农业机械学报

作者：吾木提·艾山江，尼加提·卡斯木，陈晨，买买提·沙吾提

单位：伊犁师范大学,伊犁师范大学,伊犁师范大学,新疆大学,

关键词：冬小麦;任意波段组合;植被指数;叶面积指数;高光谱

基金：新疆维吾尔自治区高校科研计划项目（XJEDU2020Y037）、伊犁师范大学博士引进人才科研项目（2020YSBSYJ001）和伊犁师范大学资源与生态研究所开放课题重点项目（YLNURE202206）

为提高干旱区冬小麦叶面积指数（Leaf area index, LAI）遥感估算精度，以拔节期冬小麦LAI为研究对象，在对冠层高光谱数据进行一阶（First derivative, FD）、二阶（Second derivative, SD）微分预处理的基础上，计算了任意波段组合的二维植被指数（Two-dimensional vegetation index, 2DVI）和三维植被指数（Three-dimensional vegetation index, 3DVI），通过进行与LAI之间相关性分析，寻求最佳波段组合的植被指数；利用人工神经网络（Artificial neural network, ANN）、K近邻（K-nearest neighbors, KNN）和支持向量回归（Support vector regression, SVR）算法分别建立LAI估算模型，并进行精度验证。结果表明：任意波段组合的植被指数与LAI相关性均显著提高，尤其是基于一阶微分预处理光谱的FD-3DVI-4(714nm, 400nm, 1001nm)相关系数达到0.93（P＜0.01），且最优组合波段主要位于红边位置。基于最优FD-3DVI植被指数和K近邻算法的估算模型表现突出，其决定系数R2为0.89，均方根误差最低（RMSE为0.31），相对分析误差RPD为2.41；表明K近邻算法更适合解决非线性问题，能够提高估算精度，为后期作物长势评价、合理施肥等提供理论依据。

来源：2022年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第5期