农业机械学报

作者：陈洪，王亚昆，姚一飞，代秦，陈子强，刘畅，李高良，胡笑涛

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,西北农林科技大学,

关键词：玉米;等效水厚度;多光谱遥感;纹理特征;空间尺度;机器学习

基金：国家自然科学基金项目(U2243235)

针对空间异质性导致的冠层等效水厚度(Equivalent water thickness, EWT)反演误差较大的问题，以4块长势差异较大的玉米田为研究对象，分别采集6个关键生育节点的EWT数据，同时利用无人机多光谱遥感技术获取田间的正射影像。以滑动窗口的方式提取遥感影像不同窗口空间尺寸(0.1m×0.1m~2.0m×2.0m)的光谱和纹理信息，经多重共线性检验后，应用主成分分析法(Principal component analysis，PCA)分别对光谱参数(Spectral parameters，S)、纹理参数(Texture parameters，T)及光谱与纹理组合参数(Spectral and texture parameters，S+T)进行降维，进而分别利用偏最小二乘法(Partial least squares，PLS)、随机森林(Random forest，RF)以及支持向量机(Support vector machine，SVM)构建EWT反演模型，而后利用Kruskal-Wallis检验模型的精度，并根据多重检验结果探讨最佳窗口尺寸的选择。结果表明：随着窗口空间尺度的逐渐增大，EWT反演模型的精度呈先增大后减小趋势；以S+T作为输入参数构建的模型精度显著优于S和T，引入纹理特征后，基于PLS、RF和SVM的模型最优窗口尺寸校正决定系数(Adjusted R-square，R2adj)分别增加0.16、0.05和0.12，相对均方根误差(Relative root mean square error，RRMSE)分别减小4.95%、1.17%和3.80%，表明纹理特征可以提高EWT模型反演精度；综合比较不同建模方法构建的9组模型，确定最优采样窗口空间尺寸为0.7m×0.7m(R2adj最高可达0.82，对应的RRMSE为16.57%)。该研究可为基于无人机多光谱影像分析的信息挖掘和EWT监测提供参考。

来源：2024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2024年第12期