|本期目录/Table of Contents|

[1]吾木提·艾山江,尼加提·卡斯木,买买提·沙吾提.基于波段组合优化光谱指数的冬小麦LAI估算[J].江苏农业科学,2022,50(13):207-218.
　Umut Hasan,et al.Estimation of winter wheat LAI based on optimized vegetation indices of band combination[J].Jiangsu Agricultural Sciences,2022,50(13):207-218.
点击复制

基于波段组合优化光谱指数的冬小麦LAI估算(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第50卷
期数:
2022年第13期
页码:
207-218
栏目:
农业工程与信息技术
出版日期:
2022-07-05

文章信息/Info

Title:
Estimation of winter wheat LAI based on optimized vegetation indices of band combination
作者:
吾木提·艾山江1; 2;  尼加提·卡斯木1; 2;  买买提·沙吾提3
1.伊犁师范大学资源与生态研究所，新疆伊宁 835000； 2.伊犁师范大学生物与地理科学学院，新疆伊宁 835000；3.新疆大学地理与遥感科学学院，新疆乌鲁木齐 830046
Author(s):
Umut Hasan; et al
关键词:
叶面积指数; 光谱植被指数; 冬小麦; 拔节期
Keywords:
-
分类号:
S512.1+10.1；S127
DOI:
-
文献标志码:
A
摘要:
叶面积指数(LAI)是表示植被利用光能状况和冠层结构的一个综合指数，与作物产量密切相关。高光谱遥感数据具有连续、高光谱分辨率等特点，为估算农作物生理生化参数和冠层结构参数提供了重要手段。为挖掘高光谱数据估算LAI的最优波段组合以及提高估算精度，以冬小麦作为研究对象，野外实测不同生长阶段(起身、拔节、开花阶段)的冠层高光谱数据，并对其进行不同数学变换处理，包括原始光谱、一阶导数光谱和连续统去除。利用3种不同预处理的冠层高光谱数据构建30种常用植被指数和4种优化光谱指数，比较常用植被指数与优化光谱指数对冬小麦LAI的响应，建立估算冬小麦LAI的单变量和多变量回归模型，对其进行精度验证，并筛选出最优估算模型。结果表明，随着生育期的推进，可见光波段范围内，冬小麦冠层光谱反射率较低、吸收较强，LAI 对连续统去除光谱的影响较大，呈负相关；近红外波段范围内不同生育期间的差异较大，随着LAI的增大，冠层光谱的红边位置出现了“红移”现象；基于一阶导数的优化植被指数(NDSI和RSI)与LAI相关系数达到0.8；从估算模型来看，基于一阶导数的RSI(627 nm，774 nm)单变量二次多项式模型表现较佳，R2为0.809，RMSE为0.401，基于NDSIor(724 nm，987 nm)、RSIfod(627 nm，774 nm)、CIcr(686 nm，744 nm)建立的PLSR模型拟合效果最佳，模型精度为R2=0.817、RMSE=0.428和RPD=2250，说明本研究所构建的优化光谱指数能够有效进行冬小麦LAI的估算，可以为精准农业提供方法上的参考。
Abstract:
-

参考文献/References:

［1］Abulaiti Y，Sawut M，Maimaitiaili B，et al. A possible fractional order derivative and optimized spectral indices for assessing total nitrogen content in cotton［J］. Computers and Electronics in Agriculture，2020，171：105275.
［2］Alton P B. The sensitivity of models of gross primary productivity to meteorological and leaf area forcing：a comparison between a Penman-Monteith ecophysiological approach and the MODIS light-use efficiency algorithm［J］. Agricultural and Forest Meteorology，2016，218/219：11-24.
［3］Ali A，Imran M. Evaluating the potential of red edge position (REP) of hyperspectral remote sensing data for real time estimation of LAI & chlorophyll content of kinnow mandarin (Citrus reticulata) fruit orchards［J］. Scientia Horticulturae，2020，267：109326.
［4］Aparicio N，Villegas D，Casadesus J，et al. Spectral vegetation indices as nondestructive tools for determining durum wheat yield［J］. Agronomy Journal，2000，92(1)：83-91.
［5］Wiegand C L，Gausman H W，Cueller J A，et al. Vegetation density as deduced from ERTS-1 MSS response［J］. Nasa Special Publication，1974，351：93.
［6］Li H，Liu G H，Liu Q S，et al. Retrieval of winter wheat leaf area index from Chinese GF-1 satellite data using the PROSAIL model［J］. Sensors，2018，18(4)：1120.
［7］孟禹弛，侯学会，王猛. 不同生育期冬小麦叶面积指数高光谱遥感估算模型［J］. 江苏农业科学，2017，45(5)：211-215.
［8］陈雪洋，蒙继华，朱建军，等. 冬小麦叶面积指数的高光谱估算模型研究［J］. 测绘科学，2012，37(5)：141-144.
［9］李军玲，彭记永. 不同生育时期冬小麦叶面积指数地面高光谱遥感模型研究［J］. 麦类作物学报，2018，38(8)：979-987.
［10］Liu J G，Pattey E，Jégo G. Assessment of vegetation indices for regional crop green LAI estimation from Landsat images over multiple growing seasons［J］. Remote Sensing of Environment，2012，123：347-358.
［11］吾木提·艾山江，买买提·沙吾提，陈水森，等. 基于GF-1/2卫星数据的冬小麦叶面积指数反演［J］. 作物学报，2020，46(5)：787-797.
［12］Fang H L，Baret F，Plummer S，et al. An overview of global leaf area index (LAI)：methods，products，validation，and applications［J］. Reviews of Geophysics，2019，57(3)：739-799.
［13］Tucker C J. Red and photographic infrared linear combinations for monitoring vegetation［J］. Remote Sensing of Environment，1979，8(2)：127-150.
［14］Roujean J L，Breon F M. Estimating PAR absorbed by vegetation from bidirectional reflectance measurements［J］. Remote Sensing of Environment，1995，51(3)：375-384.
［15］Haboudane D，Miller J R，Pattey E，et al. Hyperspectral vegetation indices and novel algorithms for predicting green LAI of crop canopies：modeling and validation in the context of precision agriculture［J］. Remote Sensing of Environment，2004，90(3)：337-352.
［16］陈艳华，张万昌，雍斌. 基于分类知识利用神经网络反演叶面积指数［J］. 生态学报，2007，27(7)：2785-2793.
［17］Rondeaux G，Steven M，Baret F. Optimization of soil-adjusted vegetation indices［J］. Remote Sensing of Environment，1996，55(2)：95-107.
［18］Huete A R，Liu H Q，Batchily K，et al. A comparison of vegetation indices over a global set of TM images for EOS-MODIS［J］. Remote Sensing of Environment，1997，59(3)：440-451.
［19］高林，杨贵军，于海洋，等. 基于无人机高光谱遥感的冬小麦叶面积指数反演［J］. 农业工程学报，2016，32(22)：113-120.
［20］Daughtry C S T，Walthall C L，Kim M S，et al. Estimating corn leaf chlorophyll concentration from leaf and canopy reflectance［J］. Remote Sensing of Environment，2000，74(2)：229-239.
［21］Delegido J，Verrelst J，Meza C M，et al. A red-edge spectral index for remote sensing estimation of green LAI over agroecosystems［J］. European Journal of Agronomy，2013，46：42-52.
［22］le Maire G，Franois C，Soudani K，et al. Calibration and validation of hyperspectral indices for the estimation of broadleaved forest leaf chlorophyll content，leaf mass per area，leaf area index and leaf canopy biomass［J］. Remote Sensing of Environment，2008，112(10)：3846-3864.
［23］Zarate-Valdez J L，Whiting M L，Lampinen B D，et al. Prediction of leaf area index in almonds by vegetation indexes［J］. Computers and Electronics in Agriculture，2012，85：24-32.
［24］Tanaka S，Kawamura K，Maki M，et al. Spectral index for quantifying leaf area index of winter wheat by field hyperspectral measurements：a case study in Gifu prefecture，central Japan［J］. Remote Sensing，2015，7(5)：5329-5346.
［25］Gupta R K，Vijayan D，Prasad T S.Comparative analysis of red-edge hyperspectral indices［J］. Advances in Space Research，2003，32(11)：2217-2222.
［26］Gitelson A A，Peng Y，Arkebauer T J，et al. Relationships between gross primary production，green LAI，and canopy chlorophyll content in maize：implications for remote sensing of primary production［J］. Remote Sensing of Environment，2014，144：65-72.
［27］Penuelas J，Pinol J，Ogaya R，et al. Estimation of plant water concentration by the reflectance water index WI (R900/R970)［J］. International Journal of Remote Sensing，1997，18(13)：2869-2875.
［28］Gamon J A，Peuelas J，Field C B.A narrow-waveband spectral index that tracks diurnal changes in photosynthetic efficiency［J］. Remote Sensing of Environment，1992，41(1)：35-44.
［29］Marshak A，Knyazikhin Y，Davis A B，et al. Cloud-vegetation interaction：use of normalized difference cloud index for estimation of cloud optical thickness［J］. Geophysical Research Letters，2000，27(12)：1695-1698.
［30］Vogelmann J E，Rock B N，Moss D M.Red edge spectral measurements from sugar maple leaves［J］. International Journal of Remote Sensing，1993，14(8)：1563-1575.
［31］束美艳，顾晓鹤，孙林，等. 基于新型植被指数的冬小麦LAI高光谱反演［J］. 中国农业科学，2018，51(18)：3486-3496.
［32］Ju C H，Tian Y C，Yao X，et al. Estimating leaf chlorophyll content using red edge parameters［J］. Pedosphere，2010，20(5)：633-644.
［33］刘思峰，党耀国，方志耕.灰色系统理论及其应用［M］. 5版.北京：科学出版社，2010.
［34］邓聚龙.灰色系统基本方法：汉英对照［M］. 武汉：华中科技大学出版社，2005.
［35］Xia X F，Sun Y，Wu K，et al. Optimization of a straw ring-die briquetting process combined analytic hierarchy process and grey correlation analysis method［J］. Fuel Processing Technology，2016，152：303-309.
［36］刘轲，周清波，吴文斌，等. 基于多光谱与高光谱遥感数据的冬小麦叶面积指数反演比较［J］. 农业工程学报，2016，32(3)：155-162.

相似文献/References:

[1]付立东,隋鑫.不同取秧量与穴距对机插水稻产量的影响[J].江苏农业科学,2014,42(12):70.
　Fu Lidong,et al.Effects of different seedling quantity and hole distance on yield of mechanized transplanting rice[J].Jiangsu Agricultural Sciences,2014,42(13):70.
[2]李章成,李源洪,魏来,等.基于SPOT5影像分析植被指数与水稻叶面积指数和产量的相关性[J].江苏农业科学,2014,42(01):284.
　Li Zhangcheng,et al.Study on correlation between vegetation index and leaf area index and yield of rice based on SPOT5 image analysis[J].Jiangsu Agricultural Sciences,2014,42(13):284.
[3]马红军,张玲丽,李文甲.不同水肥处理下温室番茄干物质积累动态模型[J].江苏农业科学,2016,44(08):254.
　Ma Hongjun,et al.Study on dynamic models of dry matter production of tomato in greenhouse under different water and fertilizer treatment[J].Jiangsu Agricultural Sciences,2016,44(13):254.
[4]王丹,付立东.氮肥不同施入量对水稻新品种盐粳939产量的影响[J].江苏农业科学,2014,42(05):73.
　Wang Dan,et al.Effect of different amounts of nitrogen fertilizer on yield of new rice cultivar “Yanjing 939”[J].Jiangsu Agricultural Sciences,2014,42(13):73.
[5]胡法龙,郑桂萍,于洪明,等.寒地水稻不同群体叶面积指数、干物质量与产量的关系[J].江苏农业科学,2014,42(05):93.
　Hu Falong,et al.Relationship between leaf area index，dry matter weight and yield of different rice groups in cold region[J].Jiangsu Agricultural Sciences,2014,42(13):93.
[6]王伟义,崔必波,孙扣忠,等.两系杂交水稻两优363制种的施氮量效应[J].江苏农业科学,2014,42(05):101.
　Wang Weiyi,et al.Effect of nitrogen levels on seed production of two-line hybrid rice “Liangyou 363”[J].Jiangsu Agricultural Sciences,2014,42(13):101.
[7]张秀美,王宏,张广仁.不同负载量对苹果“丽嘎啦/MM106”冠层光合能力及品质的影响[J].江苏农业科学,2015,43(10):218.
　Zhang Xiumei,et al.Effects of capacity on canopy photosynthesis and quality of apple “Ligala/MM106”[J].Jiangsu Agricultural Sciences,2015,43(13):218.
[8]丁从慧,申双和,陶苏林,等.玉米根-冠及叶片水分利用效率对土壤水分的响应[J].江苏农业科学,2015,43(10):108.
　Ding Conghui,et al.Response of maize root-shoot and leaf water use efficiency to soil moisture[J].Jiangsu Agricultural Sciences,2015,43(13):108.
[9]康婷婷,居为民,李秉柏.水稻叶面积指数遥感反演方法对比分析[J].江苏农业科学,2015,43(05):366.
　Kang Tingting,et al.Contrastive analysis of remote sensing inversion method of rice leaf area index[J].Jiangsu Agricultural Sciences,2015,43(13):366.
[10]石姣姣,江晓东,邱思齐.昼夜不同增温处理对小麦生长发育和产量的影响[J].江苏农业科学,2015,43(01):82.
　Shi Jiaojiao,et al.Effects of different day/night warming on growth and yield of winter wheat under free air temperature increased (FATI) facility[J].Jiangsu Agricultural Sciences,2015,43(13):82.

备注/Memo

备注/Memo:
收稿日期：2022-02-22
基金项目：新疆维吾尔自治区高校科研计划项目(编号：XJEDU2020Y037)；伊犁师范大学2020年度博士引进人才科研项目(编号：2020YSBSYJ001)；伊犁师范大学资源与生态研究所开放课题重点项目(编号：YLNURE202206)。
作者简介：吾木提·艾山江(1992—)，男，新疆伊宁人，硕士，助教，主要从事高光谱数据建模与估算。E-mail：Umut710@163.com。
通信作者：尼加提·卡斯木，博士，副教授，主要从事农业遥感及参数估算。E-mail：Nejatkasim@126.com。
更新日期/Last Update: 2022-07-05