基于無人機高光譜遙感數據的冬小麥生物量估算

作者：陶惠林馮海寬徐良驥楊貴軍楊小冬苗夢珂劉明星

來源：《江蘇農業學報》2020年第05期

摘要：以植被指數和紅邊參數為模型因子，利用多元線性回歸（MLR），構建冬小麥不同生育期的生物量估算模型，從而有效和更好地監測冬小麥的長勢情況，為精準農業中作物的快速監測提供技術手段。首先分析植被指數（VI）和紅邊參數（REPS）與冬小麥生物量的相關性，然后運用MLR分別建立模型MLR+VI、MLR+REPS和MLR+VI+REPS，最后將優選的冬小麥生物量估算模型應用于無人機高光譜影像中，驗證模型的可行性。結果表明，利用單個植被指數或紅邊參數構建的估算模型在孕穗期、開花期和灌漿期估算精度最高的植被指數分別是歸一化植被指數（NDVI）、簡單比值指數（SR）和增強型土壤調節植被指數（MSAVI），精度最高的紅邊參數分別為紅邊振幅/最小振幅、紅邊振幅和紅邊振幅;通過MLR分別以植被指數、紅邊參數和植被指數結合紅邊參數為因子構建的模型MLR+VI、MLR+REPS與MLR+VI+REPS效果優于單個植被指數或紅邊參數建立的模型，3種模型在不同生育期的驗證結果也較好，其中MLR+VI+REPS模型精度最高，模型決定系數（R2）、標準均方根誤差（NRMSE）分別為0.7832與12.13%。

關鍵詞：無人機;高光譜;冬小麥;多元線性回歸;植被指數;紅邊參數

中圖分類號：S127文獻標識碼：A文章編號：1000-4440（2020）05-1154-09

Abstract：Usingvegetationindex（VI）andrededgeparameter（REPS）asmodelfactors，multivariatelinearregression（MLR）wasusedtoconstructabiomassestimationmodelforwinterwheatindifferentgrowthperiods，toeffectivelyandbettermonitorthegrowthofwinterwheatandprovidetechnicalmeansforrapidmonitoringofcropsinprecisionagriculture.ThecorrelationofVIandREPSwithbiomassofwinterwheatwasanalyzedfirst.ThenMLR+VImodel，MLR+REPSmodelandMLR+VI+REPSmodelwereconstructedbyMLRrespectively.Finally，theoptimizedmodelforestimationofbiomassinwinterwheatwasappliedinhyperspectralimagestakenbyunmannedaerialvehiclestoverifythefeasibilityofthemodels.Theresultsshowedthatthevegetationindiceswiththehighestestimationaccuracyoftheestimationmodelconstructedbysinglevegetationindexorrededgeparameterinbootingstage，floweringstageandfillingstagewerenormalizeddifferencevegetationindex（NDVI），simpleratioindex（SR）andmodifiedsoil-adjustedvegetationindex（MSAVI）respectively，andtherededgeparameterswiththehighestprecisionwererededgeamplitude/minimumamplitude，rededgeamplitudeandrededgeamplituderespectively.TheeffectsofMLR+VImodel，MLR+REPSmodelandMLR+VI+REPSmodelwerebetterthanthemodelsconstructedbysinglevegetationindexorsinglerededgeparameter.TheverificationresultsoftheMLR+VImodel，MLR+REPSmodelandMLR+VI+REPSmodelindifferentgrowthperiodswerealsogood，andtheMLR+VI+REPSmodelshowedthehighestprecision，thecoefficientofdetermination（R2）andnormalizedrootmeansquareerror（NRMSE）ofthemodelwere0.7832and12.13%respectively.

Keywords：unmannedaerialvehicle（UAV）;hyperspectral;winterwheat;multiplelinearregression;vegetationindex;rededgeparameters

生物量是作物生長過程中重要的生物物理參數之一[1]，能夠很好地反映作物的長勢情況，便于農業管理者對作物更好地進行管理。通過地面方式進行生物量獲取會浪費大量的時間和人力、物力，造成資源浪費，且會對作物造成一定程度的破壞[2-3];高空進行生物量的獲取適合大范圍、大區域的作物監測[4-7];而低空中的無人機遙感技術具有高分辨率、觀測方便等優點[8-10]，高光譜的波段信息多，從中可以分析作物的敏感波段[11]，在無人機上攜帶高光譜傳感器可以更好地進行生物量的估算。關于生物量相關方面的研究，國內外學者做了大量的探索。劉占宇等使用地面ASD光譜儀，結合線性、非線性和逐步回歸這3種分析方法，發現利用逐步回歸方法，以840nm、1132nm、1579nm、1769nm和2012nm這5個波段反射率作為變量的生物量估算模型最佳[12]。蒙詩櫟等運用WorldView-2衛星多光譜遙感影像，將植被指數與紋理結合，構建的生物量模型有較高估算效果（R2=0.85，RMSE=42.30t/hm2）[13]。另外，高光譜遙感衛星也有廣泛應用。Bao等通過LANDSATTM、EOSMODIS衛星數據和野外高光譜數據進行了遙感估測，對高光譜的光譜參數進行優選，選出最佳光譜指數，將最佳光譜指數與TM、MODIS影像一起估算生物量，最佳估算模型的RMSE為66.403g/m2[14]。Psomas等用獲取的EO-1衛星高光譜數據監測草地生物量，通過窄帶歸一化植被指數（NDVI）、單個光譜帶的多元線性回歸（MLR）構建生物量監測模型，發現以NDVI構建的模型最佳[15]。但地面遙感技術無法生成影像，高空遙感技術空間分辨率低，影響因素較多。近些年，無人機遙感技術在農業上得到廣泛應用。肖武等采用無人機攜帶多光譜相機獲取無人機影像，挑選了22種植被指數，構建一元回歸、多元逐步回歸反向傳播神經網絡的生物量模型，篩選出了以反向傳播神經網絡構建的生物量模型，R2為0.83，提高了采煤沉陷區域玉米生物量反演模型精度[16]。陸國政等基于無人機數碼和高光譜數據，將植被指數、光譜參數和株高一起作為因子，對大豆開花期和結莢期的鮮生物量進行估算，發現在大豆開花結莢期和鼓粒成熟期構建的模型都有比較高的精度和可靠性[17]。基于不同遙感平臺反演生物量，大部分人通過植被指數或植被指數結合機器學習算法建立生物量反演模型，卻很少有人深度分析光譜的紅邊區域，以植被指數結合紅邊參數作建模因子，通過多元線性回歸（MLR）構建生物量估算模型。本研究基于冬小麥孕穗期、開花期和灌漿期的無人機高光譜和實測生物量數據，從高光譜紅邊區域提取出紅邊參數，分別用植被指數和紅邊參數估算生物量，通過MLR構建植被指數、紅邊參數及植被指數結合紅邊參數的生物量估算模型并分析對比，挑選出估算精度最好的模型，應用于無人機高光譜影像中，以驗證估算模型的可行性和可靠性。

1材料與方法

1.1研究區概況

研究區位于北京市昌平區小湯山國家精準農業研究示范基地，處在溫帶和半濕潤大陸性季風氣候地區，基地多種植小麥、玉米等作物，研究區位置如圖1所示。

所選取的試驗田有48個小區，每個小區寬6m，長8m。供試小麥品種為京9843和中麥175。肥料處理為0kg/hm2、195kg/hm2、390kg/hm2和585kg/hm2尿素。于冬小麥孕穗期、開花期和灌漿期進行無人機高光譜監測。

1.2地面數據獲取

通過收獲法來獲取試驗田冬小麥孕穗期、開花期和灌漿期生物量數據。在每個小區隨機取30株樣本，帶回實驗室分離莖、葉，清水清洗干凈，在105℃下進行殺青，80℃烘48h以上，直至恒質量。稱量孕穗期、開花期和灌漿期各樣本的鮮、干質量，得到各生育期的總生物量，再計算出單位面積的總生物量（表1）。

1.3無人機高光譜數據獲取和處理

在進行地面生物量數據獲取的同時，于孕穗期、開花期和灌漿期利用無人機獲取不同生育期的高光譜影像數據，無人機搭載CubertUHD185Firefly成像光譜儀。成像光譜儀主要參數：型號UHD18，生產地德國，質量470g，大小195mm×67mm×60mm，操作條件0～40℃，通道數125，光譜間隔4nm，光譜范圍450～950nm。獲取高光譜數據的時間為10∶00-14∶00，天空無云或少云，無人機飛行高度為100m。

無人機高光譜數據的處理主要包括影像校正、影像拼接和反射率的提取。影像校正：將影像的DN值轉換為地表反射率值。影像拼接：利用俄羅斯的AgisoftPhotoScan軟件，生成孕穗期、開花期和灌漿期的正射影像。反射率的提取：在Arcgis中完成，將每個小區進行編號，再根據小區面積繪制出各小區的矢量，并構建感興趣區，最后利用IDL程序提取出各小區的冠層光譜，將此冠層光譜作為各小區的反射率數據，依次得到孕穗期、開花期和灌漿期的反射率數據。

1.4光譜指數的選取

為了構建冬小麥生物量的估算模型，根據已有文獻資料選取13種光譜指數，其中8種是植被指數，5種為紅邊參數（表2）。

1.5數據分析方法

利用多元線性回歸（Multivariablelinerregression，MLR）方法計算冬小麥生物量（Y），公式如下。

1.6統計分析

以決定系數（Coefficientofdetermination，R2）、均方根誤差（Rootmeansquarederror，RMSE）和標準均方根誤差（Normalizedrootmeansquarederror，NRMSE）作為估算模型的評價指標[31]，計算公式如下。式中xi是冬小麥生物量的實測值，x—是生物量實測值的平均值，yi為估算模型的生物量估算值，y—為生物量估算值的平均值，n是樣本數。

2結果與分析

2.1UHD185成像光譜儀數據精度分析

在使用無人機UHD185高光譜數據前，為了確保數據的精度，用地面ASD數據作精度驗證。將重采樣地面采集的ASD數據轉換為UHD185的各個波段數據，得到冬小麥不同生育期的光譜反射率，將不同生育期地面ASD重采樣光譜反射率與UHD185光譜反射率進行對比分析（圖2）。由圖2可知，UHD185光譜反射率曲線與ASD重采樣光譜反射率曲線在680～758nm時表現出較高的一致性，即在紅邊區域兩曲線變化情況較為一致，此波段范圍內反射率都快速增加，土壤反射率較高。兩反射率曲線都在550nm左右位置出現第1次峰值，表現為綠峰，在UHD185和ASD反射率曲線中，綠峰波段反射率均為灌漿期>開花期>孕穗期;隨著波段的推移，處于680nm左右位置時，出現第1次谷值，表現為紅谷，兩曲線在不同生育期的反射率大小情況依然是灌漿期最高;波長處在680～758nm時，即紅邊范圍內，兩者反射率都較快增加;波長處于758～950nm時，兩曲線3個不同生育期反射率大小表現為孕穗期>灌漿期>開花期，對比兩曲線發現UHD185反射率曲線隨著波長增加反射率下降較快，曲線波動較大，而ASD反射率下降不明顯，曲線較為穩定。綜合來說，波長處于450～758nm時兩曲線變化是一致的，因此選取位于此波段區間的紅邊參數用于估算生物量。

2.2光譜指數與冬小麥生物量的相關性分析

將冬小麥3個生育期的光譜指數分別與對應時期的生物量進行相關性分析，得到孕穗期、開花期和灌漿期光譜指數與生物量的相關系數（表3）。

從表3中可以看出，當冬小麥處于孕穗期時，整體上光譜指數與生物量呈極顯著相關關系（P<0.01），其中大部分相關系數絕對值都在0.6以上，相關性較好，光譜指數TCARI與冬小麥生物量呈顯著負相關關系，TCARI/OSAVI和最小振幅與冬小麥生物量呈極顯著負相關關系，其余光譜指數與冬小麥生物量均呈極顯著正相關。相關系數絕對值最大的光譜指數是NDVI，為0.786;絕對值最小的指數為TCARI，相關系數絕對值是0.367。開花期，光譜指數TCARI和最小振幅與冬小麥生物量間無顯著相關性，大部分光譜指數與冬小麥生物量的相關系數絕對值在0.7以上，相關性比孕穗期更好。開花期，光譜指數SR與冬小麥生物量的相關系數最大，為0.831;光譜指數最小振幅與冬小麥生物量的相關系數最小，為-0.133。灌漿期，光譜指數與冬小麥生物量的相關性與開花期表現相似，其中光譜指數TCARI和最小振幅與冬小麥生物量之間無顯著相關關系，其余光譜指數中，除了TCARI/OSAVI與冬小麥生物量呈極顯著負相關關系外，其他光譜指數與冬小麥生物量都呈極顯著正相關關系，相關系數最大的光譜指數為紅邊振幅，為0.701，相關系數最小的光譜指數為TCARI，為0.067。

1材料與方法

1.1研究區概況

研究區位于北京市昌平區小湯山國家精準農業研究示范基地，處在溫帶和半濕潤大陸性季風氣候地區，基地多種植小麥、玉米等作物，研究區位置如圖1所示。

所選取的試驗田有48個小區，每個小區寬6m，長8m。供試小麥品種為京9843和中麥175。肥料處理為0kg/hm2、195kg/hm2、390kg/hm2和585kg/hm2尿素。于冬小麥孕穗期、開花期和灌漿期進行無人機高光譜監測。

1.2地面數據獲取

通過收獲法來獲取試驗田冬小麥孕穗期、開花期和灌漿期生物量數據。在每個小區隨機取30株樣本，帶回實驗室分離莖、葉，清水清洗干凈，在105℃下進行殺青，80℃烘48h以上，直至恒質量。稱量孕穗期、開花期和灌漿期各樣本的鮮、干質量，得到各生育期的總生物量，再計算出單位面積的總生物量（表1）。

1.3無人機高光譜數據獲取和處理

在進行地面生物量數據獲取的同時，于孕穗期、開花期和灌漿期利用無人機獲取不同生育期的高光譜影像數據，無人機搭載CubertUHD185Firefly成像光譜儀。成像光譜儀主要參數：型號UHD18，生產地德國，質量470g，大小195mm×67mm×60mm，操作條件0～40℃，通道數125，光譜間隔4nm，光譜范圍450～950nm。獲取高光譜數據的時間為10∶00-14∶00，天空無云或少云，無人機飛行高度為100m。

無人機高光譜數據的處理主要包括影像校正、影像拼接和反射率的提取。影像校正：將影像的DN值轉換為地表反射率值。影像拼接：利用俄羅斯的AgisoftPhotoScan軟件，生成孕穗期、開花期和灌漿期的正射影像。反射率的提取：在Arcgis中完成，將每個小區進行編號，再根據小區面積繪制出各小區的矢量，并構建感興趣區，最后利用IDL程序提取出各小區的冠層光譜，將此冠層光譜作為各小區的反射率數據，依次得到孕穗期、開花期和灌漿期的反射率數據。

1.4光譜指數的選取

為了構建冬小麥生物量的估算模型，根據已有文獻資料選取13種光譜指數，其中8種是植被指數，5種為紅邊參數（表2）。

1.5數據分析方法

利用多元線性回歸（Multivariablelinerregression，MLR）方法計算冬小麥生物量（Y），公式如下。

1.6統計分析

以決定系數（Coefficientofdetermination，R2）、均方根誤差（Rootmeansquarederror，RMSE）和標準均方根誤差（Normalizedrootmeansquarederror，NRMSE）作為估算模型的評價指標[31]，計算公式如下。式中xi是冬小麥生物量的實測值，x—是生物量實測值的平均值，yi為估算模型的生物量估算值，y—為生物量估算值的平均值，n是樣本數。

2結果與分析

2.1UHD185成像光譜儀數據精度分析

在使用無人機UHD185高光譜數據前，為了確保數據的精度，用地面ASD數據作精度驗證。將重采樣地面采集的ASD數據轉換為UHD185的各個波段數據，得到冬小麥不同生育期的光譜反射率，將不同生育期地面ASD重采樣光譜反射率與UHD185光譜反射率進行對比分析（圖2）。由圖2可知，UHD185光譜反射率曲線與ASD重采樣光譜反射率曲線在680～758nm時表現出較高的一致性，即在紅邊區域兩曲線變化情況較為一致，此波段范圍內反射率都快速增加，土壤反射率較高。兩反射率曲線都在550nm左右位置出現第1次峰值，表現為綠峰，在UHD185和ASD反射率曲線中，綠峰波段反射率均為灌漿期>開花期>孕穗期;隨著波段的推移，處于680nm左右位置時，出現第1次谷值，表現為紅谷，兩曲線在不同生育期的反射率大小情況依然是灌漿期最高;波長處在680～758nm時，即紅邊范圍內，兩者反射率都較快增加;波長處于758～950nm時，兩曲線3個不同生育期反射率大小表現為孕穗期>灌漿期>開花期，對比兩曲線發現UHD185反射率曲線隨著波長增加反射率下降較快，曲線波動較大，而ASD反射率下降不明顯，曲線較為穩定。綜合來說，波長處于450～758nm時兩曲線變化是一致的，因此選取位于此波段區間的紅邊參數用于估算生物量。

2.2光譜指數與冬小麥生物量的相關性分析

將冬小麥3個生育期的光譜指數分別與對應時期的生物量進行相關性分析，得到孕穗期、開花期和灌漿期光譜指數與生物量的相關系數（表3）。

從表3中可以看出，當冬小麥處于孕穗期時，整體上光譜指數與生物量呈極顯著相關關系（P<0.01），其中大部分相關系數絕對值都在0.6以上，相關性較好，光譜指數TCARI與冬小麥生物量呈顯著負相關關系，TCARI/OSAVI和最小振幅與冬小麥生物量呈極顯著負相關關系，其余光譜指數與冬小麥生物量均呈極顯著正相關。相關系數絕對值最大的光譜指數是NDVI，為0.786;絕對值最小的指數為TCARI，相關系數絕對值是0.367。開花期，光譜指數TCARI和最小振幅與冬小麥生物量間無顯著相關性，大部分光譜指數與冬小麥生物量的相關系數絕對值在0.7以上，相關性比孕穗期更好。開花期，光譜指數SR與冬小麥生物量的相關系數最大，為0.831;光譜指數最小振幅與冬小麥生物量的相關系數最小，為-0.133。灌漿期，光譜指數與冬小麥生物量的相關性與開花期表現相似，其中光譜指數TCARI和最小振幅與冬小麥生物量之間無顯著相關關系，其余光譜指數中，除了TCARI/OSAVI與冬小麥生物量呈極顯著負相關關系外，其他光譜指數與冬小麥生物量都呈極顯著正相關關系，相關系數最大的光譜指數為紅邊振幅，為0.701，相關系數最小的光譜指數為TCARI，為0.067。

1材料與方法

1.1研究區概況

研究區位于北京市昌平區小湯山國家精準農業研究示范基地，處在溫帶和半濕潤大陸性季風氣候地區，基地多種植小麥、玉米等作物，研究區位置如圖1所示。

所選取的試驗田有48個小區，每個小區寬6m，長8m。供試小麥品種為京9843和中麥175。肥料處理為0kg/hm2、195kg/hm2、390kg/hm2和585kg/hm2尿素。于冬小麥孕穗期、開花期和灌漿期進行無人機高光譜監測。

1.2地面數據獲取

通過收獲法來獲取試驗田冬小麥孕穗期、開花期和灌漿期生物量數據。在每個小區隨機取30株樣本，帶回實驗室分離莖、葉，清水清洗干凈，在105℃下進行殺青，80℃烘48h以上，直至恒質量。稱量孕穗期、開花期和灌漿期各樣本的鮮、干質量，得到各生育期的總生物量，再計算出單位面積的總生物量（表1）。

1.3無人機高光譜數據獲取和處理

在進行地面生物量數據獲取的同時，于孕穗期、開花期和灌漿期利用無人機獲取不同生育期的高光譜影像數據，無人機搭載CubertUHD185Firefly成像光譜儀。成像光譜儀主要參數：型號UHD18，生產地德國，質量470g，大小195mm×67mm×60mm，操作條件0～40℃，通道數125，光譜間隔4nm，光譜范圍450～950nm。獲取高光譜數據的時間為10∶00-14∶00，天空無云或少云，無人機飛行高度為100m。

無人機高光譜數據的處理主要包括影像校正、影像拼接和反射率的提取。影像校正：將影像的DN值轉換為地表反射率值。影像拼接：利用俄羅斯的AgisoftPhotoScan軟件，生成孕穗期、開花期和灌漿期的正射影像。反射率的提取：在Arcgis中完成，將每個小區進行編號，再根據小區面積繪制出各小區的矢量，并構建感興趣區，最后利用IDL程序提取出各小區的冠層光譜，將此冠層光譜作為各小區的反射率數據，依次得到孕穗期、開花期和灌漿期的反射率數據。

1.4光譜指數的選取

為了構建冬小麥生物量的估算模型，根據已有文獻資料選取13種光譜指數，其中8種是植被指數，5種為紅邊參數（表2）。

1.5數據分析方法

利用多元線性回歸（Multivariablelinerregression，MLR）方法計算冬小麥生物量（Y），公式如下。

1.6統計分析

以決定系數（Coefficientofdetermination，R2）、均方根誤差（Rootmeansquarederror，RMSE）和標準均方根誤差（Normalizedrootmeansquarederror，NRMSE）作為估算模型的評價指標[31]，計算公式如下。式中xi是冬小麥生物量的實測值，x—是生物量實測值的平均值，yi為估算模型的生物量估算值，y—為生物量估算值的平均值，n是樣本數。

2結果與分析

2.1UHD185成像光譜儀數據精度分析

在使用無人機UHD185高光譜數據前，為了確保數據的精度，用地面ASD數據作精度驗證。將重采樣地面采集的ASD數據轉換為UHD185的各個波段數據，得到冬小麥不同生育期的光譜反射率，將不同生育期地面ASD重采樣光譜反射率與UHD185光譜反射率進行對比分析（圖2）。由圖2可知，UHD185光譜反射率曲線與ASD重采樣光譜反射率曲線在680～758nm時表現出較高的一致性，即在紅邊區域兩曲線變化情況較為一致，此波段范圍內反射率都快速增加，土壤反射率較高。兩反射率曲線都在550nm左右位置出現第1次峰值，表現為綠峰，在UHD185和ASD反射率曲線中，綠峰波段反射率均為灌漿期>開花期>孕穗期;隨著波段的推移，處于680nm左右位置時，出現第1次谷值，表現為紅谷，兩曲線在不同生育期的反射率大小情況依然是灌漿期最高;波長處在680～758nm時，即紅邊范圍內，兩者反射率都較快增加;波長處于758～950nm時，兩曲線3個不同生育期反射率大小表現為孕穗期>灌漿期>開花期，對比兩曲線發現UHD185反射率曲線隨著波長增加反射率下降較快，曲線波動較大，而ASD反射率下降不明顯，曲線較為穩定。綜合來說，波長處于450～758nm時兩曲線變化是一致的，因此選取位于此波段區間的紅邊參數用于估算生物量。

2.2光譜指數與冬小麥生物量的相關性分析

將冬小麥3個生育期的光譜指數分別與對應時期的生物量進行相關性分析，得到孕穗期、開花期和灌漿期光譜指數與生物量的相關系數（表3）。

從表3中可以看出，當冬小麥處于孕穗期時，整體上光譜指數與生物量呈極顯著相關關系（P<0.01），其中大部分相關系數絕對值都在0.6以上，相關性較好，光譜指數TCARI與冬小麥生物量呈顯著負相關關系，TCARI/OSAVI和最小振幅與冬小麥生物量呈極顯著負相關關系，其余光譜指數與冬小麥生物量均呈極顯著正相關。相關系數絕對值最大的光譜指數是NDVI，為0.786;絕對值最小的指數為TCARI，相關系數絕對值是0.367。開花期，光譜指數TCARI和最小振幅與冬小麥生物量間無顯著相關性，大部分光譜指數與冬小麥生物量的相關系數絕對值在0.7以上，相關性比孕穗期更好。開花期，光譜指數SR與冬小麥生物量的相關系數最大，為0.831;光譜指數最小振幅與冬小麥生物量的相關系數最小，為-0.133。灌漿期，光譜指數與冬小麥生物量的相關性與開花期表現相似，其中光譜指數TCARI和最小振幅與冬小麥生物量之間無顯著相關關系，其余光譜指數中，除了TCARI/OSAVI與冬小麥生物量呈極顯著負相關關系外，其他光譜指數與冬小麥生物量都呈極顯著正相關關系，相關系數最大的光譜指數為紅邊振幅，為0.701，相關系數最小的光譜指數為TCARI，為0.067。

1材料與方法

1.1研究區概況

研究區位于北京市昌平區小湯山國家精準農業研究示范基地，處在溫帶和半濕潤大陸性季風氣候地區，基地多種植小麥、玉米等作物，研究區位置如圖1所示。

所選取的試驗田有48個小區，每個小區寬6m，長8m。供試小麥品種為京9843和中麥175。肥料處理為0kg/hm2、195kg/hm2、390kg/hm2和585kg/hm2尿素。于冬小麥孕穗期、開花期和灌漿期進行無人機高光譜監測。

1.2地面數據獲取

通過收獲法來獲取試驗田冬小麥孕穗期、開花期和灌漿期生物量數據。在每個小區隨機取30株樣本，帶回實驗室分離莖、葉，清水清洗干凈，在105℃下進行殺青，80℃烘48h以上，直至恒質量。稱量孕穗期、開花期和灌漿期各樣本的鮮、干質量，得到各生育期的總生物量，再計算出單位面積的總生物量（表1）。

1.3無人機高光譜數據獲取和處理

在進行地面生物量數據獲取的同時，于孕穗期、開花期和灌漿期利用無人機獲取不同生育期的高光譜影像數據，無人機搭載CubertUHD185Firefly成像光譜儀。成像光譜儀主要參數：型號UHD18，生產地德國，質量470g，大小195mm×67mm×60mm，操作條件0～40℃，通道數125，光譜間隔4nm，光譜范圍450～950nm。獲取高光譜數據的時間為10∶00-14∶00，天空無云或少云，無人機飛行高度為100m。

無人機高光譜數據的處理主要包括影像校正、影像拼接和反射率的提取。影像校正：將影像的DN值轉換為地表反射率值。影像拼接：利用俄羅斯的AgisoftPhotoScan軟件，生成孕穗期、開花期和灌漿期的正射影像。反射率的提取：在Arcgis中完成，將每個小區進行編號，再根據小區面積繪制出各小區的矢量，并構建感興趣區，最后利用IDL程序提取出各小區的冠層光譜，將此冠層光譜作為各小區的反射率數據，依次得到孕穗期、開花期和灌漿期的反射率數據。

1.4光譜指數的選取

為了構建冬小麥生物量的估算模型，根據已有文獻資料選取13種光譜指數，其中8種是植被指數，5種為紅邊參數（表2）。

1.5數據分析方法

利用多元線性回歸（Multivariablelinerregression，MLR）方法計算冬小麥生物量（Y），公式如下。

1.6統計分析

以決定系數（Coefficientofdetermination，R2）、均方根誤差（Rootmeansqu