烟草叶面积指数的高光谱估算模型

• 作者: 乔红波 张正杨 张营武 贾方方 马新明
• 来源期刊: 生态学报
• 关键词: 高光谱 烟草 LAI 植被指数 主成分分析 神经网络
• 年，卷（期）: 2012,（1）
• 页码范围: 168-175
• 分类号: S572
• 语种: 中文
• DOI: 10.5846/stxb201011051586

摘要

叶面积指数(1eaf area index,LAI)是重要的生物物理参数,亦是各种生态模型、生产力模型以及碳循环研究等的重要生物物理参量,因此具有重要的研究意义.为了探索不同高光谱模型监测烟草LAI的精度,采用盆栽试验,在烟草伸根期,旺长期和成熟期,通过ASD Fieldspec HH光谱仪测定了不同水氮条件和品种下烟草冠层的高光谱反射率,并统计相应的叶面积指数数据.选用4个常用的植被指数RVI( ratio vegetation index)、NDVI(normalized difference vegetation index)、MTVI2( Modified second triangular vegetation index)、MSAVI (Modified Soil-adjusted vegetation index)和PCA( principal component analysis)、neural network (NN)3种方法对烟草LAI进行了估算,比较分析了3种方法的估算结果.结果表明,植被指数法,主成分分析,神经网络方法LAI都取得了较为理想的结果,其中植被指数法可以较为精确反演烟草LAI,验证模型确定性系数在0.768—0.852之间,主成分分析方法和神经网络方法精度较高,分别为0.938和0.889.主成分分析方法验证模型的稳定性更好,其验证模型的RMSE( root mean square error)为0.172,低于4个植被指数和神经网络.MTVI2和MSAVI能较好地去除土壤、大气等条件影响,反演精度高于RVI和NDVI.与基于植被指数建立的模型相比,主成分分析和神经网络可以更好的提高LAI的反演精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马新明	河南农业大学农学院	154	3325	31.0	51.0
5	乔红波	河南农业大学信息与管理科学学院	22	190	8.0	13.0
6	贾方方	河南农业大学农学院	7	75	4.0	7.0
7	张营武	河南农业大学农学院	5	107	4.0	5.0
8	张正杨	河南农业大学农学院	3	47	2.0	3.0