无人机高光谱遥感估算冬小麦叶面积指数

作     者：陈晓凯 李粉玲 王玉娜 史博太 侯玉昊 常庆瑞 Chen Xiaokai;Li Fenling;Wang Yuna;Shi Botai;Hou Yuhao;Chang Qingrui

作者机构：西北农林科技大学资源环境学院杨凌712100 农业部西北植物营养与农业环境重点实验室杨凌712100 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2020年第36卷第22期

页      面：40-49页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 09[农学] 0903[农学-农业资源与环境] 

基　　金：国家自然科学基金项目(41701398) 中央高校基本科研业务项目(2452017108) 

主　　题：无人机 高光谱 遥感 模型 冬小麦 叶面积指数 

摘      要：为探讨利用低空无人机平台和高光谱影像对冬小麦叶面积指数进行遥感估算,该研究以拔节期冬小麦小区试验为基础,对原始冠层光谱进行一阶导数和连续统去除光谱变换,并在此基础上提取任意两波段组合的差值光谱指数(Difference Spectral Index,DSI)、比值光谱指数(Ratio Spectral Index,RSI)和归一化光谱指数(Normalized Spectral Index,NDSI),以最优窄波段光谱指数进行叶面积指数估算模型的构建。结果表明,最优窄波段指数的构成波段主要位于红边区域,最优窄波段指数与叶面积指数均呈现非线性关系;光谱变换显著提升了光谱变量与叶面积指数的相关性,其中连续统去除光谱所获取的NDSI(738,822)光谱指数与叶面积指数的相关性最佳;窄波段光谱指数和随机森林回归算法的叶面积指数估算模型精度最高,其相对预测偏差为2.01,验证集的决定系数和均方根误差分别为0.77和0.27。基于随机森林回归算法的无人机高光谱叶面积指数估算模型能够准确地实现小区域的叶面积指数遥感填图,为后期作物长势、变量施肥等提供理论依据。