摘要
本发明提出一种基于冠层纯净高光谱反射率的小麦叶面积指数全生育期估测方法,包含以下步骤:首先,基于RGB图像结合深度学习算法提取小麦冠层穗、叶和土壤纯净像元;其次,利用提取的纯净像元和冠层高光谱反射率数据结合非负矩阵分解算法分离冠层纯净叶片高光谱反射率;最后,基于冠层纯净叶片高光谱反射率计算植被指数结合简单线性回归算法建立全生育期LAI估测模型。该方法通过结合近端遥感和机器学习算法改善了抽穗后LAI反演精度下降的问题,所提出的基于冠层纯净高光谱反射率的小麦LAI估测方法具有全生育期精确预测小麦LAI的潜力,并可扩展到大田作物的精确管理和高产小麦品种选育。
技术关键词
土壤光谱反射率
小麦冠层
叶面积指数
估测方法
反射率数据
叶片
线性回归算法
深度学习算法
小区
矩阵分解算法
图像
NMF算法
线性回归模型
样本
高产小麦
模型预测值
像素
机器学习算法
系统为您推荐了相关专利信息
盐分
叶面积指数
反射率数据
冠层分析仪
多源遥感数据
遥感影像数据
土壤参数反演
叶面积指数
遥感反演方法
地面控制点
粒子群优化算法
拉丁超立方抽样
波长
表达式
隐身功能
卫星光学遥感
融合无人机
叶面积指数
反演方法
反演模型