基于无人机多光谱遥感的冬小麦叶片含水量反演

摘要：

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-2 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.

关键词：无人机多光谱、冬小麦、敏感波段、植被指数、叶片含水量

所属期刊栏目：42

分类号：S512.1;S311(禾谷类作物)

资助基金：国家重点研发计划;安徽省自然资源科技项目;淮北矿业集团科技研发项目

在线出版日期：2023-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：1291-1300