农业机械学报

作者：牛庆林，冯海宽，周新国，朱建强，雍蓓蓓，李会贞

单位：中国农业科学院农田灌溉研究所,国家农业信息化工程技术研究中心,中国农业科学院农田灌溉研究所,长江大学,中国农业科学院农田灌溉研究所,中国农业科学院农田灌溉研究所,

关键词：冬小麦;SPAD值;可见光植被指数;多光谱植被指数;逐步回归;随机森林回归

基金：国家重点研发计划项目（2018YFC1508301）、中国农业科学院基本科研业务费专项（FIRI2018-08、 FIRI2019-05-05、 FIRI202001-04）和国家自然科学基金项目（41601346）

SPAD（Soil and plant analyzer development）值能够反映作物叶片叶绿素含量，是表征作物健康状态的重要指标。采用无人机搭载可见光和多光谱相机同步获取冬小麦可见光和多光谱影像，同时获取冬小麦叶片SPAD值，探究了可见光和多光谱植被指数与SPAD值的关系，将可见光植被指数与多光谱植被指数相结合进行SPAD值估算，利用逐步回归和随机森林回归方法估算SPAD值，并将估算结果进行对比，筛选出冬小麦叶片SPAD值的最优估算模型。结果表明，SPAD值与可见光植被指数（IKAW和RBRI）、多光谱植被指数（GNDVI、CI、GMSR和GOSAVI）具有较好的相关性，与可见光植被指数（CIVE）和多光谱植被指数（GNDVI）的相结合指数具有较好的相关性，其估算模型的R2为0.89，模型验证的RMSE为2.55，nRMSE为6.21%。研究表明，可见光植被指数与多光谱植被指数相结合指数逐步回归和随机森林回归模型估算SPAD值的精度高于仅用可见光植被指数或多光谱植被指数，采用逐步回归的估算模型R2为0.91，模型验证R2、RMSE和nRMSE分别为0.89、2.32和5.64%，采用随机森林回归的估算模型R2为0.90，模型验证R2、RMSE和nRMSE分别为0.88、2.51和6.12%。

来源：2021年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第8期