原文名《基于光谱特征与PLSR结合的叶面积指数拟合方法的无人机画幅高光谱遥感应用》
北京农业信息技术研究中心/国家农业信息化工程技术研究中心/农业部农业信息技术重点实验室
南京大学地理与海洋科学学院
河南理工大学测绘与国土信息工程学院
以冬小麦LAI为研究对象，利用孕穗期、开花期和灌浆期获取的无人机S185高光谱影像以及同步测定的地面数据(冬小麦冠层ASD反射率和冬小麦LAI)，论证光谱特征(红边参数或植被指数)与偏最小二乘回归算法结合的改进型LAI拟合方法在无人机画幅高光谱遥感LAI探测方面的应用价值。
首先，从光谱反射率相关性和植被指数相关性两〖方面比较S185与ASD，验证S185数据精度;结果表明，第3~第96波段(458~830nm)的无人机S185高光谱数据具有较好的光谱质量，适宜探测冬小麦LAI。
其次，分析光谱特征(6种植被指数和4种︾红边参数)与LAI的相关性，并通过独立验证和交叉验证方法♀，依次对基于红边参数或植被指数的传统LAI拟合方法和改进型LAI拟合方法的冬小麦LAI预测精度进行评价，相比于传统LAI拟合方法，改进型LAI拟合方法能大幅度提高冬小麦LAI的预测精度，特别是PLSR+REPs。
2014年10月至2015年6月在北京市昌平区国家精准农业研◤究示范基地开展冬小∴麦试验，试验田施氮情况如图1。
图1 研究区地理位置及冬小麦变量施肥试验概况
N1~N4表示施氮水平，依次为0、195、390、585 kg/hm−2
采用两种模型验证方法来客观评价LAI拟合方法。图2显示第一种方法的总体样本、建模样本和验证样本都呈正态分布，奠定了本研究的理论基础。
图2 总体样本、建模样本、验证样本的正态分布
针对S185，前人已初步「对其光谱反射率精度做了验证，但受目标地物和验证数据源(即采集验证光谱所使用的仪器)差异的影响，田明璐等基于对S185和SVC HR-1024i非成像全光谱地物波谱仪的棉花冠层波谱形态差异性分析，指出S185 第1~第100 波段(450~850 nm)的光谱信息准确可靠。该结论虽有一定的指示作用，但就不同作物类型和验证数据源来说，仍需要☆进一步探索无人机S185数据估测LAI的最佳波段范围。考虑到S185和ASD光谱分辨率差异，将ASD波段重采样为S185波段，并计算两者的相关性;
结果表明S185和重采样的ASD在第3~第96波段(458~830nm)范围的光谱反射率高度相ω关：孕穗期R2=0.996、开花期R2=0.998、灌浆期R2=0.996。
在此基础上分别使用458~830nm范围的ASD数据和S185数据计算6种植被指数，并从相关性角度更深入地分析VIASD和VIS185的差异;
结果表明VIASD和VIS185有超过93%的样本位于最佳估计区间，VIASD和VIS185相关性较好，R2>0.8 (图3)。
图3 VIS185和VIASD的相关性分析
综合上述ω 分析，S185获取的冬小麦冠层光谱信息在第3~第96波段(458~830nm)范围内具有较好的辐射分辨率和光谱质量，可用其估测冬小麦LAI。
图 4 表明，PLSR+REPs 比PLSR+VIs 更适宜估测LAI。独立验证，PLSR+REPs 的R2和RMSE 分别比PLSR+VIs提高0.048 和降低0.068;交叉验证，PLSR+REPs 的R2和RMSE分别比PLSR+VI提高0.061和降低0.091。
图4 基于PLSR+REPs和PLSR+VI的LAI估测精◆度对比
a和b是独立验证;c和d是交叉验证
结论
与传统LAI 拟合方法◎相比，改进型LAI拟合方法能更加充分地利用无人机S185 高光谱信息，获得精度更高的LAI 预测值，且PLSR+REPs 预测的LAI 精度比PLSR+VIs 高，可望为无人机高光谱遥感的作物理化参数探测提供几◥点可借鉴的思路。
附件︾为原文
