利用多光谱开展LAI估算研究成为农业定量遥感和精准农业研究热点问题之一[14]。国内外部分学者已开展了利用多光谱遥感数据进行LAI反演研究,如Darvishzadeh等[15-16]、Haboudanea等[17]和Zhao等[18]利用遥感参量植被指数来减少土壤等背景环境的影响,将植被指数和LAI参数建立相关函数,利用其关系进行LAI参数反演。Gitelson等[19]利用绿波段代替红波段提出了新的植被指数GRVI,然后利用其和LAI的相关性进行LAI反演。唐延林等[20]和刘占宇等[21]针对水稻、玉米和棉花等不同作物,构建了不同的植被指数模型,提高了作物LAI估算的精度。Ahl等[22]、程乾等[23]利用多种遥感信息源(NOAA-AVHRR、MODIS、TM和HJ-1等)构建了基于不同信息源的植被LAI反演模型。来~自^751论+文.网www.751com.cn/
在不同地区,不同品种所构建的基于NDVI、RVI和PVI的小麦叶面积指数反演模型各具有区域性。因此本实验分别构建了基于NDVI、RVI、PVI的小麦叶面积指数的反演模型,旨在构建适用于淮安地区的叶面积指数反演模型。
2 材料与方法
2.1 田间试验方案
实验地点设在淮安市国家农业科技园区(淮安市淮阴区凌桥乡)。
试验材料为宁麦13(N,弱筋)、扬辐麦4号(Y,中筋),淮麦20(H,强筋)。
共0、8、15、22kgN/667m24个氮肥处理,基追比为5:5,于拔节期追肥。磷肥P2O5 7kg/亩,一次性施入;钾肥K2O 9kg/亩,基追比为5:5。
3次重复,共36个小区,小区面积为42m2(6m×7m),基本苗为15万苗/667m2。
试验的处理编号见表1,