基于多维高光谱植被指数的冬小麦叶面积指数估算

摘要：

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(714nm,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.

关键词：冬小麦、任意波段组合、植被指数、叶面积指数、高光谱

所属期刊栏目：53

分类号：S512.1;S314(禾谷类作物)

资助基金：新疆维吾尔自治区高校科研计划项目;伊犁师范大学博士引进人才科研项目;伊犁师范大学资源与生态研究所开放课题重点项目

在线出版日期：2022-08-11（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：181-190