农业机械学报

作者：张宏鸣,刘雯,韩文霆,刘全中,宋荣杰,侯贵河

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：夏玉米; 叶面积指数; 多光谱; 梯度提升树; 植被指数

基金：国家重点研发计划项目（2017YFC0403203）、国家自然科学基金项目（41771315、41301283、41371274）和欧盟地平线2020研究与创新计划项目（GA:635750）

为了快速、准确、大范围获取大田夏玉米的叶面积指数（Leaf area index，LAI），基于实地采集的夏玉米LAI和株高，结合同时期的无人机多光谱影像，选择与夏玉米LAI相关性较强的8种植被指数以及株高作为反演LAI的输入变量，采用梯度提升树（Gradient boosting decision tree，GBDT）算法建立植被指数及株高与叶面积指数之间的预测模型，并与支持向量机（Support vector machine，SVM）和随机森林（Random forest，RF）算法建立的模型进行预测精度对比。结果表明，GBDT算法在3个样本组中的LAI预测值与实测值?R2分别为0.571?0、0.755?8、0.644?1，均高于SVM算法（0.547?2、0.679?1、0.616?8）和RF算法（0.550?5、0.697?3、0.629?5）；对应的RMSE分别为0.002?7、0.001?5、0.001?6，均低于SVM算法（0.211?7、0.152?3、0.159?7）和RF算法（0.244?7、0.214?7、0.208?0）。该研究为快速准确的大田夏玉米LAI遥感监测提供了技术和方法。

来源：2019年第5期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第5期