基于波段组合优化光谱指数的冬小麦LAI估算

来源：江苏农业科学杂志2022年第第13期北京时间：

作者：吾木提·艾山江; 尼加提·卡斯木; 买买提·沙吾提

单位：1.伊犁师范大学资源与生态研究所，新疆伊宁 835000； 2.伊犁师范大学生物与地理科学学院，新疆伊宁 835000；3.新疆大学地理与遥感科学学院，新疆乌鲁木齐 830046

摘要：叶面积指数(LAI)是表示植被利用光能状况和冠层结构的一个综合指数，与作物产量密切相关。高光谱遥感数据具有连续、高光谱分辨率等特点，为估算农作物生理生化参数和冠层结构参数提供了重要手段。为挖掘高光谱数据估算LAI的最优波段组合以及提高估算精度，以冬小麦作为研究对象，野外实测不同生长阶段(起身、拔节、开花阶段)的冠层高光谱数据，并对其进行不同数学变换处理，包括原始光谱、一阶导数光谱和连续统去除。利用3种不同预处理的冠层高光谱数据构建30种常用植被指数和4种优化光谱指数，比较常用植被指数与优化光谱指数对冬小麦LAI的响应，建立估算冬小麦LAI的单变量和多变量回归模型，对其进行精度验证，并筛选出最优估算模型。结果表明，随着生育期的推进，可见光波段范围内，冬小麦冠层光谱反射率较低、吸收较强，LAI 对连续统去除光谱的影响较大，呈负相关；近红外波段范围内不同生育期间的差异较大，随着LAI的增大，冠层光谱的红边位置出现了“红移”现象；基于一阶导数的优化植被指数(NDSI和RSI)与LAI相关系数达到0.8；从估算模型来看，基于一阶导数的RSI(627 nm，774 nm)单变量二次多项式模型表现较佳，R2为0.809，RMSE为0.401，基于NDSIor(724 nm，987 nm)、RSIfod(627 nm，774 nm)、CIcr(686 nm，744 nm)建立的PLSR模型拟合效果最佳，模型精度为R2=0.817、RMSE=0.428和RPD=2250，说明本研究所构建的优化光谱指数能够有效进行冬小麦LAI的估算，可以为精准农业提供方法上的参考。

关键词：叶面积指数;光谱植被指数;冬小麦;拔节期