摘要：高光谱信息量巨大,如何选取最佳组合波段构建高精度光谱模型,是植被参数遥感反演模型研究的重要工作基础。该研究将最佳指数与相关系数通过熵权评价值进行融合,提出最佳指数-相关系数法（optimum index factor and correlation coefficient,OIFC）。基于OIFC法选取了小麦叶片叶绿素含量的最佳组合波段,并利用最佳组合波段的高光谱数据建立小麦叶片叶绿素含量预测模型。结果表明：利用OIFC法所提取的小麦叶绿素最佳组合波段是760、1 860、1 970 nm;对比最佳指数法（optimum index factor,OIF）、最大相关系数法（maximum correlation coefficient,MCC）提取波段以及归一化植被指数（normalized difference vegetation index,NDVI）、土壤调和植被指数（soil-adjusted vegetation index,SAVI）所建立的叶片叶绿素含量高光谱模型,基于OIFC法构建的模型预测值与实测值具有显著的线性关系,决定系数达0.827,且均方根误差最小（RMSE=5.44）。可见,基于OIFC法构建的小麦叶绿素含量模型具有更高的精度,该结果验证了利用OIFC法提取高光谱特征波段的可行性,并且能够获得更高建模精度的特征波段。

关键词：算法 植被 光谱分析 高光谱 特征波段 

单位：中国林业科学研究院林业研究所 北京100091 南京林业大学南方现代林业协同创新中心 南京210037 国家林业局林木培育重点实验室 北京100091 北京林业大学林学院森林培育与保护教育部重点实验室 北京100083 河北农业大学园林与旅游学院 保定071000