CN117634183A - 一种基于红和红边波段的土壤含水量反演方法及系统 - Google Patents
一种基于红和红边波段的土壤含水量反演方法及系统 Download PDFInfo
- Publication number
- CN117634183A CN117634183A CN202311600740.4A CN202311600740A CN117634183A CN 117634183 A CN117634183 A CN 117634183A CN 202311600740 A CN202311600740 A CN 202311600740A CN 117634183 A CN117634183 A CN 117634183A
- Authority
- CN
- China
- Prior art keywords
- red
- soil
- water content
- pixel
- calculating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 239000002689 soil Substances 0.000 title claims abstract description 132
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000005259 measurement Methods 0.000 claims abstract description 20
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000002310 reflectometry Methods 0.000 claims description 27
- 230000003595 spectral effect Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 7
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 230000003287 optical effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 239000003621 irrigation water Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于红和红边波段的土壤含水量反演方法及系统,包括:根据目标区域范围,收集并处理具有波长范围在0.73~0.77μm红边波段的卫星影像,构建红和红边波段组合的特征空间,计算特征空间的底边斜率;建立基于红边波段的土壤湿度指数计算公式,计算目标区域的逐像元土壤湿度指数;选取可表示卫星过境日地表土壤含水量的地面实测数据,与基于红边波段的土壤湿度指数联合,构建红和红边波段的土壤含水量反演模型并评价精度,利用反演模型计算目标区域内逐像元的土壤含水量。通过这种方法,可以改善具有红边波段的光学卫星影像反演土壤含水量的精度,获取大范围内更为合理的土壤含水量反演结果,有助于大范围旱情监测和农业用水管理。
Description
技术领域
本发明属于土壤含水量遥感反演计算领域,具体涉及一种基于红和红边波段的土壤含水量反演方法及系统。
背景技术
土壤水分是量化大气、陆地水分、能量交换的重要参数,也是表征地表干旱状况最重要的指标之一。土壤水分的精准监测对农业灌溉、气象变化等领域具有重要意义。利用卫星遥感手段获取土壤含水量因具备范围广、时效性强、成本低等优势,被广泛的关注和应用。现有的光学遥感反演土壤含水量方法主要包括基于红和近红的干旱指数法以及基于热红外的温度指数法等。随着传感器研究技术的不断发展,红边(中心波长0.71μm、0.74μm)、短波红外(中心波长1.6μm、2.2μm)等波段相继出现,但目前缺少针对红边、短波波段在土壤含水量反演方面的应用研究。
本发明基于前期对红边波段反射率在植被覆盖度、土壤含水量等敏感程度的试验研究与定量分析,发现利用红边波段(波长范围0.73~0.77μm)可改善土壤含水量反演精度。基于此发现,构建了一种基于红和红边波段的土壤含水量反演方法,该方法对于改善土壤含水量反演精度、提升田间水分监测能力和农业用水管理水平具有重要意义。
发明内容
本发明为了解决背景技术中存在的技术问题,目的在于提供了一种基于红和红边波段的土壤含水量反演方法及系统,首先,根据目标区域范围,收集并处理波长范围在0.73~0.77μm的红边波段卫星影像,构建红和红边波段组合的二维特征空间,计算特征空间的底边斜率;其次,建立基于红边波段的土壤湿度指数计算公式,计算目标区域的逐像元土壤湿度指数;最后,选取可表示卫星过境日地表土壤含水量的地面实测数据,与基于红边波段的土壤湿度指数联合,构建红和红边波段的土壤含水量反演模型,利用反演模型计算目标区域内逐像元的土壤含水量并评价计算精度。通过这种方法,可以获取精度更高的土壤含水量反演结果,较为准确的获取区域内土壤含水量空间分布以及土壤含水量时序变化,有助于田间水分监测,支撑干旱预警、农业灌溉用水管理等工作。
为了解决技术问题,本发明的技术方案是:
一种基于红和红边波段的土壤含水量反演方法,所述方法包括:
S1:构建红和红边波段组合的二维特征空间,计算特征空间的底边斜率;
S2:计算子区域内逐像元的植被覆盖度,提取植被覆盖度最高像元的红、红边波段反射率,计算目标区域的红和红边波段组合的土壤湿度指数;
S3:结合预设的卫星过境日地表土壤含水量的地面实测数据与所述土壤湿度指数,构建红和红边波段的土壤含水量反演模型并评价计算精度;以红和红边波段反射率为输入,利用所述构建的模型,反演计算目标区域逐像元土壤含水量。
进一步,所述步骤S1具体包括:
S11:收集覆盖目标区域、具有红边波段即波长范围为0.73~0.77μm的卫星影像数据,并进行辐射校正、几何校正、图像裁剪预处理,为保证目标区域内的土壤含水量具有一定差异性且保证反演过程不受光谱反射率的影响,目标区域不小于50km*50km;当目标区域大于一景影像所覆盖的范围时,可将目标区域划分为不小于50km*50km、且不大于一景影像所覆盖范围的多个子区域,各子区域分别计算,然后将结果拼接合并;
S12:对于每个子区域,提取红和红边波段反射率,组成每个子区域的特征空间,计算该子区域特征间底边斜率M。
进一步,所述步骤S2具体包括:
S21:对于每个子区域,将光谱反射率值除以10000,利用以下公式计算子区域内逐像元的植被覆盖度fv,提取每个子区域内植被覆盖度最高像元的红、红边波段反射率ρv,red、ρv,VER:
式中,fvρred、ρNIR为红、近红两个波段的反射率;
S22:利用以下公式计算红和红边波段组合的土壤湿度指数SMIR-VER;
式中,ρVER为红边波段的反射率;ρv,red、ρv,VER分别为红、红边两个波段在对应影像植被覆盖度最高点的反射率。
进一步,所述步骤S3具体包括:
S31:对于每个子区域,收集子区域内的地面实测土壤含水量数据,实测点确定不少于20个,选取可表示卫星过境日地表土壤含水量的观测数据,用作模型参数率定数据;
S32:对于每个子区域,分别构建红和红边波段组合的土壤含水量反演模型;
SM=a*(SMIR-VER)+b (3)
式中,SM为逐像元土壤含水量,SMIR-VER为像元土壤湿度指数;对于有实测数据像元,利用像元实测SMo和计算得到SMIR-VER,采用最小二乘法求得参数a、b;
S33:提取子区域内所有实测点对应的遥感反演结果,按照以下公式计算相关系数R,评价反演模型精度;
式中,R表示实测与反演土壤含水量的相关系数,xi、yi分别表示遥感反演、实测的土壤含水量,分别表示遥感反演、实测的土壤含水量的均值;
S34:对于每个子区域,分别利用公式(3)反演计算逐像元土壤含水量,将所有子区域计算结果进行拼接,得到整个目标范围的土壤含水量。
一种基于红和红边波段的土壤含水量反演系统,所述系统包括:
底边斜率计算单元,用于构建红和红边波段组合的二维特征空间,计算特征空间的底边斜率;
土壤湿度计算单元,用于计算子区域内逐像元的植被覆盖度,提取植被覆盖度最高像元的红、红边波段反射率,计算目标区域的红和红边波段组合的土壤湿度指数;
模型构建单元,用于结合预设的卫星过境日地表土壤含水量的地面实测数据与所述土壤湿度指数,构建红和红边波段的土壤含水量反演模型;
土壤含水量反演计算单元,用于以红和红边波段反射率为输入,利用所述构建的模型,反演计算目标区域逐像元土壤含水量。
一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现上述中任一项所述的方法。
与现有技术相比,本发明的优点在于:
本发明基于对不同红边波段对地表植被覆盖和土壤水分变化的敏感程度分析,发现波长范围0.73~0.77μm的红边波段有益于土壤含水量反演,提出了一种基于红和红边波段(波长范围0.73~0.77μm)的土壤含水量反演方法,相较利用红和近红波段反演土壤含水量的方法,具有更高的精度。
附图说明
图1、一种基于红和红边波段的土壤含水量反演方法的流程图;
图2、本发明实施例中GF6号卫星红和红边2波段反射率的特征空间图;
图3、本发明实施例中基于红和红边波段的土壤含水量模型图;
图4、本发明实施例中基于红和红边波段的土壤含水量反演精度评价图;
图5、本发明实施例种基于红和红边波段的土壤含水量反演结果图。
具体实施方式
下面结合实施例描述本发明具体实施方式:
需要说明的是,本说明书所示意的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
同时,本说明书中所引用的如“上”、“下”、“左”、“右”、“中间”及“一”等的用语,亦仅为便于叙述的明了,而非用以限定本发明可实施的范围,其相对关系的改变或调整,在无实质变更技术内容下,当亦视为本发明可实施的范畴。
实施例1:
一种基于红和红边波段的土壤含水量反演方法,包括以下步骤:
步骤1、根据目标区域范围,收集并处理具有波长范围在0.73~0.77μm红边波段的卫星影像,提取红、红边波段的反射率,构建红和红边波段组合的二维特征空间,计算特征空间的底边斜率;
步骤2、建立基于红边波段的土壤湿度指数计算公式,计算目标区域的逐像元土壤湿度指数;
步骤3、选取可表示卫星过境日地表土壤含水量的地面实测数据,与基于红边波段的土壤湿度指数联合,构建红和红边波段的土壤含水量反演模型,利用反演模型计算目标区域内逐像元的土壤含水量并评价计算精度。
进一步地,所述步骤1包括以下子步骤:
步骤11、目标区域为河北省邢台、衡水、石家庄、保定、沧州等五个地市,根据目标区域范围,选取具有红边波段的GF6号卫星2020年3月4日影像,裁剪为覆盖目前区域大小160km*255km的矩形范围。GF6号卫星影像具有两个红边波段,其中红边2波段的波长范围在(0.73~0.77μm),满足本方法要求;
步骤12、提取裁剪后GF6号影像红、红边2波段的反射率,构建红和红边2波段组合的二维特征空间,计算特征空间的底边斜率M为1.1958,如图2所示;
进一步地,所述步骤2包括以下子步骤:
步骤21、将光谱反射率值除以10000,利用以下公式计算区域内逐像元的植被覆盖度,提取区域内植被覆盖度最高像元的红、红边波段反射率ρv,red、ρv,VER:
式中,fv为植被覆盖度;ρred、ρNIR为红、红边两个波段的反射率。
本实施例中,目标区域内植被覆盖度最高像元的红、红边波段反射率分别为0.6182,、0.8506;
步骤22、计算红和红边波段组合的土壤湿度指数SMIR-VER;
式中,SMIR-VER为红和红边波段计算的土壤湿度指数;M为特征空间底部斜率;ρVER为红边波段的反射率;ρv,red、ρv,VER分别为红、红边两个波段在对应影像植被覆盖度最高点的反射率。
其中,图3为基于红和红边波段的土壤含水量模型图;
进一步地,所述步骤3包括以下子步骤:
步骤31、收集区域内的地面实测土壤含水量数据,共有34个实测点,筛选、处理得到卫星影像成像日2020年3月4日的地表土壤含水量数据SM0,用于模型参数率定;
步骤32、对构建的基于红和红边波段的土壤含水量反演模型(公式3),利用像元实测SM0和公式2计算得到的SMIR-VER,采用最小二乘法求得参数a、b,进行参数率定;
SM0=a*SMIR-VER+b (3)
得到a=-52.365,b=27.044。土壤含水量反演模型可表示为:
SM=-52.365*SMIR-VER+27.044 (4)
步骤33、利用公式5计算实测点对应的遥感反演结果土壤含水量,计算反演结果与实测值的相关系数R,评价反演模型精度;
式中,R表示实测与反演土壤含水量的相关系数,xi、yi分别表示遥感反演、实测的土壤含水量,分别表示遥感反演、实测的土壤含水量的均值。
如图4所示,为基于红和红边波段的土壤含水量反演精度评价图。
本实施例中,采用本专利方法建立的基于红和近红波段土壤含水量反演模型,与实测数据对比,R为0.75;利用传统红和近红波段方法反演土壤含水量,与实测数据对比,R为0.64,可见,本方法具有明显精度改善。
步骤34、利用公式(4)反演计算得到目标区域逐像元土壤含水量,如图5所示。
实施例2:
为了更好的实施以上方法,本实施例提供涉及一种基于红和红边波段的土壤含水量反演系统;
例如,一种基于红和红边波段的土壤含水量反演系统,所述系统包括:
底边斜率计算单元,用于构建红和红边波段组合的二维特征空间,计算特征空间的底边斜率;
土壤湿度计算单元,用于计算子区域内逐像元的植被覆盖度,提取植被覆盖度最高像元的红、红边波段反射率,计算目标区域的红和红边波段组合的土壤湿度指数;
模型构建单元,用于结合预设的卫星过境日地表土壤含水量的地面实测数据与所述土壤湿度指数,构建红和红边波段的土壤含水量反演模型;
土壤含水量反演计算单元,利用构建的反演模型,计算逐像元土壤含水量。
实施例3:
本领域普通技术人员可以理解,上述实施例的各种方法中的全部或部分步骤可以通过指令来完成,或通过指令控制相关的硬件来完成,该指令可以存储于一计算机可读存储介质中,并由处理器进行加载和执行。
为此,本发明实施例提供一种存储介质,其中存储有多条指令,该指令能够被处理器进行加载,以执行本发明实施例所提供的一种基于红和红边波段的土壤含水量反演方法中的步骤。
例如该指令可以执行如下步骤:
一种基于红和红边波段的土壤含水量反演方法,所述方法包括:
构建红和红边波段组合的二维特征空间,计算特征空间的底边斜率;
计算子区域内逐像元的植被覆盖度,提取植被覆盖度最高像元的红、红边波段反射率,计算目标区域的红和红边波段组合的土壤湿度指数;
结合预设的卫星过境日地表土壤含水量的地面实测数据与所述土壤湿度指数,构建红和红边波段的土壤含水量反演模型并评价计算精度;以红和红边波段反射率为输入,利用所述构建的模型,反演计算目标区域逐像元土壤含水量。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
上面对本发明优选实施方式作了详细说明,但是本发明不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解,本发明不限于特定的实施方式,本发明的范围由所附权利要求限定。
Claims (6)
1.一种基于红和红边波段的土壤含水量反演方法,其特征在于,所述方法包括:
S1:构建红和红边波段组合的二维特征空间,计算特征空间的底边斜率;
S2:计算子区域内逐像元的植被覆盖度,提取植被覆盖度最高像元的红、红边波段反射率,计算目标区域的红和红边波段组合的土壤湿度指数;
S3:结合预设的卫星过境日地表土壤含水量的地面实测数据与所述土壤湿度指数,构建红和红边波段的土壤含水量反演模型并评价计算精度;以红和红边波段反射率为输入,利用所述构建的模型,反演计算目标区域逐像元土壤含水量。
2.根据权利要求1所述的一种基于红和红边波段的土壤含水量反演方法,其特征在于,所述步骤S1具体包括:
S11:收集覆盖目标区域、具有红边波段即波长范围为0.73~0.77μm的卫星影像数据,并进行辐射校正、几何校正、图像裁剪预处理,为保证目标区域内的土壤含水量具有一定差异性且保证反演过程不受光谱反射率的影响,目标区域不小于50km*50km;当目标区域大于一景影像所覆盖的范围时,可将目标区域划分为不小于50km*50km、且不大于一景影像所覆盖范围的多个子区域,各子区域分别计算,然后将结果拼接合并;
S12:对于每个子区域,提取红和红边波段反射率,组成每个子区域的特征空间,计算该子区域特征间底边斜率M。
3.根据权利要求1所述的一种基于红和红边波段的土壤含水量反演方法,其特征在于,所述步骤S2具体包括:
S21:对于每个子区域,将光谱反射率值除以10000,利用以下公式计算子区域内逐像元的植被覆盖度fv,提取每个子区域内植被覆盖度最高像元的红、红边波段反射率ρv,red、ρv,VER:
式中,fvρred、ρNIR为红、近红两个波段的反射率;
S22:利用以下公式计算红和红边波段组合的土壤湿度指数SMIR-VER;
式中,ρVER为红边波段的反射率;ρv,red、ρv,VER分别为红、红边两个波段在对应影像植被覆盖度最高点的反射率。
4.根据权利要求1所述的一种基于红和红边波段的土壤含水量反演方法,其特征在于,所述步骤S3具体包括:
S31:对于每个子区域,收集子区域内的地面实测土壤含水量数据,实测点确定不少于20个,选取可表示卫星过境日地表土壤含水量的观测数据,用作模型参数率定数据;
S32:对于每个子区域,分别构建红和红边波段组合的土壤含水量反演模型;
SM=a*(SMIR-VER)+b (3)
式中,SM为逐像元土壤含水量,SMIR-VER为像元土壤湿度指数;对于有实测数据像元,利用像元实测SMo和计算得到SMIR-VER,采用最小二乘法求得参数a、b;
S33:提取子区域内所有实测点对应的遥感反演结果,按照以下公式计算相关系数R,评价反演模型精度;
式中,R表示实测与反演土壤含水量的相关系数,xi、yi分别表示遥感反演、实测的土壤含水量,分别表示遥感反演、实测的土壤含水量的均值;
S34:对于每个子区域,分别利用公式(3)反演计算逐像元土壤含水量,将所有子区域计算结果进行拼接,得到整个目标范围的土壤含水量。
5.一种基于红和红边波段的土壤含水量反演系统,其特征在于,所述系统包括:
底边斜率计算单元,用于构建红和红边波段组合的二维特征空间,计算特征空间的底边斜率;
土壤湿度计算单元,用于计算子区域内逐像元的植被覆盖度,提取植被覆盖度最高像元的红、红边波段反射率,计算目标区域的红和红边波段组合的土壤湿度指数;
模型构建单元,用于结合预设的卫星过境日地表土壤含水量的地面实测数据与所述土壤湿度指数,构建红和红边波段的土壤含水量反演模型;
土壤含水量反演计算单元,用于以红和红边波段反射率为输入,利用所述构建的模型,反演计算目标区域逐像元土壤含水量。
6.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机执行指令,所述计算机执行指令被处理器执行时用于实现权利要求1-4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311600740.4A CN117634183A (zh) | 2023-11-28 | 2023-11-28 | 一种基于红和红边波段的土壤含水量反演方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311600740.4A CN117634183A (zh) | 2023-11-28 | 2023-11-28 | 一种基于红和红边波段的土壤含水量反演方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117634183A true CN117634183A (zh) | 2024-03-01 |
Family
ID=90026364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311600740.4A Pending CN117634183A (zh) | 2023-11-28 | 2023-11-28 | 一种基于红和红边波段的土壤含水量反演方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117634183A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106226260A (zh) * | 2016-08-10 | 2016-12-14 | 武汉大学 | 一种结合微波和红外遥感影像的土壤水分反演方法 |
CN107036968A (zh) * | 2016-12-27 | 2017-08-11 | 西安科技大学 | 一种土壤湿度实时监测方法 |
CN112949182A (zh) * | 2021-03-03 | 2021-06-11 | 中国水利水电科学研究院 | 耦合地表土壤含水量的区域尺度最大气孔导度的计算方法 |
CN113887024A (zh) * | 2021-09-15 | 2022-01-04 | 南京信息工程大学 | 基于归一化温度构建的干旱指数反演表层土壤水分方法 |
-
2023
- 2023-11-28 CN CN202311600740.4A patent/CN117634183A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106226260A (zh) * | 2016-08-10 | 2016-12-14 | 武汉大学 | 一种结合微波和红外遥感影像的土壤水分反演方法 |
CN107036968A (zh) * | 2016-12-27 | 2017-08-11 | 西安科技大学 | 一种土壤湿度实时监测方法 |
CN112949182A (zh) * | 2021-03-03 | 2021-06-11 | 中国水利水电科学研究院 | 耦合地表土壤含水量的区域尺度最大气孔导度的计算方法 |
CN113887024A (zh) * | 2021-09-15 | 2022-01-04 | 南京信息工程大学 | 基于归一化温度构建的干旱指数反演表层土壤水分方法 |
Non-Patent Citations (7)
Title |
---|
向大亨: "长江流域干旱遥感监测评估体系及应用", 31 December 2016, 北京:测绘出版社, pages: 79 - 80 * |
周逍峰;聂艳;刘秀芸;梁美盈;谭盈;于婧;: "基于植被供水指数的藏北地区土壤湿度反演研究", 中国农业信息, no. 04, 25 August 2018 (2018-08-25), pages 90 - 100 * |
朱彦儒;赵红莉;黄艳艳;蒋云钟;段浩;郝震;: "基于双指数联合模型的土壤含水量反演――以河北省为例", 南水北调与水利科技(中英文), no. 04, 31 August 2020 (2020-08-31), pages 71 - 80 * |
李相;丁建丽;: "基于实测高光谱指数与HSI影像指数的土壤含水量监测", 农业工程学报, no. 19, 8 October 2015 (2015-10-08), pages 68 - 75 * |
聂艳 等: "基于高分一号影像的江汉平原表层土壤湿度指数反演研究", 长江流域资源与环境, 15 May 2018 (2018-05-15), pages 1124 - 1131 * |
胡胜华主编: "3S技术研究与应用 广东RS&GIS学会论文集", 31 July 2007, 广州:广东省地图出版社, pages: 286 - 287 * |
郭兵;姜琳;杨光;张浩;: "一种基于NIR-RED光谱特征空间的干旱监测新方法", 亚热带水土保持, no. 01, 31 March 2015 (2015-03-31), pages 10 - 14 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Maize canopy temperature extracted from UAV thermal and RGB imagery and its application in water stress monitoring | |
Mohamed et al. | Mapping soil moisture and their correlation with crop pattern using remotely sensed data in arid region | |
Feng et al. | Yield estimation in cotton using UAV-based multi-sensor imagery | |
Comba et al. | Leaf Area Index evaluation in vineyards using 3D point clouds from UAV imagery | |
Hall et al. | Optical remote sensing applications in viticulture‐a review | |
Munnaf et al. | Site-specific seeding using multi-sensor and data fusion techniques: A review | |
Kong et al. | Quantitative estimation of biomass of alpine grasslands using hyperspectral remote sensing | |
Sun et al. | Retrieval of rapeseed leaf area index using the PROSAIL model with canopy coverage derived from UAV images as a correction parameter | |
CN108169161A (zh) | 一种基于改进型modis指数的玉米种植区域土壤湿度评估方法 | |
Liu et al. | Estimating potato above-ground biomass by using integrated unmanned aerial system-based optical, structural, and textural canopy measurements | |
Yue et al. | Method for accurate multi-growth-stage estimation of fractional vegetation cover using unmanned aerial vehicle remote sensing | |
WO2018107245A1 (en) | Detection of environmental conditions | |
CN113505635A (zh) | 基于光学和雷达的冬小麦与大蒜混种区识别方法及装置 | |
Zhang et al. | Estimating temporal changes in soil pH in the black soil region of Northeast China using remote sensing | |
Mouazen et al. | Monitoring | |
Warren et al. | Agricultural applications of high-resolution digital multispectral imagery | |
Nourani et al. | Hydrological model parameterization using NDVI values to account for the effects of land cover change on the rainfall–runoff response | |
Palka et al. | Evaluating the performance of the CCCI-CNI index for estimating N status of winter wheat | |
US20240087311A1 (en) | Remote soil and vegetation properties determination method and system | |
Verma et al. | Modelling of sugarcane yield using LISS-IV data based on ground LAI and yield observations | |
Reyniers et al. | Optical measurement of crop cover for yield prediction of wheat | |
Khodjaev et al. | Combining multiple UAV-Based indicators for wheat yield estimation, a case study from Germany | |
CN117634183A (zh) | 一种基于红和红边波段的土壤含水量反演方法及系统 | |
Dobbs et al. | Using structure-from-motion to estimate cover crop biomass and characterize canopy structure | |
Goh et al. | Monitoring winter wheat growth performance at sub-field scale using multitemporal Sentinel-2 imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |