麦类作物学报

作者：樊泽华，郭建彪，孙清博，刘翠平，张士宇，张潇斌，熊淑萍,马新明，冯晔

单位：1.河南农业大学农学院,河南郑州 450002；2.河南科技学院农学院,河南新乡 453003；3.河南省农业技术推广总站,河南郑州 450002

关键词：冬小麦,高光谱遥感,叶面积指数,特征波段选择,估测模型,

基金：河南省重大科技专项项目（221100110700）

为提高冬小麦叶面积指数（LAI）的遥感估测精度，以实现其无损快速测定目标，在田块尺度设置多年定点不同冬小麦品种氮梯度试验，测定其不同生育时期冠层高光谱数据和LAI，通过原始冠层光谱数据与一阶导数预处理（first-derivative，FD）组合竞争自适应重加权采样（competitive adaptive reweighted sampling，CARS）、无信息变量消除（uninformative variable elimination，UVE）和随机蛙跳（random frog，RF）三种特征波段选择方法进行偏最小二乘回归（partial least squares regression，PLSR）高光谱估测模型构建。结果表明，一阶导数预处理在简化波段数量和提升模型精度上具有较好作用。经过与全波段数据及六种组合内部建模预测精度对比，RF在简化波段方面效果最好，FD-RF组合筛选波段数量为6个，建模的R2和RMSE分别达到0.850和0.730，预测的R2和RMSE分别为0.704和1.005；FD-CARS组合达到了最佳建模精度，R2和RMSE分别为0.876和0.641；FD-UVE组合达到了最佳预测精度，R2和RMSE分别为0.755和0.672。这说明基于特征波段选择可以进行冬小麦叶面积指数高光谱遥感模型建立与有效估测。

来源：2024年第9期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2024年第9期