农业机械学报

作者：吴立峰，徐文浩，裴青宝

单位：南昌工程学院,南昌工程学院,南昌工程学院,

关键词：柑橘产量;无人机;多光谱;机器学习;SHAP

基金：江西省教育厅科技项目（GJJ180925）和江西省科技厅重点研发计划重点项目（20212BDH80016）

为了准确、快速地预测柑橘产量以准确指导果园生产管理，通过大疆多光谱版无人机获取柑橘果实成熟期的遥感影像数据，并从图像中提取了可见光和多光谱波段指数作为特征变量，采用极端梯度提升（eXtreme gradient boosting，XGB）、随机森林（Random forest，RF）以及支持向量机（Support vector machine，SVM）模型分别构建柑橘果实有无分类模型、果实数量和质量估测模型。结果表明：通过XGB模型对特征变量进行筛选分析，柑橘果实有无的分类中超红指数ExR最重要，而数量和质量的估测中改进超绿指数MExG最重要。组合建模中3个模型均在组合4的情况下精度较好。对于分类模型，最优模型为SVM模型（AUC为0.969，准确率为0.919），而对于数量和质量估测模型，最优模型为XGB模型（数量：R2=0.79，RMSE为466个；质量：R2=0.79，RMSE为19.51kg）。最后利用Shapley additive explanations（SHAP）方法揭示了植被指数特征在产量估测模型构建时的重要性，并阐明了SHAP值排在前四的特征交互影响。本研究结果可为无人机遥感在柑橘产量方面的研究提供应用参考和理论依据。

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