基于Sentinel-2数据和机器学习的县域冬小麦叶面积指数反演
高瑞1
封文杰1
张钧泳1
张卓然1
骆秀斌1
梁国新2
郭鸿雁1
闫帅1
王菲1
马爽1
1.山东省农业科学院农业信息与经济研究所,山东 济南 2501002.广饶县农业农村局,山东 广饶 257300
摘要：叶面积指数(LAI)是遥感监测作物长势和产量的重要指标.为了探明大范围监测冬小麦LAI的遥感反演方法,本研究利用Sentinel-2 卫星影像数据,以山东省肥城市为研究区,基于Sentinel-2 影像波段反射率和多种植被指数,筛选出与LAI相关性较高的波段反射率信息和植被指数作为随机森林(RF)、反向传播人工神经网络(BP-ANN)和支持向量回归(SVR)等机器学习方法的输入变量,继而构建冬小麦LAI反演模型,并评价各模型精度,明确最优反演模型,用于县域尺度冬小麦LAI制图.结果表明,差值植被指数(DVI)、反向差值植被指数(IDVI)、比值植被指数(RVI)和叶绿素植被指数(CIgreen)与LAI 的相关系数均达到 0.8 以上,红光波段B4、红边波段B7、近红外波段B8、B8A与LAI的相关系数均高于 0.7.三种反演模型中LAI-RF的反演模型精度最高,训练集和测试集的R2均能达到 0.85 以上,与LAI-BP-ANN和LAI-SVR相比,测试集R2分别提高 8.9%和 26.5%,RMSE分别降低 23.7%和 41.5%.说明基于Sentinel-2 数据构建的LAI-RF模型可以较好地反映县域冬小麦LAI的实际情况.使用LAI-RF模型进行研究区冬小麦LAI制图,显示肥城市冬小麦LAI分布总体呈现南北高、中间低的特征.本研究结果可为县域尺度冬小麦长势监测和产量估测提供技术参考,进而为现代化农业生产和粮食安全提供保障.
关键词：叶面积指数(LAI)冬小麦随机森林反向传播人工神经网络支持向量回归遥感监测
分类号：S127(农业物理学)
资助基金：国家重点研发计划(2021YFB3901303)山东省农业科学院农业科技创新工程项目(CXGC2025F06)山东省农业科学院农业科技创新工程项目(CXGC2025G03)山东省农业科学院农业科技创新工程项目(CXGC2024D07)山东省自然科学基金(ZR2022QD034)山东省自然科学基金(ZR2024MD080)
论文发表日期：2025-12-30
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 145-152 )
英文信息