基于优化光谱指数的新疆春小麦冠层叶绿素含量估算
Estimation of Spring Wheat Canopy Chlorophyll Content in Xinjiang Based on Optimized Spectral Indices作者机构:新疆大学资源与环境科学学院新疆乌鲁木齐830046 新疆大学绿洲生态教育部重点实验室新疆乌鲁木齐830046 新疆大学干旱生态环境研究所新疆乌鲁木齐830046
出 版 物:《麦类作物学报》 (Journal of Triticeae Crops)
年 卷 期:2019年第39卷第2期
页 面:225-232页
核心收录:
学科分类:09[农学] 0903[农学-农业资源与环境] 0901[农学-作物学] 090302[农学-植物营养学]
基 金:国家自然科学基金项目(41761077 41671348)
摘 要:为筛选可用于干旱半干旱区春小麦冠层叶绿素含量估算的高光谱植被指数,2017年通过测定春小麦关键生育时期冠层的田间高光谱与叶绿素含量,利用光谱指数波段优化算法分别计算400~1 300 nm光谱波段中不同波段两两组合的比值光谱指数(ration spectral index,RSI)、归一化光谱指数(normalized difference spectral index,NDSI)、叶绿素指数(chlorophyll index,CI)、简化光谱指数(CI/NDSI,NPDI),并将这些参数及其他17个不同高光谱植被指数分别与实测冠层叶绿素含量进行Pearson相关分析,通过变量重要性准则筛选最优光谱参数,使用偏最小二乘回归法建立冠层叶绿素含量的预测模型。结果表明:(1)RSIs、NDSIs、CIs和NPDIs与冠层叶绿素含量的相关性都优于前人研究中定义的17种高光谱植被指数,并且冠层叶绿素含量与NDSI(R_(849),R_(850))、RSI(R_(849),R_(850)),CI(R_(849),R_(850))和NPDI(R_(849),R_(850))表现出强相关性。(2)用此4个优化光谱指数分别建模时,以CI(R_(849),R_(850))、 CI(R_(539),R_(553))、 CI(R_(540),R_(553))、 CI(R_(536),R_(553))为自变量的X-3模型预测精度最高(r^2=0.74,RMSE=0.272 mg·g^(-1))。(3)结合4个优化光谱指数构建的组合模型预测精度,其r^2=0.83,RMSE=0.187 mg·g^(-1)。