麦类作物学报

作者：李天驰，冯海宽，田坤云，杨福芹，杨佳琪

单位：(1.天津科技大学海洋与环境学院,天津 300457；2.河南工程学院土木工程学院,河南郑州 451191；3.国家农业信息化工程技术研究中心,北京 100097；4.河南工程学院资源与安全工程学院,河南郑州 451191)

关键词：冬小麦,叶面积指数,PROSAIL模型,连续投影算法,偏最小二乘回归,

基金：国家自然科学基金项目（42007424）；河南省科技攻关计划项目（202102310333，202102310427）；河南省高校科技创新团队计划资助（22IRTSTHN009）；河南工程学院创新创业计划项目（202111517023）；2021年天津科技大学研究生科研创新项目（YJSKC2021S43）

为及时准确高效监测小麦叶面积指数（leaf area index，LAI），获取了冬小麦挑旗期和开花期地面实测光谱与无人机高光谱遥感影像数据，并基于查找表建立PROSAIL辐射传输模型得到冬小麦冠层模拟光谱数据，利用数学统计回归模型与偏最小二乘回归法分别构建冬小麦LAI单变量、多变量预测模型，以实测LAI数据对预测结果进行精度评价，将最佳预测模型应用于无人机高光谱影像以分析LAI空间分布情况。结果表明，冬小麦各生育时期的预测模型均具有较高的预测精度，单变量预测模型和多变量预测模型的决定系数分别为0.598~0.717和0.577~0.755，其中以基于植被指数的多变量预测模型表现最优，其在开花期的验证精度最高，RMSE和MAPE分别为0.405和12.90%。在LAI空间分布图中，开花期预测效果优于挑旗期，各试验小区的LAI分布较为均匀。

来源：2022年第11期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2022年第11期