不同氮营养水平与夏玉米光谱特性关系初报

【目的】揭示关中地区夏玉米叶面光谱特性与施氮量间的相关性,探索不同施氮水平下夏玉米叶片含氮量与叶绿素等生化指标及其光谱反射率特征。【方法】在田间设置不同施氮水平(纯氮施用量分为0,120和240kg/hm2)的试验小区,分别于喇叭期、抽穗期、吐丝期和乳熟期,采用FieldSpec光谱仪于室内标准光源下测定夏玉米叶片的光谱反射率,采用H2SO4-H2O2消煮,连续流动注射分析仪测定叶片氮含量,采用叶绿素仪测定穗位叶片的叶绿素含量,并对所得数据进行相关性分析。【结果】夏玉米叶片含氮量与叶绿素含量之间呈显著相关性,作物施氮水平对叶片的叶绿素含量及含氮量有直接影响;不同施氮水平下夏玉米叶面的反射波谱曲线趋势大致相同,均明显在绿波段(550 nm左右)有1个反射峰,在近红外波段(760~1 070 nm)有1个较高的反射率平台,在近红外波段(760~1 070 nm)处的反射率随氮肥用量的增加而提高,在可见光波段(400~760 nm)处的反射率则正好相反;在可见光波段,不同生长期玉米的叶面光谱反射率表现为乳熟期>抽雄期>喇叭口期>吐丝期,而在近红外波段其光谱反射率表现为乳熟期>喇叭口期>抽雄期>吐丝期;在可见光(400~760 nm)波段处,夏玉米不同生育期叶片的反射率与叶片含氮量及叶绿素含量呈负相关,而在近红外(760~1070 nm)波段处,除抽雄期外,其余生育期叶片的反射率与叶片含氮量及叶绿素含量均呈正相关,且相关性较为显著;高光谱遥感监测显示,关中地区夏玉米氮素营养水平的敏感时期分别是喇叭口期、吐丝期及乳熟期,敏感波段为可见光波段的500~720 nm和近红外区的760~1 070 nm。【结论】夏玉米的氮营养水平与叶面光谱反射率存在显著的相关性,利用高光谱遥感数据监测关中地区夏玉米的营养状况是可行的。     

不同灌溉条件下冬小麦冠层含水量的光谱响应

【目的】寻找快速、无损地诊断冠层含水量的方法,对冬小麦长势监测、旱情评估及变量灌溉提供技术支持。【方法】基于田间变量灌溉试验,分析生育期、灌溉量对冬小麦冠层含水量的影响,解析冠层光谱对不同灌溉处理下冠层含水量的响应规律,以冠层等效水厚度（EWTc）为表征指标,基于连续小波变换（CWT）技术,构建冬小麦冠层等效水厚度光谱诊断模型,利用独立样本验证模型精度。【结果】冬小麦冠层等效水厚度在生育后期均随着灌溉量的增多而增加,并随着生育进程的推进而减少;冬小麦冠层光谱反射率随着生育进程的推进而降低,在近红外和中红外波段冠层光谱反射率均表现为1水>0.5水>0水;与原始冠层光谱反射率相比,经连续小波变换后的小波系数与冠层等效水厚度相关性在第1、2、3、5、6、7分解尺度均有不同程度的提高,提高幅度在8.40%—26.20%;以第6尺度2 400 nm、第2尺度1 596 nm和第7尺度2 397 nm构建的冠层等效水厚度光谱诊断模型稳定性和精度较好,验证样本决定系数R ²为0.5411,RMSE为0.0127 cm。【结论】冬小麦冠层含水量随着灌溉时间与灌溉量发生规律性变化,在水分敏感波段范围内呈现明显的光谱响应特征,连续小波变换技术可以有效提高冠层光谱特征参量与冠层等效水厚度的相关性,实现冬小麦冠层含水量光谱诊断,可以为冬小麦田间变量灌溉决策提供技术支持。     

基于冠层光谱红边参数和植被指数的 冬小麦水分胁迫监测

基于冬小麦不同水分胁迫试验,采用便携式光谱仪测定冬小麦抽穗期、开花期和灌浆期受不同水分胁迫处理的冠层光谱反射率,分析不同水分处理下冬小麦冠层光谱特性,并对植被指数、红边参数与冠层叶片含水率和土壤含水率进行相关性分析,构建各生育期叶片含水率和土壤含水率的最佳监测模型,实现对冠层叶片含水率以及土壤含水率的监测评估。结果显示,在整个生育期,冬小麦的冠层光谱反射率在可见光范围呈现绿峰红谷,尤其在旺盛生长时期,随着水分胁迫程度加深,绿峰红谷逐渐变得不明显,红谷抬升幅度增大;相反,在近红外波段范围内水分胁迫主要使得反射率表现为明显下降;冬小麦红边参数随生长进程呈蓝移现象,灌浆期受胁迫程度越重的红边参数越低;植被指数(EVI、NDVI、SAVI、WI)在开花期之后具有不同程度的下降趋势,至灌浆期有大幅度减小,且随受胁迫程度加深植被指数下降幅度增大;植被指数和红边位置、红边面积在灌浆期与叶片含水率和土壤含水率有显著相关,其中植被水分指数WI、归一化植被指数NDVI和红边位置λ_(red)相关性较佳,其建立的叶片含水率和土壤含水率估算模型效果较好,决定系数r~2均大于0.84,平均相对误差(MRE)≤0.207。综合分析认为,冠层反射光谱特征和植被指数与冬小麦冠层叶片含水率和土壤含水率相关性良好,可利用高光谱遥感参数对冬小麦的水分状况进行快速、准确监测。     

不同生育期冬小麦叶面积指数高光谱遥感估算模型

基于地面实测的冬小麦的生理生态参数数据和冠层光谱数据,分析返青期、拔节期、抽穗期、开花期冬小麦叶面积指数与原始光谱及其一阶微分的相关性,并构建基于等效TM数据的植被指数,建立不同生育时期的冬小麦叶面积指数(LAI)的高光谱遥感估算模型。结果表明:(1)返青期、拔节期、抽穗期的冬小麦LAI与原始光谱相关性较好,在400~720 nm波长范围内呈负相关,在720~900 nm之间呈正相关,开花期的冬小麦LAI与冠层光谱相关性较差;(2)返青期、拔节期冬小麦LAI与光谱一阶微分显著相关,分别在480~540 nm、550~580 nm形成波峰、波谷,在670~760 nm范围内形成"平台",相关系数达到0.8以上,但抽穗期、开花期LAI与光谱一阶微分的相关性较差;(3)在等效植被指数与返青期、拔节期和抽穗期LAI建立的回归模型中,分别使用m SRI、RVI与MSAVI2建立的幂函数模型或指数模型最佳,最优模型分别为y=0.053e4.962x,y=0.409x0.828,y=18.687x3.061,对应的r2分别为0.589、0.648、0.694,开花期不适宜使用等效植被指数建立遥感监测模型。     

不同水分处理下冬小麦叶片光谱特征及 氮素垂直分布情况分析

【目的】为了研究不同水分处理下冬小麦冠层叶片氮素的分布情况。【方法】文章以2014年北京市农林科学院试验田的冬小麦为研究对象,在野外观测实验的支持下,分析不同水分处理下冬小麦氮素垂直分布规律及冠层光谱变化规律,并对不同水分处理下冠层不同叶位光谱指数与叶片氮素进行相关性分析。【结果 /结论】在挑旗期W2水分处理下叶片氮素含量最大,而W1、W3、W4、W5随着灌水量增加叶片氮素含量降低,在拔节期上2叶的氮素含量高于上1叶,而到了抽穗期和灌浆期随着叶位的升高氮素含量逐渐升高;对于拔节期未做水分处理时光谱反射率差异性表现为W2W3W4W5W1。除拔节期外其他生育期随灌水量增加冠层叶片光谱反射率降低;拔节期上1叶在W1、W2水分处理下氮素与光谱指数相关性达显著性水平,最大相关性为0.87,挑旗期上1叶、上3叶、上5叶氮素与光谱指数相关性达显著性水平,最大相关性为0.90,抽穗期上1叶、上2叶、上3叶、上4叶氮素与光谱指数达显著性水平,最大相关性为0.92,灌浆期、上2叶氮素与光谱指数相关性达显著性水平其最大相关性为0.96。     

冬小麦-夏玉米农业气象自动化观测技术评估

2016—2020年在河南省郑州、鹤壁、黄泛区3个国家一级农业气象试验站，利用航天新气象科技有限公司、河南中原光电测控技术有限公司2个厂家5套观测设备，对冬小麦-夏玉米的发育期、冠层高度、密度、叶面积指数、干物质质量等进行连续自动化观测试验，并同时开展人工对比观测。结果表明，冬小麦发育期自动观测误差大都在4 d以内，返青、拔节误差在5 d以上，需辅以人工观测；冠层高度自动观测平均误差多在10 cm以下；生育期内密度波动较大，自动化观测效果较差。夏玉米发育期自动化观测误差大都在4 d以下，拔节、乳熟和成熟暂需辅以人工观测；密度、冠层高度自动观测效果较好。冬小麦和夏玉米发育期、生长状况评定、冠层高度及玉米密度自动观测效果较好，优化后可业务推广应用；而叶面积指数、干物质质量识别效果较差，尚不具备业务推广条件，需改进算法或识别技术。     

玉米冠层全光谱特征在不同施氮量和品种下的响应

采用光谱分析方法对生长在东北黑土上的大喇叭口期春玉米进行了不同施氮量、不同品种的冠层光谱特征研究。结果表明:不同施氮量下玉米冠层全光谱曲线图具有类似的趋势,350~500 nm和640~660 nm波段内反射曲线随着施氮水平的增加呈上升趋势,光谱反射率在不同波段差异较大,在可见光波范围内,350~500 nm波段内N2处理光谱反射率普遍高于其他处理,在500~650 nm附近反射率N0N3N2N1,反射曲线呈先下降后上升趋势排列;在750~1 350,1 450~1 800,2 000~2 350 nm波段内的玉米冠层光谱特征在不同施氮量下也呈现不同的趋势;施氮量对750~1 350,1 450~1 800,2 000~2 350 nm波段内的玉米冠层光谱特征有一定程度的影响;正常施氮量条件下不同品种玉米全光谱曲线在整个波段的趋势均一致,聚类分析显示不同玉米品种在不同波段光谱反射率差异较大。     

连续周年耕作对砂姜黑土农田蓄水保墒及作物产量的影响

【目的】筛选利于改善黄淮区砂姜黑土农田蓄水保墒效果及提高作物产量的夏玉米-冬小麦周年耕作方式。【方法】在秸秆全量还田条件下设置5个夏玉米季-冬小麦季周年耕作方式处理:免耕-旋耕(对照)、免耕-深耕、深松-旋耕、深松-免耕、免耕-免耕,通过多年定位试验研究周年耕作方式对砂姜黑土农田土壤容重、土壤水分及作物籽粒产量的影响。【结果】与对照处理相比,免耕-深耕处理显著降低夏玉米收获期15—25 cm土层土壤容重和冬小麦收获期20—35 cm土层土壤容重,深松-免耕和深松-旋耕处理显著降低夏玉米收获期15—40 cm土层土壤容重和冬小麦收获期20—25 cm土层土壤容重,而免耕-免耕处理显著增大夏玉米收获期0—10 cm土层土壤容重和冬小麦收获期5—20 cm土层土壤容重。免耕-深耕、深松-旋耕和深松-免耕处理显著增加夏玉米收获期0—40 cm土壤贮水量,而深松-旋耕和免耕-免耕处理却降低冬小麦收获期0—40 cm土壤贮水量。与对照免耕-旋耕处理相比,深松-免耕处理提高夏玉米-冬小麦整个周年内20—40 cm土层土壤含水量,免耕-免耕处理提高作物收获期40—160 cm土壤含水量,而深松-旋耕处理在冬小麦收获期则降低40—160 cm各土层土壤含水量。深松-旋耕和深松-免耕处理显著增加夏玉米-冬小麦周年籽粒产量,增幅分别为7.67%和10.21%,免耕-深耕处理冬小麦籽粒产量增加而夏玉米产量降低,最终周年籽粒产量降低0.44%,免耕-免耕处理夏玉米-冬小麦周年籽粒产量降低2.19%。【结论】深松-旋耕和深松-免耕处理能够降低土壤容重、提高作物籽粒产量,其中深松-免耕处理能够改善土壤蓄水保墒能力,产量及经济效益增加效果较优,可作为相对较适宜的黄淮区砂姜黑土农田夏玉米-冬小麦周年耕作方式。     

基于冠层反射光谱的冬小麦干物质积累量的估测研究

[目的]分析了小麦光谱特征与干物质积累量的相关关系。[方法]通过对冬小麦不同品种的干物质积累量、叶面积等参数和冬小麦冠层光谱反射率、光谱一阶微分和光谱比值植被指数(RVI)的相关分析,确立了冬小麦干物质积累量的敏感波段,并建立了预测模型。[结果]开花期350~700 nm和1 420~1 520 nm冠层光谱反射率和灌浆期350~1 750 nm冠层光谱反射率分别与干物质积累量显著相关;比值植被指数RVI(560,1220)与干物质积累量的相关性较好;确立的冬小麦干物质积累量预测模型为:干物质积累量=-186.94×RVI(560,1220)-2 242.2(R2=0.713 8),说明通过遥感手段监测冬小麦的群体质量是可行的。[结论]该研究为高光谱遥感技术在监测小麦的群体质量的应用提供参考依据。     

一次性施肥技术对冬小麦/夏玉米轮作系统土壤N2O排放的影响

利用静态暗箱-气相色谱法对华北平原冬小麦/夏玉米轮作系统施氮条件土壤N2O排放特征进行周年观测,以探讨不同处理[对照(CK)、优化施氮(OPT)、优化氮肥一次性施用(OPT1)和控释肥(CRF)]土壤N_2O排放特征及土壤温度、湿度对土壤N_2O排放的影响。结果表明:冬小麦/夏玉米轮作系统中土壤N2O排放峰值主要出现在施肥+降雨或灌溉事件后,不同处理N_2O排放通量变化范围在-0.24~2.78 mg N2O·m~(-2)·h~(-1),平均排放通量23.88~65.46μg N_2O·m~(-2)·h~(-1),OPT1和CRF两个一次性施肥处理可以降低小麦和玉米基肥施用后土壤N_2O排放峰值,但未改变轮作周期土壤N_2O排放季节变化规律;土壤含水量对土壤N2O排放有显著影响,且对夏玉米季土壤N2O排放影响大于冬小麦季;各处理土壤N2O排放通量与5 cm深度土壤温度之间均无相关性;不同处理N_2O年度排放总量差异显著,与OPT处理相比,OPT1处理和CRF处理N2O年排放总量分别减少27.47%和22.80%。各处理N_2O排放系数介于0.28%~0.50%,均低于IPCC 1.0%的推荐值,且各处理产量之间没有显著性差异,因此一次性施肥技术能够在保证产量的前提下,有效减少冬小麦/夏玉米轮作系统土壤N2O排放。     

基于新型植被指数的冬小麦LAI高光谱反演

【目的】本研究旨在分析冠层叶片水分含量对作物冠层光谱的影响,构建新型光谱指数来提高作物叶面积指数高光谱反演的精度。【方法】在冬小麦水肥交叉试验的支持下,分析不同筋性品种、施氮量、灌溉量处理下的冬小麦叶面积指数冠层光谱响应特征,并分析标准化差分红边指数(NDRE)、水分敏感指数(WI)与叶面积指数的相关性,据此构建一个新型的植被指数——红边抗水植被指数(red-edge resistance water vegetable index,RRWVI)。选取常用的植被指数作为参照,分析RRWVI对于冬小麦多个关键生育期叶面积指数的诊断能力,随机选取约2/3的实测样本建立基于各种植被指数的叶面积指数高光谱响应模型,未参与建模的样本用于评价模型精度。【结果】研究结果表明,随着生育期的推进,冬小麦的叶面积指数呈先增加后降低的变化趋势,不同的水肥处理对冬小麦叶面积指数具有较大影响。开花期之后冬小麦LAI显著下降,强筋小麦(藁优2018)在整个生育期叶面积指数均高于中筋小麦(济麦22);不同氮水平下冬小麦冠层光谱反射率在近红外波段(720—1 350 nm)随着施氮量的增加而增大,与氮肥梯度完全一致,其中2倍氮肥处理的近红外反射率达到最高;不同生育期下冬小麦冠层光谱反射率变化波形大体一致;各个关键生育期的NDRE和WI均存在较高的相关性,而NDRE与LAI的相关性明显优于WI,新构建的植被指数RRWVI与LAI的相关性均优于NDRE、WI;虽然8个常用的植被指数均与LAI存在显著相关,但RRWVI与LAI相关性达到最大,其拟合曲线的决定系数R2为0.86。【结论】通过分析各种指数所构建的冬小麦叶面积指数高光谱反演模型,新构建的RRWVI取得了比NDRE、NDVI等常用植被指数更为可靠的反演效果,说明本研究新构建的红边抗水植被指数可有效提高冬小麦叶面积指数的精度。     

基于光谱植被指数的冬小麦叶绿素含量反演

植物功能叶的SPAD值与其氮素和叶绿素有较强的相关性,研究功能叶SPAD与其冠层光谱的关系,对实现植株叶绿素含量快速、无损检测具有重要意义。本文通过对冬小麦生育期的冠层原始光谱进行一阶导数变换,研究其功能叶片SPAD值与冠层光谱的相关性,对监测冬小麦叶绿素含量的敏感波段进行了提取,并建立了叶绿素含量与冠层反射光谱的定量关系。结果表明,基于小麦冠层原始光谱反射率、冠层光谱导数反射率与SPAD的相关系数曲线,提取的各形式下冬小麦叶绿素含量的敏感波段分别为500、690、760和470、630、723nm;并构建了冬小麦叶绿素含量的预测模型,以FDNDVI(630,723)预测模型较好,其R2可达0.9485,模型验证参数R2、MRE和RMSE分别为0.8099、0.0294和1.805,拟合效果较好,表明该模型能有效地对冬小麦叶绿素含量进行预测。该研究结果可为冬小麦长势监测提供一定的理论参考。     

基于高光谱遥感的冬小麦叶水势估算模型

【目的】采用高光谱技术,建立快速、无损与准确获取冬小麦叶水势的估算模型,为小麦灌溉的精确管理提供科学依据。【方法】利用不同水分处理的大田试验,于小麦主要生育期同步测定冠层光谱反射率、叶水势、土壤水分等信息,并探讨高光谱植被指数与冬小麦叶水势之间的定量关系。通过相关性分析、回归分析等方法,基于不同水分处理,构建4种植被指数与冬小麦叶水势的估算模型。【结果】不同水分处理和不同生育期的冬小麦,其冠层光谱反射率具有显著的变化特征。在可见光波段,冬小麦冠层反射率随着水分含量的增加而逐渐降低,而在近红外波段,其冠层反射率则随着土壤水分含量的增加而升高。随着小麦生育期的推进,在近红外波段,抽穗期的冠层反射率比拔节期的高,在灌浆期之后,红波段(670 nm)、蓝波段(450 nm)的反射率上升加快;4种植被指数与叶水势显著相关(P0.05),相关系数|r|均在0.711以上,四者均可用于冬小麦叶片水势的定量监测。在充分供水条件下(70%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.75和0.771)均低于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.808和0.896),而在重度水分亏缺条件下(50%FC),植被指数OSAVI和EVI2与叶水势的相关系数|r|(分别为0.857和0.853)均高于植被指数NDVI和RVI与叶水势的相关系数|r|(分别为0.711和0.792);所建模型对45个未知样的预测结果与实测值相似度较高,其回归模型R~2、验证模型MRE、RMSE的范围分别为0.616—0.922、-17.50%—-12.52%、0.102—0.133。在70%FC水分处理下,基于EVI2(enhanced vegetation index)所得叶水势估算模型的R~2最高,为0.922,而在60%FC和50%FC水分处理下,由于考虑了土壤背景的影响,基于OSAVI所建模型的R~2最高,分别为0.922和0.856。【结论】4种植被指数均可用于冬小麦叶水势的定量监测。但是,在构建不同水分处理的叶水势估算模型时,应考虑土壤背景对冠层光谱的影响。研究结果可以为小麦精准灌溉管理提供技术依据,为星载数据的参数反演提供模型支持。     

基于高光谱成像估测冬小麦不同生育时期水分状况

【目的】研究实时、快速估测冬小麦不同生育时期水分状况并构建模型,为冬小麦水分精准管理提供科学依据。【方法】以新疆典型滴灌冬小麦为研究对象,应用高光谱成像技术获取冬小麦冠层光谱信息,并对原始光谱反射率进行平滑和数据变换,利用一元线性回归(Simple linear regression,SLR)、主成分回归(Principal components regression,PCR)和偏最小二乘回归(Partial least squares regression,PLSR)3种建模方法,对冬小麦冠层原始光谱及变换光谱分别构建植株水分含量估测模型。【结果】冬小麦冠层原始光谱反射率与植株水分含量相关性不高,对原始光谱反射率进行数据变换可以显著增强与水分含量的相关性和相关波段数,其中倒数一阶微分变换与冬小麦植株水分含量的相关系数最大,为-0.893 0,但不同变换最优相关系数所对应的波段位置并不固定。PLSR方法的模型精度最高,对数变换的PLSR模型估测精度最高,模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.880 8、3.251 2%、2.934 3;冬小麦不同生育时期估测模型精度存在差异,拔节期、抽穗期估测模型精度较低,灌浆中期最高,其估测模型$R_{p}^{2}$、RMSE_p、RPD值分别为0.904 8、1.381 1%、3.454 7。【结论】利用高光谱成像技术对估测冬小麦植株水分含量是可行的,在灌浆中期的估测效果最佳。     

基于反射光谱的不同播期冬小麦LAI监测研究

为利用遥感技术快速、无损伤监测不同播期冬小麦LAI,通过大田和室内试验,对5个不同播期处理的冬小麦LAI进行了测定,并在此基础上建立了基于反射光谱的不同播期冬小麦LAI监测模型。结果表明,在4个播期处理和一个所有播期组合下所建立的LAI监测光谱模型中,以播期3条件下的PVI(1460,460)和LAI相关性最好,决定系数可达0.8296,播期3是监测冬小麦LAI的最适播期,依此所建立的冬小麦LAI监测光谱模型是可行的。同时,所有播期组合的LAI与PVI(1460,460)也有较高的相关性,说明在此基础上所建立的模型具有较好的普适度,这为冬小麦品质的大尺度遥感监测和小麦生产的宏观管理调控提供理论依据。     

基于高光谱的冬小麦叶面积指数估算方法

【目的】冬小麦叶面积指数是评价其长势和预测产量的重要农学参数,高光谱技术监测叶面积指数的方法能够实现快速无损的监测管理。本文旨在将田间监测和高光谱遥感相结合,探索研究中国南方江汉平原地区冬小麦的最佳波段、光谱参数及监测模型。【方法】研究选取江汉平原的湖北省潜江市后湖管理区,利用ASD地物光谱仪和SunScan冠层分析系统在田间对冬小麦的冠层光谱及叶面积指数的变化进行监测,并探讨高光谱植被指数与冬小麦叶面积指数之间的定量关系。通过相关性分析、回归分析等方法构建6种植被指数与冬小麦叶面积指数的反演模型。【结果】冬小麦冠层光谱反射率中近红外波段870 nm,红光波谷670 nm,绿光波峰550 nm,蓝光450 nm波段对叶面积指数变化最为敏感,通过构建植被指数与叶面积指数模型,相关性均较好,决定系数（R2）为0.675-0.757,其中NDVI反演模型的R2最高为0.757。【结论】经模型精度检验,NDVI植被指数反演模型的精度较其它模型好,较适合对研究样区的冬小麦进行叶面积指数反演。     

冬小麦条锈病生理变化及其遥感机理

对不同处理条件下的冬小麦条锈病进行 (病情指数 ) (DI)调查 ,并进行同步的光谱测定及田间取样 ,在室内测试了对病情指数有重要影响的几个参数因子 ,叶绿素含量及上叶含水量 ,并且将其与光谱反射率进行统计分析。研究结果表明 ,这些参数因子与反射率数据在 5 5 0～ 70 0和 70 0～ 1160nm范围内与DI有着相似的高相关性 ,说明条锈病害的DI变化可以通过叶绿素含量、上叶含水量参数直接的变化在光谱上得到响应 ,从而证明遥感监测DI是可行的 ,同时解释了遥感监测机理。选出与叶绿素含量、上叶含水量相关性最强的波段与DI作多元回归 ,建立的模型能很好地反演冬小麦条锈病的病情指数 ,正确率达到 75 %以上     

基于随机森林算法的冬小麦叶面积指数遥感反演研究

【目的】通过利用随机森林算法（random forest,RF）反演冬小麦叶面积指数（leaf area index, LAI）,及时、准确地监测冬小麦长势状况,为作物田间管理和产量估测等提供科学依据。【方法】本研究依据冬小麦拔节期、挑旗期、开花期及灌浆期地面观测数据,将相关系数分析（correlation coefficient,r）和袋外数据（out-of-bag data,OOB）重要性分析与随机森林算法（random forest,RF）相结合,在优选光谱指数和确定最佳自变量个数的基础上,构建了两种冬小麦LAI反演模型|r|-RF和OOB-RF,并利用独立数据集对两种模型进行验证;然后,将所建LAI反演模型用于无人机高光谱影像,进一步检验所建模型对无人机低空遥感平台的适用性和可靠性。【结果】|r|-RF和OOB-RF反演模型分别采用相关性前5强、重要性前2强的光谱指数作为输入因子时精度最优,验证决定系数（R²）分别为0.805、0.899,均方根误差（RMSE）分别为0.431、0.307,表明这两个模型均能对作物LAI进行精确反演,其中OOB-RF模型的反演效果更好。利用无人机高光谱影像数据结合OOB-RF估算模型反演得到冬小麦LAI与地面实测值的拟合方程的决定系数R²为0.761,RMSE为0.320,数值范围（1.02-6.41）与地面实测（1.29-6.81）亦比较吻合。【结论】本文基于地面数据构建的OOB-RF模型不仅具有较高的反演精度,而且适用性强,可用于无人机高光谱遥感平台提取高精度的冬小麦LAI信息。