不同光谱植被指数反演冬小麦叶氮含量的敏感性研究

• 作者: 张潇元 张立福 张霞 王树东 田静国 翟涌光
• 来源期刊: 中国农业科学
• 关键词: 叶氮反演 光谱指标 冬小麦 植被指数 高光谱遥感
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 耕作栽培·生理生化·农业信息技术
• 页码范围: 474-485
• 页数: 12页
• 语种: 中文

摘要

[目的]氮素是作物生长发育过程中最重要的营养元素之一,研究叶氮含量反演的有效光谱指标设置,为应用高光谱植被指数反演作物叶氮含量,以及作物的实时监测与精确诊断提供重要依据.[方法]以冬小麦为例,选取涵盖冬小麦全生育期不同覆盖程度225组冠层光谱与叶氮含量数据,通过遥感方法建立模型,模拟了不同光谱指标,即中心波长、信噪比和波段宽度对定量模型的影响,通过模型精度评价指标决定系数(coefficient of determination,R2)、根均方差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、平均相对误差(mean relative error,MRE)和显著性检验水平(P<0.01)确定最优模型及最佳指标,分析光谱指标对叶氮含量定量模型反演的敏感性和有效性.[结果]反演冬小麦叶氮含量的最佳植被指数为MTCI_B,与实测叶氮含量的相关性最好(R2=0.7674,RMSE=0.5511%,MAE=0.4625%,MRE=11.11个百分点,且P<0.01),对应的最佳指标为中心波长420 nm、508 nm和405 nm,波段宽度1 nm,信噪比大于70 DB;高覆盖状况反演的最优指数为RVIinf_r(R2=0.6739,RMSE=0.2964%,MAE=0.2851%,MRE=6.44个百分点,且P<0.01),最优中心波长为826 nm和760 nm;低覆盖状况反演的最优指数为MTCI(R2=0.8252,RMSE=0.4032%,MAE=0.4408%,MRE=12.22个百分点,且P<0.01),最优中心波长为750 nm、693 nm和680 nm;应用最适于高低覆盖的植被指数RVIinf_r和MTCI构建的联合反演模型(R2=0.9286,RMSE=0.3416%,MAE=0.2988%,MRE=7.16个百分点,且P<0.01),明显优于最佳单一指数MTCI_B;模拟Hyperion和HJ1A-HSI传感器数据,联合反演模型精度(R2为0.92—0.93,RMSE在0.37%—0.39%,MAE为0.285%左右,MRE约为7.00个百分点)明显优于单一植被指数反演精度(R2为0.79—0.81,RMSE为0.63%—0.66%,MAE为0.455%左右,MRE约为10.90个百分点).[结论]利用高光谱植被指数可有效实现作物叶氮含量反演,作物叶氮含量定量反演对不同光谱指标—中心波长、信噪比和波段宽度,具有较强敏感性.应用多指数联合反演模型,可显著提高反演精度,并且联合反演模型在不同高光谱传感器下有一定普适性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王树东	中国科学院遥感与数字地球研究所	99	1274	20.0	27.0
2	张霞	中国科学院遥感与数字地球研究所	109	2111	26.0	41.0
3	张立福	中国科学院遥感与数字地球研究所	58	593	13.0	22.0
4	田静国	中国科学院遥感与数字地球研究所	2	26	1.0	2.0
5	张潇元	中国科学院遥感与数字地球研究所	1	26	1.0	1.0
9	翟涌光	中国科学院遥感与数字地球研究所	2	30	2.0	2.0