基于GF-2卫星数据的孕穗期小麦叶面积指数反演——以河北省廊坊市为例OA北大核心CSCDCSTPCD
Estimating leaf area index of wheat at the booting stage using GF-2 data:A case study of Langfang City,Hebei Province
叶面积指数(leaf area index,LAI)是评价植被长势和预测产量的重要农业生理生态参数.高分2号(GF-2)卫星数据具有高空间分辨率特点,能反映更多细节信息,针对该数据特点的LAI反演方法具有较高的研究价值.以河北省廊坊市万庄镇为研究区,对孕穗期小麦采用了回归模型和神经网络算法反演LAI;采用4种植被指数与实测LAI值构建回归模型,同时重点探讨了PROSAIL模型结合神经网络方法进行LAI反演.研究结果表明,在回归模型中,归一化植被指…查看全部>>
Leaf area index(LAI) is an important agricultural parameter to assess crop growing status for production estimation. Due to its very high spatial resolution,GF-2 can be used as a new source of remote sensing data for crop monitoring. It is particularly valuable to develop approaches for LAI estimation using GF -2 data. In this paper, the study of LAI estimation for wheat at the booting stage in Wanzhuang Town, Langfang City of Hebei Province in North China P…查看全部>>
陆坤;孟庆岩;孙云晓;孙震辉;张琳琳
山东科技大学测绘科学与工程学院,青岛 266590中国科学院遥感与数字地球研究所,北京 100101中国科学院遥感与数字地球研究所,北京 100101中国科学院大学,北京 100049中国科学院遥感与数字地球研究所,北京 100101
计算机与自动化
植被指数神经网络叶面积指数(LAI)反演方法精度验证
vegetation indexneural networkleaf area index(LAI)inversion methodprecision validation
《国土资源遥感》 2018 (1)
基于机载LiDAR数据的城市绿度空间指数模型研究
196-202,7
高分辨率对地观测系统国家重大科技专项项目"基于GF-4卫星数据的特征参数反演技术"(编号:11-Y20A05-9001-15/16)、广东省省级科技计划项目"中泰农业环境高分辨率遥感监测与示范"(编号:2014A050503060)和国家自然科学基金项目"基于机载LiDAR数据的城市绿度空间指数模型研究"(编号:41471310)共同资助.
评论