原文名《基于光譜特征與PLSR結(jié)合的葉面積指數(shù)擬合方法的無人機畫幅高光譜遙感應(yīng)用》
北京農(nóng)業(yè)信息技術(shù)研究中心/國家農(nóng)業(yè)信息化工程技術(shù)研究中心/農(nóng)業(yè)部農(nóng)業(yè)信息技術(shù)重點實驗室
南京大學(xué)地理與海洋科學(xué)學(xué)院
河南理工大學(xué)測繪與國土信息工程學(xué)院
以冬小麥LAI為研究對象，利用孕穗期、開花期和灌漿期獲取的無人機S185高光譜影像以及同步測定的地面數(shù)據(jù)(冬小麥冠層ASD反射率和冬小麥LAI)，論證光譜特征(紅邊參數(shù)或植被指數(shù))與偏最小二乘回歸算法結(jié)合的改進型LAI擬合方法在無人機畫幅高光譜遙感LAI探測方面的應(yīng)用價值。
首先，從光譜反射率相關(guān)性和植被指數(shù)相關(guān)性兩方面比較S185與ASD，驗證S185數(shù)據(jù)精度;結(jié)果表明，第3~第96波段(458~830nm)的無人機S185高光譜數(shù)據(jù)具有較好的光譜質(zhì)量，適宜探測冬小麥LAI。
其次，分析光譜特征(6種植被指數(shù)和4種紅邊參數(shù))與LAI的相關(guān)性，并通過獨立驗證和交叉驗證方法，依次對基于紅邊參數(shù)或植被指數(shù)的傳統(tǒng)LAI擬合方法和改進型LAI擬合方法的冬小麥LAI預(yù)測精度進行評價，相比于傳統(tǒng)LAI擬合方法，改進型LAI擬合方法能大幅度提高冬小麥LAI的預(yù)測精度，特別是PLSR+REPs。
2014年10月至2015年6月在北京市昌平區(qū)國家精準農(nóng)業(yè)研究示范基地開展冬小麥試驗，試驗田施氮情況如圖1。
圖1 研究區(qū)地理位置及冬小麥變量施肥試驗概況
N1~N4表示施氮水平，依次為0、195、390、585 kg/hm−2
采用兩種模型驗證方法來客觀評價LAI擬合方法。圖2顯示第一種方法的總體樣本、建模樣本和驗證樣本都呈正態(tài)分布，奠定了本研究的理論基礎(chǔ)。
圖2 總體樣本、建模樣本、驗證樣本的正態(tài)分布
針對S185，前人已初步對其光譜反射率精度做了驗證，但受目標地物和驗證數(shù)據(jù)源(即采集驗證光譜所使用的儀器)差異的影響，田明璐等基于對S185和SVC HR-1024i非成像全光譜地物波譜儀的棉花冠層波譜形態(tài)差異性分析，指出S185 第1~第100 波段(450~850 nm)的光譜信息準確可靠。該結(jié)論雖有一定的指示作用，但就不同作物類型和驗證數(shù)據(jù)源來說，仍需要進一步探索無人機S185數(shù)據(jù)估測LAI的最佳波段范圍?？紤]到S185和ASD光譜分辨率差異，將ASD波段重采樣為S185波段，并計算兩者的相關(guān)性;
結(jié)果表明S185和重采樣的ASD在第3~第96波段(458~830nm)范圍的光譜反射率高度相關(guān)：孕穗期R2=0.996、開花期R2=0.998、灌漿期R2=0.996。
在此基礎(chǔ)上分別使用458~830nm范圍的ASD數(shù)據(jù)和S185數(shù)據(jù)計算6種植被指數(shù)，并從相關(guān)性角度更深入地分析VIASD和VIS185的差異;
結(jié)果表明VIASD和VIS185有超過93%的樣本位于最佳估計區(qū)間，VIASD和VIS185相關(guān)性較好，R2>0.8 (圖3)。
圖3 VIS185和VIASD的相關(guān)性分析
綜合上述分析，S185獲取的冬小麥冠層光譜信息在第3~第96波段(458~830nm)范圍內(nèi)具有較好的輻射分辨率和光譜質(zhì)量，可用其估測冬小麥LAI。
圖 4 表明，PLSR+REPs 比PLSR+VIs 更適宜估測LAI。獨立驗證，PLSR+REPs 的R2和RMSE 分別比PLSR+VIs提高0.048 和降低0.068;交叉驗證，PLSR+REPs 的R2和RMSE分別比PLSR+VI提高0.061和降低0.091。
圖4 基于PLSR+REPs和PLSR+VI的LAI估測精度對比
a和b是獨立驗證;c和d是交叉驗證
結(jié)論
與傳統(tǒng)LAI 擬合方法相比，改進型LAI擬合方法能更加充分地利用無人機S185 高光譜信息，獲得精度更高的LAI 預(yù)測值，且PLSR+REPs 預(yù)測的LAI 精度比PLSR+VIs 高，可望為無人機高光譜遙感的作物理化參數(shù)探測提供幾點可借鑒的思路。
附件為原文
