结合植被指数与作物高度反演冬小麦叶面积指数

[目的]叶面积指数LAI(Leaf Area Index)是反映作物长势的关键参数之一。目前,基于无人机影像进行LAI反演多注重影像光谱信息的应用,但是由于高分影像存在强烈的光谱异质性以及无法区分高密闭度植被垂直方向枝叶的光谱特征等不足,在反演作物LAI时,需要探讨作物高度等结构参数对LAI反演的影响。[方法]文章以冬小麦为例,将无人机影像的光谱信息与点云数据相结合,共同构建LAI反演模型,并与单利用光谱信息的一元线性LAI回归模型进行对比,探讨作物高度信息对LAI反演精度的影响。[结果](1)无人机影像获取的点云数据能有效反演作物高度,其决定系数R~2=0.61,均方根误差RMSE=0.02;(2)基于作物高度和植被指数Ⅵ(Vegetation Index)反演LAI的二元模型(Adjust R~2=0.38,Adjust RMSE=0.55)优于单用植被指数反演LAI的一元模型(Adjust R~2=0.29,Adjust RMSE=0.59),[结论]研究表明作物高度和光谱信息结合的反演模型能够提高作物LAI的反演精度,同时表明作物高度因子在LAI反演中具有重要的应用价值。