农业机械学报

作者：樊意广，冯海宽，刘杨，边明博，孟炀，杨贵军

单位：北京市农林科学院信息技术研究中心,北京市农林科学院信息技术研究中心；南京农业大学,国家农业信息化工程技术研究中心；中国农业大学,北京市农林科学院信息技术研究中心,北京市农林科学院信息技术研究中心,北京市农林科学院信息技术研究中心,

关键词：马铃薯;植株氮含量;株高;无人机;数码影像;冠层光谱特征

基金：国家自然科学基金项目（41601346）、广东省重点领域研发计划项目（2019B020216001）和2022年度农业农村部农业遥感机理与定量遥感重点实验室建设项目(PT2022-24)

为及时准确地掌握作物的植株氮含量(PNC)信息，监测作物生长状况，实现农田氮素施肥的科学管理，以马铃薯为研究对象，首先获取了现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期的数码影像，并实测了各生育期的PNC、株高(H)和地面控制点(GCP)的三维坐标。其次利用各生育期的无人机数码影像与GCP结合生成试验区域的数字正射影像(DOM)和数字表面模型(DSM)，并从中提取冠层光谱特征和株高(Hdsm)。然后将各生育期提取的Hdsm和数码影像变量与地面实测的PNC进行相关性分析，从中筛选出相关性较好的影像变量和Hdsm作为马铃薯PNC估算模型的输入参数。最后分别基于影像变量和影像变量结合Hdsm利用多元线性回归(MLR)、误差反向传播(BP)神经网络和Lasso回归3种方法构建马铃薯PNC估算模型。结果表明：基于DSM提取的Hdsm与实测H具有较高的拟合度(R2为0.860，RMSE为2.663cm，NRMSE为10.234%)；各生育期加入Hdsm，均能提高马铃薯PNC的估算精度和稳定性；各生育期利用MLR方法构建的PNC估算模型优于BP神经网络和Lasso回归。该研究可为马铃薯PNC状况的高效、无损监测提供技术支撑。

来源：2022年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第6期