段維納 ，競(jìng) 霞 ，劉良云，張 騰，張麗華

1.西安科技大學(xué)測(cè)繪科學(xué)與技術(shù)學(xué)院，陜西 西安 710054 2.中國(guó)科學(xué)院空天信息創(chuàng)新研究院，北京 100094 3.上海海事大學(xué)文理學(xué)院，上海 201306

引 言

小麥條銹病是一種流行性強(qiáng)、發(fā)病率高的氣傳性病害，對(duì)我國(guó)乃至世界范圍內(nèi)小麥的產(chǎn)量及質(zhì)量產(chǎn)生極大的威脅[1]。遙感技術(shù)在作物病害監(jiān)測(cè)中具有快速、宏觀、大面積和無(wú)破壞等顯著優(yōu)點(diǎn)[2]。目前基于遙感技術(shù)的作物病害監(jiān)測(cè)主要是利用反射率光譜數(shù)據(jù)分析不同發(fā)病狀況下作物反射率光譜或一階微分光譜的差異，構(gòu)建作物病害遙感監(jiān)測(cè)模型，但是反射率光譜主要反映群體生物量、生化組分濃度等信息，難以揭示植被的光合生理狀況[3]。

小麥?zhǔn)艿綏l銹病菌(Pucciniastriformisf.sp.tritici)侵染后，葉綠體被破壞，光合速率下降，光合產(chǎn)物的轉(zhuǎn)移和輸出也受到病原菌侵染的影響，隨著病情嚴(yán)重度的增加，光合作用趨于減弱甚至喪失[4]。日光誘導(dǎo)葉綠素?zé)晒?solar-induced chlorophyll fluorescence，SIF)與植物光合作用直接相關(guān)，包含豐富的光合功能信息[5]，能夠準(zhǔn)確及時(shí)地反映植被光合生產(chǎn)力、生理狀況、受脅迫狀況等信息[6]，尤其是在作物的早期探測(cè)中具有反射率光譜難以比擬的優(yōu)勢(shì)[7-8]。陳思媛[2]、競(jìng)霞[6]等研究表明在反射率光譜數(shù)據(jù)中加入SIF信息能夠提高小麥條銹病的遙感監(jiān)測(cè)精度；白宗璠[9]等綜合利用反射率與SIF數(shù)據(jù)進(jìn)行了小麥條銹病遙感監(jiān)測(cè)研究。然而傳感器探測(cè)到的SIF信號(hào)不僅包含植物病害脅迫對(duì)應(yīng)生理變化的熒光特征，同時(shí)也受到植物群體生物量的影響和干擾。上述研究主要是基于直接反演得到的SIF或角度歸一化的SIF強(qiáng)度進(jìn)行作物病害的遙感監(jiān)測(cè)，沒(méi)有考慮作物群體生物量對(duì)冠層SIF信息的干擾，影響了作物病害的遙感監(jiān)測(cè)精度。

SIF在觀測(cè)瞬間不僅受到入射的太陽(yáng)光合有效輻射(photosynthetically active radiation，PAR)強(qiáng)度的影響[10]，且從光系統(tǒng)水平逃逸至冠層水平的比例會(huì)嚴(yán)重影響傳感器接收的冠層SIF強(qiáng)度，而SIF逃逸概率又對(duì)冠層結(jié)構(gòu)參數(shù)及冠層生化組分的變化響應(yīng)敏感[11]。基于反射率光譜構(gòu)建的系列光譜指數(shù)能夠敏感反映作物的生理生化和結(jié)構(gòu)參數(shù)的變化。鑒于此，本工作首先利用PAR對(duì)冠層SIF絕對(duì)強(qiáng)度處理，得到消除太陽(yáng)光照強(qiáng)度影響的冠層歸一化SIF(SIFP)，然后利用能夠敏感反映作物群體生物量的歸一化差值植被指數(shù)(normalized difference vegetation index，NDVI)和MERIS陸地葉綠素指數(shù)(MERIS terrestrial chlorophyll index，MTCI)對(duì)SIFP進(jìn)行處理，分析融合反射率光譜指數(shù)后SIFP與小麥條銹病嚴(yán)重度的相關(guān)性，并在此基礎(chǔ)上利用隨機(jī)森林回歸(random forest regression，RFR)算法，構(gòu)建融合反射率光譜指數(shù)和SIF光譜的小麥條銹病遙感監(jiān)測(cè)模型，對(duì)比分析反射率光譜指數(shù)處理前后小麥條銹病的SIF監(jiān)測(cè)精度，以評(píng)價(jià)本工作方法的有效性。研究結(jié)果對(duì)提高小麥條銹病的遙感監(jiān)測(cè)精度，實(shí)現(xiàn)大范圍小麥條銹病的遙感監(jiān)測(cè)具有重要意義，同時(shí)亦對(duì)其他作物病害的遙感監(jiān)測(cè)具有一定的參考價(jià)值。

1 實(shí)驗(yàn)部分

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)區(qū)位于河北省廊坊市中國(guó)農(nóng)業(yè)科學(xué)院(39°30′40″N，116°36′20″E)試驗(yàn)站，小麥品種為對(duì)條銹病敏感的“銘賢169號(hào)”，種植密度為113棵·m-2。2018年4月7日在小麥試驗(yàn)田灌溉充足水分，4月9日采用濃度為9 mg·100 mL-1的孢子溶液對(duì)小麥進(jìn)行條銹病接種。試驗(yàn)區(qū)小麥分為染病組(編號(hào)為B，C)和健康組(編號(hào)為A，D)，各試驗(yàn)組占地均220 m2，每組內(nèi)均分為8個(gè)樣方(A1—A8，B1—B8，C1—C8，D1—D8)，各組之間間隔5 m以上。

1.2 冠層光譜測(cè)定

2018年5月18日、24日、30日利用QE pro光譜儀測(cè)定試驗(yàn)區(qū)小麥冠層光譜數(shù)據(jù)。QE pro光譜儀的光譜范圍為640～800 nm(25 μm狹縫)，探頭視場(chǎng)角為25°，光譜采樣間隔及其分辨率分別為0.15和0.3 nm，信噪比為1 000∶1。測(cè)量高度距離地面1.3 m，測(cè)量時(shí)間為北京時(shí)間11:30—12:00，測(cè)試前通過(guò)標(biāo)準(zhǔn)BaSO4參考板對(duì)冠層輻照度數(shù)據(jù)進(jìn)行校正。

1.3 病情指數(shù)(disease index，DI)調(diào)查

采用5點(diǎn)取樣法調(diào)查研究區(qū)內(nèi)小麥條銹病嚴(yán)重度，每個(gè)樣方內(nèi)選取對(duì)稱5點(diǎn)，每點(diǎn)約1 m2，隨機(jī)選取30株小麥，分別調(diào)查其條銹病的發(fā)病狀況。參照“小麥條銹病測(cè)報(bào)技術(shù)規(guī)范”(GB/T15795)[12]標(biāo)準(zhǔn)對(duì)小麥病情嚴(yán)重度進(jìn)行劃分。單葉病情嚴(yán)重度按照病斑面積占葉片面積的百分比劃分為0，1%，10%，20%，30%，45%，60%，80%和100% 9個(gè)梯度，分別記錄各嚴(yán)重度的小麥葉片數(shù)，按式(1)計(jì)算不同梯度測(cè)試群體的病情指數(shù)[2]。

(1)

式中：DI為病情指數(shù)，i為不同梯度值，x(i)為各梯度的等級(jí)值，n為最高梯度值9，f(i)為各梯度的葉片數(shù)量。

1.4 冠層SIF信息提取

已有研究表明利用3FLD(three-band Fraunhofer line discrimination，3FLD)算法監(jiān)測(cè)單波段SIF精度更高，魯棒性也更強(qiáng)[13]，該算法假設(shè)葉綠素?zé)晒夂头瓷渎使庾V在吸收線波段附近是呈線性變化的，即入射輻亮度和冠層上行輻亮度在吸收線波段附近也呈現(xiàn)線性變化

(2)

式(2)中：Ileft和Iright分別為吸收線左右的入射太陽(yáng)輻亮度值；Lleft和Lright為分別吸收線左右的植被冠層上行輻亮度值。

(3)

式(3)中:λin，λleft，λright為吸收線內(nèi)、左、右波段的波長(zhǎng)，將式(3)代入式(2)，即可求得吸收線處的葉綠素?zé)晒鈴?qiáng)度

(4)

1.5 冠層SIF歸一化

QE pro光譜儀探測(cè)的冠層瞬時(shí)SIF強(qiáng)度信號(hào)易受到入射的太陽(yáng)光合有效輻射強(qiáng)度的影響[10]，利用PAR對(duì)SIF進(jìn)行歸一化，能夠減弱入射輻射強(qiáng)度對(duì)冠層SIF強(qiáng)度的影響[14]，提高SIF光譜對(duì)作物生理信息探測(cè)的有效性和準(zhǔn)確度。

(5)

式(5)中：SIFP為歸一化的冠層SIF強(qiáng)度。

1.6 反射率光譜指數(shù)與SIF的融合

劉新杰等[15]認(rèn)為SIF逃逸至冠層的概率與各向異性的光譜反射率、葉片吸收相關(guān)，利用NDVI估計(jì)吸收光合有效輻射的比例，反射率數(shù)據(jù)補(bǔ)償SIF在冠層內(nèi)的散射和重吸收影響[13]，能夠?qū)崿F(xiàn)基于反射率光譜數(shù)據(jù)的冠層SIF降尺度。基于此參照劉新杰等的冠層SIF降尺度研究，以及NDVI能夠敏感反映作物冠層結(jié)構(gòu)的變化，MTCI可用于估計(jì)葉綠素含量[15]的特點(diǎn)，利用與作物群體生物量密切相關(guān)的NDVI和MTCI兩個(gè)反射率光譜指數(shù)對(duì)SIFP進(jìn)行處理[式(6)—式(8)]。

SIFP_NDVI=SIFP*NDVI

(6)

SIFP_MTCI=SIFP*MTCI

(7)

SIFP_NDVI*MTCI=SIFP*NDVI*MTCI

(8)

式中用于計(jì)算NDVI和MTCI的紅光波段，紅邊波段和近紅外波段分別為685.035，710.055和758.101 nm[15]，具體表達(dá)式見(jiàn)式(9)和式(10)。

(9)

(10)

式中：R685.035，R710.055，R758.101分別為在685.035，7710.055和758.101 nm處的反射率。

1.7 RFR算法

RFR算法的基本思想是基于統(tǒng)計(jì)學(xué)理論，采用bootstrap重抽樣方法，從原始樣本中抽取多個(gè)樣本，對(duì)每個(gè)bootstrap樣本構(gòu)建決策樹(shù)模型，然后根據(jù)每個(gè)決策樹(shù)的監(jiān)測(cè)結(jié)果依據(jù)加權(quán)平均原則確定最終監(jiān)測(cè)結(jié)果[式(11)]。該算法具有訓(xùn)練速度快，通用性強(qiáng)，能夠高效的處理大規(guī)模數(shù)據(jù)集，對(duì)數(shù)據(jù)集中的噪聲表現(xiàn)出較強(qiáng)的魯棒性[16]等優(yōu)點(diǎn)。

(11)

2 結(jié)果與討論

2.1 單波段SIF與DI的相關(guān)性分析

對(duì)歸一化處理后的O2-B，O2-A，和719 nm水汽吸收(H2O)三個(gè)波段處的冠層SIFP強(qiáng)度分別與反射率光譜指數(shù)NDVI和MTCI進(jìn)行融合，分析三個(gè)單波段處SIFP以及融合NDVI和MTCI后的SIFP-NDVI，SIFP-MTCI，SIFP-NDVI*MTCI與DI的關(guān)系(圖1—圖4)。

通過(guò)圖1—圖4可見(jiàn)，O2-B，O2-A和H2O三個(gè)波段處的SIFP均與DI呈極顯著負(fù)相關(guān)關(guān)系。這是由于小麥在受到條形桿銹菌侵染后，隨著小麥條銹病病情指數(shù)的不斷上升，葉綠素含量會(huì)迅速下降，光合作用活性降低，植被吸收光合有效輻射(absorbed photosynthetically active radiation absorbed by chlorophyll，APARchl)也降低[10-11]，而APARchl是驅(qū)動(dòng)SIF的主要?jiǎng)恿10]，于是隨著APARchl的降低，SIF強(qiáng)度也隨之降低，SIF與DI之間呈現(xiàn)負(fù)相關(guān)關(guān)系。

綜合圖1—圖4可見(jiàn)，融合NDVI，MTCI的SIFP-NDVI，SIFP-MTCI，SIFP-NDVI*MTCI與DI的相關(guān)性較融合前的SIFP均有不同程度的提高，其中融合NDVI后，單波段處SIFP與DI的相關(guān)性平均提高了12.2%，融合MTCI后，單波段處SIFP與DI的相關(guān)性平均提高了17.38%，說(shuō)明SIFP-MTCI與小麥條銹病DI之間的相關(guān)性優(yōu)于SIFP-NDVI。同時(shí)融合NDVI和MTCI后，單波段處SIFP(SIFP-NDVI*MTCI)與DI的相關(guān)性平均提高了19.36%，并且SIFP-NDVI*MTCI在單波段處與DI的相關(guān)系數(shù)相較于SIFP-NDVI和SIFP-MTCI分別平均提高了6.39%，1.69%。因此，同時(shí)融合NDVI和MTCI更有利于提高SIFP與DI的相關(guān)性。

圖1 冠層SIFP與DI相關(guān)性注：0.1%的極顯著水平，R0.001[50]=0.451，下同F(xiàn)ig.1 Correlation between SIFP and DI in the canopyNote:extremely significant level of 0.1%,R0.001[50]=0.451,same as below

由圖2和圖3可見(jiàn)，利用NDVI和MTCI處理后的O2-B波段處的SIFP-NDVI，SIFP-MTCI與小麥條銹病DI的相關(guān)性較原式SIFP提高最為明顯，其中SIFP-NDVI提高了23.48%，SIFP-MTCI提高了33.61%。這是由于O2-B波段冠層SIF的再吸收效應(yīng)會(huì)隨著葉面積指數(shù)的增大而增強(qiáng)，并且O2-B波段處冠層SIF強(qiáng)度與APARchl的關(guān)系隨葉綠素含量變化而變化[10]。因此，在融合NDVI和MTCI后，O2-B波段處SIFP與DI的相關(guān)性顯著提高。在O2-A波段，利用反射率光譜指數(shù)處理前后SIFP與小麥條銹病DI的相關(guān)性提高最小，其中SIFP-NDVI提高了2.39%，SIFP-MTCI提高了2.14%。這是由于O2-A波段處冠層SIF強(qiáng)度與APARchl之間的關(guān)系不受葉綠素含量的影響，并且該波段處冠層SIF的再吸收效應(yīng)可以忽略不計(jì)[10]。因此，經(jīng)反射率光譜指數(shù)處理后，O2-A波段處SIFP與DI的相關(guān)性提高較小。

圖2 冠層SIFP-NDVI與DI相關(guān)性Fig.2 Correlation between SIFP-NDVI and DI in canopy

圖3 冠層SIFP-MTCI與DI相關(guān)性Fig.3 Correlation between SIFP-MTCI and DI in canopy

圖4 冠層SIFP-NDVI*MTCI與DI相關(guān)性Fig.4 Correlation between SIFP-NDVI*MTCI and DI in canopy

2.2 模型構(gòu)建與精度評(píng)價(jià)

本文將50個(gè)原始數(shù)據(jù)(44個(gè)染病樣本，6個(gè)健康樣本)隨機(jī)分成兩部分，其中32個(gè)數(shù)據(jù)(28個(gè)染病樣本，4個(gè)健康樣本)作為訓(xùn)練樣本進(jìn)行模型的構(gòu)建，剩余的18個(gè)數(shù)據(jù)(16個(gè)染病樣本，2個(gè)健康樣本)作為驗(yàn)證樣本用來(lái)評(píng)價(jià)模型的精度。上述隨機(jī)分組重復(fù)進(jìn)行3次(記為Ⅰ組、Ⅱ組、Ⅲ組)，分別利用這三組數(shù)據(jù)建立小麥條銹病DI監(jiān)測(cè)模型，并采用保留樣本交叉檢驗(yàn)方式對(duì)模型精度進(jìn)行評(píng)價(jià)。

RFR算法中決策樹(shù)的數(shù)量(ntree)與分割節(jié)點(diǎn)分割變量數(shù)(mtry)的確定是重點(diǎn)，在保證預(yù)測(cè)結(jié)果可靠的前提下兼顧計(jì)算效率，通過(guò)多次仿真確定ntree為5 000，mtry為自變量個(gè)數(shù)的三分之一(取整)。在RFR參數(shù)確定的基礎(chǔ)上，分別以O(shè)2-B，O2-A，H2O三個(gè)波段線性組合的原始SIFP以及融合NDVI和MTCI后的SIFP-NDVI，SIFP-MTCI和SIFP-NDVI*MTCI為自變量，以小麥條銹病DI為因變量，基于RFR算法構(gòu)建小麥條銹病DI監(jiān)測(cè)模型，并將均方根誤差(root mean square error，RMSE)和決定系數(shù)(coefficient of determination，R2)作為模型精度評(píng)價(jià)指標(biāo)比較分析反射率光譜指數(shù)對(duì)SIFP處理前后小麥條銹病的遙感監(jiān)測(cè)精度的影響。模型預(yù)測(cè)結(jié)果見(jiàn)圖5—圖8，其中實(shí)線表示1∶1關(guān)系線，虛線表示DI的實(shí)測(cè)值與預(yù)測(cè)值擬合的回歸線。

圖5 以SIFP為自變量的小麥條銹病監(jiān)測(cè)模型Fig.5 Monitoring model of wheat stripe rust with SIFP as independent variable

圖6 以SIFP-NDVI為自變量的小麥條銹病監(jiān)測(cè)模型Fig.6 Monitoring model of wheat stripe rust with SIFP-NDVI as independent variable

圖7 以SIFP-MTCI為自變量的小麥條銹病監(jiān)測(cè)模型Fig.7 Monitoring model of wheat stripe rust with SIFP-MTCI as independent variable

圖8 以SIFP-NDVI*MTCI為自變量的小麥條銹病監(jiān)測(cè)模型Fig.8 Monitoring model of wheat stripe rust with SIFP-NDVI*MTCI as independent variable

從圖6可見(jiàn)，在第Ⅱ組訓(xùn)練數(shù)據(jù)中，以SIFP-NDVI為自變量構(gòu)建的條銹病監(jiān)測(cè)模型的預(yù)測(cè)DI值和實(shí)測(cè)DI間的R2為0.911，較同組SIFP提高了2.36%。在第I組和第Ⅲ組訓(xùn)練數(shù)據(jù)中，SIFP-NDVI的建模精度較NDVI處理前的同組SIFP基本沒(méi)有變化。從圖7可見(jiàn)，三組訓(xùn)練數(shù)據(jù)中，利用MTCI處理后的SIFP-MTCI為自變量構(gòu)建的小麥條銹病遙感監(jiān)測(cè)模型預(yù)測(cè)DI值和實(shí)測(cè)DI值間的R2較同組SIFP分別提高了1.14%，3.93%和3.25%，RMSE分別降低了0.94%，17.31%和14.95%。這是由于NDVI與LAI具有良好的線性關(guān)系，利用NDVI處理SIFP可以將葉面積指數(shù)這一冠層結(jié)構(gòu)參數(shù)變化與SIFP的相融合，MTCI可準(zhǔn)確反演植被的葉綠素含量，利用MTCI處理SIFP可以將葉綠素含量變化與SIFP融合，二者均可增強(qiáng)SIFP與DI之間的相關(guān)性，從而提高小麥條銹病遙感監(jiān)測(cè)模型的精度。結(jié)合圖6和圖7，可以看出以SIFP-MTCI為自變量構(gòu)建的小麥條銹病遙感監(jiān)測(cè)模型的精度優(yōu)于SIFP-NDVI，三個(gè)樣本組中預(yù)測(cè)DI值和實(shí)測(cè)DI值間的平均R2提高了2.13%，平均RMSE降低了9.62%。由圖8可以看到，在三組訓(xùn)練數(shù)據(jù)中，以融合NDVI和MTCI的單波段SIFP(SIFP-NDVI*MTCI)為自變量構(gòu)建的小麥條銹病遙感監(jiān)測(cè)模型的預(yù)測(cè)DI值和實(shí)測(cè)DI值間的平均R2比SIFP，SIFP-NDVI和SIFP-MTCI分別提高了4.17%、3.47%和1.32%，平均RMSE分別降低了17.92%，16.35%和7.45%。且其擬合回歸線也較SIFP，SIFP-NDVI和SIFP-MTCI更接近1∶1關(guān)系線。一定程度上減弱了冠層幾何結(jié)構(gòu)和葉綠素重吸收對(duì)SIFP的影響，提高了小麥條銹病的遙感監(jiān)測(cè)精度。

2.3 模型精度檢驗(yàn)

利用三組驗(yàn)證樣本數(shù)據(jù)，得到以融合不同反射率光譜指數(shù)的單波段SIFP線性組合為自變量，基于RFR算法構(gòu)建模型的R2和RMSE統(tǒng)計(jì)結(jié)果(表1)。由表1可見(jiàn)，在三組驗(yàn)證樣本數(shù)據(jù)中，以SIFP-NDVI，SIFP-MTCI為自變量構(gòu)建的小麥條銹病遙感監(jiān)測(cè)模型預(yù)測(cè)DI值和實(shí)測(cè)DI間的平均R2較原始SIFP分別提高了1.52%和5.26%，平均RMSE分別降低了4.31%和18.10 %。以SIFP-MTCI為自變量構(gòu)建的模型預(yù)測(cè)DI值和實(shí)測(cè)DI值間的R2較SIFP-NDVI平均R2提高了3.69%，平均RMSE降低了14.41%。單波段SIFP-NDVI*MTCI線性組合建模結(jié)果表現(xiàn)最優(yōu)，其平均R2為0.917，平均RMSE為0.085，較SIFP，SIFP-NDVI和SIFP-MTCI平均R2分別提高了7.25%，5.65%和1.89%，RMSE分別降低了26.72%，23.42%和10.53%。葉面積指數(shù)的變化會(huì)影響麥葉進(jìn)行光合作用的面積，葉綠素含量是重吸收效應(yīng)的主要影響因素。NDVI和MTCI分別對(duì)葉面積指數(shù)、葉綠素含量的變化響應(yīng)敏感，當(dāng)同時(shí)融合NDVI和MTCI后，可以降低作物群體生物量對(duì)SIFP的影響，這一點(diǎn)通過(guò)O2-B，O2-A，H2O三個(gè)單波段處的SIFP與DI相關(guān)性顯著提高可證實(shí)。因此，融合NDVI和MTCI基于SIFP的單波段線性組合建模精度提高最顯著。

表1 模型精度檢驗(yàn)Table 1 Model accuracy test

3 結(jié) 論

在利用3FLD算法提取O2-B，O2-A及H2O三個(gè)波段冠層SIF強(qiáng)度并對(duì)其進(jìn)行歸一化處理(SIFP)的基礎(chǔ)上，分別以NDVI和MTCI對(duì)SIFP處理前后的冠層葉綠素?zé)晒釹IFP，SIFP-NDVI，SIFP-MTCI和SIFP-NDVI*MTCI為自變量，小麥條銹病DI為因變量，基于RFR算法構(gòu)建了小麥條銹病遙感監(jiān)測(cè)模型。結(jié)果表明：(1)O2-B，O2-A，H2O三個(gè)波段處SIFP與DI均呈現(xiàn)極顯著負(fù)相關(guān)關(guān)系，分別利用NDVI和MTCI兩個(gè)反射率光譜指數(shù)對(duì)SIFP進(jìn)行處理后，O2-B，O2-A，H2O三個(gè)波段處SIFP與DI的相關(guān)性均有不同程度的提高，其中O2-B波段處相關(guān)性提高最顯著，平均提高28.55%，H2O波段處相關(guān)性平均提高18.13%，O2-A波段處相關(guān)性提高最小，平均僅提高2.26%。同時(shí)融合NDVI和MTCI兩個(gè)反射率光譜指數(shù)后，O2-B波段處SIFP與DI的相關(guān)性與O2-A波段一致，R均達(dá)到0.808，H2O處R也達(dá)到0.734，相較于未融合時(shí)，R分別提高36.49%，1.51%，26.77%。(2)在驗(yàn)證樣本數(shù)據(jù)中，單波段SIFP-NDVI線性組合和單波段SIFP-MTCI線性組合建模精度較單波段SIFP線性組合均有所提高，R2分別平均提高1.52%，5.26%。在訓(xùn)練樣本數(shù)據(jù)中，單波段SIFP-MTCI線性組合較單波段SIFP線性組合建模的R2平均提高2.77%，但以單波段SIFP-NDVI線性組合為自變量出現(xiàn)與以單波段SIFP線性組合為自變量所構(gòu)建的模型精度基本沒(méi)有變化的情況?？梢?jiàn)，無(wú)論是驗(yàn)證樣本還是訓(xùn)練樣本，單波段SIFP-NDVI線性組合均低于單波段SIFP-MTCI線性組合的建模精度，且前者建模的穩(wěn)定性也遜色于后者。(3)以單波段SIFP-NDVI*MTCI線性組合為自變量構(gòu)建的模型表現(xiàn)最優(yōu)，R2最高可達(dá)0.971，RMSE最低為0.053，說(shuō)明同時(shí)融合比單一融合NDVI和MTCI兩個(gè)反射率譜指數(shù)更有利于提高基于SIF的小麥條銹病DI監(jiān)測(cè)模型的精度。

由于觀測(cè)數(shù)據(jù)有限，僅使用了小麥冠層光譜數(shù)據(jù)反演單波段SIF以及利用其線性組合建模，并未對(duì)小麥單葉光譜數(shù)據(jù)進(jìn)行研究，因此，單葉單波段SIF建模精度是否與冠層一致，融合NDVI與MTCI后建模精度是否提高，需要在未來(lái)工作中進(jìn)一步驗(yàn)證。葉綠素?zé)晒庑盘?hào)微弱，并且其反演又依賴于吸收波段的信息，大氣輻射傳輸?shù)挠绊懖豢珊鲆?，因此本研究結(jié)論在塔基平臺(tái)和衛(wèi)星影像獲取的數(shù)據(jù)中是否成立，有待研究。