原文名《基于光譜特征與PLSR結合的葉面積指數擬合方法的無人機畫幅高光譜遙感應用》
北京農業信息技術研究中心/國家農業信息化工程技術研究中心/農業部農業信息技術重點實驗室
南京大學地理與海洋科學學院
河南理工大學測繪與國土信息工程學院
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據(冬小麥冠層ASD反射率和冬小麥LAI)，論證光譜特征(紅邊參數或植被指數)與偏最小二乘回歸算法結合的改進型LAI擬合方法在無人機畫幅高光譜遙感LAI探測方面的應用價值。
首先，從光譜反射率相關性和植被指數相關性兩方面比較S185與ASD，驗證S185數據精度;結果表明，第3~第96波段(458~830nm)的無人機S185高光譜數據具有較好的光譜質量，適宜探測冬小麥LAI。
其次，分析光譜特征(6種植被指數和4種紅邊參數)與LAI的相關性，并通過獨立驗證和交叉驗證方法，依次對基于紅邊參數或植被指數的傳統LAI擬合方法和改進型LAI擬合方法的冬小麥LAI預測精度進行評價，相比于傳統LAI擬合方法，改進型LAI擬合方法能大幅度提高冬小麥LAI的預測精度，特別是PLSR+REPs。
2014年10月至2015年6月在北京市昌平區國家精準農業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分布，奠定了本研究的理論基礎。
圖2 總體樣本、建模樣本、驗證樣本的正態分布
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據源(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。該結論雖有一定的指示作用，但就不同作物類型和驗證數據源來說，仍需要進一步探索無人機S185數據估測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，并計算兩者的相關性;
結果表明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：孕穗期R2=0.996、開花期R2=0.998、灌漿期R2=0.996。
在此基礎上分別使用458~830nm范圍的ASD數據和S185數據計算6種植被指數，并從相關性角度更深入地分析VIASD和VIS185的差異;
結果表明VIASD和VIS185有超過93%的樣本位于最佳估計區間，VIASD和VIS185相關性較好，R2>0.8 (圖3)。
圖3 VIS185和VIASD的相關性分析
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)范圍內具有較好的輻射分辨率和光譜質量，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
結論
與傳統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 預測值，且PLSR+REPs 預測的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探測提供幾點可借鑒的思路。
附件為原文
