赫晓慧， 冯坤， 郭恒亮， 田智慧

(1.郑州大学地球科学与技术学院(智慧城市研究院)，河南 郑州 450001；2.郑州大学水利科学与工程学院，河南 郑州 450001)

高产是大豆育种的主要目标，高产育种的基础是群体的光合效率[1]，但是如何快速、有效地筛选高产大豆种子却是个难题。叶面积指数是常用的表征群体特征的参数[2]，在一定程度上，作物产量随LAI的增大而提高，可以很好地反映农作物生长的状况与趋势。因此，有效地估测LAI对大豆育种具有重要意义。

目前，对农作物生长参数的反演方法主要有经验模型法、物理模型法和综合反演法[3]。经验模型法通常是在光谱和相关生化参量之间建立回归经验模型，该方法虽然简单、快速、易于操作，但该方法受限于饱和效应、场景和遥感传感器等方面的影响，反演结果的准确性和普适性难以得到保证。物理模型法则是综合考虑了叶片、冠层、土壤、观测情况等因素，更能反映复杂的地表环境，反演精度相对较高，具有较强的普适性和外延性。目前，物理模型中应用最为广泛的物理模型则是PROSAIL模型[4]，如LI等[5-6]结合农学知识，将PROSAIL模型应用于作物监测中，证明其在估测叶绿素含量等参数上的优势。杨贵军等[7]利用PROSAIL模型反演春小麦的LAI时指出：实测值与观测值误差较小，可以准确地反映出春小麦长势。张明政等[8]通过利用PROSAIL模型对玉米冠层叶面积指数和叶绿素含量反演，表明在三叶期时的LAI反演结果和拔节期的LCC反演结果总体精度最高，分别为0.62和0.59，为农作物反演策略提功力研究思路和理论依据。……