以江苏东台水稻试验区为研究样区,利用植被冠层分析仪器TRAC测量水稻不同生长期冠层集聚指数(clumping index,简称CI),结合叶面积指数(leaf area index,简称LAI)测量仪器LAI-2200和LI-3000C同步测量研究样区水稻有效叶面积指数与真实叶...以江苏东台水稻试验区为研究样区,利用植被冠层分析仪器TRAC测量水稻不同生长期冠层集聚指数(clumping index,简称CI),结合叶面积指数(leaf area index,简称LAI)测量仪器LAI-2200和LI-3000C同步测量研究样区水稻有效叶面积指数与真实叶面积指数,分析水稻不同生长期集聚指数的变化及对LAI的测量精度的影响。结果表明,研究区水稻冠层集聚指数测量值呈现先降低后升高的趋势。在幼苗期水稻冠层叶片整体上随机分布,集聚指数值为0. 97,到孕穗期水稻冠层集聚特征逐渐明显,集聚指数逐渐降低到0. 84,之后集聚指数值又逐渐升高,在成熟期达到0. 92;通过分析经集聚指数校正后的水稻LAI值与LI-3000C测量值发现,经校正后的LAI值精度总体得到了有效提高,尤其在水稻生长中期(分蘖期至扬花期)的校正精度最高,平均相对误差由23%提高到11%。展开更多
叶面积指数(Leaf Area Index,LAI)是植被生长状况的重要指标,反映了农田生态系统的生产力水平。以江苏省东台市水稻田为研究区,基于多时相高分一号WFV影像提取的水稻植被指数数据,结合样区同步测量的不同生长期水稻叶面积指数数据,利用...叶面积指数(Leaf Area Index,LAI)是植被生长状况的重要指标,反映了农田生态系统的生产力水平。以江苏省东台市水稻田为研究区,基于多时相高分一号WFV影像提取的水稻植被指数数据,结合样区同步测量的不同生长期水稻叶面积指数数据,利用随机森林算法构建研究区水稻LAI反演模型。研究结果表明:随机森林算法反演的研究区水稻LAI与实测验证值相关性较好,R2达到0.88,RMSE仅为1.03,能准确反映研究区水稻LAI生长季的变化趋势,不同时段LAI测量值与反演值相对误差均值为15%,且GF-1WFV影像对研究区水、路网的分辨能力较高,总体上适用于农田LAI的反演。展开更多
文摘叶面积指数(Leaf Area Index,LAI)是植被生长状况的重要指标,反映了农田生态系统的生产力水平。以江苏省东台市水稻田为研究区,基于多时相高分一号WFV影像提取的水稻植被指数数据,结合样区同步测量的不同生长期水稻叶面积指数数据,利用随机森林算法构建研究区水稻LAI反演模型。研究结果表明:随机森林算法反演的研究区水稻LAI与实测验证值相关性较好,R2达到0.88,RMSE仅为1.03,能准确反映研究区水稻LAI生长季的变化趋势,不同时段LAI测量值与反演值相对误差均值为15%,且GF-1WFV影像对研究区水、路网的分辨能力较高,总体上适用于农田LAI的反演。
