摘要：冬小麦叶面积指数（leaf area index,LAI）是描述冠层结构的重要参数之一,对评价其长势和预测产量具有重要意义。该文利用灰色关联分析（grey relational analysis,GRA）对植被指数进行排序,用偏最小二乘法（partial least squares regression,PLS）选择不同的植被指数个数作为自变量进行回归建模,通过赤池信息量准则（Akaike’s information criterion,AIC）选择AIC值最小的模型作为冬小麦LAI最优估算模型,即GRA、PLS和AIC 3种方法整合建立冬小麦LAI最优估算模型。使用2008-2009年在中国北京通州区和顺义区获取的整个生育期冬小麦LAI和配套的光谱数据进行建模,利用2009-2010相关数据进行验证。研究表明：采用GRA评价标准与冬小麦LAI关联度最大的植被指数是VOG1,关联度最小的植被指数是SR;通过AIC建立的以8个植被指数作为自变量的冬小麦LAI模型效果最优,建模集的决定系数R2和标准误SE分别为0.76和0.009,验证集的R2和相对均方根误差RRMSE分别为0.63和0.004,预测模型和验证模型均具有较高的精度和可靠性。结果表明采用GRA-PLS-AIC方法进行冬小麦LAI反演是可行的,为提高冬小麦LAI遥感预测精度提供了一种有效的方法。

关键词：植被 遥感 模型 叶面积指数 赤池信息量准则 

单位：中国矿业大学(北京)地球科学与测绘工程学院 北京100083 国家农业信息化工程技术研究中心 北京100097 农业部农业信息技术重点实验室 北京100097 北京市农业物联网工程技术研究中心 北京100097 河南工程学院土木工程学院 郑州451191