【论文阅读笔记】 基于无人机多光谱影像的水稻叶面积指数预测

Plant Methods//Remote estimation of rice LAI based on Fourier spectrum texture from UAV image

以往的研究表明，遥感图像的光谱特征可以作为估计植被生长参数的有效指标。然而，高分辨率遥感图像的纹理特征很少用于此目的。此外，纹理特征与植被生长参数之间的物理机制尚不清楚。在这项研究中，一种基于无人机图像的傅里叶光谱纹理被开发用于估计水稻叶面积指数。并分析了傅里叶光谱纹理与水稻叶面积指数的关系。结果表明，傅里叶谱纹理可以提高水稻叶面积指数估计的精度。综上，高分辨率遥感图像的纹理特征可能比光谱特征更有效地估计水稻叶面积指数。

为了研究水稻场的纹理特征，采用傅里叶变换将数字图像从空间域变换到频域，得到傅里叶能谱来表示图像的纹理特征。
结果与讨论：
Relationship between LAI and Fourier spectrum texture

对于反射率参数，增加相同类型参数的数量可能不会提高Lai的估计精度。
本研究的主要目的是提高基于无人机图像的lai估计的精度。采用傅里叶谱能量百分比(FSEP)的傅里叶谱纹理特征，证明它是一种更有效的水稻lai估计指标。

结果表明，使用VI作为SVR的输入可能不能建立比冠层反射率更好的估计模型。结果表明，FSEPs可以更准确地估计水稻lai。与NDRE、VARI、EVI2和R550nm、EVI2、FSEP-NDRE、FSEP-VARI、FSEP-EVI2和FSEP-R550nm相比，FSEP-EVI2在水稻Lai估算中表现更好。这意味着从VI图像和反射图像中提取的FSEP可以作为SVR的输入，以提高水稻中Lai的估计。