多光谱数据已经被广泛应用到湿地植被生物量反演研究中^[9]。不同地物具有不同的光谱特性，光学遥感依据植被在红光与近红外波段光谱反射率间的显著差异进行生物量估算，通过不同的波段组合以及植被指数，例如归一化植被指数（NDVI）、比值植被指数（RVI）以及差值植被指数（DVI）等，建立实测样点数据与各遥感因子之间的回归模型以及神经网络模型等，筛选出最优模型反演湿地植被生物量^[10]。饶滴滴等利用Sentinel-2多光谱数据研究了苔草（Carex）生物量与十种植被指数之间的关系，结果表明土壤调整植被指数（SAVI）三次多项式模型最优^[11]；李爽等利用TM数据建立洪河湿地自然保护区的回归模型以及人工神经网络模型，结果表明径向基（RBF）神经网络是反演湿地植被生物量的最优模型^[12]；傅新等利用HJ-1A CCD多光谱数据建立了滨海湿地翅碱蓬（Suaeda salsa）生物量回归模型以及人工神经网络模型（BP模型、RBF模型、GRNN模型），结果表明利用7个遥感因子建立的BP模型具有最高反演精度^[13]。从国内研究区来看，鄱阳湖是国内学者研究的重点，早在2001年李仁东等通过一元回归以及主成分分析，表明鄱阳湖湿地植被生物量与ETM 4波段、NDVI以及DVI之间存在着显著的相关性，且与ETM 4波段之间的相关系数达到了0.86^[14]。随着遥感技术的发展以及算法的不断完善，相继有更多学者利用多源遥感数据基于深度学习的模型对鄱阳湖湿地植被生物量分布规律进行研究^[6,15,16]。