农业机械学报

作者：冯浩，杨祯婷，陈浩，吴莉鸿，李成，王乃江

单位：西北农林科技大学,西北农林科技大学,西北农林科技大学,中国电建集团西北勘测设计研究院有限公司,西北农林科技大学,西北农林科技大学,

关键词：无人机;多光谱;夏玉米;SPAD;分层线性模型

基金：国家自然科学基金项目（51879224）

快速获取作物叶片叶绿素含量对及时诊断作物健康状况、指导田间管理具有重要意义。本研究以关中地区2020年夏玉米为研究对象，获取试验区无人机多光谱影像，提取植被指数，分析所选植被指数与SPAD的相关性，筛选得到模型的输入变量，利用偏最小二乘法（PLS）、随机森林回归（RF）和分层线性模型（HLM）分别构建拔节期、抽雄期、灌浆期以及全生育期的SPAD估算模型，最终选出最优估算模型，以期为快速获取夏玉米SPAD提供参考。研究发现：除NRI之外，NDVI、OSAVI、GNDVI、RVI、MCARI、MSR、CIre与SPAD均显著相关，其中，OSAVI、NDVI与SPAD呈现出较强且稳定的相关性；各个生育期的最优模型均是RF模型，在拔节期、抽雄期、灌浆期和全生育期，验证集R2分别为0.81、0.81、0.73、0.61，RMSE分别为1.24、2.32、3.13、3.20；对于SPAD估算模型，将降雨量、最高气温这两个气象因子与植被指数耦合的HLM模型可以一定程度提升线性模型的估算精度，但其精度低于RF模型。因此，基于无人机多光谱影像的RF模型可以实现夏玉米SPAD的快速准确估算。

来源：2022年第10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10期