农业机械学报

作者：刘帅兵，金秀良，冯海宽，聂臣巍，白怡，程明瀚

单位：武汉大学,中国农业科学院,北京市农林科学院,中国农业科学院,中国农业科学院,中国农业科学院,

关键词：玉米病害;叶面积指数;无人机;高光谱;多光谱

基金：国家重点研发计划项目（2016YFD0300602）、国家自然科学基金项目（42071426、51922072、51779161、51009101）、海南省崖州湾种子实验室项目（JBGS+B21HJ0221）和中国农业科学院南繁研究院南繁专项（YJTCY01、YBXM01）

为了在病害发生条件下进行玉米LAI的遥感估算，针对41个不同抗性的玉米自交系品种，通过人工接种方法，获得了不同病害严重程度（1~9级）的LAI数据，同时采集了地面高光谱和无人机多光谱数据，构建了K近邻算法、支持向量机、梯度提升分类树和决策分类树分类模型对病害进行分类，对玉米种质资源抗病性进行了划分。基于不同玉米病害胁迫程度分类结果，采用随机森林回归、梯度提升回归树、极端梯度增强算法、轻量梯度提升机4种机器学习模型对玉米LAI进行反演，讨论了不同模型在病害胁迫下的鲁棒性。研究结果表明，对不同生育期玉米病害程度进行划分，基于地面高光谱识别精度分别为84.72%（梯度提升分类树）、47.67%（支持向量机）、55.05%（K近邻算法）、83.02%（决策分类树）。基于病害分类结果，本文利用无人机多光谱数据估算了不同病情等级胁迫下的玉米LAI 。构建了4种集成学习模型对不同病情等级的LAI进行估算，4个LAI反演模型的总体反演精度（rRMSE）分别为：19.11%（梯度提升回归树）、15.94%（轻量梯度提升机）、14.51%（随机森林回归）和15.45%（极端梯度增强算法）。其中极端梯度增强算法对病害胁迫的普适性最好，不同病害等级下的反演精度rRMSE为15.19%（轻微）、17.46%（中等）、9.12%（严重）和9.63%（不抗病）。LAI反演模型普遍在病害早期和中期（病情等级1~7）对玉米LAI估算精度相差不大。但是对病情极其严重的玉米样本，其玉米LAI估算结果精度差异较大，田间不同病情等级胁迫会影响玉米LAI的准确估算。

来源：2023年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第3期