农业机械学报

作者：刘杨，冯海宽，孙乾，杨福芹，杨贵军

单位：北京农业信息技术研究中心；山东科技大学,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；国家农业信息化工程技术研究中心,河南工程学院,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,

关键词：马铃薯; 地上生物量; 高光谱; 分数阶微分

基金：国家自然科学基金项目（41601346、41871333）

以马铃薯为研究对象，利用无人机得到现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的高光谱数据，实测了地上生物量（Above ground biomass，AGB）数据。首先，利用成像高光谱影像提取每个生育期马铃薯冠层高光谱反射率数据；然后，利用分数阶微分计算高光谱0~2阶微分（间隔0.2），将各阶微分下的光谱数据与地上生物量进行相关性分析，挑选出相关系数绝对值较大的前9个微分波段；最后，利用多元线性回归（Multiple linear regression，MLR）、随机森林（Random forest，RF）和人工神经网络（Artificial neural network，ANN）3种方法构建基于分数阶微分光谱的整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型，并进行了对比。结果表明：各生育期相关系数绝对值最大值出现的阶数不同，现蕾期为0.8阶微分（470?nm）；块茎形成期为1.8阶微分（710?nm）；块茎增长期和淀粉积累期为1.6阶微分（718、722、766?nm）；成熟期为1.0阶微分（622?nm）。相较于整数阶微分，高光谱分数阶微分与AGB的相关性更高，分数阶微分可以提高马铃薯AGB的估算精度。分析了不同生育期整体、不同品种、不同密度和不同施肥下的马铃薯AGB估算模型，3种方法中以9个微分波段为因变量的AGB估算在块茎增长期表现效果最好，利用MLR方法得到的模型精度最高、稳定性最强，其次为RF模型，ANN模型表现效果最差。不同生育期利用3种方法构建的AGB估算模型精度由大到小依次为块茎增长期、块茎形成期、淀粉积累期、现蕾期、成熟期。?

来源：2020年第12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12期