基于波段组合优化光谱指数的冬小麦LAI估算

Estimation of winter wheat LAI based on optimized vegetation indices of band combination

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,R^(2)为0.809,RMSE为0.401,基于NDSI_(or(724 nm,987 nm))、RSI_(fod(627 nm,774 nm))、CI_(cr(686 nm,744 nm))建立的PLSR模型拟合效果最佳,模型精度为R 2=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。