不同生育期冬小麦叶面积指数高光谱感估算模型.docVIP

不同生育期冬小麦叶面积指数高光谱遥感估算模型 　　摘要：基于地面实测的冬小麦的生理生态参数数据和冠层光谱数据，分析返青期、拔?期、抽穗期、开花期冬小麦叶面积指数与原始光谱及其一阶微分的相关性，并构建基于等效TM数据的植被指数，建立不同生育时期的冬小麦叶面积指数（LAI）的高光谱遥感估算模型。结果表明：（1）返青期、拔节期、抽穗期的冬小麦LAI与原始光谱相关性较好，在400～720 nm波长范围内呈负相关，在720～900 nm之间呈正相关，开花期的冬小麦LAI与冠层光谱相关性较差；（2）返青期、拔节期冬小麦LAI与光谱一阶微分显著相关，分别在480～540 nm、550～580 nm形成波峰、波谷，在670～760 nm范围内形成“平台”，相关系数达到0.8以上，但抽穗期、开花期LAI与光谱一阶微分的相关性较差；（3）在等效植被指数与返青期、拔节期和抽穗期LAI建立的回归模型中，分别使用mSRI、RVI与MSAVI2建立的幂函数模型或???数模型最佳，最优模型分别为y=0.053e4.962x，y=0.409x0.828，y=18.687x3.061，对应的r2分别为0.589、0.648、0.694，开花期不适宜使用等效植被指数建立遥感监测模型。 中国论文网 /1/viewhtm 　　关键词：冬小麦；生育期；叶面积指数；等效植被指数；高光谱遥感；估算模型 　　中图分类号： S127文献标志码： A 　　文章编号：1002-1302（2017）05-0211-04 　　叶面积指数（leaf area index，简称LAI）是陆地植被生态系统中定量描述叶片面积的几何结构参量，通常是指单位面积上植物叶片的垂直投影面积的总和[1]。LAI与植物的光合能力密切相关，是反映植物群体大小的良好指标[2]。估算农作物的LAI对作物的生长状况与病虫害监测、产量估算以及田间管理具有重要意义[3]。遥感技术的出现以及图谱合一的高光谱遥感数据的获取，使得对大范围地表植被理化生物学性状的分析成为可能[4]。Casanova等利用实测光谱数据，分别建立了水稻、小麦的地上生物量、LAI的高光谱估算模型[5]；梁亮等对18种高光谱指数进行了比较分析，筛选出了对小麦LAI比较敏感的高光谱指数OSAVI，并以地面光谱数据为样本建立了小麦LAI的反演模型[6]；夏天等通过神经网络法反演冬小麦LAI，预测精度达到99.0%[7]。 　　目前，高光谱遥感???测作物LAI已经成为精准农业研究热点问题之一[8-9]；但根据地面实测光谱数据构建等效植被指数并开展不同生育期小麦LAI高光谱遥感监测的研究鲜有报道。本研究利用地面实测光谱数据，分析拔节期、返青期、抽穗期和开花期冬小麦LAI与原始光谱及其一阶微分的相关性，并基于TM数据光谱响应函数模拟的等效反射率构建了9种植被指数，建立了冬小麦不同生育期的LAI高光谱遥感估算模型，以期为利用高光谱遥感数据进行大面积、无破坏和及时监测冬小麦生长状况提供科学依据。 　　1材料与方法 　　1.2小麦冠层光谱与参数获取 　　采用ASD FieldSpec Pro Fr2005便携式光谱仪进行小麦冠层光谱测量，光谱范围为325～1 075 nm，光谱分辨率为 1 nm。测量时选择晴朗无云的天气，测量时间控制在 10：30―14：00。测量时传感器探头垂直向下，距离冠层顶部垂直高度约为1 m。光谱采样以6条光谱数据为1组，即每个试验小区每次记录6条光谱，以其平均值作为该区该次小麦冠层光谱反射率值。在对每个样本采集光谱之前，均先进行白板校正。 　　采集样本光谱的同时进行小麦LAI参数采样。在每个试验小区内随机选2个30 cm×30 cm的样方，将地上所有活体收割装入保鲜袋，带回室内，将所有小麦植株的茎、叶分开，选取20～23张完整的样品叶，取其中宽窄较为一致的地方，剪成6～8 cm长度的小段，用直尺测量每张叶片的长度、宽度。分别称量样品叶、剩余叶鲜质量，按照公式（1），利用比重法获取每个样方的LAI： 　　[HS2][JZ（]LAI=[SX（]（m1+m2）m1[SX）]×[SX（]S900[SX）]。[JZ）][JY]（1） 　　式中：m1为裁剪样品叶的鲜质量，g；m2为剩余样品叶的鲜质量，g；S为裁剪样品叶的总面积，cm2。以2个样方LAI均值作为该试验小区的LAI指标。 　　1.3构建等效植被指数 　　本研究基于Landsat的波段响应函数，将ASD光谱仪测量获得的连续的高光谱反射率数据模拟等效的TM蓝波段（436～528 nm）、红波段（625～691 nm）、近红外波段（829～900 nm）的反射率数据，以构建植被指数。转换模型为公式（2）： 　　谱响应函数。 　　利用模拟