Predicting Rice Yield Using Canopy Reflectance Measured at Booting Stage

Abstract

Abilities to estimate rice (Oryza sativa L.) yields within fields from remote sensing images is not only fundamental to applications of precision agriculture, but can also be very useful to food provisions management. Major objectives of this study were to identify spectral characteristics associated with rice yield and to establish their quantitative relationships. Field experiments were conducted at Shi‐Ko experimental farm of TARI's Chiayi Station during 1999–2001. Rice cultivar Tainung 67, the major cultivar grown in Taiwan, was used in the study. Various levels of rice yield were obtained via N application treatments. Canopy reflectance spectra were measured during entire growth period, and dynamic changes of characteristic spectrum were analyzed. Relationships among rice yields and characteristic spectrum were studied to establish yield estimation models suitable for remote sensing purposes. Spectrum analysis indicated that the changes of canopy reflectance spectrum were least during booting stages. Therefore, the canopy reflectance spectra during this period were selected for model development. Two multiple regression models, constituting of band ratios (NIR/RED and NIR/GRN), were then constructed to estimate rice yields for first and second crops separately. Results of the validation experiments indicated that the derived regression equations successfully predicted rice yield using canopy reflectance measured at booting stage unless other severe stresses occurred afterward.

Incertezas na predição da erosão com a usle: impactos e mitigação

“…Em se tratando do fator C (pastagem plantada), a variabilidade espacial, dada pelo seu coeficiente de variação, foi obtida a partir da razão de bandas espectrais de imagens de satélite do sensor Landsat ETM+, a qual é altamente correlacionada com a biomassa vegetal e cobertura do solo (Chang et al, 2005). De acordo com Stephens & Cihlar (1982), há alta correlação (r = 0,996) entre o fator C da USLE e a razão de bandas espectrais, a qual é dada pela seguinte equação (Mather, 1999): (10) em que RB = razão de bandas espectrais; DN Banda 4 = número digital do pixel na banda 4 (infra-vermelho próximo); e DN Banda 3 = número digital do pixel na banda 3 (vermelho).…”

Investigating Within-Field Variability of Rice from High Resolution Satellite Imagery in Qixing Farm County, Northeast China

“…Geographic Information System (GIS) data have been proved to be important to enhance the accuracy of land use and land cover classification [13,14]. RS data with coarse and medium resolution are widely used in rice cultivation research [12,[15][16][17][18][19][20][21][22][23][24][25][26]. However, the number of conducted studies on rice using high resolution RS images was limited in the past two decades [23,27,28].…”

Modelo agrometeorológico-espectral para estimativa da produtividade de grãos de arroz irrigado no Rio Grande do Sul

“…A associação do NDVI com produtividade de grãos de arroz irrigado tem sido investigada, mostrando um padrão de resposta semelhante aos encontrados neste trabalho (Chang et al 2005;Sakamoto et al 2005; entre outros). O uso desse índice nos modelos, em geral, contribui para espacialização mais realística das estimativas da produtividade de grãos, dada a disponibilidade de dados com uma resolução espacial de 250 m. Entretanto, salientam-se duas importantes limitações dessa técnica, cujo entendimento é importante para a interpretação dos resultados: (1) os indicadores espectrais (valores de NDVI) podem estar refletindo possíveis erros relacionados à construção das máscaras de cultivo, ou seja, podem estar relacionados a outras culturas agrícolas ou vegetação natural de ciclo semelhante ao cultivo de interesse (Adami et al 2007;Motohka et al 2009); (2) as maiores correlações entre as produtividades de grãos de arroz irrigado e o NDVI são obtidas no período de máximo desenvolvimento vegetativo; no entanto, a resposta espectral desse período é influenciada pela característica de saturação desse índice de vegetação (Jensen 2009).…”