无人机高光谱波段选择的叶面积指数反演

• 作者: 孔钰如 王李娟 冯海宽 徐艺 梁亮 徐璐 杨小冬 张青琪
• 来源期刊: 光谱学与光谱分析
• 学科: 农学
• 关键词: 无人机 高光谱影像 波段选择 冬小麦 叶面积指数
• 年，卷（期）: 2022,（3）
• 页码范围: 933-939
• 页数: 7页
• 分类号: S512.1
• 语种: 中文
• DOI: 10.3964/j.issn.1000-0593(2022)03-0933-07

摘要

叶面积指数(LAI)是评价作物长势和作物产量的重要参数.为有效利用高光谱信息,优选出最佳波段进而构建新型双波段指数来提高LAI估测精度,以冬小麦为研究对象,获取冬小麦孕穗期无人机高光谱数据和实测地面LAI数据,开展冬小麦LAI反演研究.首先采用连续投影算法(SPA)、最佳指数法(OIF)以及逐波段组合法(E)分别进行无人机高光谱数据最佳波段筛选,进而将所选最佳波段构建新型双波段指数(VI_OIF,VI_SPA,VI_E);然后将构建的新型双波段指数和常规双波段指数(VI_F)与LAI进行相关性对比分析,最后结合支持向量回归(SVR)、偏最小二乘回归(PLSR)和随机森林回归模型(RFR)进行LAI估算,并对比分析常规双波段指数的估算精度,验证最佳波段选择方法构建新型双波段指数的最佳回归模型反演LAI的可行性.结果表明:(1)新构建双波段指数VI_OIF,VI_SPA,VI_E和VI_F与冬小麦LAI的相关性均达到0.05的显著水平,其中VI_SPA和VI_E与LAI的相关系数高于0.65,且RSI_SPA和RSI_E与LAI的相关性较高(r>0.71);(2)对比分析VI_OIF、VI_SPA、VI_E和VI_F构建的SVR模型、PLSR模型和RFR模型的冬小麦LAI估测精度,VI_SPA_PLSR模型估测精度最高,R2和RMSE分别为0.75和0.90.该方法可为无人机高光谱数据波段选择以及冬小麦LAI反演提供技术支持和理论参考.