哪种植被指数最好?在不同农田中将多光谱指标与高光谱混合模型进行对比分析


发布时间:

2023-03-12

来源:

植物表型资讯

作者:

PhenoTrait

监测农艺参数如生物量、水分胁迫和植物健康状况可以通过协同使用所有可用的遥感信息获得更好的效益。常用的多光谱图像在这方面已经使用了数十年,其主要反演手段是使用植被指数(vegetation indices,VI)。目前,存在多种多光谱植被指数,它们通常依赖单一特征(光谱红边)获取信息。在高光谱图像可用的情况下,光谱混合模型可以使用完整的VSWIR光谱来获得进一步的遥感信息,同时估计混合像素内多种材料的面积分数。本文通过比较加州不同作物和土壤中六种常见的多光谱VIs和高光谱光合植被分数,研究VIs和混合模型之间的关系,同时,将光谱效应与同大气、照明和视图几何相关的传感器及采集特定可变性隔离开。具体而言,使用来自15个飞行路线的125个子集的集合,这些飞行路线跨越不同的农田,飞行器搭载AVIRIS ng机载可见红外成像光谱仪;模拟了64,000,000 个多光谱 SuperDove 反射光谱,并使用它们来计算6个常用的植被指数(NDVI、NIRv、EVI、EVI2、SR、DVI)。使用参数(皮尔逊相关系数,ρ)和非参数(互信息,MI)为评价指标对高光谱光合植被分数和多光谱VI进行比较。结果表明,四个植被指数(NIRv、DVI、EVI、EVI2)与光合植被分数呈强线性关系(ρ>0.94;MI>1.2)。NIRv和DVI显示出强烈的相关性(ρ>0.99,MI>2.4),但与光合植被分数的1:1对应关系有所偏差。EVI和EVI2密切相关(ρ>0.99,MI>2.3),与光合植被分数的关系更接近1:1。相比之下,NDVI和SR与光合植被分数表现出较弱的非线性异方差关系(ρ<0.84,MI=0.69)。在蓝色波段不可用的情况下,EVI2可以作为 EVI 的代理,而在 SWIR 波段不可用的情况下,两者都可以作为高光谱光合植被分数的代替。DVI 和 NIRv 产生非常相似的值(ρ > 0.99),DVI 和 NIRv 对底物背景反射率的敏感性较低,但系统地低估了光合植被分数。线性偏差校正可减少 1:1 的偏差,但会增加底物背景效应。

 

图1 (左):2020年AVIRIS ng的15条飞行线路(红色)跨越了地球上最高产的农业地区之一,具有广泛的作物和土壤多样性。(右):从125个子集编译的伪彩色合成马赛克图像。

 

图2 光谱特征空间和端部结构。光谱特征空间的前3个维度占AVIRIS ng光谱中97%以上的方差。基底、植被和暗(S、V、D)端部结构限制了该特征空间的前两个维度。非光合植被(N)在第三维度上扩展了基质平面。与AVIRIS经典图像和Landsat图像的结果进行比较。颜色表示点密度,从稀疏(紫色)到密集(绿色)。

 

图3 光谱指数与植被分数的双变量分布。将六个常用的多光谱指数(y轴)与直接从高光谱AVIRIS ng反射率(x轴)计算的光合植被分数进行比较。

 

图4(左):直方图显示了根据AVIRIS ng光谱混合模型反演估算的光合植被覆盖率<5%的所有光谱的VI值。(右):应用线性回归后的NIRv值直方图。对于回归NIRv的分布,平均值=0.08,标准偏差=0.026。

 
 
来 源
Sousa D, Small C. Which Vegetation Index? Benchmarking Multispectral Metrics to Hyperspectral Mixture Models in Diverse Cropland[J]. Remote Sensing, 2023, 15(4): 971.
 

编辑

刘昕哲
 

扩展阅读

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。