王 靖 彭 漪* 刘小娟 莫佳才 梁 婷

(1.武汉大学 遥感信息工程学院，武汉 430079； 2. 武汉大学 生命科学学院，武汉 430072)

水稻是我国重要粮食作物之一，2019—2020年我国水稻的消费量约为2亿t，占全世界水稻消费总量的40.8%，水稻生产直接影响到我国的粮食供应与世界粮食市场的平稳[1]。叶面积指数(Leaf area index, LAI)是单位土地面积上植株单侧叶片平铺面积的总和，与作物的色素含量、碳循环、生物量、物候等生化参数密切相关，是表征作物生长状况以及预测作物生物量的重要参数[2]。

传统叶面积指数测量方法费时费力，便捷、高效的遥感技术助力精准农业。遥感技术依据传感器搭载平台可大致分为地面平台和卫星平台2 类。在地面平台上，通过测量多光谱或高光谱数据计算红边参数、植被指数和其他光谱特征参数建立LAI反演的经验或半经验模型[3-5]仍是目前估算LAI的主流方法，地面平台可获取高空间分辨率和高时间分辨率的数据，但在测量大范围的田块时人工成本较高；在卫星平台上，利用影像对LAI的估算也取得了一定的发展，如MODIS-LAI[6]和GLASS LAI[7]产品已经在大范围得到应用。由于卫星LAI产品空间分辨率较低，无法为精准农业提供支撑。无人机兼具有高空间分辨率和高时间分辨率的特点，可以短时间内获取较大范围的高分辨光谱影像[8]。依据无人机影像数据反演LAI的植被指数法[9]、改进型光谱特征参数法预测LAI[10]以及使用无人机影像数据的纹理特征估计LAI[11]等方面均已有研究。

基于各种技术平台的不同反演方法虽然可以取得较好的反演精确度，但大都只是将单个试验区的数据分成建模集和验证集来进行反演与精确度验证，应用上受限于试验区域的跨度与遥感平台的限制，对于不同区域模型的可移植性缺乏验证。……