附錄A

（資料性）

水旱災(zāi)害遙感監(jiān)測(cè)主要衛(wèi)星數(shù)據(jù)源表A.1常用光學(xué)衛(wèi)星源及其相關(guān)參數(shù)表衛(wèi)星型號(hào)國(guó)家發(fā)射時(shí)間空間分辨率重訪周期高分一號(hào)（GF-1）中國(guó)2013年全色2m，多光譜8m和寬幅多光譜16m4天高分一號(hào)B、C、D星（GF-1B、GF-1C、GF-1D）中國(guó)2018年全色2m，多光譜8m2天高分二號(hào)（GF-2）中國(guó)2014年全色0.8m，多光譜3.2m5天高分四號(hào)（GF-4）中國(guó)2015年可見(jiàn)光50m，中波紅外400m全天時(shí)高分六號(hào)（GF-6）中國(guó)2018年全色2m，多光譜8m和寬幅多光譜16m2天（GF-1組網(wǎng)）高分七號(hào)（GF-7）中國(guó)2019年全色0.65m，多光譜2.5m≤60天資源一號(hào)02C星（ZY02C）中國(guó)2011年全色2.36m，多光譜10m3天資源一號(hào)02D星（ZY102D）中國(guó)2019年全色2.5m，多光譜10m2天（聯(lián)網(wǎng)02E）資源一號(hào)02E星（ZY02E）中國(guó)2021年全色2.5m，多光譜10m，長(zhǎng)波紅外15m2天（聯(lián)網(wǎng)02D）資源三號(hào)01星、02星、03星（ZY3-01、ZY3-02、ZY3-03）中國(guó)2012年2016年2020年全色2.1m，多光譜5.8m1天（組網(wǎng)）可持續(xù)發(fā)展科學(xué)衛(wèi)星1號(hào)（SDGSAT-1）中國(guó)2021年全色10m，多光譜40m，熱紅外30m11天環(huán)境減災(zāi)2號(hào)A、B星（HJ-2A、HJ-2B）中國(guó)2020年多光譜16m，紅外96m2天（組網(wǎng)）北京三號(hào)A、B星（BJ-3A、BJ-3B）中國(guó)2021年2022年全色0.5m，多光譜2m3-5天吉林一號(hào)系列中國(guó)2015年-2023年全色0.72m、多光譜2.88m<12小時(shí)（組網(wǎng)）高景一號(hào)01/02、03/04星（SuperView-1/2、SuperView-3/4）中國(guó)2016年2018年全色0.5m，多光譜2m4天（單星）1天（四星組網(wǎng)）GeoEye-1美國(guó)2008年全色0.41m，多光譜1.65m3天WordView-4美國(guó)2016年全色0.31m，多光譜1.24m3天Landsat-8、Landsat-9美國(guó)2013年2021年全色15m，多光譜30m，熱紅外100m16天（單星）Pleiades-1A、Pleiades-1B法國(guó)2011年2012年全色0.5m，多光譜2m1天（雙星協(xié)同）SPOT6、SPOT7法國(guó)2012年2014年全色1.5m，多光譜6m3天（單星）1天（組網(wǎng)）Sentinel-2A、B、C星（Sentinel-2A、Sentinel-2B、Sentinel-2C）歐洲空間局2015年2017年2024年多光譜10m/20m/60m10天（單星）5天（組網(wǎng)）Aqua、TerraMODIS傳感器美國(guó)1999年2002年可見(jiàn)光250m，短波紅外500m，熱紅外1000m<1天風(fēng)云三號(hào)（FY-3D、E、F、G）MERSI-II、III傳感器中國(guó)2017年2021年2023年可見(jiàn)光250m<1天表A.2常用雷達(dá)衛(wèi)星源及其相關(guān)參數(shù)表平臺(tái)國(guó)家發(fā)射時(shí)間頻段極化方式最高空間分辨率/m測(cè)繪帶幅寬/km重訪周期（天）高分三號(hào)01、02、03星（GF-3、GF-3B、GF-3C）中國(guó)2016年2021年2022年C單極化、雙極化、四極化110~650<1.5（組網(wǎng)）陸探一號(hào)A、B星（LT-1A、LT-1B）中國(guó)2021年L單極化、雙極化、四極化350~4008（單星）4（雙星）環(huán)境減災(zāi)2號(hào)E星（HJ-2E）中國(guó)2022年S單極化、雙極化525~1002.5（80%區(qū)域）海絲一號(hào)（BC-1）中國(guó)2020年CVV極化15~1003巢湖一號(hào)（BC-2）中國(guó)2022年CVV極化17~1502~3涪城一號(hào)（BC-3）中國(guó)2023年CVV極化17~15011TerraSAR-X德國(guó)2007年X單極化、雙極化、四極化110~10011TanDEM-X德國(guó)2010年X單極化、雙極化、四極化110~15011RADARSAT-2加拿大2007年C單極化、雙極化、四極化310~50024RADARSAT星座（

RCM）加拿大2019年C單極化、雙極化、四極化15~5004(星座）COSMO-SkyMed意大利2007年X單極化、雙極化110~20016COSMO-SkyMed二代衛(wèi)星（CSG）意大利2019年X單極化、雙極化、四極化0.33~20016ALOS-2日本2014年L單極化、雙極化、四極化125~49014Sentinel-1A星（Sentinel-1A）歐洲空間局2014年C雙極化580~40012

附錄B

（資料性）

無(wú)人機(jī)常用傳感器參數(shù)表B.1無(wú)人機(jī)熱紅外相機(jī)參數(shù)熱紅外相機(jī)參數(shù)詳情基本參數(shù)熱像儀非致冷VOx微測(cè)輻射計(jì)傳感器分辨率640*512光譜帶7.5um~13.5um全幀速度30Hz（NTSC），25Hz（PAL）可導(dǎo)出幀速度7.5Hz（NTSC），8.3Hz（PAL）測(cè)量精度+/-5°C或讀數(shù)的5%物理參數(shù)大小2.26"x1.75"（包括鏡頭）重量101.0g~124.5g（與配置有關(guān)）圖像處理與顯示控制SUAS圖像優(yōu)化是場(chǎng)景預(yù)置&圖像處理是--可通過(guò)應(yīng)用程序調(diào)整調(diào)色板是--可通過(guò)應(yīng)用程序或PWM調(diào)整放大是--可通過(guò)應(yīng)用程序或PWM調(diào)整接口輸入電壓4.8VDC~6.0VDC功率消耗（峰值）2.1W（3.9W）環(huán)境工作溫度范圍-20℃~+50℃工作高度+12.192km表B.2無(wú)人機(jī)多光譜相機(jī)參數(shù)多光譜相機(jī)基本參數(shù)詳情重量170g（包括DLS）體積9.4cm*6.3cm*4.6cm（3.7″*2.5″*1.8″）功耗4.2V~15.8V，正常4W，最高8W光譜通道藍(lán)波段、綠波段、紅波段、紅邊波段、近紅外波段GSD地面樣品距離在120mAGL處為8.2cm/像素（每波段）最大捕獲速度每秒捕獲1次（所有波段），12位RAW

附錄C

（規(guī)范性）

干旱遙感監(jiān)測(cè)指標(biāo)計(jì)算方法C.1歸一化差異水體指數(shù)法歸一化差異水體指數(shù)NDWI（NormalizedDifferentialWaterIndex）按公式（C.1）計(jì)算：NDWI=RG-RNirR式中：NDWI——?dú)w一化差異水體指數(shù)，取值范圍為[-1，1]；RG、RNir——分別代表遙感影像的綠光波段和近紅外波段的地表反射率。C.2熱慣量法C.2.1土壤熱慣量是土壤的一種熱特性，它是引起土壤表層溫度變化的內(nèi)在因素，與土壤含水量有密切的相關(guān)關(guān)系，同時(shí)又控制著土壤溫度日較差的大小。為簡(jiǎn)化計(jì)算，可使用熱紅外遙感影像反演的溫度日較差代替熱慣量。C.2.2土壤相對(duì)濕度宜通過(guò)建立熱慣量與土壤相對(duì)濕度之間的線性或非線性關(guān)系模型估算，按公式（C.2）計(jì)算：………………（C.2）式中：W——0cm~20cm以內(nèi)土層的土壤相對(duì)含水量，%；ΔT——溫度日較差，可由晝夜地表溫度的差值得到，單位為攝氏度（℃）。C.2.3應(yīng)用熱慣量法估算土壤相對(duì)濕度涉及兩個(gè)時(shí)次的衛(wèi)星資料，要求如下：a）白天和夜間過(guò)境時(shí)，研究區(qū)應(yīng)是晴空無(wú)云，以獲得最高和最低地表溫度；b）晝夜兩幅影像應(yīng)經(jīng)過(guò)嚴(yán)格配準(zhǔn)后得到晝夜溫差；c）可用于被測(cè)土壤是裸露的或植被覆蓋度較低的區(qū)域。C.3特征空間法基于植被指數(shù)和地表溫度構(gòu)成的二維空間散點(diǎn)圖呈三角形的區(qū)域分布特征，得到溫度植被干旱指數(shù)TVDI(TemperatureVegetationDrynessIndex），可通過(guò)TVDI與土壤相對(duì)濕度的關(guān)系，建立基于地表溫度與植被指數(shù)的土壤含水量反演模型，可用于植被蓋度和土壤相對(duì)濕度變化較大區(qū)域的干旱狀況監(jiān)測(cè)。TVDI按公式（C.3）~公式（C.6）計(jì)算：……………（C.3）NDVI=RNir-RRedR………（C.5）………（C.6）式中：Ts——給定像元對(duì)應(yīng)的地表溫度，利用熱紅外遙感影像反演得到，單位為攝氏度（℃）；NDVI——?dú)w一化差值植被指數(shù)，%，取值范圍為[-1，1]；RRed——代表遙感影像紅波段的表觀反射率或地表反射率；Tsmax——給定NDVI對(duì)應(yīng)的最高地表溫度，單位為攝氏度（℃），通過(guò)線性回歸分析提取濕邊獲得；Tsmin——給定NDVI對(duì)應(yīng)的最低地表溫度，單位為攝氏度（℃），通過(guò)線性回歸分析提取干邊獲得；a1,b1,a2,b2——為待定系數(shù)，最高地表溫度和NDVI擬合方程的系數(shù)，通過(guò)對(duì)NDVI和Ts散點(diǎn)圖的分析獲得。C.4植被狀態(tài)指數(shù)法植被狀態(tài)指數(shù)VCI（VegetationConditionIndex）反應(yīng)植被狀態(tài)程度，可用于植被覆蓋較好區(qū)域的干旱狀況監(jiān)測(cè)，其中NDVI的最大值與最小值應(yīng)采用同期的多年長(zhǎng)時(shí)間序列確定。按公式（C.7）計(jì)算：……（C.7）式中：VCIj——第j時(shí)段的植被狀態(tài)指數(shù)，%，以像元為計(jì)算單元，取值范圍為[0，100]，0代表植被條件最差，100代表植被條件最佳；NDVIj——第j時(shí)段的NDVI值，%，時(shí)間段可根據(jù)監(jiān)測(cè)需要設(shè)定為日、旬、月等；NDVImax——多年同期影像中NDVI的最大值，%；NDVImin——多年同期影像中NDVI的最小值，%。注：植被狀態(tài)指數(shù)表達(dá)了與多年歷史同期相比植被長(zhǎng)勢(shì)的好壞，間接說(shuō)明了土壤水分狀態(tài)。VCI值越大，說(shuō)明植被與歷史同期相比長(zhǎng)勢(shì)越好，水分充足；相反地，值越小，與歷史同期相比植被長(zhǎng)勢(shì)差，說(shuō)明植被受旱。C.5最大溫度植被條件指數(shù)最大溫度植被條件指數(shù)MTVI(MaximumofTemperatureVegetationConditionIndex)按公式（C.8）和公式（C.9）計(jì)算：………………（C.8）………………（C.9）式中：MTVIi——第i時(shí)段TCI和VCI中的最大值，%；TCIi——第i時(shí)段的溫度條件指數(shù)，%，以像元為計(jì)算單元，取值范圍為[0，100]，0代表溫度條件最差，100代表溫度條件最佳；LSTi——第i時(shí)段的地表溫度值，單位為攝氏度（℃）；LSTmax——多年同期地表溫度的最大值，單位為攝氏度（℃）；LSTmin——多年同期地表溫度的最小值，單位為攝氏度（℃）；VCIi——第i時(shí)段的植被狀態(tài)指數(shù)，%，計(jì)算公式參見(jiàn)（C.7），時(shí)間段可根據(jù)監(jiān)測(cè)需要設(shè)定為日、旬、月等。C.6植被健康指數(shù)法植被健康指數(shù)VHI（VegetationHealthIndex）按公式（C.10）計(jì)算：……（C.10）VCI和TCI宜分別采用同期的多年長(zhǎng)時(shí)間植被指數(shù)序列和地表溫度序列確定。C.7距平植被指數(shù)法距平植被指數(shù)AVI（AverageVegetationIndex）宜采用同期的多年長(zhǎng)時(shí)間植被指數(shù)序列確定，按公式（C.11）計(jì)算：……（C.11）式中：AVIj——第j時(shí)段的距平植被指數(shù)，%；——多年同期植被指數(shù)的平均值，%。C.8溫度距平異常指數(shù)溫度距平異常指數(shù)LSTI(LandSurfaceTemperatureIndex)按公式（C.12）計(jì)算：LSTIi=LSTi-式中：LSTIi——第i時(shí)段的溫度距平異常指數(shù)；LST——同時(shí)期平均地表溫度；δ(LST)——范圍內(nèi)同地物的平均地表溫度。C.9水體面積距平百分率水體面積距平百分率指某時(shí)段內(nèi)的水體面積與歷史同期平均水體面積之間的差異程度，按公式（C.13）計(jì)算：Sw=S-SS式中：Sw——水體面積距平百分率，%；S——某時(shí)段水體面積，km2；S——計(jì)算時(shí)段同期平均水體面積，km2。C.10像元尺度光譜匹配法增強(qiáng)型光譜相似度（EnhancedSpectralSimilarity，ESS）按公式（C.14）計(jì)算：QUOTE（C.14）式中：A——標(biāo)準(zhǔn)光譜中第i個(gè)日期的植被指數(shù)；B——待測(cè)光譜中第i個(gè)日期的植被指數(shù)；——標(biāo)準(zhǔn)光譜的平均值；——目標(biāo)光譜的平均值；——標(biāo)準(zhǔn)光譜的方差；——目標(biāo)光譜的方差；n——時(shí)間序列的影像數(shù)量；EDS——?dú)W式距離；m——?dú)W氏距離的最小值；M——?dú)W氏距離的最大值；SCS——光譜相關(guān)系數(shù)。注：ESS指標(biāo)綜合了光譜曲線形狀和光譜幾何空間距離的優(yōu)點(diǎn)，在像元尺度上量化不同對(duì)象間的相似度，能夠識(shí)別出與標(biāo)準(zhǔn)光譜相似度高的像元。通過(guò)野外調(diào)研獲取主要作物真實(shí)樣點(diǎn)，以作物整個(gè)生育期的NDVI時(shí)間序列為輸入數(shù)據(jù)，以作物真實(shí)樣點(diǎn)的NDVI時(shí)序曲線平均值作為該類作物的標(biāo)準(zhǔn)光譜，利用ESS量化各像元與標(biāo)準(zhǔn)光譜的相似度，再通過(guò)閾值實(shí)現(xiàn)各類作物的遙感提取。ESS的有效范圍為[0,1]，ESS越大，說(shuō)明待測(cè)光譜與標(biāo)準(zhǔn)光譜的形狀越相似，在進(jìn)行作物種植結(jié)構(gòu)遙感識(shí)別時(shí)宜利用地面真實(shí)樣點(diǎn)率定閾值，根據(jù)經(jīng)驗(yàn)閾值一般可取0.7。C.11基于隨機(jī)森林的作物種植結(jié)構(gòu)遙感提取法隨機(jī)森林算法（RF）利用自助抽樣技術(shù)通過(guò)有放回地抽取樣本集的一部分創(chuàng)建回歸樹(shù)集群，并通過(guò)投票的方式得到最終分類結(jié)果。隨機(jī)森林基本過(guò)程是：a）使用bootstrap抽樣方法從原始樣本中隨機(jī)選擇K個(gè)訓(xùn)練樣本，K宜不少于50個(gè)，且樣本在研究區(qū)均勻分布；b）為K個(gè)訓(xùn)練樣本中的每一個(gè)構(gòu)建K個(gè)決策樹(shù)模型，并獲得K個(gè)分類結(jié)果。每個(gè)決策樹(shù)的輸入變量是從N個(gè)特征中隨機(jī)提取M個(gè)特征；c）根據(jù)K個(gè)分類結(jié)果，通過(guò)投票確定最終分類結(jié)構(gòu)。基于隨機(jī)森林的作物種植結(jié)構(gòu)遙感提取流程包括以下內(nèi)容：a）分類特征，根據(jù)作物類型識(shí)別目標(biāo)特征，一般選用光譜反射率、光譜指數(shù)和地形特征構(gòu)成分類特征集，作為隨機(jī)森林分類器的輸入數(shù)據(jù)。地形特征包括通過(guò)數(shù)字高程數(shù)據(jù)獲取的海拔高度和坡度；光譜反射率應(yīng)包括紅光、綠光、藍(lán)光和近紅外反射率。光譜指數(shù)宜包括NDWI、NDVI、和陸表水分指數(shù)（LSWI），分別按公式（C.1）、（C.4）和（C.15）計(jì)算：LSWI=RNir-RSWIRRNir+RSWIRQUOTE式中：RSWIR——短波紅外反射率，LSWI取值范圍為（-1，1）。b）樣本數(shù)據(jù)，在時(shí)目視解譯結(jié)合野外調(diào)研樣點(diǎn)選擇樣點(diǎn)，根據(jù)隨機(jī)、均勻的原則進(jìn)行采集，保證樣點(diǎn)涵蓋目標(biāo)作物類型，將樣點(diǎn)按7:3的比例進(jìn)行隨機(jī)分配，70%樣本用于分類器訓(xùn)練，30%樣本用于精度評(píng)價(jià)；c）精度評(píng)價(jià)，通過(guò)驗(yàn)證樣本計(jì)算目標(biāo)年份作物種植范圍提取結(jié)果的混淆矩陣，通過(guò)混淆矩陣評(píng)估分類結(jié)果的總體精度（OverallAccuracy,OA）、KAPPA系數(shù)，評(píng)估作物種植范圍提取結(jié)果的精度。OA和KAPPA系數(shù)分別按公式（C.16）和（C.17）計(jì)算：OA=TP+TNTP+FN+FP+TN或OA=1Ni=1rKappa=Ni=1rΣxii式中：TP——被模型分類正確的正樣本；FN——被模型分類錯(cuò)誤的正樣本；FP——被模型分類錯(cuò)誤的負(fù)樣本；TN——被模型分類正確的負(fù)樣本；Xii——混淆矩陣第i行第i列值，即對(duì)角線值。C.12基于地表溫度日較差的灌溉面積遙感監(jiān)測(cè)法基于MODIS的地表溫度日較差計(jì)算公式如下：LST=LSTday-LSTnight式中：LSTday為MODIS第一波段白天地表溫度數(shù)據(jù)（K）；LSTnight為MODIS第五波段夜間地表溫度數(shù)據(jù)（K）。通過(guò)確定一個(gè)地表溫度日較差的閾值（△Ts）判斷該耕地是否發(fā)生灌溉，即當(dāng)?shù)乇頊囟热蛰^差小于△Ts時(shí)則認(rèn)為發(fā)生了灌溉。LSTDt-1-LSTDt>?L式中：LSTDt-1——前一時(shí)段的地表溫度日較差；LSTDt——后一時(shí)段的地表溫度日較差；?L——利用地表溫度日較差監(jiān)測(cè)灌溉的閾值；進(jìn)行灌溉判定時(shí)應(yīng)剔除降水的影響，剔除降水影響方法如圖C.1所示。根據(jù)目標(biāo)地區(qū)情況，在利用地表溫度日較差監(jiān)測(cè)灌溉面積時(shí)，宜分時(shí)段通過(guò)實(shí)測(cè)土壤相對(duì)濕度數(shù)據(jù)/灌溉記錄/地面樣點(diǎn)劃分閾值。圖C.1剔除受降水影響數(shù)據(jù)的決策樹(shù)分類C.13基于遙感指標(biāo)變化的灌溉面積遙感監(jiān)測(cè)法宜通過(guò)植被供水指數(shù)（VSWI）和修正垂直干旱指數(shù)（MPDI）的變化監(jiān)測(cè)灌溉面積，MPDI可用于裸土或低植被覆蓋區(qū)域的灌溉面積識(shí)別，VSWI可用于高植被覆蓋區(qū)域的灌溉面積識(shí)別。MPDI和VSWI分別按公式（C.20）、（C.21）和（C.22）計(jì)算：（C.20）式中：B——增強(qiáng)系數(shù)。MPDI=RRed+MRNir-（C.22）式中：M——土壤基線的斜率；fv——植被覆蓋度；Rred,v——植被在紅光波段的反射率，通常情況下取0.05；RNir,v——植被在近紅外波段的反射率，通常情況下取0.5；NDVImax——植被完全覆蓋（fv=1）時(shí)對(duì)應(yīng)的NDVI值；NDVImin——裸土（fv=0）時(shí)對(duì)應(yīng)的NDVI值。通過(guò)實(shí)測(cè)土壤相對(duì)濕度數(shù)據(jù)/灌溉記錄/地面樣點(diǎn)，率定反演灌溉面積的MPDI/VSWI變化閾值，實(shí)現(xiàn)灌溉面積遙感監(jiān)測(cè)，可按公式（C.23）和（C.24）計(jì)算：VSWIt-VSWIt-1>?IMPDIt-1-MPDIt>?M式中：VSWIt-1——前一時(shí)段的VSWI；VSWIt——后一時(shí)段的VSWI；?I——利用VSWI監(jiān)測(cè)灌溉的閾值；MPDIt-1——前一時(shí)段的MPDI；MPDIt——后一時(shí)段的MPDI；?M——利用MPDI監(jiān)測(cè)灌溉的閾值。C.14基于無(wú)人機(jī)影像的葉面積指數(shù)基于無(wú)人機(jī)影像的葉面積指數(shù)（LeafAreaIndex，LAI）計(jì)算方法如下：數(shù)據(jù)采集，通過(guò)無(wú)人機(jī)多載荷低空遙感技術(shù)獲取多光譜影像數(shù)據(jù)，采集葉面指數(shù)地面實(shí)測(cè)數(shù)據(jù)，并通過(guò)多光譜影像數(shù)據(jù)計(jì)算植被指數(shù)NDVI、增強(qiáng)型植被指數(shù)（EVI）、土壤調(diào)整植被指數(shù)（SAVI）、優(yōu)化三角形植被指數(shù)（TVI）、差值環(huán)境植被指數(shù)（DVI）、比值植被指數(shù)（RVI）、優(yōu)化土壤調(diào)節(jié)植被指數(shù)（OSAVI）和轉(zhuǎn)化葉綠素吸收反射指數(shù)（TCARI），可按公式C.4、C.25~C.31計(jì)算；EVI=2.5(RNir-RRed)RSAVI=1.5(RNir-RRed)/(RNir+RRed+0.5)（TVI=60(RNir-RG)-100(RRed-RG)（C.2DVI=RNir-RRedRVI=RNirRRed（OSAVI=1+0.16RNir-RRedTCARI=3[(RRE-RRed)-0.2(R式中：RB、RRE——分別代表藍(lán)波段和紅邊波段的地表反射率。b）夏玉米各生長(zhǎng)階段不同干旱程度葉面積指數(shù)（LAI）反演模型構(gòu)建：使用協(xié)同配準(zhǔn)NDVI-OTSU方法進(jìn)行土壤背景剔除，提取夏玉米冠層純植被指數(shù)像元值，選取NDVI、EVI、SAVI和TVI植被指數(shù)分別與實(shí)測(cè)的葉面積指數(shù)在不同生育期構(gòu)建3種類型的回歸方程，并從中選擇每個(gè)生育期中與葉面積指數(shù)（LAI）相關(guān)性最高的回歸方程作為該生育期的最優(yōu)模型方程；所述不同生育期指玉米的拔節(jié)期、抽穗期、吐絲期、成熟期；所述3種類型的回歸方程為線性方程、指數(shù)方程及對(duì)數(shù)方程；c）冬小麥各生長(zhǎng)階段不同干旱程度葉面積指數(shù)（LAI）反演模型構(gòu)建：使用NDVI-Otsu方法（計(jì)算NDVI后，使用OTSU方法確定小麥與土壤背景二值化分割閾值）進(jìn)行土壤背景剔除，提取冬小麥冠層純植被指數(shù)像元值，選取NDVI、DVI、RVI、EVI、OSAVI和TCARI植被指數(shù)分別與實(shí)測(cè)的葉面積指數(shù)在不同生育期構(gòu)建4種類型的回歸方程，并從中選擇每個(gè)生育期中與葉面積指數(shù)（LAI）相關(guān)性最高的回歸方程作為該生育時(shí)期的最優(yōu)模型方程；所述不同生育時(shí)期指冬小麥的拔節(jié)－抽穗期、抽穗－灌漿期、灌漿－成熟期；所述4種類型的回歸方程為一元線性方程、一元多項(xiàng)式方程、指數(shù)方程及對(duì)數(shù)方程；d）基于葉面積指數(shù)的冬小麥旱情等級(jí)劃分見(jiàn)表C.1；表C.1冬小麥旱情等級(jí)劃分表旱情等級(jí)正常輕旱中旱重旱拔節(jié)–抽穗期>2.82.3~2.81.7~2.3<1.7抽穗-灌漿期>4.23.6~4.23.2~3.6<3.2灌漿-成熟期>5.174.74~5.174.3~4.74<4.3e）基于葉面積指數(shù)的夏玉米旱情等級(jí)劃分見(jiàn)表C.2。表C.2夏玉米旱情等級(jí)劃分表旱情等級(jí)正常輕旱中旱重旱拔節(jié)期＞3.53.0～3.52.3～3.0＜2.3抽穗期＞3.12.8～3.12.5～2.8＜2.5吐絲期＞3.72.9～3.72.2～2.9＜2.2成熟期＞2.82.5～3.82.2～2.5＜2.2C.15基于無(wú)人機(jī)影像的葉綠素含量基于無(wú)人機(jī)影像的葉綠素含量（SoilandPlantAnalyzerDevelotrnent，SPAD）計(jì)算方法如下：數(shù)據(jù)采集，通過(guò)無(wú)人機(jī)低空遙感技術(shù)獲取多光譜影像數(shù)據(jù)，采集葉綠素含量地面實(shí)測(cè)數(shù)據(jù)，并基于無(wú)人機(jī)多光譜影像數(shù)據(jù)計(jì)算植被指數(shù)NDVI、EVI、SAVI、DVI、RVI、OSAVI、TCARI和紅邊歸一化植被指數(shù)（RENDVI），按公式C.4、C.25~C.26、C.28~C.32計(jì)算；RENDVI=(RNIR-RRE)/(RNIR+RRE)（C.32）b）夏玉米各生長(zhǎng)階段不同干旱程度葉綠素含量反演模型構(gòu)建：使用NDVI-OTSU方法進(jìn)行土壤背景剔除，提取夏玉米冠層純植被指數(shù)像元值，選取植被指數(shù)NDVI、RENDVI和SAVI分別與實(shí)測(cè)的葉綠素含量數(shù)據(jù)在不同生育期構(gòu)建3種類型的回歸方程，并從中選擇每個(gè)生育期中與葉綠素含量相關(guān)性最高的回歸方程作為該生育期的最優(yōu)模型方程；所述不同生育期指玉米的拔節(jié)期、抽穗期、吐絲期、成熟期；所述3種類型的回歸方程為線性方程、指數(shù)方程及對(duì)數(shù)方程；c）冬小麥各生長(zhǎng)階段