基于无人机多光谱遥感的冬小麦叶片含水量反演

作者：芮婷婷; 徐云飞; 程琦; 杨斌; 冯志军; 周涛; 张世文^*

来源：麦类作物学报, 2022, 42(10): 1291-1300.

• 无人机多光谱
• 冬小麦
• 敏感波段
• 植被指数
• 叶片含水量

为了快速监测小麦叶片水分含量，以敏感波段组和植被指数组2种变量分别作为输入变量，以地面同步观测的冬小麦叶片含水量作为输出变量，分别采用偏最小二乘(partial least squares, PLS)、极限学习机(extreme learning machine, ELM)和粒子群算法(particle swarm optimization, PSO)优化极限学习机，建立冬小麦叶片含水量预测模型，并对其反演效果进行比较。结果表明，光谱反射率和植被指数与叶片含水量之间存在较为密切的相关性，依此确定的敏感光谱波段为红光、蓝光和近红外波段，敏感植被指数为绿度指数、过红指数、归一化绿红差值指数、三角形植被指数和过绿指数。从2种变量的建模效果看，基于植被指数组构建的模型的精度和稳定性均优于敏感波段组，其中基于植被指数组的PSO-ELM模型在6个叶片水分含量反演模型中表现最佳，其r2和RMSE分别为0.98和0.26%。利用最优模型反演得到研究区冬小麦叶片含水量的分布范围为45%～75%,平均为64.57%,反演结果与地面实测较相符，说明基于无人机光谱数据通过建立以植被指数为变量的PSO-ELM模型可实现对冬小麦叶片水分含量的精准预测。

• 单位
  安徽理工大学