吴剑飞

摘 要：为探讨实际应用中高光谱技术快速准确获取农作物叶片含水量，本文以拔节期冬小麦含水量为研究对象，对冬小麦原始光谱进行三种光谱变换处理，采用双波段光谱指数和竞争性自适应重加权采样（Competitive Adaptive Reweighted Sampling， CARS）获取高光谱数据中与LWC高度相关的波段组合，进行多种LWC建模并对比预测精度。结果表明：由CARS筛选的波段组合压缩率达98%以上，结合偏最小二乘回归（Partial Least Squares Regression， PLSR）构建的含水量预测模型拟合精度最高，所建模型中最高预测决定系数为0.8441，模型预测精度均高于以双波段组合所建模型的预测精度。CARS在筛选与冬小麦叶片含水量相关的光谱波段组合方面较为适用，可为估算冬小麦种植区干旱情况和水分管理提供技术支持。

关键词：冬小麦;叶片含水量;高光谱技术;竞争性自适应重加权采样算法

中图分类号：S512.1;S314  文献标识码：A  文章编号：1673-260X（2021）07-0022-05

引言

作物含水量是体现作物生长状况的重要品质指标，直接影响作物对光能的利用和营养供给水平，最终影响其生长质量、品质及产量[1]。冬小麦在中国国民饮食結构中占主导地位，对高产稳产有着重要意义。传统的烘干法检测精度较高，但难以满足生产实践中对大范围冬小麦含水量实时、无损的检测需求，且存在时效性差、有损检测等弊端[2]。遥感技术为冬小麦含水量的动态无损监测提供了新的技术手段，其中高光谱分析技术具有快速、高效、无损的优点，能够获取丰富的地物光谱信息，估算作物生化参数进而诊断其健康状态[3]。……