- 用于描述作物长势的指标:苗情,作物密度,叶面积指数(LAI),生物量,干物质量,光合色素含量。
- 目前有关小麦长势监测的研究,多数是以LAI,叶片叶绿素含量,氮素含量,水分含量,生物量单个指标反映小麦长势。
- 本文尝试将LAI,叶片叶绿素含量,氮素含量,水分含量和生物量以均等权重方式综合成一个新指标----综合长势指标(comprehensive growth index,CGI),来反演小麦长势。结合无人机获取的高光谱影像数据,筛选与CGI相关性好的光谱指数,利用偏最小二乘法(PLSR)建立CGI反演模型。
文章方法流程
- 构建光谱指数
- 构建综合长势指标
- 分析不同生育期(拔节期、孕穗期、开花期、灌浆期)光谱指数与CGI的相关性,找到相关性高的波段区域
- 单个指标和综合长势指标与光谱指数相关性比较分析,证明CGI与光谱指数相关性更好
- 用CGI和相应的光谱指数参与构建PLSR模型,将小麦生育期对应的光谱指数作为PLSR的输入变量,CGI作为PLSR模型的因变量,其他各个生育期也是如此
- 利用已经构建的小麦各个生育期的PLSR模型,将CGI从样点扩展到种植区域,实现小麦的长势监测
方法
1.光谱指数构建
归一化光谱指数(NDSI)
比值光谱指数(RSI)
简单光谱指数(SSI)
2.综合长势指标构建
1.首先对单独指标(LAI,叶片叶绿素含量,氮素含量,水分含量,生物量)进行归一化
Ui= Xi / max(Xi)
2.每个指标经过归一化后在新指标中占比为0.2
CGI = 1/5 Σ Ui
Xi 表示具体的指标(LAI、叶片叶绿素含量…)
Ui 表示经过归一化之后的指标
CGI 表示综合长势指标