农业机械学报

作者：胡田田，赵璐，崔晓路，张俊，李澳旗，王小昌

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,陕西省农业宣传信息中心,

关键词：冬小麦; 估产模型; 植被指数; 无人机多光谱; 野外光谱仪; 多元线性回归

基金：公益性行业（农业）科研专项（201503124）

无人机多光谱遥感用于冬小麦产量预测中捕获的数据准确性不高，为指导田块尺度下冬小麦产量的精准预测，需构建高精度的冬小麦产量估算模型。本研究利用校正后的近地面高光谱数据（Field-Spec 3型野外光谱仪获取）验证低空无人机多光谱遥感数据（大疆精灵4型多光谱相机获取），将通过无人机多光谱影像计算的植被指数与经验统计方法结合，采用一元回归和多元线性回归分别对抽穗期、开花期和灌浆期冬小麦进行基于单一植被指数和多植被指数组合的产量估算，其中多植被指数包括归一化差异植被指数（NDVI）、优化的土壤调节植被指数（OSAVI）、绿色归一化差值植被指数（GNDVI）、叶片叶绿素指数（LCI）和归一化差异红色边缘指数（NDRE）。结果表明，基于单一植被指数的冬小麦估产模型，一元二次回归模型精度最高，而基于5种植被指数的多元线性回归模型在3个生育时期的拟合效果均优于单植被指数模型。一元或多元回归模型在抽穗期的拟合效果最好。冬小麦基于GNDVI指数的一元二次回归估产模型建模集的决定系数（R2）、均方根误差（RMSE）分别为0.69、428.91kg/hm2，验证集的R2、RMSE、相对均方根误差（RRMSE）分别为0.76、418.14kg/hm2、11.56%。基于5种植被指数组合的多元线性回归估产模型建模集的R2、RMSE分别为0.80、340.14kg/hm2，验证集的R2、RMSE、RRMSE分别为0.69、466.75kg/hm2、12.90%。综上所述，大疆精灵4型多光谱相机捕获的数据在估算冬小麦产量方面具有广阔的应用前景；冬小麦产量估算的最适模型为基于抽穗期多植被指数组合建立的多元线性回归模型。

来源：2023年第12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12期