典型文献
基于Sentinel的时间序列田块尺度LAI重建与冬小麦估产
文献摘要：
为了进行田块尺度的冬小麦单产估测,以陕西省关中平原为研究区域,基于Sentinel-l、Sentinel-2和Sentinel-3卫星数据反演叶面积指数(LAI),并利用增强的深度卷积神经网络融合模型(EDCSTFN)和增强的时空自适应反射率融合模型(ESTARFM)对Sentinel-1、Sentinel-2和Sentinel-3 LAI进行时空融合,进而重建尺度12 d的空间分辨率20 m LAI并用于冬小麦单产估测.结果表明,基于Sentinel-1后向散射系数和相干性能够准确地反演关中平原冬小麦种植区的20 m空间分辨率LAI,决定系数(R2)在冬小麦主要生育期可达0.70以上;相比于基于Sentinel-2 和 Sentinel-3 的 ESTARFM 模型和 EDCSTFN 模型(EDCSTFN_S3),基于 Sentinel-1 和 Sentinel-2 的EDCSTFN模型(EDCSTFN_S1)可以明显提高距离参考影像获取日期较远的日期的LAI时空融合精度,ESTARFM、EDCSTFN_S3和EDCSTFN_S1 3个模型在5月下旬的融合结果对应的R2分别为0.53、0.71和0.76;基于时空融合LAI的冬小麦估产结果与冬小麦单产数据具有良好的相关性(R2=0.52,P＜0.01),估产结果的均方根误差为358.25 kg/hm2,归一化均方根误差为19％,平均相对误差为7.34％,并显示了丰富的田块尺度冬小麦单产分布细节特征,展现了进行田块尺度冬小麦精确估产的潜力.
文献关键词：
冬小麦;估产;叶面积指数;时空数据融合;田块尺度;时间序列重建
中图分类号：
作者姓名：
周西嘉;张悦;王鹏新;张树誉;李红梅;田惠仁
作者机构：
中国农业大学信息与电气工程学院,北京100083;国家卫星气象中心,北京100081;陕西省气象局,西安710014
文献出处：
引用格式：
[1]周西嘉;张悦;王鹏新;张树誉;李红梅;田惠仁-.基于Sentinel的时间序列田块尺度LAI重建与冬小麦估产)[J].农业机械学报,2022(08):173-185
A类：
EDCSTFN
B类：
Sentinel,田块尺度,LAI,冬小麦估产,单产,估测,关中平原,原为,卫星数据,数据反演,叶面积指数,深度卷积神经网络,网络融合,时空自适应反射率融合模型,ESTARFM,时空融合,空间分辨率,后向散射系数,相干性,冬小麦种植,种植区,决定系数,生育期,S3,S1,参考影像,较远,融合精度,下旬,hm2,平均相对误差,细节特征,麦精,时空数据融合,时间序列重建
AB值：
0.23263
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
