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

来源：农业机械学报, 2022, 53(05): 181-190.

• 冬小麦
• 任意波段组合
• 植被指数
• 叶面积指数
• 高光谱

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, 1 001 nm)相关系数达到0.93(P<0.01),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R2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。

• 单位
  新疆大学; 伊犁师范大学