农业机械学报

作者：向友珍，安嘉琪，赵笑，金琳，李志军，张富仓

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：大豆;多光谱;植被指数;叶面积指数;地上部生物量;产量

基金：国家自然科学基金项目（52179045）

为适应现代农业发展对作物生长动态、连续、快速监测的要求，本文基于无人机多光谱遥感技术，以西北地区大豆作为研究对象，分别筛选出与大豆叶面积指数（Leaf area index，LAI）、地上部生物量和产量相关性较好的5个植被指数，采用支持向量机（Support vector machine， SVM）、随机森林（Random forest，RF）和反向神经网络(Back propagation neural network，BPNN)分别构建了大豆LAI、地上部生物量和产量的估计模型，并对模型进行了验证。结果表明，基于RF模型构建的大豆LAI和地上部生物量预测模型的精度显著高于SVM与BP模型，LAI估计模型验证集的R2为0.801，RMSE为0.675m2/m2，MRE为18.684%；地上部生物量估算模型验证集的R2为0.745，RMSE为1548.140kg/hm2，MRE为18.770。而在产量的估算模型构建中，在大豆开花期（R4）基于RF模型构建的大豆产量预测模型的精度最高，验证集的R2为0.818，RMSE为287.539kg/hm2，MRE为7.128。本研究结果可以为无人机多光谱遥感在作物监测方面的应用提供理论依据，为作物产量的快速估算提供应用参考。

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