE為339.6kg·hm~(-2),決定系數(shù)R~2為0.7852,估產(chǎn)精度高于BP神經(jīng)網(wǎng)絡(luò)模型、RBF神經(jīng)網(wǎng)絡(luò)模型,可應(yīng)用于冬小麥遙感估產(chǎn)的快速、準(zhǔn)確實(shí)現(xiàn)。
[Abstract]:In order to improve the accuracy of fast estimation of winter wheat yield in a large area of winter wheat, Landsat 8 OLI satellite remote sensing data were selected. The normalized vegetation index (NDVI), the ratio vegetation index (RVI), the green vegetation index (GVI) and the enhanced vegetation index (EVI) were calculated. The regression equations or neural networks and SVM models were established between the four cropping index combinations and the measured yield of winter wheat on the ground, respectively. The results show that the yield estimation accuracy of nonlinear regression equation of single vegetation index is higher than that of linear regression equation. The linear regression equation showed that the combination accuracy of multi-vegetation index was higher than that of single vegetation index, and the combination of multi-vegetation index could achieve complementary information and improve the precision of remote sensing yield estimation. The root mean square error (RMSE) of the model is 339.6 kg 路hm ~ (-1) ~ (-2), and the coefficient of determination is 0.7852, which is higher than that of BP neural network model. It can be applied to the rapid and accurate estimation of winter wheat yield by remote sensing.
【作者單位】： 遼寧師范大學(xué)城市與環(huán)境學(xué)院;廣西師范大學(xué)計(jì)算機(jī)科學(xué)與信息工程學(xué)院;北京師范大學(xué)地理學(xué)與遙感科學(xué)學(xué)院遙感科學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(41561008)資助
【分類(lèi)號(hào)】：S127;S512.11

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王福民;黃敬峰;王秀珍;;基于水稻背景特性的植被指數(shù)參數(shù)修正研究[J];農(nóng)業(yè)工程學(xué)報(bào);2008年05期

2 何彬方;馮妍;吳文玉;范偉;;安徽省近十年植被指數(shù)時(shí)空變化特征[J];生態(tài)學(xué)雜志;2010年10期

3 解文歡;張有智;吳黎;;基于植被指數(shù)對(duì)望奎縣糧食作物產(chǎn)量預(yù)測(cè)方法的研究[J];黑龍江農(nóng)業(yè)科學(xué);2011年04期

4 康耀江;;植被指數(shù)在草地遙感中的應(yīng)用初探[J];湖南農(nóng)業(yè)科學(xué);2011年Z1期

5 張仁華,饒農(nóng)新,廖國(guó)男;植被指數(shù)的抗大氣影響探討[J];植物學(xué)報(bào);1996年01期

6 國(guó)紅;彭世揆;趙博光;;內(nèi)蒙古鄂托克前旗地區(qū)苦豆子植被指數(shù)信息提取的研究[J];林業(yè)資源管理;2008年04期

7 范文義;白新源;馮欣;李明澤;杜華強(qiáng);;哈爾濱熱島效應(yīng)與植被指數(shù)關(guān)系的動(dòng)態(tài)分析[J];東北林業(yè)大學(xué)學(xué)報(bào);2009年06期

8 杜春雨;范文義;;葉面積指數(shù)與植被指數(shù)關(guān)系研究[J];林業(yè)勘查設(shè)計(jì);2013年02期

9 楊潔;隋學(xué)艷;楊麗萍;郭洪海;朱振林;;山東省植被指數(shù)影像數(shù)據(jù)庫(kù)的設(shè)計(jì)與實(shí)現(xiàn)[J];安徽農(nóng)業(yè)科學(xué);2011年29期

10 胡曉雯;曹爽;趙顯富;;基于植被指數(shù)的綠地信息提取的比較[J];南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年05期

相關(guān)會(huì)議論文 前10條

1 付卓;王錦地;施建成;宋金玲;靳華安;張立新;張鐘軍;趙少杰;陳柏松;;微波植被指數(shù)與光學(xué)植被指數(shù)在地面尺度上的關(guān)系研究[A];遙感定量反演算法研討會(huì)摘要集[C];2010年

2 辛紅梅;張杰;馬毅;初佳蘭;;基于植被指數(shù)的赤潮高光譜敏感波段確定方法初探[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文選集[C];2003年

3 范錦龍;;我國(guó)晴空分布及對(duì)旬合成植被指數(shù)的影響[A];推進(jìn)氣象科技創(chuàng)新加快氣象事業(yè)發(fā)展——中國(guó)氣象學(xué)會(huì)2004年年會(huì)論文集（下冊(cè)）[C];2004年

4 張樹(shù)譽(yù);李登科;李星敏;周輝;;遙感植被指數(shù)及其在縣域生態(tài)環(huán)境監(jiān)測(cè)評(píng)估中的應(yīng)用[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

5 安培浚;頡耀文;;綠洲植被指數(shù)的遙感定量研究-以民勤綠洲為例[A];第十五屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2005年

6 江東;王乃斌;楊小喚;劉紅輝;;植被指數(shù)—地面溫度特征空間及其應(yīng)用[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

7 傅軍;張杰;辛紅梅;馬毅;;基于植被指數(shù)的高光譜遙感水陸識(shí)別方法初探[A];第十四屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2003年

8 肖乾廣;肖嵐;李亞君;;EOS/MODIS,FY-1D/MVISR,NOAA/AVHRR的歸一化植被指數(shù)的同化研究[A];全國(guó)國(guó)土資源與環(huán)境遙感應(yīng)用技術(shù)研討會(huì)論文集[C];2009年

9 楊道勇;肖云岫;;利用WT-10接收的1B高分辨云圖數(shù)據(jù)生成植被指數(shù)圖像[A];中國(guó)氣象學(xué)會(huì)2005年年會(huì)論文集[C];2005年

10 何全軍;曹靜;張?jiān)戮S;;基于MODIS的廣東省植被指數(shù)序列構(gòu)建與應(yīng)用[A];中國(guó)氣象學(xué)會(huì)2007年年會(huì)生態(tài)氣象業(yè)務(wù)建設(shè)與農(nóng)業(yè)氣象災(zāi)害預(yù)警分會(huì)場(chǎng)論文集[C];2007年

相關(guān)重要報(bào)紙文章 前1條

1 魏景云;氣象衛(wèi)星監(jiān)測(cè)干旱 全國(guó)旱情一目了然[N];中國(guó)氣象報(bào);2003年

相關(guān)博士學(xué)位論文 前4條

1 衛(wèi)煒;MODIS雙星數(shù)據(jù)協(xié)同的耕地物候參數(shù)提取方法研究[D];中國(guó)農(nóng)業(yè)科學(xué)院;2015年

2 張立福;通用光譜模式分解算法及植被指數(shù)的建立[D];武漢大學(xué);2005年

3 岳文澤;基于遙感影像的城市景觀格局及其熱環(huán)境效應(yīng)研究[D];華東師范大學(xué);2005年

4 劉占宇;水稻主要病蟲(chóng)害脅迫遙感監(jiān)測(cè)研究[D];浙江大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 劉吉?jiǎng)P;基于HJ衛(wèi)星數(shù)據(jù)的甘蔗長(zhǎng)勢(shì)監(jiān)測(cè)與估產(chǎn)研究[D];南京信息工程大學(xué);2015年

2 鄭亞云;榆林NDVI時(shí)空變化及驅(qū)動(dòng)因子研究[D];長(zhǎng)安大學(xué);2015年

3 何春萌;經(jīng)濟(jì)利益驅(qū)動(dòng)下的工礦開(kāi)發(fā)對(duì)人類(lèi)生存環(huán)境的影響[D];內(nèi)蒙古大學(xué);2015年

4 劉曉靜;基于不同遙感數(shù)據(jù)源的秦嶺地區(qū)植被指數(shù)對(duì)比分析[D];長(zhǎng)安大學(xué);2015年

5 王鑫梅;氮素水平對(duì)不同土壤質(zhì)地楊樹(shù)葉片光譜特性和光合能力的影響[D];河北農(nóng)業(yè)大學(xué);2015年

6 官雨薇;基于遙感影像的全球荒漠化指數(shù)構(gòu)建及趨勢(shì)分析[D];電子科技大學(xué);2015年

7 胡文;黑龍江省雹災(zāi)遙感監(jiān)測(cè)及時(shí)空特征分析[D];東北農(nóng)業(yè)大學(xué);2015年

8 吳明業(yè);基于TVDI的土壤干旱遙感監(jiān)測(cè)研究及驗(yàn)證[D];安徽農(nóng)業(yè)大學(xué);2014年

9 馬瑞;增強(qiáng)植被指數(shù)算法的研究及其在生態(tài)環(huán)境遙感產(chǎn)品生產(chǎn)分系統(tǒng)的應(yīng)用[D];河南大學(xué);2015年

10 曾水生;雙季稻生長(zhǎng)指標(biāo)光譜監(jiān)測(cè)模型研究[D];江西農(nóng)業(yè)大學(xué);2015年

，

本文編號(hào)：1590806