摘要： 為建立油菜角果成熟程度定量化評(píng)估指標(biāo)，以不同品種、不同成熟等級(jí)的油菜角果為研究對(duì)象，在分析其非成像原始高光譜反射曲線、一階微分變換光譜和連續(xù)統(tǒng)去除變換光譜的基礎(chǔ)上，開展不同成熟等級(jí)油菜角果光譜特征差異研究，構(gòu)建一種能夠有效辨別油菜角果成熟程度的高光譜指數(shù)。結(jié)果表明，不同品種、不同成熟等級(jí)的油菜角果反射光譜差異較大，在625 nm兩側(cè)光譜反射率明顯不同；油菜角果成熟等級(jí)越高，紅光吸收谷越淺，其谷點(diǎn)波深越低，吸收谷反射率不斷增強(qiáng)，紅光吸收谷位置基本穩(wěn)定在675 nm左右；選用625 nm、675 nm和730 nm 3個(gè)高光譜波段構(gòu)建新的油菜角果成熟指數(shù)（CPMI2），與改進(jìn)型葉綠素吸收比值指數(shù)（MCARI）、水波段指數(shù)（WBI）、油菜角果成熟指數(shù)（CPMI）3個(gè)光譜指數(shù)的決定系數(shù)分別為0.89、0.81和0.55，即與反映植被葉綠素含量、水分含量的光譜指數(shù)及已有的角果成熟指數(shù)有較高的相關(guān)性，與油菜角果成熟程度具有較好的一致性。本研究結(jié)果可為利用高光譜探測油菜角果成熟度，有效確定油菜適宜收獲期提供參考。

關(guān)鍵詞： 油菜角果；成熟度；高光譜特征；光譜指數(shù)

中圖分類號(hào)： S127; S565.4 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1000-4440（2023）03-0716-08

Construction of rape silique ripening index based on hyperspectral characteristics

WANG Ke-xiao， ZHOU Rui， HUANG Xiang， YU Bao， LI Bo

（Institute of Agricultural Information Science and Technology， Chongqing Academy of Agricultural Sciences， Chongqing 401329， China）

Abstract： In order to establish a quantitative evaluation index for rape silique maturity， the hyperspectral characteristics of rape siliques with different varieties and maturity levels were analyzed by the way of non-imaging original reflection curve， the first derivative transformation and continuous removal transformation， and a hyperspectral index that could effectively distinguish the maturity was constructed. The results showed that the reflectance spectra of rape siliques with different varieties and maturity levels were significantly different， especially around 625 nm. The higher the maturity level of rape siliques， the shallower the red light absorption valley， and the lower the wave depth of its valley point. The reflectivity of the absorption valley was enhanced， but the position of the red light absorption valley was basically stable at about 675 nm. The bands of 625 nm， 675 nm and 730 nm were selected to construct the canola pod maturity index-2 （CPMI2）. The determination coefficients of CPMI2 with modified chlorophyll absorption ratio index （MCARI）， water band index （WBI）and canola pod maturity index （CPMI） were 0.89， 0.81 and 0.55 respectively， indicating that CPMI2 had a high correlation with the spectral indices reflecting the chlorophyll content， water content and ripeness of pod， and had a better consistency with rape silique ripeness. The results of this study can provide a reference for the hyperspectral detection of rape silique maturity and the effective determination of the appropriate harvest time of rape.

Key words： rape silique;maturity;hyperspectral characteristics;spectral index

近年來，高光譜技術(shù)的發(fā)展為探測不同植被光譜特征的差異提供了有效途徑[1-3]，已經(jīng)廣泛應(yīng)用于不同植被的精細(xì)識(shí)別研究中。Schmidt等[4]通過野外高光譜數(shù)據(jù)實(shí)現(xiàn)了對(duì)荷蘭27種濕地植被的有效辨識(shí)。Mansour等[5]利用ASD FieldSpec3光譜儀測量林冠光譜值，對(duì)不同級(jí)別草地退化物種進(jìn)行了識(shí)別。Adam等[6]基于地面實(shí)測光譜有效地將紙莎草同其他草種區(qū)分開來。胡琳等[7]基于機(jī)載高光譜影像，獲得不同處理下雜木林、竹林、華山松等典型植被的最佳區(qū)分波段，實(shí)現(xiàn)了不同植被類型的精細(xì)劃分。周偉等[8]通過對(duì)三江源區(qū)典型毒雜草和牧草的地面高光譜進(jìn)行參數(shù)量化分析，實(shí)現(xiàn)了毒雜草草種識(shí)別和植被群落生長監(jiān)測。閆馨方等[9]基于白蘿卜和云南大苦菜的高光譜數(shù)據(jù)開展的高光譜特征對(duì)比研究，探索利用高光譜遙感技術(shù)定性、定量區(qū)分2種作物的可行性。油菜在中國糧油安全和國民經(jīng)濟(jì)中占據(jù)著非常重要的地位[10]。國內(nèi)針對(duì)油菜的高光譜研究工作主要集中在利用高光譜數(shù)據(jù)模擬葉綠素含量或葉面積指數(shù)等長勢指標(biāo)和產(chǎn)量等方面[11-12]，如楊婧等[13]研究了不同栽培條件下幼苗期、蕾薹期油菜葉片光譜與SPAD值的相關(guān)性，并通過光譜指數(shù)建立了葉綠素含量估算模型。鄭煜等[14]基于不同生育期高光譜特征參數(shù)與SPAD值的關(guān)系構(gòu)建了油菜葉片SPAD值估算模型。趙贊忠[15]基于不同栽培因子條件下油菜特征光譜參數(shù)變化及其與葉面積指數(shù)（LAI）的相關(guān)性，建立了油菜初蕾期、蕾薹高峰期、初花期冠層特征光譜參數(shù)與LAI的線性模型和多項(xiàng)式模型。李嵐?jié)萚16]通過分析角果期冠層光譜反射率與產(chǎn)量構(gòu)成因子、成熟期產(chǎn)量之間的關(guān)系，建立了油菜初始光譜、一階微分光譜與產(chǎn)量及其構(gòu)成因子間的偏最小二乘定量分析模型。常濤等[17]通過分析油菜全生育期的光譜反射率與葉綠素含量、最終產(chǎn)量性狀間的相關(guān)性，證明了蕾薹期光譜參數(shù)用于預(yù)測油菜產(chǎn)量的可行性。然而，針對(duì)油菜角果個(gè)體及其成熟程度進(jìn)行高光譜估測的相關(guān)研究則鮮有報(bào)道。

本研究擬基于3個(gè)不同品種油菜的角果在不同成熟階段的非成像高光譜反射數(shù)據(jù)，在原始反射光譜、一階微分變換光譜和連續(xù)統(tǒng)去除變換光譜分析的基礎(chǔ)上，開展不同成熟等級(jí)油菜角果光譜特征差異研究，構(gòu)建能夠有效表征油菜角果成熟程度的高光譜指數(shù)，以期為高光譜定量化探測油菜角果成熟程度提供參考。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)區(qū)位于重慶市農(nóng)業(yè)科學(xué)院重慶現(xiàn)代農(nóng)業(yè)高科技園區(qū)，選用同期播種的硒滋圓1號(hào)、慶油3號(hào)和蜀豐6608等3個(gè)品種為試驗(yàn)材料，均采用人工直播播種方式，各小區(qū)油菜播種行距為50 cm，株距為40 cm。樣本采集均以花后12 d左右為首次角果采樣期，采樣時(shí)間分別為2022年3月16日、2022年3月28日、2022年4月13日和2022年4月25日，對(duì)應(yīng)油菜角果成熟程度標(biāo)記為Ⅰ、Ⅱ、Ⅲ、Ⅳ 4個(gè)等級(jí)（圖1）。角果取樣均在單品種試驗(yàn)樣區(qū)隨機(jī)選取，并隨即帶回實(shí)驗(yàn)室進(jìn)行光譜測量。每期單品種采集10個(gè)油菜角果，共30個(gè)角果樣本，4期共計(jì)120個(gè)角果樣本。

1.2 高光譜數(shù)據(jù)獲取

利用美國ASD公司FieldSpec HH2地物光譜儀及其自帶光源的葉片夾配合完成角果高光譜數(shù)據(jù)采集，光譜設(shè)備采集范圍325～1 075 nm，光譜采樣設(shè)置間隔1 nm。樣本光譜采集前葉片夾先進(jìn)行白板校正、優(yōu)化，然后以黑板為背景逐個(gè)測定角果樣本中間部位的反射光譜。單個(gè)角果樣本均獲取3條光譜反射曲線，取其平均后作為該樣品的代表性光譜曲線。每期采集單品種的10個(gè)角果樣本光譜，取其平均后作為該品種樣本的光譜反射曲線。光譜反射數(shù)據(jù)計(jì)算均值的過程是通過View SpecPro軟件完成的，反射數(shù)據(jù)的Savitzky-Golay濾波通過Origin 8.0軟件完成，同時(shí)保留信噪比較好的450～1 000 nm，以便后續(xù)使用。

1.3 高光譜數(shù)據(jù)處理

1.3.1 一階微分處理 原始反射光譜的一階微分變換可以增強(qiáng)不同光譜波段的對(duì)比度[18]，能夠反映出不同成熟等級(jí)油菜角果樣本的光譜反射差異，本研究選用9個(gè)反射光譜一階微分特征參數(shù)（表1），其參數(shù)定義參照文獻(xiàn)[7]。

1.3.2 連續(xù)統(tǒng)去除 通過地物高光譜反射曲線獲取光譜吸收波形形態(tài)參數(shù)信息是確定地物光譜吸收特征的重要方法[19]。連續(xù)統(tǒng)去除可以基于一個(gè)共同的基線比較各個(gè)光譜的吸收特征[20]。為描述不同成熟等級(jí)油菜角果間的光譜差異，本研究提取6個(gè)連續(xù)統(tǒng)去除特征參數(shù)進(jìn)行分析，其參數(shù)定義[21]見表2。

1.4角果成熟度高光譜指數(shù)構(gòu)建

圖2顯示，隨著油菜角果的成熟，以黃邊位置（625 nm）、紅谷（675 nm）及紅邊（680～760 nm）波段反射光譜點(diǎn)反射值構(gòu)建的ABC面積不斷減小，反射曲線在黃邊-紅邊波長區(qū)間內(nèi)的積分面積逐漸增加，積分面積在總面積中所占比例逐漸增大。基于此構(gòu)建新的油菜角果指數(shù)（VI），其取值范圍為0～1，具體計(jì)算見公式（1）。

其中，VI為油菜角果成熟指數(shù)；ρ（λ）為光譜反射曲線函數(shù)；λ1和λ3分別為黃邊、紅邊對(duì)應(yīng)波長；S為λ1、λ3波長值及其光譜反射值所圍成的梯形面積；SWingdings 3rA@ABC為對(duì)應(yīng)光譜點(diǎn)反射值構(gòu)建的三角形面積。

為描述反射光譜上的“紅谷”特性，Broge等[22]利用550 nm處的綠波段，670 nm處的紅光波段和750 nm處的近紅外波段3個(gè)光譜點(diǎn)反射值計(jì)算三角形面積來構(gòu)建三角植被指數(shù)（TVI），以便于預(yù)測中、低冠層生物量信息。陳鵬飛等[23]用730 nm處紅邊反射值替代670 nm處的紅光反射值，提出的紅邊三角植被指數(shù)（RTVI）能夠較好地保持對(duì)高生物量變化的敏感性。因此，本研究在考慮波段敏感性和黃邊波段突出作用的基礎(chǔ)上，選用黃邊位置625 nm、紅波吸收谷675 nm和紅邊位置730 nm 3個(gè)光譜點(diǎn)構(gòu)建油菜角果成熟指數(shù)（CPMI2），公式（1）可進(jìn)一步簡化表達(dá)為公式（2）：

其中，CPMI2為新的油菜角果成熟指數(shù)，ρ625、ρ675和ρ730分別為波段625 nm、675 nm和730 nm處的光譜反射值。

伴隨著油菜角果的成熟，水分流失，葉綠素含量明顯下降，角果光譜特征出現(xiàn)黃邊波段反射率變化明顯，紅谷處反射率增大，紅邊位置向短波方向“藍(lán)移”等明顯特征，圖2中ABC面積值逐漸減小，以積分面積∫λ3λ1ρ（λ）dλ為表征的光譜指數(shù)CPMI2不斷增大，說明CPMI2與油菜角果成熟程度具有較好的一致性。

2 結(jié)果與分析

2.1 原始高光譜反射特征分析

圖3顯示，不同成熟等級(jí)的油菜角果光譜主要呈現(xiàn)出以下變化：（1）625 nm的黃邊波段處反射光譜變化明顯。Ⅰ級(jí)、Ⅱ級(jí)角果樣本黃邊光譜變化相對(duì)平緩，Ⅲ級(jí)樣本在625 nm附近反射率出現(xiàn)驟降，而Ⅳ級(jí)成熟樣本的黃邊波譜反射率最高。其原因是隨著角果成熟，葉綠素含量下降，葉綠素在紅光波段的反射增強(qiáng)，特別是紅光反射率升高，綠、紅光譜疊加以致于角果轉(zhuǎn)為黃色，導(dǎo)致角果黃邊波段變化突出。（2）紅邊位置向短波方向移動(dòng)，即紅邊“藍(lán)移”。隨著角果成熟度的增加，葉綠素含量明顯下降，對(duì)光的吸收減少，紅光反射率增大，角果逐漸黃熟而“失綠”。（3）隨著角果成熟度的增加，油菜角果的反射綠峰逐漸消失，但紅谷位置變化不大，基本停留670 nm附近，但反射值整體上不斷增大，而吸收谷變“淺”，谷點(diǎn)反射率不斷增強(qiáng)，吸收谷波段起止波譜范圍變窄。這是由角果生育期內(nèi)葉綠素含量下降，葉綠素在紅光波段的吸收減少，反射增強(qiáng)，同時(shí)紅邊“藍(lán)移”所致。

2.2 一階微分光譜特征分析

為進(jìn)一步突出不同成熟等級(jí)的油菜角果樣本的光譜變化特征，對(duì)各品種不同成熟等級(jí)的原始光譜進(jìn)行一階微分變換。圖4顯示，在490～530 nm的藍(lán)邊波段內(nèi)，油菜角果的成熟度越高，一階微分反射率峰值越小，且對(duì)應(yīng)的藍(lán)邊位置有向短波方向移動(dòng)趨勢。其原因可能是隨著葉綠素含量降低，角果對(duì)藍(lán)光的吸收能力下降，藍(lán)光反射率上升。在550～675 nm的綠光-紅光范圍內(nèi)有2處一階微分接近于零的變化峰值，分為位于590 nm和625 nm附近。尤其在625～675 nm，不同成熟等級(jí)的油菜角果光譜反射率區(qū)分性較強(qiáng)，一階微分反射率減小幅度差異較為明顯。在675～760 nm的紅光-近紅外范圍內(nèi)，隨著成熟等級(jí)的增大，一階微分極大值趨于變小，對(duì)應(yīng)的原始光譜紅邊位置總體向短波方向移動(dòng)。

分析不同成熟等級(jí)油菜角果一階微分光譜特征相關(guān)的9個(gè)參數(shù)，結(jié)果（表3）表明，隨著成熟等級(jí)的升高，藍(lán)邊幅值（Db）和紅邊幅值（Dr）總體呈減小趨勢，黃邊幅值（Dy）略微有所增大；各品種的藍(lán)邊位置（λb）、黃邊位置（λy）和紅邊位置（λr）分別保持在510～516 nm、625～628 nm和687～698 nm的波長范圍內(nèi)，且隨著成熟等級(jí)的增大均總體趨于減??；隨著成熟等級(jí)的升高，藍(lán)邊面積（SDb）、紅邊面積（SDr）總體趨于減小，而黃邊面積（SDy）總體逐漸增大。上述特征參數(shù)變化是由于油菜角果在成熟過程中水分散失、葉綠素含量下降，導(dǎo)致綠峰逐漸消失，黃邊波段反射增強(qiáng)，紅邊波段“藍(lán)移”，從而使得紅光波段吸收谷的空間受到不斷擠壓造成的。

2.3 高光譜吸收特征分析

對(duì)不同成熟等級(jí)的油菜角果原始光譜進(jìn)行連續(xù)統(tǒng)去除變換，波深如圖5顯示，在500 nm和670 nm波段附近有2個(gè)較強(qiáng)的吸收谷，而較為明顯的吸收特征主要體現(xiàn)在675 nm處的紅谷吸收區(qū)，波深值總體隨著成熟等級(jí)升高而減小，與圖3中樣本成熟等級(jí)升高紅谷反射值整體增大的結(jié)果相一致。另外，各成熟等級(jí)油菜角果樣本的波深值在625 nm處出現(xiàn)明顯升高。

分析670 nm處不同成熟等級(jí)油菜角果光譜吸收特征值，表4顯示，吸收谷位置并未隨著油菜角果樣本的成熟而出現(xiàn)明顯變化，仍保持在675 nm左右，而波深因紅光反射增強(qiáng)而變小，吸收谷面積與吸收谷寬度總體呈減小趨勢，可能是因?yàn)榻枪艿剿至魇Ш腿~綠素含量下降的雙重脅迫，綠峰淡化，黃邊波段反射增強(qiáng)，紅邊波段“藍(lán)移”，致使紅谷空間變窄而減小，吸收谷對(duì)稱度和光譜吸收指數(shù)等參數(shù)也因反射綠峰減弱和黃邊反射的變化而呈總體逐漸減小的趨勢。

2.4 CPMI2與其他角果光譜指數(shù)之間的關(guān)系

當(dāng)前，判斷油菜成熟程度的方法主要是通過表觀色澤和含水量2項(xiàng)指標(biāo)進(jìn)行人工評(píng)判[24]，而表觀色澤則主要體現(xiàn)在作物色素含量的變化。Penuelas等[25]利用970 nm和900 nm處的反射點(diǎn)構(gòu)建水波段指數(shù)（WBI），并用于預(yù)測葉片含水量高低。Singh等[24]基于無人機(jī)高光譜提出的角果成熟指數(shù)（CPMI）與角果含水量的決定系數(shù)高達(dá)0.81以上，但與葉綠素含量或其相關(guān)指數(shù)的關(guān)系卻并不明顯。改進(jìn)型葉綠素吸收比值指數(shù)（MCARI）能夠敏感地反映植被葉片葉綠素含量的變化，能夠有效預(yù)測葉綠素含量[26]。另外也有研究結(jié)果表明，WBI與植被水分含量呈負(fù)相關(guān)[27-29]，而MCARI與葉綠素含量呈正相關(guān) [30-31]。

為探索CPMI2對(duì)油菜角果成熟程度的可表達(dá)性，本研究將CPMI2分別與MCARI、WBI、油菜角果成熟指數(shù)進(jìn)行相關(guān)性分析。圖6顯示， MCARI增大，角果葉綠素含量增大，角果成熟程度降低，CPMI2減?。籛BI增大，角果含水量減小，角果成熟程度升高，CPMI2增大。CPMI2與MCARI、WBI、CPMI 3個(gè)指數(shù)的決定系數(shù)分別為0.89、0.81和0.55。上述結(jié)果說明CPMI2能較好地體現(xiàn)油菜角果葉綠素與含水量的變化，且與Singh等[24]提出的CPMI有較好的相關(guān)性，能夠?qū)枪某墒斐潭冗M(jìn)行表達(dá)。

3 結(jié)論

本研究在分析不同品種油菜角果非成像原始高光譜反射曲線、一階微分變換光譜和連續(xù)統(tǒng)去除變換光譜的基礎(chǔ)上，開展不同成熟等級(jí)的油菜角果光譜特征差異研究，并構(gòu)建了一種能夠有效表征油菜角果成熟程度的高光譜指數(shù)，結(jié)論如下：

（1）不同成熟等級(jí)的油菜角果反射光譜的紅谷位置變化不大，而光譜反射率差異較大，主要體現(xiàn)在625 nm黃邊波段兩側(cè)光譜反射率的突出變化。隨著角果成熟度的增加，角果受到水分流失和葉綠素含量下降的雙重脅迫，角果藍(lán)邊、紅邊位置總體均趨于向短波方向移動(dòng)。

（2）在625～675 nm，不同成熟等級(jí)的油菜角果光譜反射率區(qū)分性較強(qiáng)，光譜反射率減小的幅度差異較為明顯。隨著成熟等級(jí)的增大，藍(lán)邊幅值和紅邊幅值總體呈現(xiàn)減小趨勢，黃邊幅值略微有所增大；各品種的藍(lán)邊位置、黃邊位置和紅邊位置在較小的波長范圍內(nèi)呈減小趨勢；藍(lán)邊面積、紅邊面積總體呈現(xiàn)減小趨勢，而黃邊面積總體逐漸增大。

（3）油菜角果成熟度越高，紅光吸收谷越淺，其谷點(diǎn)波深越低，吸收谷反射率不斷增強(qiáng)，吸收谷波段起止波譜范圍變窄，反映光譜吸收特征的波深、吸收谷面積、吸收谷寬度和光譜吸收指數(shù)等參數(shù)都趨于變小，波深曲線偏斜程度越大，吸收谷位置基本穩(wěn)定在675 nm左右。

（4）基于不同成熟等級(jí)的油菜角果光譜分析特征，選用625 nm、675 nm和730 nm 3個(gè)光譜點(diǎn)構(gòu)建了與其成熟度有較好一致性的新的油菜角果成熟指數(shù)CPMI2，與反映植被葉綠素含量、水分含量的光譜指數(shù)及角果成熟指數(shù)有較高的相關(guān)性，能夠較好地對(duì)油菜角果成熟度進(jìn)行表達(dá)。本研究的不足之處是缺乏CPMI2與相應(yīng)角果樣本葉綠素含量和水分含量實(shí)測值的關(guān)聯(lián)分析，試驗(yàn)尚需進(jìn)一步完善。

參考文獻(xiàn)：

[1] 劉建剛，趙春江，楊貴軍，等. 無人機(jī)遙感解析田間作物表型信息研究進(jìn)展[J].農(nóng)業(yè)工程學(xué)報(bào)， 2016， 32（24）： 98-106.

[2] 張 銳，廖桂平，王 訪，等. 基于冠層高光譜的油菜角果期紅邊參數(shù)及葉片SPAD值反演模型[J].江蘇農(nóng)業(yè)科學(xué)， 2019， 47（20）： 255-259.

[3] 鮑義東，陳秋實(shí)，陳 果. 高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用[J].電子技術(shù)與軟件工程， 2020（8）：170-171.

[4] SCHMIDT K S， SKIDMORE A K. Spectral discrimination of vegetation types in a coastal wetland［J］.Remote Sensing of Environment，2003，85（1）：92-108.

[5] MANSOUR K， MUTANGA O， EVERSON T， et al. Discriminating indicator grass species for rangeland degradation assessment using hyperspectral data resampled to AISA Eagle resolution［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2012，70：56-65.

[6] ADAM E， MUTANGA O. Spectral discrimination of papyrus vegetationin （Cyperus papyrus L.） in swamp wetlands using field spectrometry[J]. ISPRS Journal of Photogrammetry and Remote Sensing，2009，64（6）：612-620.

[7] 胡 琳，甘 淑，袁希平，等. 滇中三類典型地表植被的機(jī)載高光譜特征分析[J].光譜學(xué)與光譜分析， 2021， 41（10）： 3208-3213.

[8] 周 偉，李浩然，石佩琪，等. 三江源區(qū)毒雜草型退化草地植被光譜特征分析[J].地球信息科學(xué)學(xué)報(bào)， 2020， 22（8）： 1735-1742.

[9] 閆馨方，甘 淑，胡 琳，等. 昆明冬季典型作物的高光譜特征對(duì)比研究[J].測繪科學(xué)， 2021， 46（7）： 60-66， 127.

[10]王漢中. 以新需求為導(dǎo)向的油菜產(chǎn)業(yè)發(fā)展戰(zhàn)略[J].中國油料作物學(xué)報(bào)， 2018， 40（5）： 613-617.

[11]高開秀. 冬油菜關(guān)鍵長勢參數(shù)及產(chǎn)量遙感反演方法研究[D].武漢：華中農(nóng)業(yè)大學(xué)， 2020.

[12]馬 驛，汪善勤，李嵐?jié)?，? 基于高光譜的油菜葉面積指數(shù)估計(jì)[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)， 2017， 36（2）： 69-77.

[13]楊 婧，廖桂平，劉 凡，等. 基于高光譜成像技術(shù)的油菜葉片葉綠素含量預(yù)測[J].中國農(nóng)業(yè)科技導(dǎo)報(bào)， 2020， 22（5）： 86-96.

[14]鄭 煜，常慶瑞，王婷婷，等. 基于連續(xù)統(tǒng)去除和偏最小二乘回歸的油菜SPAD高光譜估算[J].西北農(nóng)林科技大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2019， 47（8）： 37-45.

[15]趙贊忠. 油菜冠層特征光譜參數(shù)及其葉面積指數(shù)估測研究[D].長沙：湖南農(nóng)業(yè)大學(xué)， 2018.

[16]李嵐?jié)?，?濤，汪善勤，等. 基于角果期高光譜的冬油菜產(chǎn)量預(yù)測模型研究[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2017， 48（3）： 221-229.

[17]常 濤，謝 鑫，官 梅，等. 不同微肥處理下油菜產(chǎn)量與高光譜反射率關(guān)系分析[J].光譜學(xué)與光譜分析， 2021， 41（2）： 552-557.

[18]張素蘭，覃 菊，唐曉東，等. 松材線蟲危害下馬尾松光譜特征與估測模型研究[J].光譜學(xué)與光譜分析， 2019， 39（3）： 865-872.

[19]鄭蘭芬，王晉年. 成像光譜遙感技術(shù)及其圖像光譜信息提取的分析研究[J].環(huán)境遙感，1992，7（1）： 49-58.

[20]李粉玲，常慶瑞. 基于連續(xù)統(tǒng)去除法的冬小麥葉片全氮含量估算[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)， 2017， 48（7）： 174-179.

[21]李 喆，郭旭東，古 春，等. 高光譜吸收特征參數(shù)反演草地光合有效輻射吸收率[J].遙感學(xué)報(bào)， 2016， 20（2）： 290-302.

[22]BROGE N H， LEBLANC E. Comparing prediction power and stability of broadband and hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density[J]. Remote Sensing of Environment， 2001， 76（2）： 156-172.

[23]陳鵬飛，NICOLAS T，王紀(jì)華，等. 估測作物冠層生物量的新植被指數(shù)的研究[J].光譜學(xué)與光譜分析， 2010， 30（2）： 512-517.

[24]SINGH K， DUDDU H， VAIL S， et al. UAV-based hyperspectral imaging technique to estimate canola （Brassica napus L.） seedpods maturity[J]. Canadian Journal of Remote Sensing， 2021， 47（1）： 33-47.

[25]PENUELAS J， FILELLA I， BIEL C， et al. The reflectance at the 950-970 nm region as an indicator of plant water status[J]. International Journal of Remote Sensing， 1993， 14（10）： 1887-1905.

[26]XUE J， SU B. Significant remote sensing vegetation indices： a review of developments and applications[J]. Journal of Sensors， 2017， 2017： 1-17.

[27]蘇 毅，王克如，李少昆，等. 棉花植株水分含量的高光譜監(jiān)測模型研究[J].棉花學(xué)報(bào)， 2010， 22（6）： 554-560.

[28]熱依拉·艾合買提，吾木提·艾山江，阿不都艾尼·阿不里，等. 基于機(jī)器學(xué)習(xí)的春小麥葉片水分含量高光譜估算[J]. 麥類作物學(xué)報(bào)， 2022， 42（5）： 640-648.

[29]劉 暢，孫鵬森，劉世榮. 水分敏感的反射光譜指數(shù)比較研究——以銳齒槲櫟為例[J].植物生態(tài)學(xué)報(bào)， 2017， 41（8）： 850-861.

[30]吳朝陽，牛 錚. 基于輻射傳輸模型的高光譜植被指數(shù)與葉綠素濃度及葉面積指數(shù)的線性關(guān)系改進(jìn)[J].植物學(xué)通報(bào)， 2008， 25（6）： 714-721.

[31]姜海玲，楊 杭，陳小平，等. 利用光譜指數(shù)反演植被葉綠素含量的精度及穩(wěn)定性研究[J].光譜學(xué)與光譜分析， 2015， 35（4）： 975-981.

（責(zé)任編輯：王 妮）

收稿日期：2022-07-11

基金項(xiàng)目：重慶市農(nóng)業(yè)科學(xué)院績效激勵(lì)引導(dǎo)項(xiàng)目（cqaas2021jxjl17）；重慶市技術(shù)創(chuàng)新與應(yīng)用發(fā)展專項(xiàng)（cstc2021jscx-lyzxX0001）

作者簡介：王克曉（1986-），男，河南平頂山人，碩士，助理研究員，主要從事農(nóng)業(yè)遙感相關(guān)研究。（E-mail）447215670@qq.com

通訊作者：周 蕊，（E-mail）12087836@qq.com