《表5 基于Landsat OLI光谱信息或不同窗口下纹理信息+光谱信息的作物差覆盖度估算最优模型》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《结合Sentinel-2光谱与纹理信息的冬小麦作物茬覆盖度估算》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：模型2—4分别为3×3，5×5和7×7窗口大小下的纹理信息与光谱信息构建的最优模型。B2—B7分别表示Landsat OLI影像的蓝、绿、红、近红外、中红外和远红外波段。“～”左边表示因变量，“～”右边表示自变量。

利用Landsat OLI影像构建的波段反射率、归一化指数以及灰度共生矩阵统计量等遥感因子与最优子集回归建模法，可以得到基于Landsat OLI影像的作物茬覆盖度估算最优模型，结果如表5所示。由表5中可以看出，对于Landsat OLI影像，合适的纹理信息的加入同样有助于提高作物茬覆盖度的反演精度，可将相关系数从0.713提高到0.861，均方根误差从14.1%降到12.4%。并且，对于空间分辨率为30 m的Landsat OLI影像，在3×3窗口下提取的纹理信息能更好地对作物茬覆盖度进行估算。