吾木提·艾山江 尼加提·卡斯木 陈 晨 买买提·沙吾提

(1.伊犁师范大学资源与生态研究所, 伊宁 835000; 2.伊犁师范大学生物与地理科学学院, 伊宁 835000；3.新疆大学地理科学学院， 乌鲁木齐 830046)

0 引言

冬小麦是我国重要的粮食作物之一，其种植面积和产量仅次于水稻[1]。LAI是与植被利用光能和冠层结构密切相关，能够很好地反映作物生长趋势和估算产量的重要作物参数之一[2]。因此，通过遥感准确、快速地估算区域作物的LAI不仅有利于更好的作物生长连续长期监测，且有利于在作物综合管理和精确农业中的应用[3]。

随着高光谱技术的发展，其数百或数千个窄波段为开发灵敏的植被指数提供了更多可能。诸多研究学者已经完善了传统光谱植被指数，并利用高光谱数据的光谱分辨率和连续性开发了新的数据分析技术[4]。目前，冬小麦叶面积指数的遥感估算大致从单波段反射率和波段组合植被指数着手，结合不同回归算法来实现。对于单波段反射率而言，诸多学者利用不同的预处理数学方法。孟禹弛等[5]利用地面实测冬小麦生理参数和冠层光谱数据，通过一阶微分预处理并计算植被指数，建立了冥函数模型和指数模型；梁栋等[6]通过对冬小麦高光谱曲线进行连续小波变换，并与LAI建立支持向量机回归模型，实现了冬小麦不同生育期LAI估算；付元元等[7]在高光谱遥感反演LAI时，利用主成分回归(Principle component regression, PCR)或偏最小二乘回归(Partial least squares regression, PLSR)结合的高光谱维数约简方法，降低基于全谱段建立的模型不稳定，同时取得了较好的估算结果。……