基于综合指标的冬小麦长势无人机遥感监测

• 用于描述作物长势的指标：苗情，作物密度，叶面积指数(LAI)，生物量，干物质量，光合色素含量。
• 目前有关小麦长势监测的研究，多数是以LAI，叶片叶绿素含量，氮素含量，水分含量，生物量单个指标反映小麦长势。
• 本文尝试将LAI，叶片叶绿素含量，氮素含量，水分含量和生物量以均等权重方式综合成一个新指标----综合长势指标（comprehensive growth index，CGI），来反演小麦长势。结合无人机获取的高光谱影像数据，筛选与CGI相关性好的光谱指数，利用偏最小二乘法（PLSR）建立CGI反演模型。

文章方法流程

1. 构建光谱指数
2. 构建综合长势指标
3. 分析不同生育期（拔节期、孕穗期、开花期、灌浆期）光谱指数与CGI的相关性，找到相关性高的波段区域
4. 单个指标和综合长势指标与光谱指数相关性比较分析，证明CGI与光谱指数相关性更好
5. 用CGI和相应的光谱指数参与构建PLSR模型，将小麦生育期对应的光谱指数作为PLSR的输入变量，CGI作为PLSR模型的因变量，其他各个生育期也是如此
6. 利用已经构建的小麦各个生育期的PLSR模型，将CGI从样点扩展到种植区域，实现小麦的长势监测

方法
1.光谱指数构建
归一化光谱指数（NDSI）
比值光谱指数（RSI）
简单光谱指数（SSI）

2.综合长势指标构建
1.首先对单独指标（LAI，叶片叶绿素含量，氮素含量，水分含量，生物量）进行归一化

U_i= X_i / max(X_i)

2.每个指标经过归一化后在新指标中占比为0.2

CGI = 1/5 Σ U_i

X_i 表示具体的指标（LAI、叶片叶绿素含量…）
U_i 表示经过归一化之后的指标
CGI 表示综合长势指标