李岚涛，郭宇龙，韩 鹏，王丹丹，王宜伦

(1.河南农业大学资源与环境学院，河南郑州 450002；2.博爱县农业农村局，河南博爱 454450)

目前，利用高光谱技术定量监测作物地上部生物量主要采用机理模型法和经验统计法[1]。机理模型法虽具有较高的机理性和通用性，但因模型输入参数多、区域范围内个别关键参数难以准确获取以及所固有的病态反演问题，其应用受到了限制[2-3]。经验统计法则直接利用高光谱反射率与生物量间构建定量统计关系，虽方法本身涉及生物量的形成机理较少，但因计算简单、便捷和易于操作，可及时准确反演作物生物量动态变化[4]。目前，基于光谱变量的多元统计分析技术是应用较多的经验模型分析方法，如支持向量机、偏最小二乘回归等[5-6]。相较于光谱指数法，多元统计分析技术以全波段光谱反射率为自变量构建定量监测模型，波谱信息全面，模型鲁棒性强，准确度高[6]。Hansen等[7]利用偏最小二乘法对冬小麦地上部生物量实现了精准预测，确定了基于冠层高光谱技术的小麦生物量特征光谱指数。付元元等[8]将偏最小二乘回归和波段深度分析技术相融合，克服了小麦生物量过高时模型监测的饱和性问题，提高了光谱估算精度。徐小强和王德华[9]研究认为，采用支持向量机方法可实现森林生物量的精准估算，模型预测精度高达91.85%。修晓敏等[10]利用机器学习方法建立了Landsat 8 OLI与地面草地地上部生物量间的关系，发现利用支持向量机法可获得较高的预测精度，决定系数和预测精度分别为0.59和75.74%。……