摘 要

 

玉米作为三大粮食作物之一，其产量的高低对世界粮食安全有着至关重要的影响。叶面积指数（LAI）和冠层吸收光合有效辐射比（FAPAR）是衡量作物生长状况的重要生物物理参数，与作物产量、品质形成密切相关。通过在冠层尺度上对雄穗光谱研究，有利于提高玉米LAI和FAPAR的估算精度，并对地区管理者制定更合理的计划提供指导。

 

本文以夏玉米为研究对象，通过手动和图像处理方法去除雄穗，并从RGB和多光谱两种数据源分析雄穗去除前后冠层植被指数的变化以及对叶面积指数（LAI）和光合有效辐射（FAPAR）反演的影响，本本主要结论如下：

 

（1）基于RGB数据的最大类间方差法（OTSU）、机器学习方法（RFR）和深度学习模型（DeepLabV3+、Pspnet和Unet）等分割方法中，Unet模型精度最高（PA=82.14%，MeanIOU=84.43%）。