基于星-机光谱融合的棉花叶片SPAD值反演

[目的]为提高棉花叶片叶绿素含量的反演精度,并掌握其在山东省夏津县的空间分布特征.[方法]本研究以山东省德州市夏津县为研究区,以夏津县大李庄棉田为试验区,通过SPAD(soil and plant analyzer development,SPAD)仪实地测定试验区棉花叶片叶绿素含量的相对值(SPAD值),并获取同期试验区无人机(unmanned aerial vehicle,UAV)近地多光谱图像和研究区Sentinel-2A MSI(MSI)卫星影像;然后分别基于UAV和MSI的光谱反射率,构建并筛选最优光谱参量,采用多元线性回归(multiple linear regression,MLR)建立SPAD值定量反演模型;最后采用二次多项式拟合法融合UAV和Sentinel-2AMSI对应的最优光谱参量,对比分析融合前后模型效果,优选最佳反演模型,实现研究区SPAD值反演.[结果]研究表明,(REG-R)/(REG+R)、R/G.CL(red edge)、NDVI可作为SPAD值的最优光谱参量;基于UAV图像的定量反演模型精度优于基于MSI影像的模型;基于二次多项式拟合后建模R2提高了0.015-0.057,RMSE降低了 0.457-0.638,验证R2提高了 0.040-0.085,RMSE降低了 0.387-0.397,RPD 提高了0.020-0.139;将融合后的MSI光谱参量代入基于UAV图像的反演模型(Fused MSI-ModUAV),也可获得较高的反演精度,建模R2达0.672,RMSE为3.982,验证R2达0.713,RMSE为3.859,RPD为1.685;基于上述模型进行研究区棉花叶片SPAD值反演分析,试验区整体呈南高北低的分布趋势,研究区呈中间低、四周高的分布趋势,均与实地情况一致,具有较好的预测效果.[结论]采用二次多项式拟合法融合无人机和卫星影像数据,可较好地实现区域高精度作物生长指标的定量反演,研究结果可丰富多源遥感融合理论与技术,为后续棉花长势监测与精准生产提供技术参考和数据支持.