【摘要】 耕地是农业生产的基本物质条件，耕地质量评价对耕地保护有重要意义。遥感技术的发展，为解决当前耕地质量评价周期长、效率低的问题带来了新思路。目前基于植被遥感指标的耕地质量评价的研究中，尚未考虑利用作物红边波段评价耕地质量。因此，本研究尝试建立红边指数(red edge index, REI)和耕地质量的光谱响应模型，从Sentinel-2影像中提取14个红边指数，并使用梯度提升树(gradient boosting decision tree, GBDT)算法结合方差膨胀因子(variance inflation factor, VIF)筛选对耕地质量敏感的最佳红边指数；利用偏最小二乘回归(partial least squares regression, PLSR)、岭回归(ridge regression, RR)和BP神经网络(back propagation neural network, BPNN)算法构建红边波段与耕地质量之间的光谱响应模型，比较3个模型的精度从而确定最佳模型，并结合Sentinel-2影像完成耕地质量制图。结果表明，REI-BPNN光谱响应模型为耕地质量最佳预测模型，其建模精度决定系数(R~2)为0.70,归一化均方根误差(NRMSE)为10.00%,优于其他2种线性模型，其耕地质量的制图误差NRMSE为14.80%,对比前人研究有所提高，表明通过红边指数反演耕地质量具有较大的潜力，为耕地质量评价提供了新思路。更多还原