农业机械学报

作者：王晗，向友珍，李汪洋，史鸿棹，王辛，赵笑

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,西北农林科技大学,西北农林科技大学,西北农林科技大学,

关键词：冬油菜;无人机;多光谱;机器学习模型;地上部生物量

基金：国家自然科学基金项目(52179045)

地上部生物量(Above-ground biomass, AGB)是判断作物生长发育的重要指标，对作物不同生长阶段地上部生物量进行快速、准确、无损遥感监测对精准农业生产具有重要意义。本文在西北关中地区开展田间试验，以不同水氮处理下冬油菜为研究对象，通过对其生理生长指标以及产量进行分析，确定I2N3（越冬期和蕾薹期补灌，施氮量为280kg/hm2）处理为该地适宜的水氮管理策略。使用无人机获取冬油菜营养生长期和生殖生长期多光谱图像，采用阈值法对多光谱图像中的阴影和土壤背景进行掩膜处理，提取各波段反射率，构建植被指数。将冬油菜地上部生物量实测数据与21个光谱变量进行相关性分析，筛选出各生长阶段相关系数绝对值排名前8个光谱变量作为输入量，通过随机森林（RF）、支持向量机（SVM）、遗传算法优化支持向量机（GA-SVM）和粒子群优化支持向量机（PSO-SVM）构建不同生长阶段冬油菜地上部生物量估算模型，确定最佳估算模型。结果表明，全生长阶段和生殖生长阶段红光波段反射率显著性最强且稳定，相关系数分别达到0.835和0.754；PSO- SVM模型更适合用于反演关中地区冬油菜不同生长时期的AGB，其在全生长时期、营养生长时期和生殖生长时期的验证集R2分别为0.866、0.962和0.789，模拟所用时间分别为1.299、0.859、0.666s。

来源：2023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2023年第8期