唐彧哲，紅 梅，郝嘉永，王 旭，張賀景，張煒健，李 斐

內(nèi)蒙古農(nóng)業(yè)大學草原與資源環(huán)境學院，內(nèi)蒙古自治區(qū)土壤質(zhì)量與養(yǎng)分資源重點實驗室，內(nèi)蒙古 呼和浩特 010018

引 言

葉綠素是植物體將光能轉(zhuǎn)化為化學能的主要色素，是植物光合作用的驅(qū)動力，葉片葉綠素含量作為評價光合作用、植物生產(chǎn)力、環(huán)境和養(yǎng)分脅迫的重要指標，影響著全球糧食生產(chǎn)。葉片葉綠素含量和氮含量之間有著顯著的正相關(guān)關(guān)系，常被用于診斷葉片氮的營養(yǎng)和生長狀況[1]。因此，準確估測葉片葉綠素含量對于監(jiān)測整體作物健康和推薦氮素肥料的施用具有重要意義。隨著農(nóng)業(yè)遙感技術(shù)的不斷發(fā)展，基于葉片反射的高光譜遙感被越來越多的用于估測葉綠素含量，并且根據(jù)葉綠素強烈吸收藍光和紅光的特性發(fā)展了許多高光譜指數(shù)[2]，其中以紅光吸收面積特性而構(gòu)建的面積光譜指數(shù)對葉綠素含量較為敏感[3]。

不同的面積光譜指數(shù)算法影響著指數(shù)對葉綠素含量的估測能力；基于三角形面積算法的三角形植被指數(shù)(TVI)雖然準確的估測了冠層葉綠素含量，但是在葉綠素含量高時出現(xiàn)飽和現(xiàn)象，靈敏性大大降低。隨著修正三角形植被指數(shù)(MTVI1、MTVI2)的提出，解決了高葉綠素含量條件下的飽和現(xiàn)象并廣泛應用于大豆、玉米和小麥等作物。基于葉綠素吸收面積算法最早是由Kim等通過構(gòu)建葉綠素吸收比值指數(shù)(CARI)而提出的。之后，為了消除大氣背景和陽光散射對冠層光譜反射率的影響，對CARI指數(shù)進行不斷的修正和改進，進一步提出了修正和轉(zhuǎn)化葉綠素吸收比值指數(shù)用于反演冠層葉面積指數(shù)，在此基礎(chǔ)上又構(gòu)建了許多葉綠素吸收面積指數(shù)并用于估測冬小麥和夏玉米的葉片氮含量和葉片葉綠素含量[4-7]?；诓ㄐ巫儞Q面積算法的提出是為了提高光譜指數(shù)的抗干擾能力。Malenovsk等通過將原始光譜進行連續(xù)統(tǒng)去除構(gòu)建了曲線下面積歸一化形狀指數(shù)，在估測森林冠層葉綠素含量時有效消除了土壤背景反射率和冠層散射的影響。Feng等將原始光譜反射率進行一階導數(shù)變換后構(gòu)建的雙峰面積差異指數(shù)(DIDA)、雙峰面積比率指數(shù)(RIDA)以及雙峰面積歸一化差值指數(shù)(NDDA)準確的估測了冬小麥葉片氮濃度[8]，并且發(fā)現(xiàn)一階導數(shù)變換后的紅邊與葉片氮濃度高度相關(guān)，表明基于導數(shù)變換的面積光譜指數(shù)優(yōu)于常規(guī)的面積光譜指數(shù)[9-10]。

前人雖然已經(jīng)提出了許多估算葉綠素含量的面積光譜指數(shù)，但一直沒有達成共識，因為大多數(shù)的面積指數(shù)是通過固定波段而構(gòu)建的并且僅適用于當時生態(tài)區(qū)域環(huán)境和氣候條件下特定的作物品種，在不同地區(qū)、不同作物和不同生育時期上的普適性仍有待探究。為了提高光譜指數(shù)的普適性，Delegido結(jié)合波段優(yōu)化思想提出了歸一化面積反射率曲線指數(shù)(NAOC)，在七種作物和不同裸土類型下與葉片葉綠素含量呈顯著的線性關(guān)系，提高了面積光譜指數(shù)在不同作物類型下的普適性。Li等將三角形植被指數(shù)(TVI)與優(yōu)化算法相結(jié)合，提出的優(yōu)化三角形植被指數(shù)(OTVI)，很好的估測了不同地區(qū)、品種和生育時期下的冬小麥植株吸氮量，證明了波段優(yōu)化指數(shù)對不同生育時期和不同區(qū)域的重要性[11]。

玉米作為重要的糧飼兼用型作物，葉片葉綠素含量的實時估測對于玉米全生育時期的管理具有重要意義。然而，在玉米不同生長發(fā)育時期葉片葉綠素含量存在明顯的時空分布特點，在估測葉片葉綠素含量時必須考慮到生育時期對估測精度的影響。因此，本研究的目的是比較和優(yōu)化不同算法的面積光譜指數(shù)，并檢驗它們在估測春玉米不同生育期和地點的葉片葉綠素含量中的穩(wěn)定性。旨在開發(fā)一種利用高光譜遙感技術(shù)實時監(jiān)測和診斷玉米葉片葉綠素含量的模型，并為發(fā)展監(jiān)測玉米葉片葉綠素含量狀況的遙感技術(shù)提供理論依據(jù)和技術(shù)支持。

1 實驗部分

1.1 試驗設(shè)計

于2020年共進行了3個玉米田間試驗，包含不同地點、品種和氮肥施用量，試驗設(shè)計如下：

試驗1在巴彥淖爾市五原縣進行，供試品種為新玉12，每個小區(qū)面積65 m2(長10 m，寬6.5 m)，設(shè)置四個重復，試驗小區(qū)隨機排列布置。共設(shè)7個氮素水平，總施氮量分別為0，54，126，180，234，360和400 kg·N·ha-1，在抽雄期(VT)進行追肥，基追比為3∶7。

試驗2在巴彥淖爾市烏拉特前旗進行，供試品種為先玉1225，小區(qū)面積為55 m2(長11 m，寬5 m)，設(shè)置四個重復，所有小區(qū)隨機排列。共設(shè)6個氮處理，施氮量分別是0，90，180，234，306和400 kg·N·ha-1，分別在拔節(jié)期(V6)、大喇叭口期(V12)、抽雄期(VT)進行追肥，基追比為3∶3∶3∶1。

試驗3在烏蘭察布市察右前旗進行，供試品種為先玉1331，小區(qū)面積70 m2(長10 m，寬7 m)，設(shè)置四個重復，全部小區(qū)隨機排列。共設(shè)4個氮處理，施氮量分別是0，120，150和220 kg·N·ha-1。所有試驗的磷鉀肥作為底肥一次性施入，在抽雄期(VT)進行追肥，基追比為3∶7。

1.2 測定項目與方法

采樣時期和位置：在玉米的拔節(jié)期(V6)、大喇叭口期(V12)、抽雄期(VT)和乳熟期(R3)進行葉片測定和取樣，試驗一分別在玉米的拔節(jié)期、大喇叭口期、抽雄期和乳熟期進行玉米葉片的樣品采集；試驗二分別在玉米的大喇叭口期、抽雄期和乳熟期進行樣品采集；試驗三僅在玉米的抽雄期進行玉米葉片的樣品采集，在三個試驗的葉片樣品采集時，均先采集葉片光譜信息再測定葉片的SPAD值。

光譜數(shù)據(jù)的采集：玉米葉片光譜反射率數(shù)據(jù)是利用美國SPECTRAL EVOLUTION公司生產(chǎn)的PSR-3500全光譜手持式地物光譜儀獲取，此儀器的光譜范圍為350～2 500 nm，輸出間隔為1 nm。每個小區(qū)選取代表性植株三株；使用主動光源手柄葉片夾夾取葉片的中間部位，并且保證避開葉脈區(qū)域，同時葉片保持水平并垂直于葉片夾，采集葉片光譜反射率數(shù)據(jù)，并存儲在配套的掌上電腦(PDA)中。

SPAD值的測定：在玉米葉片光譜數(shù)據(jù)采集后，選取采集光譜數(shù)據(jù)葉片的四個點位(上部點位一個；中部點位兩個；下部點位一個)進行測定，測定時避開葉片葉脈部位。取平均值作為該葉片的SPAD值，將每層所有葉片SPAD值的平均值作為該層的SPAD值。測定儀器采用日本美能達公司生產(chǎn)的SPAD-502。

光譜指數(shù)的計算：比較了目前國內(nèi)外已經(jīng)發(fā)表的幾乎所有基于面積的高光譜指數(shù)，就其計算的方法共分為三種類型。表1列出了三種類型的面積指數(shù)算法及其出處，通過計算這些指數(shù)與田間測定的葉片葉綠素含量的關(guān)系，從而確定估測能力最佳的算法和指數(shù)。

1.3 數(shù)據(jù)處理

采用Excel 2019和MATLAB 14.0 (The MathWorks,Inc.,Natick,MA)軟件進行基于面積的高光譜指數(shù)的計算和優(yōu)化，使用SigmaPlot 12.5和MATLAB軟件進行制圖。利用采集的光譜反射率數(shù)據(jù)計算已發(fā)表光譜指數(shù)，并將所獲得的數(shù)據(jù)75%用于模型的建立，25%用于模型的驗證。使用決定系數(shù)(R2)、均方根誤差(RMSE)和歸一化均方根誤差(NRMSE，%)比較預測能力的差異和模型的穩(wěn)定性。R2越大，RMSE和NRMSE%越小，表明模型估測葉片葉綠素含量的精度和準確性越高。

1.4 光譜指數(shù)的優(yōu)化

從表1所包含的三類面積光譜指數(shù)中各篩選出一個面積指數(shù)進行優(yōu)化。首先，在三角形面積指數(shù)中，在參考Li等[11]的基礎(chǔ)上對TVI指數(shù)進行了波段優(yōu)化，將紅光反射率(R670)和近紅外反射率(R750)設(shè)定在680～800 nm之間從而選擇最佳的波段組合，進而構(gòu)建了優(yōu)化三角形面積指數(shù)(OTVI)。其次，優(yōu)化了CAI指數(shù)，將積分上、下限設(shè)定在650～800 nm之間，通過計算任意兩波段包絡(luò)線下的積分面積和反射率下的面積從而構(gòu)建了優(yōu)化葉綠素吸收積分指數(shù)(OCAI)。最后，對NDDA指數(shù)進行了優(yōu)化，在一階導數(shù)反射率675～750 nm之間的任意位置進行分割，計算左邊面積減去右邊面積與總面積的比值，構(gòu)建了優(yōu)化雙峰面積歸一化差值指數(shù)(ONDDA)。

表1 光譜指數(shù)Table 1 Spectral indices

2 結(jié)果與討論

2.1 光譜指數(shù)與玉米葉片SPAD值的關(guān)系

玉米葉片的葉綠素含量隨著生育時期的變化呈現(xiàn)為先增加后降低的趨勢，這可能是因為在幼葉時葉綠體發(fā)育不完全，葉綠素含量較少導致的，當進入生育后期時，葉片進行充足的光合作用產(chǎn)生有機質(zhì)，所以大量的葉綠素被合成，葉片的葉綠素含量也隨之增加，到了生長后期，葉片開始衰老，葉綠素開始分解和轉(zhuǎn)移，在新的葉片中合成，導致葉片葉綠素含量較低(圖1)。

圖1 不同生育時期玉米葉片SPAD值描述Fig.1 Descriptive statistics of leaf SPAD values in different growth stages of maize

由于葉綠素的光合作用造成紅光吸收產(chǎn)生的波谷是綠色植物的一個重要光譜特征，基于這個特征前人發(fā)展了許多基于面積的光譜指數(shù)進行植物葉綠素的估測。為了詳細的研究紅光吸收面積光譜指數(shù)對葉片葉綠素含量估測的影響，選取了近些年國內(nèi)外發(fā)表的幾乎所有的面積光譜指數(shù)進行建模來評價其估測能力。從整體上來看，所有的面積指數(shù)都與葉片葉綠素含量顯著相關(guān)，R2的值在0.63～0.96之間變動，表明紅邊吸收峰面積對于葉片葉綠素含量是極其敏感的，且不同面積光譜指數(shù)對玉米葉片葉綠素含量的預測能力差異較大(表2)。

玉米葉片葉綠素含量隨著生育時期的推進呈現(xiàn)先增加后降低的趨勢，不同基于面積的高光譜指數(shù)對不同生育時期葉片葉綠素含量的估測能力也有所不同。表2的結(jié)果表明，基于三角形面積的優(yōu)化高光譜指數(shù)OTVI與玉米葉片葉綠素含量的相關(guān)性在不同生育時期的R2在0.85～0.95之間變動，相關(guān)性顯著高于同一面積算法下的其他光譜指數(shù)。葉綠素吸收面積算法下的優(yōu)化面積光譜指數(shù)NAOC，OREA和OCAI在所有生育時期和所有試驗下的相關(guān)性都高于其他光譜指數(shù)，且在抽雄(VT)時期對于葉片葉綠素含量的估測能力最優(yōu)。這一現(xiàn)象同樣出現(xiàn)在波形變換算法下的優(yōu)化面積光譜指數(shù)ONDDA，在所有優(yōu)化面積光譜指數(shù)中ONDDA指數(shù)的估測能力最好。

表2 光譜指數(shù)與葉片葉綠素含量在不同生育時期線性相關(guān)的決定系數(shù)Table 2 Coefficient of determination (R2)of the linear relationships between leaf chlorophyll content and spectral indices in different growth stages

2.2 光譜指數(shù)波段優(yōu)化及估測模型的構(gòu)建

為了進一步提高面積光譜指數(shù)在SPAD值估測方面的穩(wěn)定性，將優(yōu)化算法與傳統(tǒng)面積光譜指數(shù)進行結(jié)合，并對每一類面積指數(shù)進行波段優(yōu)化。圖2表示OCAI指數(shù)的優(yōu)化過程，顯示了葉片葉綠素含量與OCAI之間的決定系數(shù)等值線圖，在所有的等值線圖中，與葉綠素敏感的波段幾乎相同，λ1和λ2所表示的敏感波段主要分布在710～750和690～710 nm，與其他基于葉綠素吸收面積的光譜指數(shù)相比，OCAI指數(shù)與葉片葉綠素含量的決定系數(shù)最高。同樣，OTVI指數(shù)的優(yōu)化過程如圖3所示，在基于三角形面積的光譜指數(shù)中，OTVI指數(shù)與葉片葉綠素含量的線性相關(guān)性最好(表2)。圖4顯示了葉片葉綠素含量與ONDDA之間的決定系數(shù)等值線圖，在所有的數(shù)據(jù)集中K的位置幾乎穩(wěn)定在718～725 nm之間，與其他基于波形變化的光譜指數(shù)相比，ONDDA指數(shù)與葉片葉綠素含量的相關(guān)性最好。這表明優(yōu)化算法可以提高葉片葉綠素含量的估測精度，并且進一步證實了優(yōu)化算法在農(nóng)學參數(shù)估算中的重要作用。

圖2 葉片葉綠素含量與OCAI指數(shù)之間線性擬合的決定系數(shù)(R2)的等值線圖(a)：V6時期；(b)：V12時期；(C)：VT時期；(d)：R3時期Fig.2 Contour maps of the coefficient of determination (R2)between leaf chlorophyll content and OCAI index(a):V6 stage;(b):V12 stage;(c):VT stage;(d):R3 stage

圖3 葉片葉綠素含量與OTVI指數(shù)之間線性擬合的決定系數(shù)(R2)的等值線圖(a)：V6時期；(b)：V12時期；(C)：VT時期；(d)：R3時期Fig.3 Contour maps of the coefficient of determination (R2)between leaf chlorophyll content and OTVI index(a):V6 stage;(b):V12 stage;(c):VT stage;(d):R3 stage

圖4 葉片葉綠素含量與ONDDA指數(shù)之間線性擬合的決定系數(shù)(R2)的等值線圖Fig.4 Contour maps of the coefficient of determination (R2)between leaf chlorophyll content and ONDDA index

對所有已經(jīng)發(fā)表的面積光譜指數(shù)進行了計算，為了進一步比較面積指數(shù)在估測玉米葉片葉綠素含量的性能，篩選出與葉片葉綠素含量相關(guān)性最好的前6名面積光譜指數(shù)(TGI，TCARI，OCAI，OTVI，ONDDA和ANMB)(表2)進行模型的構(gòu)建，并且在不同生育時期(圖5)分別進行模型的構(gòu)建。結(jié)果表明，在前人研究的基于面積的光譜指數(shù)中三角形綠色光譜指數(shù)(TGI)具有最高的估測精度(R2=0.93)，但是在葉片SPAD值高于50時，在不同生育時期中出現(xiàn)不同程度的飽和現(xiàn)象。然而基于優(yōu)化算法的面積光譜指數(shù)(OCAI，OTVI和ONDDA)在不同生育時期的估測精度都要高于已經(jīng)發(fā)表的面積光譜指數(shù)(圖5)。這些結(jié)果表明，相比于高光譜指數(shù)的選擇，算法的優(yōu)化和敏感波段的篩選顯得尤為重要。綜上所述，優(yōu)化算法在一定程度上克服了生育時期對于估測精度的影響，進一步提高了優(yōu)化面積光譜指數(shù)在SPAD值估測方面的普適性。

圖5 四個生育時期的葉片葉綠素含量與估測能力排名前6光譜指數(shù)的線性關(guān)系Fig.5 The linear relationship between leaf chlorophyll contents in four growth stages and the top 6 spectral indices of estimation ability

2.3 基于優(yōu)化算法的面積光譜指數(shù)評價與驗證

光譜指數(shù)對玉米葉綠素含量的預測是否穩(wěn)定，需要進一步的驗證。利用25%的數(shù)據(jù)作為驗證集對基于優(yōu)化面積光譜指數(shù)OCAI，ONDDA，OTVI以及表現(xiàn)較好的現(xiàn)存高光譜指數(shù)進行了驗證(圖6)。在前人研究的面積指數(shù)中(表3)，TGI指數(shù)具有最高的估測精度，估測模型的驗證斜率為0.92，R2為0.93，相比于TCARI和ANMB來說具有較小的RMSE和NRMSE%，分別為2.54%和4.59%。相比于前人研究的面積光譜指數(shù)，基于優(yōu)化面積算法的光譜指數(shù)(OTVI，OCAI和ONDDA)具有更高的估測精度，但是三者的R2，RMSE和NRMSE%沒有顯著差異，ONDDA指數(shù)與葉片葉綠素含量估測模型的驗證斜率為0.996，最接近1，并且具有最高的R2為0.943，和最低的RMSE和NRMSE%，分別為2.29%和3.94%?；谝陨辖Y(jié)果，ONDDA似乎是預測玉米葉片葉綠素含量效果最好的面積光譜指數(shù)。

表3 葉片葉綠素含量觀測值與預測值之間的回歸特征Table 3 Characteristics of the regression between observed and estimated SPAD values

圖6 基于6個光譜指數(shù)玉米葉片葉綠素含量估測模型的驗證Fig.6 Comparison between observed and predicted leaf chlorophyll contents based on six spectral indices

但僅僅通過R2，RMSE，NRMSE%和預測值與觀測值之間的斜率來評價優(yōu)化算法面積光譜指數(shù)所構(gòu)建模型的穩(wěn)定性是不全面的。因此，我們將三種優(yōu)化面積光譜指數(shù)在不同數(shù)據(jù)集下的敏感波段列舉出來(圖7)，可以看出OTVI和OCAI在不同數(shù)據(jù)下的敏感波段λ1雖然穩(wěn)定在紅邊位置，λ2穩(wěn)定在紅谷位置，但是變幅大、不穩(wěn)定。敏感波段選擇的不一致性表明，生育時期和層位對利用光譜指數(shù)估測葉片葉綠素含量有很大的影響，這一現(xiàn)象可能解釋了前人研究的面積指數(shù)在不同生育時期上對葉片葉綠素含量估測不一致的原因。相對于OCAI和OTVI來說，ONDDA指數(shù)在不同的生育時期，敏感波段的位置穩(wěn)定在720 nm左右。綜上所述，ONDDA指數(shù)是估測玉米葉片葉綠素值的最佳面積光譜指數(shù)。

圖7 OTVI,OCAI,ONDDA在不同生育時期下敏感波段的位置變化Fig.7 The sensitive bands of OCAI,OTVI and ONDDA at different growth stages

葉片葉綠素含量作為最重要的植物生理參數(shù)之一，不僅為監(jiān)測植物的生理狀態(tài)提供了有價值的信息，也為監(jiān)測植物的表型表現(xiàn)提供了有價值的信息，葉片葉綠素含量的準確估測是檢測作物整體健康，管理施肥以及農(nóng)業(yè)系統(tǒng)中其他投入的重要因素，通過定量分析玉米不同生育時期葉綠素含量與面積光譜指數(shù)的相關(guān)關(guān)系，可為作物養(yǎng)分脅迫狀況診斷和精準施肥管理提供理論基礎(chǔ)[12-13]。在本研究中，用Broge等提出的TVI指數(shù)在不同生育時期下的估測精度不盡一致，在試驗一V6(拔節(jié)期)的估測能力較差R2僅為0.35，在生育后期估測能力有所提高R2達到0.74(表2),在所有數(shù)據(jù)條件下TVI指數(shù)的估測精度僅為0.6(表2)。但是，將優(yōu)化算法與TVI指數(shù)結(jié)合后構(gòu)建的OTVI指數(shù)，不僅克服了生育時期對于葉綠素含量估測精度的影響，而且大大提高了葉片葉綠素含量的估測精度，在V6(拔節(jié)期)時期R2從0.35提高到0.85，而基于總體數(shù)據(jù)的估測R2從0.6提高到了0.95。這一現(xiàn)象同樣出現(xiàn)在CAI指數(shù)和OCAI指數(shù)，OCAI指數(shù)將V6(拔節(jié)期)時期的估測精度提高了0.44，對于整體數(shù)據(jù)的估測精度提高了0.26。雖然ONDDA指數(shù)相對于NDDA指數(shù)的提高不太明顯，但是ONDDA指數(shù)在所有指數(shù)的表現(xiàn)中是最佳的?？傮w而言，與已發(fā)表的面積光譜指數(shù)相比，基于優(yōu)化算法的面積光譜指數(shù)(OTVI，OCAI，ONDDA)成功的估測了不同生育時期的玉米葉片葉綠素含量。

雖然基于優(yōu)化算法的面積光譜指數(shù)所構(gòu)建的估測模型精度較高，但是一個經(jīng)驗模型的構(gòu)建必須通過驗證才能證明其實用性和穩(wěn)定性，選取與玉米葉片葉綠素含量相關(guān)性前三的光譜指數(shù)與其比較。雖然OTVI和OCAI指數(shù)的表現(xiàn)很好，但是ONDDA指數(shù)的表現(xiàn)仍然是最佳的，有著最低的RMSE和NRMSE%，分別為2.29和3.94%，并且通過ONDDA指數(shù)反演得到的預測值與實測值擬合方程的斜率最接近1，為0.996(表3，圖6)。從擬合方程的結(jié)果來看，三個優(yōu)化面積光譜指數(shù)都可用于估測玉米葉片葉綠素含量，但OCAI和OTVI指數(shù)其表現(xiàn)最好的波段組合因不同的生育時期而異(圖7)。這一結(jié)果證實了OCAI和OTVI指數(shù)在預測葉片葉綠素含量和敏感波段選擇上的不一致性。這些不一致性表明，植物和非植物因素，如層位、地點和生育時期，極大地影響了高光譜指數(shù)估測葉片葉綠素含量的性能[14-15]。這一發(fā)現(xiàn)解釋了前人研究的面積光譜指數(shù)在本研究不同數(shù)據(jù)集中表現(xiàn)較差的現(xiàn)象。與OCAI和OTVI指數(shù)相比，ONDDA指數(shù)優(yōu)化的波段組合更加穩(wěn)定(圖7)，并且在所有數(shù)據(jù)集中，ONDDA指數(shù)比其他已發(fā)表的光譜指數(shù)與玉米葉片葉綠素含量的相關(guān)性最大。結(jié)果進一步證實敏感波段在葉片葉綠素含量估測中起重要作用。

基于面積的光譜指數(shù)構(gòu)建的玉米葉片葉綠素含量估測模型來源于一個為期一年的田間試驗數(shù)據(jù)，包括三個地點和三個品種下的玉米葉片數(shù)據(jù)。其實用性和穩(wěn)定性仍然需要在多年、不同生態(tài)區(qū)和不同作物條件下進一步測試，以提高光譜技術(shù)在診斷植株葉片葉綠素含量時的能力。

3 結(jié) 論

不同面積算法的光譜指數(shù)顯著影響葉綠素含量的估測精度，而且光譜指數(shù)在估測玉米葉片葉綠素含量時受生育時期的影響較大。基于優(yōu)化面積算法的光譜指數(shù)不僅有效的降低了生育時期對估測精度的影響，并且與前人研究的光譜指數(shù)相比估測精度有顯著提升。綜合評價結(jié)果證明，優(yōu)化光譜指數(shù)ONDDA與葉片葉綠素含量的擬合效果最好，R2達0.94，預測值和實測值的RMSE和NRMSE%最小，分別為2.29和3.94%。