农业机械学报

作者：马春艳，王艺琳，翟丽婷，郭辅臣，李长春，牛海鹏

单位：河南理工大学,河南理工大学,河南理工大学,河南理工大学,河南理工大学,河南理工大学,

关键词：冬小麦;不同叶位;叶绿素含量;高光谱;机器学习算法

基金：国家自然科学基金项目（41871333）和河南省高校科技创新团队支持计划项目（22IRTSTHN008）

科学、高效地获取作物不同叶位叶绿素含量的垂直分布信息，可监测农作物长势状况并进行田间管理。基于冬小麦抽穗期获取的不同叶位叶片的高光谱反射率和叶绿素含量实测数据，将原始光谱、一阶微分光谱、二阶微分光谱、植被指数和连续小波系数与叶绿素含量进行相关性分析，筛选相关性较强的光谱特征参数，然后分别采用偏最小二乘回归、支持向量机、随机森林和反向传播神经网络4种机器学习算法构建冬小麦上1叶、上2叶、上3叶和上4叶的叶绿素含量估算模型，并根据精度评估结果筛选不同叶位叶绿素含量估算的最佳模型。结果表明，上1叶、上2叶和上3叶采用小波系数结合偏最小二乘回归构建的叶绿素含量估算模型精度最高，建模和验证R2分别为0.82和0.75、0.80和0.77、0.71和0.62；上4叶采用植被指数结合支持向量机构建的叶绿素含量估算模型效果最佳，建模和验证R2为0.74和0.79。研究结果可为基于遥感技术精准监测作物营养成分的垂直变化特征提供理论和技术支撑。

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