不同生育期冬小麦叶面积指数高光谱遥感估算模型-文档资料.pdf

不同生育期冬小麦叶面积指数高光谱遥感估算模型

叶面积指数（leafareaindex，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，高光谱遥感监测作物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ASDFieldSpecProFr2005便携式光谱仪进行小麦冠

层光谱测量，光谱范围为325～1075nm，光谱分辨率为1nm。

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1m。

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30cm×30cm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6～8cm

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（625～691nm）、近红外波段（829～900nm）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。

利用模拟的等效反射率和部分原始光谱数据，构建了9种植

被指数，如表2所示。

3结论

本研究分析了从返青期到开花期的冬小麦叶面积指数的变

化趋势，并根据地面实测光谱数据，分析了不同生育时期内的冠

层光谱及其一阶微分同LAI的相关系数，并根据模拟TM数据的

等效反射率构建的植被指数与冠层光谱参数，建立了小麦LAI的

高光谱遥感估算模型。

在返青期到抽穗期内，小麦LAI呈上升趋势，抽穗期后，因

小麦叶绿素减少，叶片变黄、脱落，导致LAI缓慢下降。除开花

期外，返青期、拔节期和抽穗期冠层光谱与LAI之间均有较好的

相关性，在400～720nm范围内，冠层光谱与LAI之间呈负相关，

在720～900nm之间呈正相关。返青期、拔节期和抽穗期在500～

680