麦类作物学报

作者：魏青，张宝忠，魏征，韩信，段晨斐

单位：1.中国水利水电科学研究院流域水循环模拟与调控国家重点实验室,北京 100038；2.国家节水灌溉北京工程技术研究中心,北京 100048；3.山西农业大学林学院,山西晋中 030801

关键词：无人机,多光谱遥感,叶绿素含量,逐步回归,植被指数,

基金：国家重点研发计划项目（2017YFC0403202）；优秀青年科学基金项目（51822907）；中国水利水电科学研究院基本科研业务费专项（01881910）

为探讨利用无人机多光谱影像监测冬小麦叶绿素含量的可行性，基于北京市大兴区中国水科院试验基地的2019年冬小麦无人机多光谱影像和田间实测冠层叶绿素含量数据，选取16种光谱植被指数，确定对冬小麦冠层叶绿素含量显著相关的植被指数，采用一元二次线性回归和逐步回归分析方法建立各生育时期及全生育期的SPAD值估测模型，通过精度检验确定对冬小麦冠层叶绿素含量监测的最优模型。结果表明，两种分析方法中逐步回归建模效果最佳。拔节期选取4个植被指数（MSR 、CARI、NGBDI、TVI）建模效果最好，模型率定的决定系数（r）为0.73，模型验证的r、相对误差（RE）和均方根误差（RMSE）分别为0.63、2.83%、1.68；抽穗期选取3个植被指数（GNDVI、GOSAVI、CARI）建模效果最好，模型率定的r为0.81，模型验证的r、RE、RMSE分别为0.63、2.83%、1.68；灌浆期选取2个植被指数（MSR、NGBDI）建模效果最好，模型率定的r为0.67，模型验证的r、RE、RMSE分别为0.65、2.83%、1.88。因此，无人机多光谱影像结合逐步回归模型可以很好地监测冬小麦SPAD值动态变化。

来源：2020年第3期

《麦类作物学报》期刊编辑部

查看麦类作物学报杂志2020年第3期