摘要:針對(duì)空間異質(zhì)性導(dǎo)致的冠層等效水厚度(Equivalent water thickness, EWT)反演誤差較大的問題,,以4塊長(zhǎng)勢(shì)差異較大的玉米田為研究對(duì)象,分別采集6個(gè)關(guān)鍵生育節(jié)點(diǎn)的EWT數(shù)據(jù),,同時(shí)利用無人機(jī)多光譜遙感技術(shù)獲取田間的正射影像,。以滑動(dòng)窗口的方式提取遙感影像不同窗口空間尺寸(0.1m×0.1m~2.0m×2.0m)的光譜和紋理信息,經(jīng)多重共線性檢驗(yàn)后,,應(yīng)用主成分分析法(Principal component analysis,,PCA)分別對(duì)光譜參數(shù)(Spectral parameters,S),、紋理參數(shù)(Texture parameters,,T)及光譜與紋理組合參數(shù)(Spectral and texture parameters,S+T)進(jìn)行降維,,進(jìn)而分別利用偏最小二乘法(Partial least squares,,PLS)、隨機(jī)森林(Random forest,,RF)以及支持向量機(jī)(Support vector machine,,SVM)構(gòu)建EWT反演模型,而后利用Kruskal-Wallis檢驗(yàn)?zāi)P偷木?,并根?jù)多重檢驗(yàn)結(jié)果探討最佳窗口尺寸的選擇,。結(jié)果表明:隨著窗口空間尺度的逐漸增大,EWT反演模型的精度呈先增大后減小趨勢(shì),;以S+T作為輸入?yún)?shù)構(gòu)建的模型精度顯著優(yōu)于S和T,,引入紋理特征后,基于PLS,、RF和SVM的模型最優(yōu)窗口尺寸校正決定系數(shù)(Adjusted R-square,,R2adj)分別增加0.16、0.05和0.12,,相對(duì)均方根誤差(Relative root mean square error,,RRMSE)分別減小4.95%、1.17%和3.80%,,表明紋理特征可以提高EWT模型反演精度,;綜合比較不同建模方法構(gòu)建的9組模型,確定最優(yōu)采樣窗口空間尺寸為0.7m×0.7m(R2adj最高可達(dá)0.82,,對(duì)應(yīng)的RRMSE為16.57%),。該研究可為基于無人機(jī)多光譜影像分析的信息挖掘和EWT監(jiān)測(cè)提供參考。