来源：期刊VIP网 时间：
作者：高瑞;封文杰;张钧泳;张卓然;骆秀斌;梁国新;郭鸿雁;闫帅;王菲;马爽;
单位：山东省农业科学院农业信息与经济研究所;广饶县农业农村局;
摘要：叶面积指数(LAI)是遥感监测作物长势和产量的重要指标。为了探明大范围监测冬小麦LAI的遥感反演方法，本研究利用Sentinel-2卫星影像数据，以山东省肥城市为研究区，基于Sentinel-2影像波段反射率和多种植被指数，筛选出与LAI相关性较高的波段反射率信息和植被指数作为随机森林(RF)、反向传播人工神经网络(BP-ANN)和支持向量回归(SVR)等机器学习方法的输入变量，继而构建冬小麦LAI反演模型，并评价各模型精度，明确最优反演模型，用于县域尺度冬小麦LAI制图。结果表明，差值植被指数(DVI)、反向差值植被指数(IDVI)、比值植被指数(RVI)和叶绿素植被指数(CIgreen)与LAI的相关系数均达到0.8以上，红光波段B4、红边波段B7、近红外波段B8、B8A与LAI的相关系数均高于0.7。三种反演模型中LAI-RF的反演模型精度最高，训练集和测试集的R~2均能达到0.85以上，与LAI-BP-ANN和LAI-SVR相比，测试集R~2分别提高8.9%和26.5%,RMSE分别降低23.7%和41.5%。说明基于Sentinel-2数据构建的LAI-RF模型可以较好地反映县域冬小麦LAI的实际情况。使用LAI-RF模型进行研究区冬小麦LAI制图，显示肥城市冬小麦LAI分布总体呈现南北高、中间低的特征。本研究结果可为县域尺度冬小麦长势监测和产量估测提供技术参考，进而为现代化农业生产和粮食安全提供保障。
关键词：叶面积指数(LAI);;冬小麦;;随机森林;;反向传播人工神经网络;;支持向量回归;;遥感监测
基金资助：国家重点研发计划项目(2021YFB3901303);; 山东省农业科学院农业科技创新工程项目(CXGC2025F06,CXGC2025G03,CXGC2024D07);; 山东省自然科学基金项目(ZR2022QD034,ZR2024MD080)
