基于植被二向性反射统一模型的水稻LAI反演方法研究

摘要

[目的]叶面积指数（LAI）是作物生长评估的核心指标，在田间精准管理决策中具有不可替代的关键作用。为了突破传统经验模型的局限，针对水稻不同生育期的冠层结构差异优化模型参数，降低土壤背景、叶片重叠等因素的影响，提高反演精度与效率，实现从遥感数据到叶面积指数的快速转化。[方法]提出基于植被二向性反射统一模型的水稻LAI反演方法。以沈阳农业大学海城精准农业航空科研基地为研究区，采集2023年水稻返青期、分蘖期、拔节期及抽穗期的无人机高光谱数据（400～1 000 nm）与地面实测LAI数据。采用连续投影算法（SPA）筛选特征波段以降低数据冗余。在模型构建方面，通过全局敏感性分析确定模型敏感参数范围，建立多组LAI与冠层反射率的模拟数据集，分别采用查找表法（LUT）与狮群优化算法（LSO）构建反演模型，并与植被指数法、BP神经网络、极限学习机（ELM）及随机森林（RF）等传统方法进行对比验证。[结果]SSPA算法筛选特征波段能有效表征水稻冠层光谱信息；基于植被二向性反射统一模型模拟水稻冠层光谱与实测光谱在400～1 000 nm范围误差较小；基于LSO的LAI反演效果最优，决定系数（R2）达0.779，均方根误差（RMSE）为0.599，显著优于查找表法（R2=0.638,RMSE=0.767）及机器学习方法（BP神经网络R2=0.668,RMSE=0.736;ELM极限学习机R2=0.588,RMSE=0.819;RF随机森林R2=0.649,RMSE=0.756）。[结论]植被二向性反射统一模型凭借明确的物理机制，可有效克服传统数据驱动方法的过拟合等问题，在不同生育期及复杂土壤背景下均保持较高稳定性，为水稻生长动态监测与精准农田管理提供可靠的技术方案，对推动智慧农业的规模化应用具有重要意义。

关键词

水稻 / 叶面积指数(LAI) / 植被二向性反射统一模型 / 无人机高光谱 / 狮群优化算法