农业机械学报

作者：边明博，马彦鹏，樊意广，陈志超，杨贵军，冯海宽

单位：北京市农林科学院,北京市农林科学院,北京市农林科学院,河南理工大学,北京市农林科学院,南京农业大学,

关键词：马铃薯;叶绿素含量;图谱融合;Gabor纹理;机器学习

基金：黑龙江省揭榜挂帅科技攻关项目（2021ZXJ05A05）和国家自然科学基金项目(41601346)

叶绿素是衡量作物光合作用的重要指标，监测马铃薯关键生育期叶片叶绿素含量（Leaf chlorophyll content，LCC）至关重要。获取马铃薯块茎形成期、块茎增长期和淀粉积累期的无人机RGB和多光谱影像，提取无人机多光谱影像的光谱反射率构建植被指数（Vegetation index，VIs），利用Gabor滤波器提取RGB影像的纹理信息（Texture information，TIs）。然后利用机器学习SVR-REF方法进行数据降维获取植被指数和纹理特征重要性排序，并采用迭代的方法在植被指数最佳模型中加入纹理信息，观察每次加入的纹理信息对模型的动态影响。最后使用支持向量机(Support vector machine, SVR)和K-最近邻算法（K-nearest neighbor，KNN）2种机器学习方法进行建模。结果表明，马铃薯3个关键生育期，加入纹理特征后的2种模型精度和稳定性均有提高，且SVR模型精度优于KNN。块茎形成期，SVR模型建模R2由0.61提升至0.71，RMSE由0.20?mg/g降为0.17mg/g，精度提升14.2%，验证R2由0.58提升至0.66，RMSE由0.19mg/g降至0.17mg/g，精度提升10.5%。块茎增长期，SVR建模R2由0.59提升至0.67，RMSE由0.16mg/g降至0.14mg/g，验证R2由0.71提升至0.79，RMSE由0.15mg/g降至0.13mg/g，精度提升13.3%。淀粉积累期，SVR建模R2由0.62提升为0.69，RMSE由0.17mg/g降至0.14mg/g，精度提升17.6%，验证R2由0.47提升至0.63，RMSE由0.17mg/g降至0.14mg/g，精度提升17.6%。另外，3个时期参与SVR建模的植被指数数量分别为19、16、3，纹理数量分别为4、2、9，在植被指数不能充分响应叶绿素含量时，会有更多纹理信息参与建模，并且模型精度提升更高，进一步论证了纹理特征在马铃薯叶绿素含量反演中的重要性。

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