农业机械学报

作者：张智韬,谭丞轩,许崇豪,陈硕博,韩文霆,李宇

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：玉米;土壤含水率;无人机遥感;植被指数;机器学习

基金：国家重点研发计划项目（2017YFC0403203、2017YFC0403302）和杨凌示范区科技计划项目（2018GY-03）

及时获取农田作物根域土壤墒情是实现精准灌溉的基础和关键。以内蒙古自治区达拉特旗昭君镇试验站大田玉米为研究对象，利用无人机遥感系统，分别在玉米营养生长期（Vegetative stage，V 期）、生殖期（Reproductive stage，R 期）和成熟期（Maturation stage，M 期）获得7次玉米冠层多光谱正射影像，并同步采集玉米根域不同深度土壤含水率（Soil moisture content, SMC）；然后，采用灰色关联法对提取的多种植被指数（Vegetation index, VI）进行筛选，选取与土壤含水率敏感的植被指数；最后，分别采用多元混合线性回归（Cubist）、反向传播神经网络（Back propagation neural network, BPNN）和支持向量机回归（Support vector machine regression, SVR）等机器学习方法，构建不同生育期的敏感植被指数与土壤含水率的关系模型。结果表明，3种机器学习方法中SVR模型在各生育期的建模与预测精度均最优，BPNN模型次之，Cubist模型最差；其中SVR模型在M期效果最优，其建模集和验证集R2分别为0.851和0.875，均方根误差（Root mean square error, RMSE）均为0.7%，标准均方根误差（Normalized root mean square error，nRMSE）分别为8.17%和8.32%，R期效果最差，其建模集和验证集R2分别为0.619和0.517。

来源：2019年第7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7期