無人機多角度光譜數據改進馬鈴薯LAI和LCC的估算
近期，International Journal of Applied EarthObservation and Geoinformation發表了荷蘭瓦格寧根大學Peter P.J.Roosjen為通訊作者，題為「Improved estimation of leaf area index and leaf chlorophyll contentof a potato crop using multi-angle spectral data – potential of unmanned aerialvehicle imagery」的研究論文。在本文中，Peter P.J.Roosjen等人研究了通過PROSAIL模型數值反演無人機多角度光譜數據提高葉面積指數（LAI）和葉片葉綠素含量（LCC）估算準確性的潛力。該研究在8個不同施肥水平的馬鈴薯試驗地塊（30×30 m）上進行，測定了無人機多角度光譜數據和原位測量數據，然後利用PROSAIL模型數字反演獲取的數據。研究結果表明，基於多角度光譜數據的反演比基於最低點數據（Nadir data）的反演略好。LAI的估算值，RMSE從0.70降低到0.65 m2 / m2；LCC估算值，RMSE從17.35降低至17.29 μg/ cm2。當觀測角度越多、觀測角度分布越好、觀測角度越大時，基於多角度光譜數據的反演獲得的估算值越準確。
圖1 馬鈴薯試驗地塊布局
圖2 試驗地塊觀測點的角度覆蓋
圖3 12個多角度光譜的配置示意圖
圖4 根據最低點光譜數據（a）和多角度光譜數據（b）估算的LAI、 根據最低點光譜數據（d）和多角度光譜數據（e）估算的LCC。 圖（c）和（f）分別顯示了基於最低點光譜數據和基於多角度光譜數據的LAI和LCC估算值之間的差異。
全文閱讀
Peter P.J.Roosjen， Benjamin Brede， Juha M. Suomalainen， Harm M. Bartholomeus， Lammert Kooistra， Jan G.P.W. Clevers.Improved estimation of leaf area index and leaf chlorophyll content of a potato crop using multi-angle spectral data – potential of unmanned aerial vehicle imagery. International Journal of Applied Earth Observation and Geoinformation, 2018, 66: 14-26. https://doi.org/10.1016/j.jag.2017.10.012
TAG:AgriPheno |