麦类作物学报

作者：史博太，常庆瑞，崔小涛，蒋丹垚，陈晓凯，王玉娜，黄勇

单位：(西北农林科技大学资源环境学院,陕西杨凌 712100)

关键词：Sentinel-2多光谱遥感,冬小麦,叶面积指数,偏最小二乘回归,反向传播神经网络,随机森林,

基金：国家863计划项目(2013AA102401-2)

为了丰富大田尺度下冬小麦叶面积指数的遥感估算方法并提高估算精度，以关中地区冬小麦为对象，基于Sentinel-2多光谱卫星数据与地面同步观测的冬小麦叶面积指数样点数据，应用偏最小二乘回归（PLSR）、反向传播神经网络（BPNN）和随机森林（RF）法构建冬小麦叶面积指数估算模型，进行区域冬小麦叶面积指数遥感反演。结果表明，Sentinel-2多光谱卫星影像中心842 nm近红外B8波段与冬小麦叶面积指数相关性最好，样本总体相关系数为0.778；植被指数中反向差值植被指数（IDVI）与冬小麦叶面积指数相关性最好，样本总体相关系数为0.776。各种估算模型中LAI-RF模型预测效果最佳，r为0.72，RMSE为0.53，RE为16.83%。基于LAI-RF估算模型，应用Sentinel-2多光谱卫星数据较好地反演了研究区冬小麦叶面积指数区域分布，其结果总体上与地面真实情况接近，说明以Sentinel-2卫星影像数据建立LAI-RF估算模型，可应用于区域冬小麦LAI反演制图。

来源：2021年第6期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2021年第6期