农业机械学报

作者：陶惠林,徐良骥,冯海宽,杨贵军,苗梦珂,林博文

单位：安徽理工大学,安徽理工大学,北京农业信息技术研究中心;国家农业信息化工程技术研究中心,北京农业信息技术研究中心;北京市农业物联网工程技术研究中心,国家农业信息化工程技术研究中心;北京市农业物联网工程技术研究中心,北京农业信息技术研究中心,

关键词：冬小麦长势监测; 无人机遥感; 高光谱; 多元线性回归; 偏最小二乘; 随机森林

基金：国家自然科学基金项目（41601346、41871333）

为快速准确监测作物长势，以冬小麦为研究对象，获取了不同生育期的无人机高光谱影像。利用无人机高光谱数据构建光谱指数，并分析4个生育期的指数与生物量、叶面积指数以及由生物量和叶面积2个生理参数构建的长势监测指标（Growth monitoring indicator，GMI）的相关性；建立与GMI相关性较强的4个光谱指数的单指数回归模型，利用多元线性回归、偏最小二乘和随机森林3种机器学习方法分别建立冬小麦各生育期的GMI反演模型；将最佳模型应用于无人机高光谱影像，得到冬小麦长势监测图。结果表明：各生育期光谱指数与冬小麦GMI相关性较高，大部分指数都达到了显著水平，其中NDVI、SR、MSR和NDVI×SR与GMI的相关性高于生物量、叶面积指数与GMI的相关性；拔节期、挑旗期、开花期、灌浆期、全生育期，表现最好的回归模型对应光谱指数分别是NDVI×SR、NDVI、SR、NDVI和NDVI×SR；对比3种方法构建的GMI反演模型，开花期模型MLR-GMI效果最佳，此时期的模型建模?R???2?、RMSE和NRMSE分别是0.716?4、0.096?3、15.90%。

来源：2020年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第2期