单位面积穗数（panicle number per unit area，PNPA）对小麦产量贡献最大。抽穗前快速准确的小麦PNPA估测对于评估产量潜力和调控作物生长以增加最终产量至关重要。由于忽略了光谱饱和及背景效应，现有利用抽穗前获取遥感数据估测PNPA的方法准确性较低。本研究构建了一种基于无人机多光谱影像的PNPA敏感光谱-纹理复合指数（spectral-textural PNPA sensitive index，SPSI），以削弱光谱饱和性并提高抽穗前估测冬小麦PNPA的精度。结果表明，在8类纹理特征指数中，除TI_[HOM]、TI_[ENT]和TI_[SEM]外，绿色像元TIs估测PNPA的性能优于全像元TIs。与DATT_{[850,730,675]}、TI_NDRE[MEA]和NDTI_COR[850,730]相比，SPSI（DATT_{[850,730,675]}+NDTI_COR[850,730]）在建模与验证中展示出最高的总体精度。该研究首次揭示了土壤背景对于纹理特征提取的影响，构建的SPSI具有高抗饱和性，且有潜力利用高分辨率卫星影像及时准确估测PNPA。
 

单位面积穗数,无人机,光谱信息,纹理信息,绿色像元