《表3 基于不同光谱参数的早、晚稻分蘖数监测模型构建与检验》
表3中,监测早稻TN时,植被指数中的归一化红边指数(NDRE)表现最优,其建模R2为0.683,检验RRMSE为0.150;“三边”参数中的红边面积(SDr)与TN之间的相关性较高,其建模R2为0.656,检验RRMSE为0.153;最优光谱指数NDSI(ρ975,ρ714)监测早稻TN的效果较NDRE和SDr明显提高,其建模R2为0.724,检验RRMSE为0.151;小波特征在监测早稻TN时表现较好,其中,以db7(s9,w735)表现最优(R2=0.754,RRMSE=0.128)。监测晚稻TN时,植被指数中的NDRE表现最优,其建模R2为0.718,检验RRMSE为0.181;“三边”参数中的红边振幅(Dr)表现较优,其建模R2为0.586,检验RRMSE为0.212;新建比值光谱指数RSI(ρ788,ρ738)效果较优,其建模R2为0.792,检验RRMSE为0.142;利用小波特征监测晚稻TN时,敏感小波特征mexh(s6,w714)的表现进一步提高,其建模R2为0.838,检验RRMSE为0.112。图4和图5为几个表现较优的光谱参数监测早、晚稻TN时的表现。
图表编号 | XD00135752300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.01 |
作者 | 曹中盛、李艳大、叶春、舒时富、孙滨峰、黄俊宝、吴罗发 |
绘制单位 | 江西省农业科学院农业工程研究所江西省智能农机装备工程研究中心江西省农业信息化工程技术研究中心、江西省农业科学院农业工程研究所江西省智能农机装备工程研究中心江西省农业信息化工程技术研究中心、江西省农业科学院农业工程研究所江西省智能农机装备工程研究中心江西省农业信息化工程技术研究中心、江西省农业科学院农业工程研究所江西省智能农机装备工程研究中心江西省农业信息化工程技术研究中心、江西省农业科学院农业工程研究所江西省智能农机装备工程研究中心江西省农业信息化工程技术研究中心、江西省农业科学院农业工程研究所江西省智能 |
更多格式 | 高清、无水印(增值服务) |