基于灰度关联分析的冬小麦叶片含水量高光谱.pdfVIP

第32卷，第11期 20l2年11月 and 2 Spectroscopy Amlysis Nov锄ber，201 Spectral 基于灰度关联分析的冬小麦叶片含水量高光谱估测 金秀良1’2，徐新刚2，王纪华2，李鑫川2 王 妍1，谭昌伟1，朱新开1，郭文善¨ 1．扬州大学江苏省作物遗传生理重点实验室，农业部长江中下游作物生理生态与栽培重点开放实验室，江苏扬州 225009 2．北京农业信息技术研究中心，北京100097 摘要尝试应用灰色关联分析方法(GRA)分析典型的水分植被指数(Wvl)和水分含量(I册℃)问的关联 度，然后选择对冬小麦叶片水含量敏感的指数，比较S砌县PLS(逐步回归一偏最小二乘)方法和PLS方法估 算L，wc的精度。首先，对冬小麦wⅥ与L、Vc进行灰色关联分析，筛选出对冬小麦Lwc敏感的wⅥ；其 次，利用筛选出的敏感WⅥ，分别用PLSSRM方法和PLs两种方式估算冬小麦L、VC；然后对两种方式进 行比较，选择最高决定系数(R2)和最小均方根误差(RMSE)的L肼c估算模型来估算冬小麦U陀。结果表 小麦的LWC估算精度。 关键词叶片含水量；灰色关联分析；逐步回归法；偏最小二乘法；冬小麦；水分植被指数 中图分类号：S153．1文献标识码：A DOI：10．3964／j．issll．1000—0593(2012)11—3103—04 果，但前人对叶片含水量的估算仅用某一种水分植被指数， 引 言 由于每个水分植被指数与叶片水分含量间是有关联的，但具 体不清楚，这就是所说的灰色关联。因此，尝试引入具有度 植被水分含量是农业灌溉用水，干旱监测的一个重要指 量灰色程度的灰色关联分析(GRA)方法，分析水分植被指数 标，同时也是作物产量和生长的主要限制因素之一[1_3]。近(wⅥ)与叶片水分含量(UⅣC)问存在的灰色关联关系。进 些年遥感技术在农田灌溉用水管理上得到快速的应用，植被 而选择敏感的水分光谱指数。在此基础上，分别使用偏最小 水分的估算已经成为一个研究热点。一些研究探讨了遥感数 二乘法(PLs)和逐步回归分析一偏最小二乘方法(sRM— 据与植被水分的关系，如利用水分吸收特征波段的比率，可 PLS)来估算作物冠层的LWC，并比较两种估算植被U吧 200， 用于监测植物叶片含水量。在中心波长为970，l 的精度，为作物Lwc的高光谱遥感估算提供参考。 l450，1 500 940和2nm的光谱反射率降低，主要是由于这 些波段是水分吸收的特征波段，可以用这些波段监测和定量 1实验部分 叶片水分含量的变化[4-…。大量的水分植被指数用来估算叶 片的水分含量矿18]。Clevers等用PRosAIL模型(耦合1．1研究区域概况 015～1050 SAIL／PRosP髓5模型)，表明970和1nIIl的 实验于2008年和2009年在中国北京顺义和通州进行， 一阶导数与树冠的水分含量存在的线性关系[9]。seelig等研研区域具有典型的大陆性气候，顺义位于北纬40。00’～40。 7～116。59 究了豇豆，菜豆，甜菜叶片水分厚度(1wT)与水分植被指数 23’，东经116。27 020 7，总面积为1 km2，大兴位于 的相关性，结果