无人机高光谱遥感估算冬小麦叶面积指数

陈晓凯，李粉玲,2※，王玉娜，史博太，侯玉昊，常庆瑞,2

（1.西北农林科技大学资源环境学院，杨凌 712100；2.农业部西北植物营养与农业环境重点实验室，杨凌 712100）

0 引 言

叶面积指数（Leaf Area Index，LAI）被定义为作物在单位土地面积上的叶片的面积之和[1]。快速、无损、精准地监测冬小麦关键生育期的叶面积指数是准确掌握作物冠层结构、长势信息、地上生物量、产量以及病虫害监测等的重要途径，对田间生产管理具有重要意义[2]。遥感技术能以较低的成本获得 LAI的时空变化信息，克服了传统田间地面测量只能获取单点数据的不足。相对于卫星遥感技术，无人机遥感技术体积小、机动灵活、成本低、时空分辨率高，逐渐成为小范围内农业遥感作物参数反演的重要手段[3-4]，在水稻、小麦、大豆、棉花等作物的叶绿素、花青素、叶面积指数等理化参数的遥感估算中取得了较好的效果[5-8]。

利用无人机高光谱进行作物理化参数遥感估算主要是通过构建光谱指数，包括典型植被指数和任意两波段组合的窄波段光谱指数，利用回归分析方法进行估算模型构建。对于典型植被指数，高林等[9]以比值植被指数、归一化植被指数、土壤调整植被指数、差值植被指数、三角植被指数等 5种传统植被指数，采用经验模型法对大豆叶面积指数进行反演，结果表明归一化植被指数线性回归模型精度最高；田明璐等[10]基于比值植被指数、差值植被指数、归一化植被指数和绿波段归一化植被指数构建极值植被指数，研究显示以多个极值植被指数参与构建的偏最小二乘回归模型对棉花的叶面积指数预测精度最高。……