农业机械学报

作者：李志军，陈国夫，支佳伟，向友珍，李冬梅，张富仓，陈俊英

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,西北农林科技大学,

关键词：大豆;土壤含水率;无人机;多光谱;植被指数;纹理特征

基金：国家自然科学基金项目（52179045）和大学生创新性实验项目(202400860A9)

及时获取大田作物根区土壤含水率（Soil moisture content，SMC）对于实现精准灌溉至关重要。本研究采用无人机多光谱技术，通过连续2年（2021—2022年）田间试验，采集了大豆开花期不同土壤深度的SMC数据以及相应的无人机多光谱图像，建立了与作物参数具有较强相关性的植被指数及冠层纹理特征。通过分析植被指数和纹理特征与各深度土层SMC的相关性，分别筛选出与各深度土层SMC相关系数达显著相关（P<0.05）的参数作为模型的输入变量（组合1：植被指数；组合2：纹理特征；组合3：植被指数结合纹理特征），分别利用支持向量机（Support vector machine，SVM）、梯度提升模型（Extreme gradient boosting，XGBoost）和梯度提升决策树（Gradient boosting decision tree，GDBT）对各深度土层SMC进行建模。结果表明，与20~40 cm和40~60 cm土层深度相比，植被指数和纹理特征在0~20 cm土层深度中与SMC表现出更高的相关性。XGBoost模型为SMC估算的最佳建模方法，特别是对于0~20 cm土层深度。该深度估计模型验证集决定系数为0.881，均方根误差为0.7%，平均相对误差为3.758%。本研究结果为大豆根区SMC无人机多光谱监测提供了基础，为水分胁迫条件下作物生长的快速评估提供了参考。

来源：2024年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第9期