不同种植密度烟草叶面积指数的高光谱估测模型

摘要： 烟草叶面积指数（LAI）是评价其长势和预测产量的重要指标。利用高光谱遥感能够实现LAI的快速无损监测。为建立烟草LAI估算的最佳光谱指数及监测模型，通过设置不同种植密度处理，将田间观测和高光谱遥感技术结合，提取和分析了10个植被指数，并用二次多项式模型、对数模型、逐步回归模型（SMLR）和BP神经网络对烟草LAI进行估算。结果表明，NDVI、RVI、MCARI、GM1、GNDVI2和PSSRb等植被指数同烟草LAI均达到极显著正相关，相关系数均大于0.80。烟草LAI的二次多项式模型、对数模型、逐步回归模型（SMLR）和BP神经网络模型的决定系数R2分别为0.69、0.57、0.89和0.90。经检验，4个模型的均方根误差RMSE分别为0.69、0.87、0.62和0.44。表明SMLR和BP神经网络LAI都取得了较为理想的结果，其中BP神经网络的精度最高、误差最小，更适合对烟草LAI进行反演。该结果为实现不同种植密度水平下烟草LAI的精确监测提供技术支持和地域参考