利用遥感高光谱数据估算叶片含水量
信号处理
2021-09-07 v1 机器学习
摘要
植物水分胁迫可能由于根系/土壤可用水分有限或蒸腾作用增强而发生。这些因素对植物生理和光合能力产生不利影响，已有研究表明其会抑制生长和产量[18]。尽早识别植物水分胁迫状态有助于采取适当的纠正措施以获得预期作物产量。此外，通过精准农业方法提高作物产量是气候政策与联合国可持续发展目标的关键组成部分[1]。叶片含水量(LWC)是一种可用于估算水分含量并识别受胁迫植物的度量。作物生长早期的LWC是植物生产力与产量的重要指标。水分胁迫的影响可能是瞬时的[15]，影响气体交换，也可能是长期的，显著减少[9, 18, 22]。因此有必要在生长早期识别潜在的植物水分胁迫[15]，以引入纠正性灌溉并缓解胁迫。LWC还可用于通过测量即使在人工诱导水分胁迫下LWC的稳定性，来识别耐水分胁迫和耐盐性的植物基因型[18, 25]。此类实验通常采用破坏性程序获取LWC，耗时且费力。据此，本研究开发了一种基于无人机(UAV)高光谱数据估算LWC的非破坏性方法。
引用
@article{arxiv.2109.02250,
title = {Estimating Leaf Water Content using Remotely Sensed Hyperspectral Data},
author = {Vishal Vinod and Rahul Raj and Rohit Pingale and Adinarayana Jagarlapudi},
journal= {arXiv preprint arXiv:2109.02250},
year = {2021}
}
备注
ICCV 2021 CVPPA Workshop Extended Abstract