点击蓝色字免费订阅,每天收到这样的好资讯
本文旨在探讨低成本多光谱无人机传感器(Parrot Sequoia)获得半球锥反射因子(HCRF)和植被指数(具体地说:归一化差异植被指数和叶绿素红边指数)的准确程度,植物表型资讯介绍如下:
小型无人机多光谱传感器目前已经广泛应用于地质科学和环境科学领域。然而与其他传感器相比,在实验室之外的操作环境下对此类传感器数据的空间一致性和辐射质量的研究相对较少。本文旨在探讨低成本多光谱无人机传感器(Parrot Sequoia)获得半球锥反射因子(HCRF)和植被指数(具体地说:归一化差异植被指数和叶绿素红边指数)的准确程度。
多源数据集概述,包括有关空间分辨率的详细信息以及执行的比较实验
研究人员利用参考面板和几乎同时由机载成像光谱仪(HyPlant)收集的高质量1m分辨率参考数据集对小型无人机数据集进行评估。结果得到:与辐射定标HCRF值相关的相对误差在4%-15%之间,而玉米田间案例研究评估的相对误差则更大一些(5-28%)。利用小型无人机测得的植被指数与HyPlant和Sentinel 2一致性相对较好(R2 = 0.91)。利用Sequoia 产品测得的HCRF在高、低反射性表面上显示出偏差,但是空间一致性高,在可见光波段视角效应最小。
玉米田研究地点(S2无纯土壤像素)上Sequoia(顶部)、HyPlant(中部)和S2(底部)表面反射率产品的假彩色红外表征(a)和代表性半球锥形反射系数(HCRF)光谱(b)
使用普通最小二乘回归线(粗体),R2和MAD对感兴趣区域上分析的四个波段的基于Sequoia红杉和HyPlant的HCRF值进行散点图比较
综上所述,小型多光谱传感器(如Parrot Sequoia)在基于指数的植被监测研究中具有很好的应用潜力,但在假设衍生的HCRF代表成像表面的真实光学特性时必须慎重考量。
上图:从S2和Sequoia图像(重新采样到20 m空间分辨率)得出的NDVI(a)和CHL值(b)散点图。下图:从S2和HyPlant影像(重新采样到20 m空间分辨率)得出的NDVI(c)和CHL值(d)的散点图
来源:
Fawcett D, Panigada C, Tagliabue G, et al. Multi-Scale Evaluation of Drone-Based Multispectral Surface Reflectance and Vegetation Indices in Operational Conditions. Remote Sens. 2020, 12(3), 514; https://doi.org/10.3390/rs12030514.
利用GFP荧光观测小麦赤霉病侵染过程
扩展阅读:
国际植物表型网络IPPN介绍和入会指南
植物表型资讯两周年目录汇总
植物表型资讯2019年1-12月目录汇总
植物表型资讯2020年1-2月目录汇总