多遥感光谱指标结合进行大田冬小麦叶片叶绿素含量估测研究

作者：韩振强; 李卫国^*; 张晓东; 李伟; 马廷淮; 张宏; 姚永胜

来源：麦类作物学报, 2023, 43(11): 1467-1474.

• 冬小麦
• 遥感光谱指标
• 神经网络
• 叶片叶绿素含量
• 估测模型

为解决大田冬小麦叶片叶绿素含量估测模型精度低、通用性弱的问题，在获取冬小麦拔节期和抽穗期冠层红光波段反射率(BRred)和近红外波段反射率(BRnir)的基础上，计算归一化差值植被指数(NDVI)、差值植被指数(DVI)、比值植被指数(RVI)、土壤调节植被指数(SAVI)、改进型比值植被指数(MSR)、重归一化植被指数(RDVI)、II型增强植被指数(EVI2)和非线性植被指数(NLI)等8个植被指数。经统计分析，选择与叶片叶绿素含量(SPAD值)相关性较好的5个遥感光谱指标(NDVI、MSR、NLI、BRred和RVI)作为输入变量，建立了冬小麦叶片叶绿素含量的BP神经网络估测模型(WWLCCBP),并对估测模型进行精度验证。结果表明，WWLCCBP估测模型在拔节期估测的决定系数(r2)为0.84,均方根误差(RMSE)为5.39,平均相对误差(ARE)为9.87%。抽穗期的估测效果与拔节期较为一致。将WWLCCBP和高分六号影像结合监测了研究区域冬小麦叶片叶绿素含量的空间分布信息，叶片SPAD值在43.2～53.7之间的冬小麦长势正常，种植面积为25 483 hm2,占冬小麦总播种面积的69.81%。这说明多遥感光谱指标结合建立的神经网络估测模型可以实现对大田冬小麦叶片叶绿素含量的有效估测。

• 单位
  南京信息工程大学; 江苏大学; 江苏省农业科学院