基于多维高光谱植被指数的冬小麦叶面积指数估算

作     者：吾木提·艾山江 尼加提·卡斯木 陈晨 买买提·沙吾提 UMUT Hasan;NIJAT Kasim;CHEN Chen;MAMAT Sawut

作者机构：伊犁师范大学资源与生态研究所伊宁835000 伊犁师范大学生物与地理科学学院伊宁835000 新疆大学地理科学学院乌鲁木齐830046 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第5期

页      面：181-190页

核心收录：

学科分类：07[理学] 09[农学] 0901[农学-作物学] 0713[理学-生态学] 

基　　金：新疆维吾尔自治区高校科研计划项目(XJEDU2020Y037) 伊犁师范大学博士引进人才科研项目(2020YSBSYJ001)和伊犁师范大学资源与生态研究所开放课题重点项目(YLNURE202206) 

主　　题：冬小麦 任意波段组合 植被指数 叶面积指数 高光谱 

摘      要：为提高干旱区冬小麦叶面积指数(Leaf area index,LAI)遥感估算精度,以拔节期冬小麦LAI为研究对象,在对冠层高光谱数据进行一阶(First derivative,FD)、二阶(Second derivative,SD)微分预处理的基础上,计算了任意波段组合的二维植被指数(Two-dimensional vegetation index,2DVI)和三维植被指数(Three-dimensional vegetation index,3DVI),通过进行与LAI之间相关性分析,寻求最佳波段组合的植被指数;利用人工神经网络(Artificial neural network,ANN)、K近邻(K-nearest neighbors,KNN)和支持向量回归(Support vector regression,SVR)算法分别建立LAI估算模型,并进行精度验证。结果表明:任意波段组合的植被指数与LAI相关性均显著提高,尤其是基于一阶微分预处理光谱的FD-3DVI-4(714 nm,400 nm,1001 nm)相关系数达到0.93(P0.01),且最优组合波段主要位于红边位置。基于最优FD-3DVI植被指数和K近邻算法的估算模型表现突出,其决定系数R^(2)为0.89,均方根误差最低(RMSE为0.31),相对分析误差RPD为2.41;表明K近邻算法更适合解决非线性问题,能够提高估算精度,为后期作物长势评价、合理施肥等提供理论依据。