尹 航，李 斐，杨海波，李 渊

    (内蒙古农业大学草原与资源环境学院/内蒙古自治区土壤质量与养分资源重点实验室,内蒙古呼和浩特 010011)

    叶绿素是植物进行光合作用的重要色素，其含量多少是植物营养胁迫和光合能力的重要指示值，实时监测叶绿素含量对于了解植物长势、实施精准农业具有重要作用[1–3]。叶绿素仪可快速、无损的测量叶片中的叶绿素含量[4]，但该方法是基于叶片的叶绿素快速检测，需对作物不同叶片进行反复测量，费时费力，是典型的以点带面的测量方法，无法实现在时间和空间上的大面积准确测量，不能满足现代农业集约化区域性作物监测[5]。因此，迫切需要一种能够在田块尺度上反映作物冠层叶绿素含量的快速监测方法。

    随着遥感技术的发展，无人机遥感技术以机动灵活、覆盖范围广、时空分辨率高等优势而逐渐成为农情监测的又一重要手段[6–7]。大量的研究表明，利用无人机获取光谱影像，结合已有成熟算法可有效的进行叶绿素含量监测[8–10]。无人机影像可分为多光谱与高光谱影像，多光谱影像空间分辨率高、操作简便，从中提取的较宽波段结合已有光谱指数可快速、无损的监测作物叶绿素含量[11–12]。近些年，研究发现针对已有宽波段光谱指数所建立的估测模型，容易受到噪音、土壤等环境因素干扰，监测其它类作物时估测模型鲁棒性较差、模型精度降低等，因此可通过优化相应波段构建新光谱指数减少外界环境因素的干扰[13–14]。对于多光谱影像来说，虽然获取容易处理也相对简单，但不足的是光谱信息量少，且波段较宽，无法实现波段间的宽窄优化从而对估测不同作物的模型鲁棒性及精度都有所影响，难以实现大面积的精准估测[15]。

    相比于多光谱，高光谱影像具有“图谱合一”的特点和优势，在获得地面二维空间图像信息的同时，还获取地物的连续光谱信息[16]。所提取波段多而窄，波段宽度通常小于10 nm，构建的光谱指数能够有效减少噪音、土壤等外界环境因素干扰，显著提高模型的反演精度[17]。国内外研究表明，通过高光谱影像提取作物光谱反射率，结合光谱指数构建估测模型，可有效反演作物叶绿素含量[18–19]。但在已有光谱指数的研究中，它们的准确性和稳健性不足以在区域尺度上实际使用[20–21]，而通过波段运算计算的优化光谱指数能够大幅提升模型鲁棒性与精度，决定系数提高约20%[22–23]。大量研究是在同样的种植环境及单个生育时期，没有考虑到种植环境及生育时期是否会影响估测模型的准确度，利用无人机平台搭载高光谱相机进行叶绿素遥感监测已经广泛应用于玉米、小麦等作物[24–26]，但基于高光谱影像结合波段优化算法在马铃薯关键生育时期叶绿素含量反演上研究报道较少 ......