基于哨兵-2A模擬反射率及其影像的冬小麥?zhǔn)斋@指數(shù)估算

任建強(qiáng) 張寧丹 劉杏認(rèn) 吳尚蓉

(1.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所， 北京 100081；2.中國農(nóng)業(yè)科學(xué)院農(nóng)業(yè)環(huán)境與可持續(xù)發(fā)展研究所， 北京 100081)

0 引言

收獲指數(shù)(Harvest index，HI)是評價(jià)作物單產(chǎn)水平和栽培成效的重要生物學(xué)參數(shù)，也是作物單產(chǎn)進(jìn)一步提高的重要決定因素之一[1]。對糧食作物來說，一般的收獲指數(shù)是指成熟期作物籽粒產(chǎn)量占作物地上生物量的百分?jǐn)?shù)，該指標(biāo)本質(zhì)反映了作物同化產(chǎn)物在籽粒和營養(yǎng)器官中的分配比例[2]。近年來，為了定量描述籽粒灌漿過程中作物收獲指數(shù)逐步形成至達(dá)到最大值的變化過程，部分學(xué)者以冬小麥為例提出了作物動(dòng)態(tài)收獲指數(shù)(Dynamic harvest index，D-HI)的概念，這不僅豐富了收獲指數(shù)的概念內(nèi)涵，也對作物生長過程和產(chǎn)量形成的定量模擬具有重要意義[3]。因此，快速準(zhǔn)確地獲取成熟期作物收獲指數(shù)及其動(dòng)態(tài)過程信息對于作物單產(chǎn)準(zhǔn)確模擬[4-6]、作物生物量估算[7]、作物品種選育和表型信息獲取[8-9]、作物栽培技術(shù)優(yōu)化與效果評價(jià)[10-11]具有重要科學(xué)意義，同時(shí)，對農(nóng)業(yè)管理部門及時(shí)掌握農(nóng)作物長勢和作物產(chǎn)量估算信息，有效開展農(nóng)業(yè)生產(chǎn)管理也具有重要指導(dǎo)意義[12-14]。

一般的作物收獲指數(shù)研究主要基于田塊尺度的農(nóng)學(xué)試驗(yàn)層面，大多側(cè)重于作物收獲指數(shù)的數(shù)學(xué)模擬、收獲指數(shù)與相關(guān)農(nóng)學(xué)參數(shù)關(guān)系、作物生長環(huán)境及其管理措施對收獲指數(shù)的影響評價(jià)等[15-16]。作物收獲指數(shù)獲取方法主要有直接法和間接法。直接法主要通過田間取樣計(jì)算獲得，該方法雖然準(zhǔn)確，但費(fèi)時(shí)費(fèi)力且很難在大范圍內(nèi)開展，也無法獲得收獲指數(shù)的連續(xù)空間分布信息。間接法主要包括2類：①通過模擬灌漿期作物收獲指數(shù)的逐步增加變化過程與時(shí)間之間函數(shù)關(guān)系實(shí)現(xiàn)作物收獲指數(shù)的準(zhǔn)確估算[17-18]。②基于作物生長過程中的植被信息(如各種植被指數(shù)、生物量等)、作物生長環(huán)境影響因子(如溫度、光照、土壤含水率等)與HI建立函數(shù)關(guān)系實(shí)現(xiàn)HI的估算[19]。

近些年來，遙感技術(shù)憑借其覆蓋范圍大、快速和準(zhǔn)確獲取地表作物參數(shù)信息的優(yōu)勢，為準(zhǔn)確獲取區(qū)域作物HI空間信息提供了可靠的技術(shù)手段[20-21]。其中，通過寬波段多光譜傳感器(如NOAA、MODIS、MERIS等)數(shù)據(jù)，國內(nèi)外學(xué)者利用發(fā)芽-開花和開花-成熟2個(gè)階段能夠反映作物長勢狀況的時(shí)序植被遙感信息(如歸一化差值植被指數(shù)和葉面積指數(shù)等)開展了成熟期冬小麥HI遙感估算研究，對利用遙感信息獲取區(qū)域尺度作物HI具有重要借鑒意義[15,17,22-24]。然而，已有研究只進(jìn)行了成熟期最終作物收獲指數(shù)估算，且使用開花后時(shí)序NDVI表征籽粒灌漿過程，對作物HI形成過程中動(dòng)態(tài)收獲指數(shù)信息的考慮不足[25]。針對這一問題，張寧丹等[26]以河北省衡水市深州市冬小麥為研究對象，在構(gòu)建花后累積地上生物量比例動(dòng)態(tài)參數(shù)(Dynamic fG, D-fG)基礎(chǔ)上，提出了敏感波段中心構(gòu)建歸一化差值光譜指數(shù)(Normalized difference spectral index，NDSI)估算D-fG的作物動(dòng)態(tài)收獲指數(shù)估測方法，實(shí)現(xiàn)了田間冠層尺度D-HI的準(zhǔn)確獲取。在敏感波段中心基礎(chǔ)上，通過波段擴(kuò)展確定了冬小麥D-fG估算敏感波段最大寬度，實(shí)現(xiàn)了最大波寬下田間冠層尺度D-HI的遙感準(zhǔn)確獲取。上述冠層尺度D-HI估算研究為基于高光譜和多光譜等遙感衛(wèi)星開展區(qū)域尺度作物動(dòng)態(tài)收獲指數(shù)獲取奠定了一定基礎(chǔ)。但是，該方法由田間冠層尺度擴(kuò)展到區(qū)域尺度的應(yīng)用效果還有待進(jìn)一步評價(jià)，在已獲得的敏感波段中心和最大波寬基礎(chǔ)上如何開展基于遙感衛(wèi)星的區(qū)域冬小麥?zhǔn)斋@指數(shù)遙感估算還有待進(jìn)一步深入研究，特別是如何充分利用反映作物生長狀況的紅光、紅邊、近紅外等波段信息進(jìn)行大范圍D-HI遙感估算成為亟待研究的問題。

基于以上分析，考慮到哨兵-2A(Sentinel-2A)是具有較高重訪頻率的寬幅高分辨率多光譜成像衛(wèi)星，是目前唯一在紅邊區(qū)域含有3個(gè)獨(dú)特紅邊波段的光學(xué)遙感數(shù)據(jù)，這對監(jiān)測植被健康信息和植物生長狀況非常有效[27-29]，而且該數(shù)據(jù)已在大范圍作物監(jiān)測中發(fā)揮了重要作用[30-33]。但是，基于Sentinel-2數(shù)據(jù)的作物HI估測研究尚未見報(bào)道。因此，為進(jìn)一步驗(yàn)證基于花后累積地上生物量比例的D-HI遙感估算方法在大范圍獲取作物HI空間信息的可行性和有效性，在前期田間冠層尺度作物HI估算研究確定的冬小麥D-fG和HI估算敏感波段中心和最大波段寬度基礎(chǔ)上，本研究利用近地高光譜和Sentinel-2A影像數(shù)據(jù)，開展基于Sentinel-2A遙感模擬數(shù)據(jù)和真實(shí)遙感數(shù)據(jù)的區(qū)域冬小麥HI估算研究，以期為大范圍作物HI空間信息衛(wèi)星遙感準(zhǔn)確獲取提供技術(shù)方法借鑒。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

圖1 研究區(qū)位置與采樣點(diǎn)空間分布Fig.1 Location of study area and spatial distribution of sampling points

研究區(qū)為中國北方糧食生產(chǎn)基地黃淮海平原內(nèi)河北省衡水市(115.17°～116.57°E，37.05°～38.38°N)，典型試驗(yàn)區(qū)為深州市(115.35°～115.80°E，37.70°～38.17°N)(圖1)。衡水市總面積8.836×107km2，地處河北沖積平原，地勢自西南向東北緩慢傾斜，海拔12～30 m。該研究區(qū)域?qū)儆谂瘻貛О敫珊祬^(qū)季風(fēng)氣候，年均降水量約480 mm，年均溫度約13.4℃，無霜期200 d左右，研究區(qū)為冬小麥-夏玉米一年兩熟輪作種植制度。其中，冬小麥種植時(shí)間為10月上中旬，返青期為次年3月上中旬，拔節(jié)期為3月下旬至4月上中旬，抽穗開花期為4月下旬至5月上旬，灌漿-乳熟期為5月中下旬，成熟期為6月上旬。

1.2 數(shù)據(jù)獲取與處理

1.2.1地面數(shù)據(jù)采集與處理

數(shù)據(jù)獲取內(nèi)容主要包括冠層高光譜、作物地上干生物量、動(dòng)態(tài)籽粒產(chǎn)量和GPS定位信息等。本研究分別在冬小麥開花期(2021年5月3日)、灌漿前期(2021年5月15日)、灌漿后期(2021年5月25日)、成熟期(2021年6月5日)共4個(gè)關(guān)鍵時(shí)期進(jìn)行數(shù)據(jù)采集。深州市典型研究區(qū)共18個(gè)樣方，每個(gè)樣方布設(shè)5個(gè)采樣點(diǎn)，每次試驗(yàn)獲取90個(gè)樣本數(shù)據(jù)。衡水市區(qū)域調(diào)查共布設(shè)50個(gè)調(diào)查點(diǎn)，每次調(diào)查獲取50個(gè)樣點(diǎn)數(shù)據(jù)，主要包括作物地上生物量、動(dòng)態(tài)籽粒產(chǎn)量和GPS定位信息等。以冬小麥開花期為時(shí)間基準(zhǔn)，在深州市共獲取了灌漿前期、灌漿后期和成熟期共3個(gè)時(shí)期270個(gè)地面樣本數(shù)據(jù)，根據(jù)比例3∶2 將其分為建模數(shù)據(jù)集(162個(gè))和驗(yàn)證數(shù)據(jù)集(108個(gè))。衡水市10個(gè)縣50個(gè)調(diào)查點(diǎn)在灌漿前期、灌漿后期和成熟期3個(gè)時(shí)期共獲得150個(gè)地面樣本數(shù)據(jù)，主要作為后期衡水地區(qū)作物收獲指數(shù)的區(qū)域驗(yàn)證數(shù)據(jù)。

(1)地上干生物量

在冬小麥關(guān)鍵生育期(包括開花期、灌漿前期、灌漿后期和成熟期)，首先根據(jù)各個(gè)采樣點(diǎn)測定的GPS位置信息，在每個(gè)采樣點(diǎn)分別割取1行長度20 cm的冬小麥地上部分作為樣本。在將冬小麥莖葉穗分離基礎(chǔ)上，將分離后冬小麥莖葉穗放入105℃干燥箱并進(jìn)行30 min殺青處理。然后，在85℃條件下連續(xù)干燥48 h以上，直至樣本質(zhì)量恒定再進(jìn)行稱量。其次，在將冬小麥莖葉穗干質(zhì)量進(jìn)行相加的基礎(chǔ)上，根據(jù)種植密度和樣本干質(zhì)量換算成單位面積冬小麥地上干生物量。最后，在對各樣點(diǎn)冬小麥穗脫粒處理基礎(chǔ)上，分別記錄各個(gè)采樣點(diǎn)的籽粒質(zhì)量。

(2)冬小麥冠層高光譜

利用美國ASD(Analytical Spectral Devices Inc.)公司生產(chǎn)的Field Spec 4型光譜輻射儀(波長350～2 500 nm)采集冬小麥冠層高光譜。其中，波長范圍350～1 000 nm采樣間隔1.4 nm，波長范圍1 000～2 500 nm采樣間隔2 nm，重采樣后光譜間隔為1 nm。選擇天氣狀況良好、陽光照射充足條件下進(jìn)行冠層高光譜測定，觀測時(shí)間為10:00—14:00。高光譜測量前用標(biāo)準(zhǔn)白板校正，測量時(shí)保證探頭垂直向下，光譜裝置探頭視角為25°，為了保證冬小麥樣本處于探測視場內(nèi)，同時(shí)減少下墊面光譜反射對測定結(jié)果的影響，探頭距離作物冠層頂部高度約0.5 m。測量時(shí)，每個(gè)采樣點(diǎn)獲取10條光譜數(shù)據(jù)，取其均值作為該采樣點(diǎn)的光譜反射率。然后，對每個(gè)采樣點(diǎn)的光譜曲線利用9點(diǎn)加權(quán)移動(dòng)平均法進(jìn)行去噪平滑處理。圖2為深州市調(diào)查樣方采樣點(diǎn)經(jīng)過光譜平均和光譜平滑處理后的不同生育期冬小麥冠層高光譜曲線。

圖2 深州市典型樣方冬小麥不同生育期冠層 高光譜曲線Fig.2 Canopy hyperspectral curves of winter wheat at different growth stages of quadrats in Shenzhou City

1.2.2遙感數(shù)據(jù)獲取與預(yù)處理

Sentinel-2A數(shù)據(jù)主要從歐空局哥白尼數(shù)據(jù)中心(https:∥scihub.copernicus.eu/)獲取，衛(wèi)星數(shù)據(jù)產(chǎn)品級別為Level-1C(L1C)。Sentinel-2A遙感影像有13個(gè)光譜波段，包括可見光、紅邊、近紅外、水汽、卷云以及短波紅外波段等。其中，L1C級數(shù)據(jù)為已經(jīng)過輻射定標(biāo)和幾何校正的大氣頂反射率數(shù)據(jù)，因此，只需要進(jìn)行大氣校正處理便可得到地表反射率數(shù)據(jù)。利用Sen2cor、SNAP(Sentinel application platform)和ENVI軟件對衛(wèi)星影像分別進(jìn)行大氣校正、格式轉(zhuǎn)換和鑲嵌裁剪等預(yù)處理工作。為了保證遙感數(shù)據(jù)各波段空間分辨率的一致性，在SNAP平臺中使用最鄰近內(nèi)插法將遙感數(shù)據(jù)各波段重新采樣至10 m。結(jié)合冬小麥物候信息以及地面觀測試驗(yàn)時(shí)間，根據(jù)選擇影像云量較低原則(小于10%)，獲得了衡水市2021年5月17日、2021年5月27日、2021年6月6日共3個(gè)時(shí)期Sentinel-2A影像數(shù)據(jù)。考慮到前期冠層高光譜的作物收獲指數(shù)估算敏感波段中心和最大波段寬度僅對應(yīng)Sentinel-2A的藍(lán)光、綠光、紅光、紅邊-1、紅邊-2、紅邊-3、近紅外等8個(gè)波段，因此，僅使用了相應(yīng)的B2波段至B8a波段信息，具體Sentinel-2A多光譜影像波段信息如表1所示[34-36]。

1.2.3其他輔助數(shù)據(jù)

(1)光譜響應(yīng)函數(shù)

由于ASD冠層高光譜與Sentinel-2A衛(wèi)星影像數(shù)據(jù)的波段寬度不同，為了將前期冠層尺度ASD高光譜確定的冬小麥D-fG估算敏感波段中心以及最大波段寬度應(yīng)用到寬波段多光譜Sentinel-2A衛(wèi)星影像數(shù)據(jù)，需要利用衛(wèi)星的光譜響應(yīng)函數(shù)將近地面高光譜數(shù)據(jù)轉(zhuǎn)換為衛(wèi)星波段反射率，從而將近地面高光譜數(shù)據(jù)與Sentinel-2A衛(wèi)星遙感各個(gè)波段反射率對應(yīng)。Sentinel-2A光譜響應(yīng)函數(shù)如圖3所示。

表1 本研究選取的Sentinel-2A衛(wèi)星遙感主要 波段參數(shù)Tab.1 Main band information of Sentinel-2A selected in this study

圖3 Sentinel-2A光譜響應(yīng)函數(shù)Fig.3 Curves of spectral response function of Sentinel-2A

(2)冬小麥空間分布信息

為了獲得研究區(qū)的冬小麥空間分布信息，采用被廣泛使用的監(jiān)督分類中支持向量機(jī)(Support vector machine，SVM)方法進(jìn)行研究區(qū)2021年冬小麥空間分布提取，利用的遙感影像為Sentinel-2A影像。支持向量機(jī)是一種建立在統(tǒng)計(jì)學(xué)基礎(chǔ)上的機(jī)器學(xué)習(xí)方法[37]，即在有限的分類樣本信息前提下，在模型的復(fù)雜性和學(xué)習(xí)能力之間尋求最佳結(jié)果，保證得到的極值解是全局的最優(yōu)解[38]。

樣點(diǎn)數(shù)據(jù)主要包括訓(xùn)練樣點(diǎn)數(shù)據(jù)和驗(yàn)證樣點(diǎn)數(shù)據(jù)。其中，訓(xùn)練樣點(diǎn)用于支持向量機(jī)分類進(jìn)行作物分布提取，驗(yàn)證樣點(diǎn)用于對冬小麥空間分布結(jié)果的精度驗(yàn)證。根據(jù)冬小麥實(shí)際調(diào)查點(diǎn)和Google Earth上選取的冬小麥和非冬小麥樣點(diǎn)，在衡水研究區(qū)最終獲得冬小麥樣點(diǎn)和非冬小麥樣點(diǎn)共計(jì)4 845個(gè)。其中，選擇冬小麥樣點(diǎn)870個(gè)、非冬小麥樣點(diǎn)1 175個(gè)作為訓(xùn)練樣本，其余1 300個(gè)冬小麥樣點(diǎn)和1 500個(gè)非冬小麥樣點(diǎn)作為驗(yàn)證樣本對冬小麥空間分布結(jié)果進(jìn)行精度驗(yàn)證，具體地面樣點(diǎn)數(shù)據(jù)分布信息如圖4所示。最終，本研究基于2021年4月19日的Sentinel-2A影像和SVM分類方法實(shí)現(xiàn)冬小麥空間分布提取。通過驗(yàn)證，冬小麥空間分布提取總體精度為91.77%，Kappa系數(shù)為0.835 6，精度達(dá)到較高水平，可以滿足本研究區(qū)域冬小麥?zhǔn)斋@指數(shù)遙感估算所需作物空間分布的精度要求，衡水市冬小麥空間分布結(jié)果如圖5所示。

圖4 衡水市2021年冬小麥提取地面樣點(diǎn)數(shù)據(jù)分布Fig.4 Distribution of ground sampling points for winter wheat mapping in Hengshui City in 2021

圖5 衡水市2021年冬小麥空間分布結(jié)果Fig.5 Spatial distribution results of winter wheat in Hengshui City in 2021

2 研究方法

2.1 總體技術(shù)路線

在篩選出的敏感波段中心及其最大波段寬度基礎(chǔ)上，首先，確定對應(yīng)Sentinel-2A遙感數(shù)據(jù)的波段范圍，并利用遙感數(shù)據(jù)的光譜響應(yīng)函數(shù)和地面高光譜數(shù)據(jù)進(jìn)行寬波段遙感反射率模擬；其次，根據(jù)模擬的寬波段反射率數(shù)據(jù)構(gòu)建歸一化差值光譜指數(shù)(NDSI)進(jìn)行D-fG和D-HI的估算和精度驗(yàn)證。在此基礎(chǔ)上，篩選出冬小麥D-fG和D-HI估算最優(yōu)波段組合。最后，在最優(yōu)波段組合信息篩選結(jié)果下，基于Sentinel-2A真實(shí)衛(wèi)星遙感數(shù)據(jù)進(jìn)行區(qū)域冬小麥D-fG和D-HI的估算與驗(yàn)證。主要技術(shù)路線如圖6所示。

圖6 技術(shù)路線Fig.6 Flowchart of the research

2.2 主要參數(shù)構(gòu)建與計(jì)算

2.2.1D-fG參數(shù)構(gòu)建

為了估算作物收獲指數(shù)，KEMANIAN等[39]提出了fG參數(shù)，該參數(shù)為作物開花期-成熟期累積地上生物量與成熟期地上生物量的比值，但一般fG參數(shù)只應(yīng)用于成熟期fG計(jì)算，而未考慮開花期至成熟期之間fG參數(shù)的動(dòng)態(tài)變化過程，這在一定程度上會(huì)降低利用fG參數(shù)進(jìn)行作物收獲指數(shù)估算的精度。為了提高作物收獲指數(shù)估算模型的精度，增強(qiáng)模型的穩(wěn)定性和可靠性，降低成熟期fG參數(shù)不穩(wěn)定對收獲指數(shù)估算精度的不利影響，在已有研究基礎(chǔ)上，考慮了開花期-成熟期fG參數(shù)的動(dòng)態(tài)變化過程，采用動(dòng)態(tài)參數(shù)D-fG進(jìn)行作物動(dòng)態(tài)收獲指數(shù)估算，即作物開花期至采樣時(shí)期累積的地上生物量與對應(yīng)采樣時(shí)期地上生物量間比值[26]。D-fG指標(biāo)計(jì)算公式為

(1)

式中DfG——花后累積地上生物量比例動(dòng)態(tài)參數(shù)(D-fG)指標(biāo)

Wpost——冬小麥開花期至采樣日期累積地上生物量，kg/hm2

Wwhole——冬小麥播種至采樣日期累積地上生物量，kg/hm2

Wt——播種至采樣日期t累積地上干物質(zhì)量，kg/hm2

Wa——開花期地上干物質(zhì)量，kg/hm2

2.2.2動(dòng)態(tài)收獲指數(shù)構(gòu)建

一般糧食作物(如小麥、玉米、水稻等)開花至成熟期間，隨著籽粒不斷灌漿，作物籽粒產(chǎn)量占作物地上部干物質(zhì)量百分比呈逐步增加狀態(tài)，直到成熟期收獲指數(shù)達(dá)到最大值，其中，用于定量描述作物灌漿過程中籽粒產(chǎn)量占作物地上部干物質(zhì)量百分比逐步增加至最大值的收獲指數(shù)變化過程指標(biāo)，稱為動(dòng)態(tài)收獲指數(shù)[3]。因此，本文在已有研究基礎(chǔ)上，利用冬小麥籽粒灌漿過程中各個(gè)地面觀測時(shí)間的收獲指數(shù)動(dòng)態(tài)變化信息獲得動(dòng)態(tài)收獲指數(shù)信息，即在獲得各采樣點(diǎn)冬小麥莖葉穗干質(zhì)量基礎(chǔ)上，分別對各采樣點(diǎn)小麥穗進(jìn)行脫粒處理，并記錄各采樣點(diǎn)的籽粒質(zhì)量。最后，計(jì)算冬小麥灌漿至成熟期期間各個(gè)地面觀測時(shí)間的冬小麥動(dòng)態(tài)收獲指數(shù)(D-HI)。D-HI計(jì)算公式為

(2)

式中DHI——作物動(dòng)態(tài)收獲指數(shù)(D-HI)

WZ,t——灌漿至成熟期期間采樣日期t的冬小麥籽粒干質(zhì)量，kg/hm2

WA,t——采樣日期t的冬小麥地上干生物量，kg/hm2

2.2.3NDSI計(jì)算

光譜指數(shù)(Spectral index，SI)可以通過某些特定波段的組合來指示綠色植被內(nèi)部的色素含量、水分變化和營養(yǎng)狀態(tài)等[40]。為更好地利用多光譜遙感各個(gè)波長所包含的信息，本文將冠層高光譜模擬的多光譜遙感反射率及其真實(shí)遙感反射率分別進(jìn)行任意兩兩波段組合，從而構(gòu)建歸一化差值光譜指數(shù)(Normalized difference spectral index，NDSI)，構(gòu)建形式為

(3)

式中NDSI(λ1,λ2)——波長λ1、λ2計(jì)算的NDSI指數(shù)，值域?yàn)閇-1,1]

Rλ1——波長λ1所對應(yīng)光譜反射率

Rλ2——波長λ2所對應(yīng)光譜反射率

考慮到作物光譜在波段1 350～1 415 nm和波段1 800～1 950 nm受大氣和水蒸氣影響較大[41]，因此，在可見光-近紅外波段350～1 000 nm內(nèi)進(jìn)行D-fG估算敏感波段篩選和動(dòng)態(tài)作物收獲指數(shù)遙感估算，即式(3)中λ1、λ2表示在350～1 000 nm內(nèi)的任意波長λ1和波長λ2。

2.3 地面高光譜模擬寬波段遙感數(shù)據(jù)方法

為了利用模擬遙感數(shù)據(jù)篩選作物D-fG和D-HI估算的最優(yōu)波段，需利用灌漿前期、灌漿后期和成熟期的模擬Sentinel-2A多光譜數(shù)據(jù)開展冬小麥關(guān)鍵生育期動(dòng)態(tài)收獲指數(shù)估算。在已有近地面冠層高光譜確定的冬小麥D-fG和D-HI估算敏感波段中心和最大波段寬度研究結(jié)果基礎(chǔ)上[26]，在對應(yīng)最大波段寬度范圍內(nèi)[26](表2)，借助Sentinel-2A光譜響應(yīng)函數(shù)，將實(shí)測的近地面高光譜窄波段反射率轉(zhuǎn)換為Sentinel-2A多光譜波段反射率模擬數(shù)據(jù)，波段反射率轉(zhuǎn)換公式為

(4)

式中Rrs——模擬衛(wèi)星波段反射率

λm——傳感器光譜探測起始波長

λn——傳感器光譜探測終止波長

S(λ)——傳感器在波長λ處的光譜響應(yīng)函數(shù)值

R(λ)——冠層光譜在波長λ處光譜反射率

表2 D-fG和D-HI估算敏感波段中心最大波寬對應(yīng)的 地面高光譜波段范圍Tab.2 Wavelength range of ground hyperspectral bands corresponding to center of sensitive band and its maximum bandwidth for estimation of D-fG and D-HI

2.4 歸一化光譜指數(shù)NDSI與D-fG間模型構(gòu)建

基于模擬Sentinel-2A反射率數(shù)據(jù)和真實(shí)Sentinel-2A衛(wèi)星反射率數(shù)據(jù)構(gòu)建的歸一化光譜指數(shù)NDSI分別進(jìn)行D-fG遙感估算，為冬小麥動(dòng)態(tài)收獲指數(shù)獲取奠定基礎(chǔ)。NDSI與D-fG間的線性模型為

DfG=aNDSI(λ1,λ2)+b

(5)

式中a——一次項(xiàng)系數(shù)b——常數(shù)項(xiàng)

當(dāng)利用模擬的寬波段反射率數(shù)據(jù)進(jìn)行D-fG估算時(shí)，λ1、λ2分別為模擬多光譜遙感數(shù)據(jù)的波長，NDSI為模擬多光譜遙感波段λ1、λ2構(gòu)建的NDSI光譜指數(shù)。當(dāng)基于多光譜遙感衛(wèi)星數(shù)據(jù)進(jìn)行區(qū)域D-fG估算時(shí)，NDSI為真實(shí)寬波段遙感數(shù)據(jù)構(gòu)建的光譜指數(shù)。

2.5 冬小麥動(dòng)態(tài)收獲指數(shù)估算模型

在KEMANIAN等[39]提出的基于成熟期實(shí)測fG的作物收獲指數(shù)估算方法基礎(chǔ)上，提出了基于D-fG遙感信息的D-HI遙感估算方法。D-fG和動(dòng)態(tài)收獲指數(shù)D-HI間統(tǒng)計(jì)關(guān)系模型為

DHI=HI0+kDfG

(6)

式中HI0——截距，即在作物開花期之后生物量不發(fā)生變化情況下的動(dòng)態(tài)收獲指數(shù)

k——斜率常數(shù)

2.6 精度評價(jià)

精度評價(jià)指標(biāo)包括決定系數(shù)(Coefficient of determination，R2)、均方根誤差(Root mean square error，RMSE)、歸一化均方根誤差(Normalized root mean square error，NRMSE)和平均相對誤差(Mean relative error，MRE)。其中，基于模擬Sentinel-2A的冬小麥?zhǔn)斋@指數(shù)估算中，主要使用深州市灌漿前期、灌漿后期和成熟期共3個(gè)時(shí)期270個(gè)地面樣本數(shù)據(jù)，將其分為建模數(shù)據(jù)集(n=162)和驗(yàn)證數(shù)據(jù)集(n=108)?；谡鎸?shí)Sentinel-2A衛(wèi)星遙感波段的冬小麥?zhǔn)斋@指數(shù)的估算中，共獲取2021年5月17日、2021年5月27日、2021年6月6日3個(gè)時(shí)期遙感影像，綜合使用深州市270個(gè)地面樣本數(shù)據(jù)和衡水區(qū)域調(diào)查的150個(gè)驗(yàn)證數(shù)據(jù)，最終得到建模數(shù)據(jù)集(n=162)和驗(yàn)證數(shù)據(jù)集(n=258)。

3 結(jié)果與分析

3.1 遙感數(shù)據(jù)間波段對應(yīng)關(guān)系及NDSI計(jì)算

3.1.1Sentinel-2A模擬數(shù)據(jù)波段范圍確定

在綜合考慮敏感波段中心最大寬度對應(yīng)的地面高光譜波段范圍和Sentinel-2A真實(shí)遙感數(shù)據(jù)波段范圍基礎(chǔ)上，進(jìn)一步確定了每個(gè)敏感波段中心最大波段寬度所對應(yīng)的模擬Sentinel-2A波段范圍。由于Sentinel-2A衛(wèi)星遙感寬波段數(shù)據(jù)的波段寬度比地面高光譜波段數(shù)據(jù)寬，因此，構(gòu)建NDSI的兩個(gè)敏感波段在同一個(gè)寬波段內(nèi)的可能性比較大，篩選出的波段組合相對較少?？紤]到篩選出的地面高光譜波段范圍與真實(shí)Sentinel-2A波段范圍并非完全一致，為了便于利用光譜響應(yīng)函數(shù)模擬Sentinel-2A波段反射率，當(dāng)?shù)孛娓吖庾V波段范圍超出真實(shí)Sentinel-2A波段范圍時(shí)，應(yīng)用Sentinel-2A波段范圍內(nèi)的數(shù)據(jù)；當(dāng)?shù)孛娓吖庾V波段在Sentinel-2A波段范圍內(nèi)時(shí)，應(yīng)用地面高光譜波段內(nèi)數(shù)據(jù)[42]。地面高光譜波段范圍與Sentinel-2A衛(wèi)星遙感及其模擬數(shù)據(jù)之間波段對應(yīng)關(guān)系如表3所示。其中，當(dāng)D-fG敏感波段中心在(366 nm，489 nm)時(shí)，對應(yīng)的地面高光譜波段范圍(351～381 nm)不在Sentinel-2A真實(shí)波段范圍內(nèi)，因此，無法構(gòu)建相應(yīng)的NDSI；同理，當(dāng)D-fG敏感波段中心在(443 nm，495 nm)時(shí)，地面高光譜波段(409～477 nm和461～529 nm)所對應(yīng)的Sentinel-2A真實(shí)波段均處于藍(lán)光波段內(nèi)，也無法構(gòu)建相應(yīng)的NDSI，故本研究對上述兩種情況進(jìn)行了舍棄處理。

表3 地面高光譜波段范圍與Sentinel-2A衛(wèi)星遙感及其模擬數(shù)據(jù)之間對應(yīng)關(guān)系Tab.3 Correspondence between wavelength ranges of the ground hyperspectrum and bands of Sentinel-2A satellite remote sensing images and their simulated date

3.1.2NDSI計(jì)算

根據(jù)表3中高光譜敏感波段對應(yīng)的模擬Sentinel-2A波段數(shù)據(jù)和真實(shí)Sentinel-2A波段數(shù)據(jù)，計(jì)算了冬小麥灌漿前期、灌漿后期、成熟期Sentinel-2A模擬數(shù)據(jù)及其真實(shí)遙感影像各個(gè)波段組合構(gòu)建的NDSI。限于篇幅，本文僅展示地面高光譜波段λ1(672～680 nm)和λ2(855～875 nm)對應(yīng)Sentinel-2A紅光波段和窄近紅外波段構(gòu)建的NDSI的空間分布圖，冬小麥灌漿前期、灌漿后期和成熟期NDSI空間信息計(jì)算結(jié)果如圖7所示。通過分析可知，冬小麥灌漿前期NDSI范圍在0.40～0.95之間，研究區(qū)冬小麥NDSI平均值為0.88；冬小麥灌漿后期NDSI范圍在0.20～0.80之間，研究區(qū)冬小麥NDSI平均值為0.58；冬小麥成熟期NDSI范圍在0.10～0.50之間，研究區(qū)冬小麥NDSI平均值為0.35。

圖7 基于Sentinel-2A衛(wèi)星紅光和窄近紅外波段構(gòu)建的冬小麥NDSI空間分布圖Fig.7 NDSI spatial distribution map constructed by red band and NIR2 band of Sentinel-2A

3.2 動(dòng)態(tài)收獲指數(shù)估算模型建立

根據(jù)深州市建模數(shù)據(jù)集(n=162)中的地上生物量數(shù)據(jù)和灌漿過程中籽粒產(chǎn)量動(dòng)態(tài)數(shù)據(jù)，計(jì)算162個(gè)冬小麥樣本點(diǎn)的D-fG和動(dòng)態(tài)收獲指數(shù)D-HI。在此基礎(chǔ)上，對實(shí)測D-fG和實(shí)測動(dòng)態(tài)收獲指數(shù)D-HI間的線性關(guān)系進(jìn)行擬合，得到D-fG參數(shù)和動(dòng)態(tài)收獲指數(shù)D-HI間擬合方程

DHI=0.104 3+0.763 1DfG

(7)

其中，基于實(shí)測D-fG的動(dòng)態(tài)收獲指數(shù)D-HI線性估算模型R2為0.940 9(圖8)，這為開展基于D-fG遙感參數(shù)信息的動(dòng)態(tài)收獲指數(shù)遙感估算奠定了基礎(chǔ)。

圖8 基于D-fG參數(shù)的D-HI估算模型Fig.8 D-HI estimation model based on D-fG parameter

3.3 基于模擬Sentinel-2A波段數(shù)據(jù)的冬小麥?zhǔn)斋@指數(shù)估算

3.3.1冬小麥D-fG參數(shù)估算和精度驗(yàn)證

利用Sentinel-2A光譜響應(yīng)函數(shù)模擬地面高光譜波段所對應(yīng)的衛(wèi)星遙感反射率數(shù)據(jù)，并以模擬反射率結(jié)果構(gòu)建相應(yīng)的NDSI；然后，構(gòu)建模擬NDSI與實(shí)測D-fG之間的估算模型，并估算冬小麥D-fG。最后，得到基于模擬Sentinel-2A波段構(gòu)建NDSI與D-fG間統(tǒng)計(jì)關(guān)系及D-fG估算精度，結(jié)果如表4所示。從表4可以看出，9個(gè)模擬Sentinel-2A波段構(gòu)建的NDSI擬合D-fG在P<0.01水平上均達(dá)到極顯著水平，估算模型R2在0.663 6～0.836 2之間。通過驗(yàn)證數(shù)據(jù)集(n=108)進(jìn)行精度檢驗(yàn)可知，其精度均達(dá)到了較高水平。其中，精度驗(yàn)證R2在0.908 9～0.925 9之間，RMSE在0.038 6～0.048 2之間，NRMSE在11.18%～13.96%之間，MRE在10.07%～12.31%之間?？梢钥闯?，相較于紅、綠、藍(lán)波段的組合，紅光波段、紅邊波段與近紅外波段間組合的HI估算精度普遍較高，這主要由于紅邊波段是指示綠色植物生長狀況的敏感波段，能夠有效反映植被養(yǎng)分狀況、健康狀態(tài)和生理生化參數(shù)等信息。其中，λ1(672～680 nm)和λ2(855～875 nm)模擬Sentinel-2A反射率構(gòu)建的NDSI進(jìn)行冬小麥D-fG估算的精度最高，其RMSE、NRMSE和MRE分別為0.038 6、11.18%、10.07%，這主要是由于近紅外與紅光波段交界處快速變化的區(qū)域能夠?qū)χ脖还趯咏Y(jié)構(gòu)和葉綠素含量等微小變化和植被生長狀況進(jìn)行有效反映，同時(shí)，紅光和近紅外波段反射率有明顯的反差。因此，紅光和處于近紅外區(qū)域的窄近紅外波段組合構(gòu)成的NDSI估算D-fG精度更高，效果更為理想。

3.3.2冬小麥動(dòng)態(tài)收獲指數(shù)估算和精度驗(yàn)證

在模擬波段構(gòu)建的NDSI估算D-fG的條件下，根據(jù)式(6)分別計(jì)算冬小麥D-HI估算結(jié)果，并進(jìn)行精度驗(yàn)證。冬小麥動(dòng)態(tài)收獲指數(shù)總體精度驗(yàn)證結(jié)果如表5所示。從表5可知，估算結(jié)果驗(yàn)證均達(dá)到了高精度水平，其精度驗(yàn)證R2在0.889 9～0.909 7之間，RMSE在0.040 4～0.051 5之間，NRMSE在10.83%～13.81%之間，MRE在9.56%～12.38%之間。其中，紅光波段、紅邊波段與近紅外波段間組合進(jìn)行D-HI估測精度均較高，且基于波段λ1(672～680 nm)和λ2(855～875 nm)模擬Sentinel-2A反射率數(shù)據(jù)估算D-fG參數(shù)的D-HI估測結(jié)果精度最高，RMSE、NRMSE和MRE分別為0.040 4、10.83%、9.56%。由于紅光和近紅外波段的反射率具有明顯的反差，故由上述紅光波段和窄近紅外波段構(gòu)成的NDSI對不同植被光譜的變化更為敏感，能很好地反映作物長勢、生長狀況以及D-fG，加之D-fG和D-HI間具有較好的正相關(guān)關(guān)系，因此，基于波段λ1(672～680 nm)和λ2(855～875 nm)獲得的D-HI估算精度最高。上述基于模擬Sentinel-2A遙感數(shù)據(jù)波段組合進(jìn)行D-HI估測的精度結(jié)果，對基于真實(shí)遙感數(shù)據(jù)的D-HI估測中遙感數(shù)據(jù)源選擇、波段組合優(yōu)選具有重要指導(dǎo)意義。

表4 基于模擬Sentinel-2A波段構(gòu)建NDSI的D-fG估算精度驗(yàn)證Tab.4 Verification of estimation accuracy of D-fG based on NDSI constructed by simulated bands of Sentinel-2A

表5 基于模擬Sentinel-2A波段的D-HI估算模型總體 精度驗(yàn)證Tab.5 Verification of overall accuracy of D-HI estimation model based on simulated bands of Sentinel-2A

3.4 基于Sentinel-2A衛(wèi)星遙感數(shù)據(jù)的冬小麥?zhǔn)斋@指數(shù)估算

3.4.1冬小麥D-fG空間信息估算和精度驗(yàn)證

在基于模擬Sentinel-2A衛(wèi)星遙感數(shù)據(jù)獲得的D-fG和D-HI估算最高精度波段優(yōu)選結(jié)果基礎(chǔ)上，利用Sentinel-2A真實(shí)衛(wèi)星遙感數(shù)據(jù)進(jìn)行冬小麥?zhǔn)斋@指數(shù)估算。在利用寬波段Sentinel-2A衛(wèi)星遙感數(shù)據(jù)估算冬小麥D-fG過程中，首先根據(jù)地面采樣點(diǎn)的GPS定位信息對預(yù)處理后的遙感影像進(jìn)行反射率提取，構(gòu)建相應(yīng)的NDSI與實(shí)測D-fG間的模型；然后，根據(jù)地面高光譜敏感波段所對應(yīng)的Sentinel-2A波段，直接運(yùn)用波段計(jì)算獲取相應(yīng)NDSI的空間分布，在此基礎(chǔ)上實(shí)現(xiàn)區(qū)域冬小麥D-fG的空間提取并進(jìn)行精度驗(yàn)證。基于Sentinel-2A的紅光波段和窄近紅外波段反射率構(gòu)建的NDSI與D-fG間擬合模型及D-fG估算精度如圖9、10所示。其中，紅光波段和窄近紅外波段構(gòu)建NDSI進(jìn)行冬小麥D-fG空間信息估算的R2為0.907 1，RMSE、NRMSE、MRE分別為0.044 3、13.13%、11.90%。本研究基于上述最高精度的Sentinel-2A影像寬波段構(gòu)建的NDSI實(shí)現(xiàn)了衡水地區(qū)冬小麥D-fG空間信息分布獲取，其中，灌漿前期、灌漿后期、成熟期D-fG空間估算結(jié)果如圖11所示。通過分析可知，灌漿前期D-fG估算值在0.19～0.51之間，研究區(qū)D-fG平均值為0.23；灌漿后期D-fG估算值在0.27～0.62之間，研究區(qū)D-fG平均值為0.40；成熟期 D-fG估算值在0.44～0.68之間，研究區(qū)D-fG平均值為0.53。

圖9 基于Sentinel-2A衛(wèi)星紅光和窄近紅外波段構(gòu)建 NDSI的D-fG估算模型Fig.9 D-fG estimation model based on NDSI constructed by red band and NIR2 band of Sentinel-2A

圖10 基于Sentinel-2A紅光和窄近紅外波段衛(wèi)星 遙感數(shù)據(jù)的冬小麥D-fG精度驗(yàn)證結(jié)果Fig.10 Verification of D-fG of winter wheat based on red band and NIR2 band of Sentinel-2A

圖11 基于Sentinel-2A衛(wèi)星遙感紅光和窄近紅外波段的冬小麥D-fG空間估算結(jié)果Fig.11 Spatial estimation results of winter wheat D-fG based on red band and NIR2 band of Sentinel-2A

3.4.2冬小麥?zhǔn)斋@指數(shù)空間信息估算和總體精度驗(yàn)證

在冬小麥D-fG空間信息獲取的基礎(chǔ)上，利用Sentinel-2A的紅光波段和窄近紅外波段構(gòu)建的NDSI實(shí)現(xiàn)了衡水地區(qū)冬小麥D-HI空間信息估算，并進(jìn)行總體精度驗(yàn)證。不同時(shí)期D-HI空間信息估算結(jié)果如圖12所示，D-HI估算總體精度驗(yàn)證結(jié)果如圖13所示。由圖12可知，冬小麥灌漿前期D-HI估算值在0.25～0.49之間，研究區(qū)D-HI平均值為0.28；冬小麥灌漿后期D-HI估算值在0.31～0.58之間，研究區(qū)D-HI平均值為0.41；冬小麥成熟期D-HI估算值在0.44～0.62之間，研究區(qū)D-HI平均值為0.51。通過驗(yàn)證，基于Sentinel-2A衛(wèi)星遙感紅光波段和窄近紅外波段估算D-fG參數(shù)的D-HI估算結(jié)果精度驗(yàn)證R2為0.879 8，RMSE為0.050 2，NRMSE為13.81%，MRE為12.00%。上述基于紅光波段和處于近紅外區(qū)域的窄近紅外波段D-HI估算結(jié)果對寬波段多光譜衛(wèi)星遙感數(shù)據(jù)選擇和傳感器波段設(shè)置具有重要指導(dǎo)意義。

圖12 基于Sentinel-2A衛(wèi)星遙感紅光和窄近紅外波段的冬小麥D-HI空間信息估算結(jié)果Fig.12 Spatial estimation results of D-HI based on red band and NIR2 band of Sentinel-2A

圖13 基于Sentinel-2A衛(wèi)星遙感紅光和窄近紅外 波段的冬小麥D-HI估算精度驗(yàn)證結(jié)果Fig.13 Accuracy verification of D-HI estimation model based on red band and NIR2 band of Sentinel-2A

4 討論

與以往利用遙感信息獲取收獲指數(shù)精度指標(biāo)RMSE一般在0.01～0.06之間相比[15,17,22,24]，本研究基于Sentinel-2A模擬遙感數(shù)據(jù)的作物收獲指數(shù)估算取得了較高的估算精度，且估算D-HI最高精度R2為0.908 3，RMSE為0.040 4，NRMSE為10.83%，而基于真實(shí)衛(wèi)星遙感數(shù)據(jù)和相關(guān)最優(yōu)波段的D-HI估算中，總體驗(yàn)證精度R2為0.879 8，RMSE為0.050 2，NRMSE為13.81%。上述結(jié)果一方面說明本研究所提方法在田間冠層尺度擴(kuò)展到區(qū)域尺度范圍內(nèi)理論上是可行的，另一方面也說明在基于衛(wèi)星遙感的區(qū)域收獲指數(shù)估算研究過程中，由于受大氣影響造成衛(wèi)星遙感反射率數(shù)據(jù)出現(xiàn)一定誤差或波動(dòng)，從而在一定程度上降低了作物收獲指數(shù)估算模型的應(yīng)用精度。雖然基于真實(shí)衛(wèi)星遙感數(shù)據(jù)估算D-HI的精度略有下降，但仍然能夠滿足區(qū)域農(nóng)業(yè)遙感監(jiān)測中收獲指數(shù)獲取的精度要求，對于大范圍區(qū)域農(nóng)作物收獲指數(shù)空間信息獲取仍具有一定指導(dǎo)意義。同時(shí)，與以往僅實(shí)現(xiàn)成熟期收獲指數(shù)估算比較[15,17,22,24]，本研究所提基于花后累積地上生物量比例的區(qū)域冬小麥?zhǔn)斋@指數(shù)遙感估算方法不僅可以實(shí)現(xiàn)成熟期收獲指數(shù)的準(zhǔn)確估算，而且可以實(shí)現(xiàn)不同灌漿階段作物收獲指數(shù)動(dòng)態(tài)變化空間信息獲取。從應(yīng)用前景看，本研究所提收獲指數(shù)獲取技術(shù)方法不僅對提高精準(zhǔn)農(nóng)業(yè)農(nóng)田作物管理能力具有重要意義，對開展作物生長過程定量模擬、作物品種選育和表型信息獲取、作物生長環(huán)境評價(jià)、作物災(zāi)害損失定量評價(jià)、農(nóng)業(yè)對氣候變化的響應(yīng)等研究和應(yīng)用也具有重要實(shí)用價(jià)值[43]。此外，本研究目前只針對冬小麥開展了收獲指數(shù)研究，但對于其他作物，特別是禾本科糧食作物(如水稻、玉米、高粱等)收獲指數(shù)遙感估算也具有重要的參考價(jià)值。

本研究在利用前期作物冠層高光譜確定的冬小麥D-fG敏感波段中心以及最大波段寬度結(jié)果基礎(chǔ)上，基于近地高光譜模擬Sentinel-2A數(shù)據(jù)及其真實(shí)衛(wèi)星遙感數(shù)據(jù)開展冬小麥?zhǔn)斋@指數(shù)遙感估算研究取得了較好的結(jié)果，但研究過程中忽略了一些外部因素的影響，且部分問題還需要進(jìn)一步深入研究。如篩選出的敏感波段最大波寬所對應(yīng)的波段范圍與遙感數(shù)據(jù)的波段不能完全對應(yīng)，這在一定程度上影響了最大波段寬度的實(shí)際效果；其次，多光譜遙感數(shù)據(jù)構(gòu)建的光譜指數(shù)與敏感波段構(gòu)建的光譜指數(shù)在數(shù)量以及位置上難以一一對應(yīng)，這使得部分光譜指數(shù)組合形式在作物收獲指數(shù)估算過程中無法進(jìn)一步應(yīng)用；再者，研究中Sentinel-2A遙感數(shù)據(jù)過境時(shí)間與地面實(shí)際采樣時(shí)間存在一定時(shí)間差，考慮到較短時(shí)間差內(nèi)作物生長變化較小，因此，本研究尚未考慮遙感數(shù)據(jù)過境時(shí)間與地面采樣時(shí)間不完全一致對收獲指數(shù)估算精度的影響，但今后需進(jìn)一步開展衛(wèi)星遙感和地面觀測同步的作物收獲指數(shù)估算精度驗(yàn)證研究。此外，本研究在冠層尺度冬小麥?zhǔn)斋@指數(shù)敏感波段中心及其最大波寬優(yōu)選結(jié)果基礎(chǔ)上，系統(tǒng)開展了Sentinel-2A模擬數(shù)據(jù)不同波段組合下的D-HI估測，對今后基于真實(shí)遙感數(shù)據(jù)的D-HI估測遙感數(shù)據(jù)選擇、波段組合效果評價(jià)、衛(wèi)星傳感器波段應(yīng)用與設(shè)置(如紅邊波段)等具有一定指導(dǎo)意義，但本文僅利用Sentinel-2A真實(shí)遙感波段數(shù)據(jù)最優(yōu)波段組合獲取了高精度的區(qū)域收獲指數(shù)空間信息，然而基于真實(shí)衛(wèi)星數(shù)據(jù)其他波段組合的區(qū)域作物收獲指數(shù)空間信息估測精度還有待進(jìn)一步研究和評價(jià)。同時(shí)，除了Sentinel-2以外，在考慮作物物候信息基礎(chǔ)上，如何進(jìn)一步利用具有紅邊的其他衛(wèi)星(如RapidEye、國產(chǎn)GF-6等)進(jìn)行更大范圍的作物收獲指數(shù)估算也將是今后的重要研究內(nèi)容。

5 結(jié)論

(1)在作物收獲指數(shù)估算敏感波段中心和最大波段寬度基礎(chǔ)上，基于Sentinel-2A模擬遙感反射率數(shù)據(jù)，通過構(gòu)建不同波段組合NDSI與實(shí)測D-fG間統(tǒng)計(jì)模型，實(shí)現(xiàn)了不同波段組合條件下冬小麥D-fG參數(shù)的遙感準(zhǔn)確估算。在此基礎(chǔ)上，基于D-fG與D-HI間統(tǒng)計(jì)關(guān)系模型和D-fG參數(shù)遙感信息，實(shí)現(xiàn)了波段組合條件下灌漿期不同階段和成熟期冬小麥D-HI的準(zhǔn)確估測和最優(yōu)波段組合的篩選。其中，紅光波段、紅邊波段與近紅外波段間組合進(jìn)行D-HI估測精度均較高，且基于模擬反射率波段λ1(672～680 nm)和λ2(855～875 nm)估算D-HI的精度最高，RMSE、NRMSE和MRE分別為0.040 4、10.83%、9.56%。上述模擬遙感數(shù)據(jù)不同波段組合的D-HI估測結(jié)果說明，Sentinel-2A衛(wèi)星遙感數(shù)據(jù)在基于花后累積地上生物量比例的冬小麥?zhǔn)斋@指數(shù)估算中具有一定的應(yīng)用潛力。

(2)在基于模擬Sentinel-2A多光譜遙感數(shù)據(jù)進(jìn)行作物動(dòng)態(tài)收獲指數(shù)估算篩選出的最高精度波段組合信息基礎(chǔ)上，利用真實(shí)Sentinel-2A衛(wèi)星遙感數(shù)據(jù)開展了花后累積地上生物量比例的作物D-HI遙感估測應(yīng)用，實(shí)現(xiàn)了區(qū)域冬小麥D-fG參數(shù)遙感獲取和區(qū)域D-HI準(zhǔn)確估測。其中，利用Sentinel-2A的紅光波段(R)和窄近紅外波段(NIR2)進(jìn)行區(qū)域D-HI估測的RMSE、NRMSE和MRE分別為0.050 2、13.81%、12.00%。上述區(qū)域冬小麥動(dòng)態(tài)收獲指數(shù)估算精度能夠滿足農(nóng)業(yè)遙感監(jiān)測中對收獲指數(shù)動(dòng)態(tài)信息估測精度的要求，證明了基于Sentinel-2A衛(wèi)星遙感數(shù)據(jù)和花后累積地上生物量比例的作物動(dòng)態(tài)收獲指數(shù)估算方法在大范圍作物D-HI空間信息獲取中的可行性和有效性。